콘크리트 수량 적산을 위한 AI: 수작업 적산 대비 정확도 벤치마크

피닉스의 한 중견 상업 건설업체가 작년에 흥미로운 실험을 진행했습니다. 4,000 sq ft 규모의 소매점 인테리어부터 60,000 sq ft 규모의 창고까지 완료된 12개 프로젝트의 도면을 3가지 AI 견적 도구에 입력했습니다. 그런 다음 AI 산출 물량을 시니어 견적사가 산출한 물량, 그리고 현장에서 실제 타설된 물량과 비교했습니다.

기준 수치

평판 슬래브 온 그레이드 작업의 경우, AI 도구는 실제 타설 물량 대비 평균 2.3% 이내의 오차를 보였습니다. 인간 견적사는 평균 4.1%의 편차를 기록했습니다. 면적 산출만 놓고 보면, AI는 피로감이나 보간 편법 없이 도면의 모든 면적을 디지털화할 수 있어 우위를 점했습니다.

그러나 구조 콘크리트에서는 상황이 더 복잡해집니다. 기초, 지중보, 기둥, 두께가 다양한 상부 슬래브 등이 포함됩니다. 여기서 AI 도구는 실제 물량 대비 평균 6.8%의 편차를 보인 반면, 경험 많은 견적사는 3.9%를 달성했습니다. 인간은 시공 순서를 이해하고, 도면의 어떤 디테일이 이상적인 것이고 실제로 시공될 것인지를 파악하며, 거푸집 복잡도에 따른 할증률을 적용했습니다.

AI 견적이 뛰어난 부분

속도가 가장 명확한 장점입니다. 경험 많은 견적사가 중규모 상업 프로젝트에 6~10시간이 걸리는 작업을 AI 도구는 15~40분 만에 완료합니다. 5일 내 회신해야 하는 입찰 초대(ITB)에 대응하는 종합건설사에게 이 시간 절감은 상당합니다.

일관성은 덜 눈에 띄지만 중요한 장점입니다. 동일한 도면을 AI 도구에 10번 입력하면 10번 모두 같은 수치가 나옵니다. 3명의 다른 견적사에게 동일한 프로젝트의 물량 산출을 맡기면 3개의 다른 수치가 나오며, 때로는 8% 이상 차이가 나기도 합니다. 텍사스 A&M 대학교 건설과학 프로그램의 한 연구에 따르면, 자격을 갖춘 견적사 간 수동 물량 산출 편차는 구조 콘크리트 프로젝트에서 평균 7.2%였습니다.

AI는 또한 인간이 첫 번째 검토에서 일상적으로 놓치는 물량 요소를 포착합니다. 기둥 교차부의 헌치 디테일, 독 위치의 두꺼워진 슬래브 엣지, 기계 도면에는 표시되어 있지만 구조 도면에는 없는 소형 장비 패드 등입니다. 한 AI 플랫폼은 분석한 500개 프로젝트에서 초기 수동 물량 산출 대비 프로젝트당 평균 3.4개의 누락된 콘크리트 요소를 식별했다고 보고했습니다.

수동 물량 산출이 여전히 우위인 부분

경험 많은 견적사는 현재 AI 도구가 복제할 수 없는 판단력을 적용합니다. 건축가가 6인치 슬래브를 설계했지만 토질 조건을 고려하면 지반조사 보고서에서 8인치를 요구할 가능성이 높다는 것을 알고 있습니다. 지정된 콘크리트 배합에 펌프 트럭이 필요하며, 이것이 할증 계산을 변경한다는 것을 알고 있습니다. 콜드 조인트, 과굴착 보정, 그리고 어떤 거푸집도 완벽하게 수직이 아니라는 현실을 반영합니다.

시공성 지식이 핵심적인 격차입니다. AI는 도면에 있는 것을 읽습니다. 베테랑 견적사는 도면에 있는 것, 도면에 있어야 할 것, 그리고 현장에서 실제로 일어날 일을 읽습니다. 복잡한 구조 작업의 경우, 그 판단력은 여전히 중요합니다.

효과적인 하이브리드 접근법

최고의 결과를 얻고 있는 건설업체들은 초기 물량 추출에 AI를 사용한 후, 경험 많은 견적사가 검토하고 조정하는 방식을 채택하고 있습니다. 이 방식은 일반적으로 전체 수동 물량 산출에 필요한 시간의 약 30%가 소요되며, 모든 콘크리트 유형에서 실제 물량 대비 2% 이내의 견적을 산출합니다.

워크플로우는 다음과 같습니다: AI가 20분 만에 도면 세트에서 물량을 추출합니다. 견적사는 8시간 대신 2시간 동안 물량 산출을 검토하며, 복잡한 거푸집 조건, 비표준 디테일, 분할 타설 등 AI가 어려움을 겪는 것으로 알려진 영역에 집중합니다. 견적사는 할증, 과굴착, 거푸집 허용오차에 대한 현장 지식 기반 조정을 적용합니다.

이러한 종류의 AI 지원 건설 워크플로우를 탐색하는 기업들은 이 기술이 경험 있는 인력의 대체가 아닌 가속기로서 가장 잘 작동한다는 것을 발견하고 있습니다.

프로젝트 유형별 정확도

데이터는 AI가 가장 잘 수행하는 영역에서 명확한 패턴을 보여줍니다. 반복적인 패널 레이아웃의 틸트업 창고 프로젝트는 실제 물량 대비 1.5% 이내의 AI 정확도를 보입니다. 표준 슬래브 온 그레이드의 스트립몰 및 소매 셸 프로젝트는 2~3% 범위에 해당합니다. 포스트텐션 슬래브, 전이보, 복잡한 기초 시스템이 포함된 다층 구조 콘크리트는 AI 단독 작업 시 여전히 5~8%의 편차를 보입니다.

흥미롭게도 주거용 콘크리트는 결과가 엇갈립니다. AI는 기초 도면을 잘 처리하여 일반적으로 3% 이내의 정확도를 보이지만, 주거 프로젝트에 자주 포함되는 장식용 콘크리트, 맞춤형 수영장 셸, 비표준 형태의 평판 작업에서는 어려움을 겪습니다.

벤치마크가 말해주는 것

AI와 수동 견적 간의 정확도 격차는 좁혀지고 있지만, 복잡한 구조 프로젝트보다 단순하고 반복적인 작업에서 더 빠르게 좁혀지고 있습니다. 이는 머신러닝이 일반적으로 작동하는 방식과 일치합니다. 작업이 표준화되고 패턴 기반일수록 AI의 성능이 더 좋습니다.

이러한 도구를 평가하는 건설업체에게 관련 질문은 AI가 인간보다 더 정확한지 여부가 아닙니다. 구조화된 검토 프로세스에서 AI와 인간이 함께 작업할 때, 인간이 단독으로 작업하는 것보다 더 짧은 시간에 더 나은 견적을 산출하는지 여부입니다. 여러 독립 연구의 데이터는 일관되게 의미 있는 차이로 그렇다고 말합니다.