공정률 추적을 위한 AI: 수작업 진척 보고 대체하기

기계 설비 러프인(rough-in) 공정의 완료율을 세 명의 현장 소장에게 물어보면 세 가지 다른 숫자를 얻게 됩니다. 한 명은 설치된 덕트를 눈으로 보고 65%라고 말합니다. 다른 한 명은 러프인이 완료된 방의 수를 세고 58%라고 말합니다. 세 번째는 계획된 노동 시간과 대조하여 71%라고 말합니다. 세 명 모두 같은 질문에 답하려 하지만, 일관성과 정확성을 모두 갖춘 방법을 가진 사람은 아무도 없습니다.

수동 진행 보고의 문제점

공정률 보고는 건설 프로젝트 관리에서 모든 후속 작업을 좌우합니다. 이는 기성고(Earned Value) 계산, 기성 청구, 공정 예측, 자원 계획을 결정합니다. 공정률 수치가 부정확하면 모든 후속 의사결정이 잘못된 데이터에 기반하게 됩니다.

미국 건설산업연구소(Construction Industry Institute)의 연구에 따르면, 활성 건설 프로젝트에서 수동 공정률 추정치는 실제 진행률과 평균 12~15%포인트 차이가 나는 것으로 나타났습니다. 편향은 거의 항상 진행률을 과대 보고하는 방향으로 나타납니다. 현장 소장들은 종종 무의식적으로 실제보다 높은 완료율을 보고하는데, 이는 사소한 지연을 만회할 수 있다는 낙관적 기대와 예상보다 낮은 진행률이 발주처 및 프로젝트 매니저와의 불편한 대화를 유발하기 때문입니다.

이러한 과대 보고는 누적됩니다. 6개월 동안 지속적으로 실제보다 5% 높은 진행률을 보고하는 프로젝트는 보고된 상태와 실제 상태 사이에 격차가 쌓이게 되며, 결국 공정 또는 비용 측면에서 예기치 못한 문제로 표면화됩니다. 이 격차가 부인할 수 없게 될 때쯤이면 복구 옵션은 제한적이고 비용이 많이 듭니다.

AI가 진행률을 측정하는 방법

AI 진행률 추적은 주관적인 인간의 추정에 의존하지 않고 여러 데이터 소스를 사용하여 공정률을 계산합니다. 가장 일반적인 접근 방식에는 컴퓨터 비전을 활용한 사진 기반 분석, 레이저 스캔 또는 사진측량을 통한 3D 포인트 클라우드 비교, 설치된 시스템의 IoT 센서 데이터, 납품 및 설치 기록을 통한 자재 추적이 포함됩니다.

사진 기반 진행률 추적이 가장 접근성이 높습니다. 현장 소장이나 현장 사진사가 정해진 촬영 경로를 따라 건물 내부를 정기적인 일정에 맞춰 구조화된 사진을 촬영합니다. 컴퓨터 비전 알고리즘이 이 사진들을 설계 모델 및 이전 사진과 비교하여 마지막 촬영 이후 설치된 항목을 식별합니다.

사진 기반 진행률 추적을 전문으로 하는 한 플랫폼이 85개 상업 건설 프로젝트에서 정확도를 테스트했습니다. AI가 계산한 공정률은 상세한 현장 실측 조사를 통해 측정된 실제 진행률과 평균 3.2%포인트 이내의 차이를 보였습니다. 동일한 프로젝트에서 현장 소장의 수동 보고는 현장 실측 조사와 평균 11.8%포인트의 편차를 보였습니다.

더 높은 정밀도를 위한 3D 스캐닝

레이저 스캐닝과 사진측량은 사진 기반 방법보다 높은 정확도를 제공하지만 더 많은 장비와 처리 시간이 필요합니다. 건설 현장 층의 주간 레이저 스캔을 BIM 모델과 비교하여 어떤 요소가 설치 완료되었는지, 부분 설치되었는지, 아직 시작되지 않았는지를 정확히 식별할 수 있습니다.

AI는 스캔 포인트 클라우드를 설계 모델과 비교하여 각 건물 시스템의 설치 비율을 계산합니다. 구조용 철골 94% 완료, 기계 덕트 67% 완료, 전기 배관 52% 완료. 이 수치들은 추정이 아닌 물리적 측정에 기반하므로 기성 지급 분쟁에서 더 방어 가능하고 공정 예측에 더 신뢰할 수 있습니다.

단점은 비용과 노력입니다. 대형 프로젝트에서 주간 레이저 스캐닝은 전담 스캐닝 기술자 또는 서비스 계약이 필요하며, 프로젝트 규모에 따라 스캔당 일반적으로 $2,000~$5,000의 비용이 듭니다. 2,000만 달러 이상의 프로젝트에서는 진행률 추적의 정확도 향상과 현금 흐름 관리에 대한 후속 효과를 고려하면 이 비용은 충분히 정당화됩니다.

자재 및 노무 데이터 통합

AI 진행률 추적은 시각적 데이터를 자재 및 노무 기록과 결합할 때 더 정확해집니다. 납품 기록에 명시된 덕트의 80%가 현장에 납품되었고, 사진 분석에서 60%가 설치된 것으로 나타나면, 시스템은 20%가 현장에 있지만 아직 설치되지 않았다고 추론할 수 있습니다. 이는 어느 한 데이터 소스만으로는 얻을 수 없는 더 세밀한 그림을 프로젝트 팀에 제공합니다.

노동 시간 추적은 또 다른 보정 포인트를 제공합니다. 기계 설비 하도급업체가 예산 노동 시간의 70%를 소진했지만 시각적 분석에서 55%의 설치 진행률을 보인다면, 생산성이 계획 이하이며 해당 작업이 노무 예산을 초과할 가능성이 높습니다. 이러한 조기 식별은 초과가 심각해지기 전에 개입할 수 있게 합니다.

AI 기반 건설 프로젝트 추적을 도입한 시공사들은 여러 데이터 소스의 통합이 진행 보고를 신뢰할 수 있게 만드는 핵심이라고 말합니다. 단일 소스가 완벽한 것은 아니지만, 시각적, 자재, 노무 데이터의 수렴은 어떤 수동 방법보다 훨씬 더 정확한 진행 상황을 만들어냅니다.

기성 청구에 대한 영향

기성 지급 청구는 건설 프로젝트 관리에서 가장 논쟁이 많은 부분 중 하나입니다. 하도급업체는 현금 흐름을 유지하기 위해 가능한 한 많은 완료 작업에 대해 청구하고 싶어합니다. 종합건설사는 실제 진행률 대비 과다 지급하지 않도록 하고 싶어합니다. 발주처는 보고된 진행률이 요청된 지급을 정당화하는지 확인하고 싶어합니다.

AI로 검증된 진행 데이터는 이러한 논의에 중립적인 기준점을 제공합니다. 기성 청구서에 72% 완료라고 되어 있고 AI 측정 진행률이 68%를 보여주면, 4%포인트 차이는 측정 방법론의 합리적인 차이를 반영할 수 있을 만큼 작습니다. 기성 청구서에 72%라고 되어 있고 AI가 54%를 보여주면, 지급 승인 전에 논의가 필요한 상당한 불일치가 있는 것입니다.

여러 종합건설사는 AI 진행률 추적이 기성 청구 분쟁을 30~40% 줄였다고 보고하는데, 이는 양측이 더 객관적인 데이터를 기반으로 작업하기 때문입니다. 현장 소장은 여전히 수치를 해석하고 AI가 완전히 포착하지 못할 수 있는 작업, 예를 들어 시각적으로 드러나지 않는 시험 및 시운전 활동을 반영하는 역할을 합니다. 그러나 기본 측정은 더 신뢰할 수 있습니다.

실질적인 도입 방법

AI 진행률 추적의 가장 간단한 진입점은 구조화된 사진 문서화입니다. 많은 시공사가 이미 문서화 목적으로 일일 사진을 촬영하고 있습니다. 이 사진에 구조를 추가하는 것, 즉 정해진 경로, 일관된 각도, 정기적인 일정을 적용하면 최소한의 추가 노력으로 AI 분석에 활용할 수 있게 됩니다.

레이저 스캐닝 및 IoT 센서 통합과 같은 더 고급 접근 방식은 비용이 프로젝트 가치에 비례하고 정확도 향상이 의미 있는 재정적 영향을 미치는 대형 프로젝트에 적합합니다. 500만 달러 규모의 임차인 인테리어 공사는 주간 레이저 스캐닝을 정당화하기 어려울 것입니다. 1억 달러 규모의 병원 프로젝트는 거의 확실히 정당화됩니다.

수동에서 AI 지원 진행률 추적으로의 전환에는 문화적 변화도 필요합니다. 경험과 판단에 기반하여 진행률을 추정해온 현장 소장들은 데이터 기반 측정을 신뢰하고 함께 일하는 법을 배워야 합니다. 가장 성공적인 도입 사례는 AI를 현장 소장의 판단을 대체하는 도구가 아니라 지원하는 도구로 프레이밍합니다. 현장 소장은 여전히 맥락과 해석을 제공합니다. AI는 측정 기준선을 제공합니다.