건설 견적 산출에서의 AI: 실제로 가능한 것, 아직 시연 단계인 것, 시공사가 판별하는 방법

건설은 도면을 바탕으로 진행됩니다. 시공사가 건물 공사 입찰에 참여하기 전에 팀원 중 한 명이 물량을 산출합니다. 설계자와 엔지니어가 프로젝트용으로 발행한 PDF 도면 묶음인 도면 세트를 살펴보며, 시공사가 공급하고 설치할 모든 항목, 즉 콘센트, 문, 싱크대, 벽의 길이, 바닥재 면적을 세고 측정합니다. 이렇게 산출한 물량은 견적서에 반영되고, 견적서는 가격을 책정해 입찰에 제출하는 문서가 됩니다. 입찰에 성공하면 설계가 변경될 때 계약에 추가되는 변경 주문서, 즉 가격을 산정하고 서명한 계약 변경 합의서에 같은 수치가 다시 반영됩니다.

물량 산출은 시간이 오래 걸리고 반복적이며, 실수로 잘못 산출하면 비용도 많이 들기 때문에 AI를 적용하기에 분명 적합한 분야입니다. 저는 건설 도면을 읽는 소프트웨어를 개발하고 있으며, 제가 이야기를 나누는 시공사들은 어떤 AI 관련 주장을 믿어야 할지 판단하려고 합니다. 여기서는 실제로 작동하는 부분과 아직 시연 단계에 머물러 있는 부분을 구분하는 방법을 설명합니다.

도입보다 앞서가는 낙관론

최근 두 건의 설문조사에서 그 격차가 수치로 드러났습니다. 2025년 12월에 발표된 Dodge Construction Network와 CMiC의 공동 조사에서 시공사의 87%는 AI가 업계를 변화시킬 것으로 예상한다고 답했고, 19%는 이에 맞춰 업무 흐름을 조정했다고 답했습니다.

측량 전문가 단체인 RICS는 건설 분야 AI에 관한 2025년 보고서를 위해 건설업계 종사자 2,200명이 넘는 사람을 대상으로 설문조사를 실시했습니다. 약 45%는 소속 조직에 AI가 도입되지 않았다고 답했고, 1% 미만은 조직 전반에 AI 활용이 완전히 자리 잡았다고 설명했습니다. Construction Dive는 “건설업계, AI의 기대 효과에도 도입은 더뎌”라는 제목으로 조사 결과를 보도했습니다.

최근 두 건의 설문조사에 나타난 낙관론과 도입 현황. 데이터: Dodge Construction Network 및 CMiC(2025년 12월), RICS(2025년). 이미지: Bildrix

착공 전 단계, 즉 시공사가 착공 전에 수행하는 입찰, 문서 검토, 일정 계획 등의 업무는 시작하기에 적합한 분야입니다. 관련 자료가 이미 디지털 문서 형태로 존재하기 때문입니다.

현재 실제로 작동하는 기능

도면 세트를 읽는 소프트웨어는 이제 실제 제품군으로 자리 잡았습니다. 소프트웨어는 도면 세트의 각 장을 분류하고 이름을 붙이며, 각 도면의 축척을 파악하고, 엔지니어가 해당 프로젝트를 위해 작성한 범례를 기준으로 콘센트, 조명 기구, 배관 설비 같은 기호를 세고, 방과 벽을 측정할 수 있습니다. 도면의 기호 인식은 수년간 활발히 연구되어 온 분야입니다. 2021년에 공개된 FloorPlanCAD 데이터셋에는 30개 객체 범주에 걸쳐 1만 개가 넘는 평면도가 주석 처리되어 있어, 연구자들이 이 작업을 위한 모델을 학습하고 테스트할 수 있었습니다.

실제 업무에서 효과가 확인된 기능은 두 가지 더 있습니다. 하나는 도면과 시방서에 대한 질의응답 기능으로, 답변에 근거가 된 도면의 장 번호가 표시되어 사용자가 몇 초 만에 확인할 수 있습니다. 다른 하나는 검토가 끝난 물량을 견적서에 반영하는 기능입니다. 다만 시공사의 자체 가격 자료집에 해당 항목이 있어야 합니다.

아직 시연 단계인 기능

세 가지 주장은 더 신중하게 살펴볼 필요가 있습니다.

검토 없이 제시되는 가격. 자재비와 인건비는 지역마다 다르고 변동합니다. AI가 제안한 가격은 합리적인 출발점이 될 수 있지만, 제안 가격임을 명확히 표시하고 입찰에 반영하기 전에 공급업체 견적과 대조해야 합니다.

어떤 입력 자료로든 모든 공종을 처리한다는 주장. 설계 소프트웨어에서 바로 내보낸 깔끔한 벡터 PDF는 처리하기 쉽습니다. 하지만 스캔한 도면, 휴대전화로 촬영한 도면, 일부만 갖춰진 도면 세트에서는 여전히 오류가 발생하며, 공종별 지원 범위도 크게 다릅니다. 전기 도면을 잘 읽는 도구라도 다른 공종의 도면은 거의 처리하지 못할 수 있습니다.

완전 자동 입찰. 입찰을 좌우하는 요소 가운데 상당수는 도면에 나타나지 않습니다. 공종 간 작업 범위의 누락, 시공 방법, 리모델링 현장의 기존 조건, 공사 일정, 시공사가 감수할 의향이 있는 위험 수준 등이 여기에 해당합니다. 견적 담당자가 금액에 서명하고 그에 대한 책임을 집니다.

오늘날 실제 업무에서 효과가 확인된 기능과 아직 시연 단계인 기능. 이미지: Bildrix

시연 단계임을 보여 주는 네 가지 징후

1. 공급업체가 제공한 도면에서만 작동한다. 지난 분기에 입찰에 참여한 도면 세트 중 가장 복잡한 자료를 포함해, 여러분의 도면 세트에서도 작동하는지 확인해 달라고 요청하세요.
2. 정의가 없는 단일 정확도 수치만 제시한다. 어떤 항목을 셌을 때의 정확도인가요? 어떤 도면을 어떤 방식으로 측정했나요? 항목별 내역이 없는 수치만으로는 알 수 있는 것이 거의 없습니다.
3. 오류 가능성을 표시하지 않는다. 모든 모델은 어떤 부분에서든 확신이 부족합니다. 의심스러운 결과를 전혀 드러내지 않는 도구는 그 사실을 숨기고 있는 것입니다.
4. 결과물을 스프레드시트로 내보낸 뒤 누군가 견적서에 다시 입력해야 한다. 숫자를 다시 입력할 때마다 오타가 생길 가능성이 새로 생깁니다.

공급업체에 물어볼 질문

• 어떤 입력 자료를 받을 수 있고, 어떤 공종을 지원하며, 어떤 작업은 처리하지 못하나요?
• 불확실성을 어떻게 표시하나요? 제 도면 세트 하나를 검토하는 데 시간이 얼마나 걸리나요?
• 결과물을 수정할 수 있나요? 수정 사항은 견적서와 이후 변경 사항에도 반영되나요?
• 제 데이터로 다른 사람의 모델을 학습시키나요? 데이터는 어디에 저장되나요?

NIST AI 위험 관리 프레임워크는 마지막 그룹을 살펴볼 때 유용한 참고 자료다. 이 프레임워크는 신뢰할 수 있는 AI의 특성으로 유효성과 신뢰성, 보안과 복원력, 책임성과 투명성, 개인정보 보호 강화 등을 제시한다. 각 특성은 시공업체가 공급업체에 던질 수 있는 질문으로 이어진다.

의심이 강점인 이유

모델은 실제보다 더 높은 확신을 보이는 경우가 많다. Guo와 동료 연구진은 2017년에 현대 신경망은 보정이 제대로 되지 않는 경향이 있다는 점을 보였다. 신경망이 제시하는 확신도는 실제로 정답을 맞히는 빈도와 일치하지 않는 경우가 많다. 보정은 개선할 수 있으며, 보정이 이뤄지면 확신도 점수는 작업 대기열로 활용된다. 확신도가 낮은 항목은 사람이 검토하고, 높은 항목은 빠르게 확인하면 된다.

이런 특성은 눈길을 끄는 어떤 기능보다도 내게 중요하다. 물량 산출 담당자는 수백 장에 달하는 도면의 수량을 하나하나 다시 확인할 시간이 없다. 하지만 소프트웨어가 불확실하다고 표시한 수십 개 항목은 확인할 수 있다. 입찰서에는 여전히 물량 산출 담당자가 서명하며, 좋은 도구는 검토 시간을 줄여 준다.

소프트웨어가 도면을 읽고 수량을 세면, 사람이 불확실한 항목을 검토하고 물량 산출 담당자가 입찰서에 서명한다. 이미지: Bildrix

Unite.AI는 최근 급여 처리, 입학 심사 등 실수가 큰 대가를 치르는 분야에 AI를 설계하는 방법을 다룬 Baber Javed의 글을 게재했다. 그는 재정적 또는 법적 결과가 따르는 모든 사안은 결정론적 규칙으로 통제하고, 모델은 해석과 설명을 맡으며, 오류의 대가가 큰 경우에는 사람이 검토해야 한다고 주장한다. 건설 입찰은 바로 그런 경우에 해당한다.

앞으로 주목할 점

앞으로 1년간의 진전은 첫 물량 산출 이후에 이뤄질 것으로 본다. 도면 개정본을 비교하고, 변경된 수량을 다시 입력하지 않고도 변경 지시서와 송장에 반영하는 단계다. 시공업체는 개정 사항을 알아차리지 못해 손해를 보는 경우가 많다. 가격을 책정하지 않은 변경 작업은 공짜로 해 주는 일이 되기 때문이다.

시공업체를 운영하며 이런 기술을 시험해 보고 싶다면, 자체 도면으로 시범 운영하고 모든 결과를 사람이 검토하도록 하며, 투입 시간과 발견한 오류, 놓친 오류를 직접 기록하라. 이런 기록을 통해 공급업체가 제시하는 수치보다 더 많은 것을 알게 될 것이다.

자신의 이름을 걸고 제출하는 입찰서에 기계가 판독한 물량을 신뢰하려면 무엇을 확인해야 할까요?