'AI가 무엇을 기준으로 건설현장을 이해하는가'가 핵심
BIM 중심으로 현장의 '맥락'을 파악하는 지능형 체계 필요
< 문현석 한국건설기술연구원 연구위원 >
최근 건설산업에서도 공공 및 민간을 가리지 않고 AI 활용이 빠르게 확산되고 있다. 설계 자동화, 공정 최적화, 안전관리, 품질검측, 유지관리 예측, 문서 자동화, AI 에이전트 기반 업무지원 등 적용 가능 영역은 매우 넓다.
그러나 현재 건설 AI 논의에서 가장 본질적 질문은 '어떤 AI 모델을 쓸 것인가'가 아니라, AI가 무엇을 기준으로 건설현장을 이해하게 할 것인가, 이다.
이 질문에 대한 기준은 명확하다. 건설 AI의 시작은 BIM이어야 한다. BIM은 단순한 3차원 모델이나 성과품이 아니라, AI가 건설공간을 이해하기 위한 핵심 정보체계다. 건설은 본질적으로 물리적 시설과 공간을 다루는 산업이다.
건물, 교량, 터널, 도로, 철도 등은 모두 위치, 형상, 부재 간 관계, 공정 순서, 업무 이력, 유지관리 상태를 갖는 공간적·시간적 객체들의 집합이다.
따라서 건설 AI는 2D 도면, 텍스트, 이미지를 인식하는 수준을 넘어 '어느 공간의 어떤 객체가 어떤 관계 속에서 어떤 상태와 맥락을 가지는가'를 이해해야 한다. BIM은 이 공간·객체·관계·속성·이력을 AI가 해석할 수 있도록 연결하는 기반이 된다.
현재 건설 AI 도입의 가장 큰 한계는 데이터의 양이 아니라, 데이터 간 연결 구조와 맥락의 부족이다. 건설현장에는 도면, 보고서, 사진, 엑셀, PDF, 공정표, 내역서, 품질검측 이력, 안전점검 자료, 유지관리 이력, 센서데이터 등 많은 유형의 정보가 존재한다.
그러나 대부분은 2D 도면과 문서 중심 체계 안에 분산되어 있다. 이러한 비정형·비연계 데이터 환경에서는 AI가 객체 단위의 의미정보를 안정적으로 식별하기 어렵고, 도면·문서·사진에서 추출한 정보도 공간 좌표, 부재 관계, 공정 맥락, 이력 데이터와 정합되기 어렵다.
결국 별도의 전처리, 객체 매핑, 전문가 검증이 반복적으로 필요해지고, AI 학습데이터 구축 비용과 추론 결과의 신뢰성·설명가능성에도 한계가 생긴다.
물론 2D 체계가 무의미하다는 뜻은 아니다. 기존 도면과 문서는 여전히 현장에서 중요한 정보이며, 단기적으로는 AI를 활용해 정보를 추출하고 보완할 필요가 있다.
그러나 장기적으로 건설 AI의 기준을 2D 문서 체계에 두는 것은 한계가 분명하다. 2D 기반 AI는 정적 정보 추출의 보조 기술로는 유효하지만, 건설 프로젝트 전체의 공간적·업무적 맥락을 이해하는 지능화된 지식체계로 확장되기 어렵다.
AI가 건설 전주기의 의사결정에 직접 관여하려면 객체 단위 정보, 공간적 관계, 공정 흐름, 기준 적합성, 이력 변화가 BIM을 중심으로 구조화되어야 한다.
AI 시대가 되면서 BIM 표준의 중요성은 더 커지고 있다. 과거 BIM 표준은 설계 협업, 납품 기준, 물량 산출, 간섭 검토, 시공 활용을 위한 기준으로 주로 인식되었다.
그러나 이제 BIM 데이터는 단순 납품 성과품이 아니라 AI 학습데이터와 AI 서비스 데이터로 직접 활용될 수 있는 핵심 원천 데이터가 된다.
IFC, IDS, bSDD, BCF, openCDE 등 openBIM 표준(buildingSMART International)은 전 생애주기 데이터 교환과 활용을 지원하는 개방형 표준 체계로 제시되고 있다. 특히 IDS는 정보 요구사항을 컴퓨터가 해석 가능한 형태로 정의하고 IFC 모델의 자동 적합성 검토를 가능하게 한다는 점에서, BIM 데이터를 AI-ready data로 전환하는 데 중요한 기반이 된다.
결국 AI 시대의 BIM 표준은 단순한 파일 교환 규칙이 아니라, BIM 데이터를 AI가 학습·추론·검증할 수 있는 구조로 전환하기 위한 핵심 조건이다.
최근 건설 AI와 디지털 트윈의 흐름에서도 BIM은 공간정보와 현장 데이터를 연결하는 인터페이스로 활용되고 있다.
예를 들어 "이 교량의 손상 위험 부재를 찾아라"라는 질문에 AI가 답하려면 단순히 점검진단보고서를 검색하는 것으로는 부족하다. 균열이 어느 부재에 발생했는지, 그 부재가 구조적으로 어떤 역할을 하는지, 주변 부재와 어떤 관계를 갖는지, 과거 점검진단 및 보수보강 이력은 무엇인지, 유사 손상이 반복되었는지, 기준상 어떤 조치가 필요한지를 함께 해석해야 한다.
이를 위해 설계, 시공, 품질, 안전, 공정, 원가, 유지관리 등 다양한 도메인의 데이터를 BIM 객체 중심의 지식그래프로 구축할 필요가 있다.
다만 건설현장의 복합적인 상황을 이해하려면 단순히 현재 상태를 설명하는 것만으로는 부족하다. AI가 제시한 결과가 왜 타당한지, 어떤 데이터와 기준에 근거했는지, 어떤 현장 맥락에서 그런 판단이 나왔는지를 설명할 수 있어야 한다.
건설 분야의 의사결정은 안전, 비용, 공기, 품질, 법적 책임과 직접 연결되기 때문이다. 따라서 AI 결과는 '위험도가 높다'라는 결론만 제시해서는 안 된다.
어느 BIM 객체에서 어떤 손상이 발견되었고, 과거 어떤 이력이 있으며, 현재 어떤 환경조건과 공정상황이 결합되어 위험도가 상승했는지를 설명해야 한다.
이를 위해서는 단순한 지식그래프를 넘어, 현장의 맥락정보를 포함하는 컨텍스트 그래프 기반 접근이 필요하다.
2024년 Arxiv에서 발표된 'Context Graph' 논문은 기존 트리플 기반 지식그래프가 시간적 유효성, 공간적 위치, 이력정보, 출처와 같은 맥락정보를 충분히 담기 어렵고, 이러한 맥락정보를 포함할 때 더 정교한 지식 표현과 추론이 가능하다고 설명한다.
지식그래프가 객체와 관계의 구조를 표현한다면, 컨텍스트 그래프는 여기에 시간, 위치, 상황, 이벤트, 작업조건, 환경조건, 판단근거, 불확실성 정보를 부가한다.
같은 균열이라도 발생 위치, 부재 종류, 하중 조건, 온도 변화, 과거 점검진단 및 보수보강 이력, 최근 공정 영향, 주변 센서값에 따라 의미가 달라진다. 현장의 변화된 상황을 설명하려면 이러한 맥락정보가 함께 연결되어야 한다.
결국 컨텍스트 그래프의 핵심은 AI가 현장을 상태와 단순 관계로만 보지 않고, 현장 이벤트의 흐름과 판단의 근거로 이해하게 만드는 것이다.
건설현장에서 중요한 것은 균열, 누수, 침하, 공정 지연과 같은 현상이 존재한다는 사실 자체가 아니다. 그 현상이 어떤 공간에서, 어떤 부재에, 어떤 조건과 이력 속에서 발생했는지가 더 중요하다.
같은 균열이라도 반복 손상인지, 일시적 환경 영향인지, 구조적 취약부에서 발생한 손상인지에 따라 판단과 조치는 달라진다. 따라서 BIM 객체를 중심으로 시간, 위치, 이벤트, 이력, 기준, 센서값, 판단근거를 연결하는 컨텍스트 그래프는 건설 AI의 설명가능성과 신뢰성을 확보하는 핵심 장치가 된다.
결국 건설 AI의 발전 방향은 단순한 AI 도입이 아니라, AI가 건설공간을 이해할 수 있는 데이터 구조를 만드는 일로 정리되어야 한다.
즉, BIM을 중심으로 공간, 객체, 속성, 관계, 이력, 기준정보를 구조화하고, 이를 AI가 직접 학습·추론·검증할 수 있는 기반으로 전환해야 한다.
이를 위해 건설 AI의 기준은 2D 문서 체계가 아니라 BIM 기반 공간맥락 이해 체계로 전환되어야 한다. BIM 데이터는 openBIM 표준을 기반으로 AI-ready data로 정비되어야 하며, BIM 객체를 중심으로 설계·시공·품질·안전·공정·원가·유지관리 데이터가 연결되어야 한다.
그리고 이 데이터는 도메인별 지식그래프로 확장하되, 현장의 시간, 위치, 작업조건, 환경조건, 과거 이력, 현재 이벤트를 포함하는 컨텍스트 그래프 체계로 발전해야 한다.
그래야 AI가 단순히 '문제가 있다'는 결론을 제시하는 수준을 넘어, 어느 BIM 객체에서 문제가 발생했는지, 어떤 이력과 기준에 근거했는지, 어떤 현장 조건이 판단에 영향을 주었는지까지 설명할 수 있다.
건설 AI의 성패는 AI 모델의 크기나 성능만으로 결정되지 않는다. 핵심은 AI가 이해할 수 있는 건설 데이터 구조를 갖추는 일이며, 그 구조의 중심에는 BIM이 있어야 한다.
이러한 접근이 다소 먼 미래의 이야기처럼 들릴 수도 있다. 그러나 AI 기술의 발전 속도를 고려하면 그 시기는 예상보다 빠르게 앞당겨질 수 있다.
Stanford HAI의 2025 AI Index가 보여주듯 AI는 복합 추론, 코딩, 멀티모달 이해 등에서 빠른 성능 향상을 보이고 있다. 따라서 건설산업은 AI 기술이 완전히 성숙한 뒤에 BIM을 논의할 것이 아니라, 지금부터 BIM의 본질인 건설 데이터를 재구조화해야 한다.
BIM은 건설 AI의 입력 데이터가 아니라, AI가 건설공간을 이해하게 만드는 기준 언어이다. AI 시대의 건설산업 전환은 결국 BIM을 중심으로 공간을 구조화하고, 데이터를 지식으로 전환하며, 현장의 맥락까지 설명할 수 있는 지능형 체계로 발전하는 과정이어야 한다.
'AI가 무엇을 기준으로 건설현장을 이해하는가'가 핵심
BIM 중심으로 현장의 '맥락'을 파악하는 지능형 체계 필요
< 문현석 한국건설기술연구원 연구위원 >
최근 건설산업에서도 공공 및 민간을 가리지 않고 AI 활용이 빠르게 확산되고 있다. 설계 자동화, 공정 최적화, 안전관리, 품질검측, 유지관리 예측, 문서 자동화, AI 에이전트 기반 업무지원 등 적용 가능 영역은 매우 넓다.
그러나 현재 건설 AI 논의에서 가장 본질적 질문은 '어떤 AI 모델을 쓸 것인가'가 아니라, AI가 무엇을 기준으로 건설현장을 이해하게 할 것인가, 이다.
이 질문에 대한 기준은 명확하다. 건설 AI의 시작은 BIM이어야 한다. BIM은 단순한 3차원 모델이나 성과품이 아니라, AI가 건설공간을 이해하기 위한 핵심 정보체계다. 건설은 본질적으로 물리적 시설과 공간을 다루는 산업이다.
건물, 교량, 터널, 도로, 철도 등은 모두 위치, 형상, 부재 간 관계, 공정 순서, 업무 이력, 유지관리 상태를 갖는 공간적·시간적 객체들의 집합이다.
따라서 건설 AI는 2D 도면, 텍스트, 이미지를 인식하는 수준을 넘어 '어느 공간의 어떤 객체가 어떤 관계 속에서 어떤 상태와 맥락을 가지는가'를 이해해야 한다. BIM은 이 공간·객체·관계·속성·이력을 AI가 해석할 수 있도록 연결하는 기반이 된다.
현재 건설 AI 도입의 가장 큰 한계는 데이터의 양이 아니라, 데이터 간 연결 구조와 맥락의 부족이다. 건설현장에는 도면, 보고서, 사진, 엑셀, PDF, 공정표, 내역서, 품질검측 이력, 안전점검 자료, 유지관리 이력, 센서데이터 등 많은 유형의 정보가 존재한다.
그러나 대부분은 2D 도면과 문서 중심 체계 안에 분산되어 있다. 이러한 비정형·비연계 데이터 환경에서는 AI가 객체 단위의 의미정보를 안정적으로 식별하기 어렵고, 도면·문서·사진에서 추출한 정보도 공간 좌표, 부재 관계, 공정 맥락, 이력 데이터와 정합되기 어렵다.
결국 별도의 전처리, 객체 매핑, 전문가 검증이 반복적으로 필요해지고, AI 학습데이터 구축 비용과 추론 결과의 신뢰성·설명가능성에도 한계가 생긴다.
물론 2D 체계가 무의미하다는 뜻은 아니다. 기존 도면과 문서는 여전히 현장에서 중요한 정보이며, 단기적으로는 AI를 활용해 정보를 추출하고 보완할 필요가 있다.
그러나 장기적으로 건설 AI의 기준을 2D 문서 체계에 두는 것은 한계가 분명하다. 2D 기반 AI는 정적 정보 추출의 보조 기술로는 유효하지만, 건설 프로젝트 전체의 공간적·업무적 맥락을 이해하는 지능화된 지식체계로 확장되기 어렵다.
AI가 건설 전주기의 의사결정에 직접 관여하려면 객체 단위 정보, 공간적 관계, 공정 흐름, 기준 적합성, 이력 변화가 BIM을 중심으로 구조화되어야 한다.
AI 시대가 되면서 BIM 표준의 중요성은 더 커지고 있다. 과거 BIM 표준은 설계 협업, 납품 기준, 물량 산출, 간섭 검토, 시공 활용을 위한 기준으로 주로 인식되었다.
그러나 이제 BIM 데이터는 단순 납품 성과품이 아니라 AI 학습데이터와 AI 서비스 데이터로 직접 활용될 수 있는 핵심 원천 데이터가 된다.
IFC, IDS, bSDD, BCF, openCDE 등 openBIM 표준(buildingSMART International)은 전 생애주기 데이터 교환과 활용을 지원하는 개방형 표준 체계로 제시되고 있다. 특히 IDS는 정보 요구사항을 컴퓨터가 해석 가능한 형태로 정의하고 IFC 모델의 자동 적합성 검토를 가능하게 한다는 점에서, BIM 데이터를 AI-ready data로 전환하는 데 중요한 기반이 된다.
결국 AI 시대의 BIM 표준은 단순한 파일 교환 규칙이 아니라, BIM 데이터를 AI가 학습·추론·검증할 수 있는 구조로 전환하기 위한 핵심 조건이다.
최근 건설 AI와 디지털 트윈의 흐름에서도 BIM은 공간정보와 현장 데이터를 연결하는 인터페이스로 활용되고 있다.
예를 들어 "이 교량의 손상 위험 부재를 찾아라"라는 질문에 AI가 답하려면 단순히 점검진단보고서를 검색하는 것으로는 부족하다. 균열이 어느 부재에 발생했는지, 그 부재가 구조적으로 어떤 역할을 하는지, 주변 부재와 어떤 관계를 갖는지, 과거 점검진단 및 보수보강 이력은 무엇인지, 유사 손상이 반복되었는지, 기준상 어떤 조치가 필요한지를 함께 해석해야 한다.
이를 위해 설계, 시공, 품질, 안전, 공정, 원가, 유지관리 등 다양한 도메인의 데이터를 BIM 객체 중심의 지식그래프로 구축할 필요가 있다.
다만 건설현장의 복합적인 상황을 이해하려면 단순히 현재 상태를 설명하는 것만으로는 부족하다. AI가 제시한 결과가 왜 타당한지, 어떤 데이터와 기준에 근거했는지, 어떤 현장 맥락에서 그런 판단이 나왔는지를 설명할 수 있어야 한다.
건설 분야의 의사결정은 안전, 비용, 공기, 품질, 법적 책임과 직접 연결되기 때문이다. 따라서 AI 결과는 '위험도가 높다'라는 결론만 제시해서는 안 된다.
어느 BIM 객체에서 어떤 손상이 발견되었고, 과거 어떤 이력이 있으며, 현재 어떤 환경조건과 공정상황이 결합되어 위험도가 상승했는지를 설명해야 한다.
이를 위해서는 단순한 지식그래프를 넘어, 현장의 맥락정보를 포함하는 컨텍스트 그래프 기반 접근이 필요하다.
2024년 Arxiv에서 발표된 'Context Graph' 논문은 기존 트리플 기반 지식그래프가 시간적 유효성, 공간적 위치, 이력정보, 출처와 같은 맥락정보를 충분히 담기 어렵고, 이러한 맥락정보를 포함할 때 더 정교한 지식 표현과 추론이 가능하다고 설명한다.
지식그래프가 객체와 관계의 구조를 표현한다면, 컨텍스트 그래프는 여기에 시간, 위치, 상황, 이벤트, 작업조건, 환경조건, 판단근거, 불확실성 정보를 부가한다.
같은 균열이라도 발생 위치, 부재 종류, 하중 조건, 온도 변화, 과거 점검진단 및 보수보강 이력, 최근 공정 영향, 주변 센서값에 따라 의미가 달라진다. 현장의 변화된 상황을 설명하려면 이러한 맥락정보가 함께 연결되어야 한다.
결국 컨텍스트 그래프의 핵심은 AI가 현장을 상태와 단순 관계로만 보지 않고, 현장 이벤트의 흐름과 판단의 근거로 이해하게 만드는 것이다.
건설현장에서 중요한 것은 균열, 누수, 침하, 공정 지연과 같은 현상이 존재한다는 사실 자체가 아니다. 그 현상이 어떤 공간에서, 어떤 부재에, 어떤 조건과 이력 속에서 발생했는지가 더 중요하다.
같은 균열이라도 반복 손상인지, 일시적 환경 영향인지, 구조적 취약부에서 발생한 손상인지에 따라 판단과 조치는 달라진다. 따라서 BIM 객체를 중심으로 시간, 위치, 이벤트, 이력, 기준, 센서값, 판단근거를 연결하는 컨텍스트 그래프는 건설 AI의 설명가능성과 신뢰성을 확보하는 핵심 장치가 된다.
결국 건설 AI의 발전 방향은 단순한 AI 도입이 아니라, AI가 건설공간을 이해할 수 있는 데이터 구조를 만드는 일로 정리되어야 한다.
즉, BIM을 중심으로 공간, 객체, 속성, 관계, 이력, 기준정보를 구조화하고, 이를 AI가 직접 학습·추론·검증할 수 있는 기반으로 전환해야 한다.
이를 위해 건설 AI의 기준은 2D 문서 체계가 아니라 BIM 기반 공간맥락 이해 체계로 전환되어야 한다. BIM 데이터는 openBIM 표준을 기반으로 AI-ready data로 정비되어야 하며, BIM 객체를 중심으로 설계·시공·품질·안전·공정·원가·유지관리 데이터가 연결되어야 한다.
그리고 이 데이터는 도메인별 지식그래프로 확장하되, 현장의 시간, 위치, 작업조건, 환경조건, 과거 이력, 현재 이벤트를 포함하는 컨텍스트 그래프 체계로 발전해야 한다.
그래야 AI가 단순히 '문제가 있다'는 결론을 제시하는 수준을 넘어, 어느 BIM 객체에서 문제가 발생했는지, 어떤 이력과 기준에 근거했는지, 어떤 현장 조건이 판단에 영향을 주었는지까지 설명할 수 있다.
건설 AI의 성패는 AI 모델의 크기나 성능만으로 결정되지 않는다. 핵심은 AI가 이해할 수 있는 건설 데이터 구조를 갖추는 일이며, 그 구조의 중심에는 BIM이 있어야 한다.
이러한 접근이 다소 먼 미래의 이야기처럼 들릴 수도 있다. 그러나 AI 기술의 발전 속도를 고려하면 그 시기는 예상보다 빠르게 앞당겨질 수 있다.
Stanford HAI의 2025 AI Index가 보여주듯 AI는 복합 추론, 코딩, 멀티모달 이해 등에서 빠른 성능 향상을 보이고 있다. 따라서 건설산업은 AI 기술이 완전히 성숙한 뒤에 BIM을 논의할 것이 아니라, 지금부터 BIM의 본질인 건설 데이터를 재구조화해야 한다.
BIM은 건설 AI의 입력 데이터가 아니라, AI가 건설공간을 이해하게 만드는 기준 언어이다. AI 시대의 건설산업 전환은 결국 BIM을 중심으로 공간을 구조화하고, 데이터를 지식으로 전환하며, 현장의 맥락까지 설명할 수 있는 지능형 체계로 발전하는 과정이어야 한다.