건설산업의 DX를 넘어 AX로 가기 위한 전략<3> AX 길목의 허들 [노승완의 공간짓기]
건설산업이 DX(디지털 전환)를 넘어 AX(인공지능 전환)로 도약하려면 기술 자체만으로는 충분하지 않을 수 있다. 건설 현장의 고착화된 문화와 정서, 법과 제도, 공사비, 데이터 관리와 인력까지 모두 얽혀 있다. 이번에는 AX 전환을 위한 과정에서 기술, 제도, 조직, 경제적 측면의 허들이 어떠한 것들이 있고 극복 방안에 대해 살펴본다.
●기술적 허들: AI·로봇·자율시스템의 성숙도와 현장 적합성
CES 2025에 자율주행 굴착기를 비롯한 다양한 로봇들이 등장했다. 머신가이던스(MG), 머신컨트롤(MC), 드론 계측 등은 이미 시연 단계 또는 부분 적용 단계지만, “모든 현장에 당장 투입”은 아직 어려운 단계다. 복잡한 지반, 날씨 여건, 협소한 도심지 현장, 매일 변화하는 공정 간섭 속에서 센서 노이즈, 응답 지연, 맵 정합과 경로 계획 안정성 등을 기술적으로 극복하고 성숙 단계에 도달하기까지는 아직 많은 시행착오와 기술 개발이 숙제로 남아있다.
예를 들어 건설 현장에서 드론과 인공지능(AI)을 활용해 3차원(3D) 디지털 지도를 만들어 장비 투입 최적화 루트를 계산하지만, 최적 장비 조합을 실제 현장에서 구현 시 안전 구역 설정, 반출입 동선 관리, 공정 간섭 등과 충돌하여 실행에 옮기기까지는 어려움이 많다.
이는 건설 현장에서 지속적인 검토를 통해 통합 엔지니어링(로보틱스+BIM+시공 계획+HSE) 역량을 더욱 향상시켜야 비로소 AI 기술을 접목한 장비 활용이 가능할 것이다.
●제도적 허들: 규제, 안전 기준, 법적 책임의 명확화
2022년부터 중대재해처벌법 시행으로 사업주 및 경영 책임자의 책임 범위가 크게 확대됐다. 안전 관리 체계 구축과 실행 여부가 처벌 판단의 핵심 기준으로 작동한다. 이런 환경에서 건설사가 자율주행 지게차나 로봇과 같은 AI가 결합된 장비나 시스템을 도입하여 활용하다 안전 사고를 낼 경우 “사고의 법적 책임”이 쟁점이 될 수 있다.
디지털·AI 기반 안전 관리 증빙과 장비 운영 로그(데이터 거버넌스)가 관리 책임을 규명하는 주요 판단 근거가 될 것이다. 자칫 책임 불명확과 과도한 규제는 초기 AI 안전 관리 확산에 장애물이 될 수 있다.
결과적으로, 자율 주행 장비, AI가 결합된 기계의 의사 결정에 있어 안전 적합성 검증, 데이터 기반 위험 평가, 시정 조치 체계, 감리·발주자의 디지털 확인 절차 등이 제도적으로 내재화돼야 하며, 그렇지 않다면 AX의 PoC 단계에서 상용화 단계로 확대될 수 없다.
●조직적 허들: 보수적 문화와 인력 재교육
기술보다 더 어려운 것은 사람의 변화다. 건설업은 오랜 경험과 직관이 중요한 분야라, AI나 로봇이 판단한다고 해도 “과연 그게 맞아?”라는 의심이 생기기 쉽다. 또한 새로운 기술을 쓰려면 기존 인력의 재교육이 필요하다. 드론 조종, 데이터 분석, 로봇 운영 같은 새로운 직무가 생기기 때문이다. 일부 기업은 ‘디지털 전담팀’을 만들어 AX를 준비하고 있지만, 조직 전체가 바뀌려면 상당한 시간이 필요하다.
AI가 의사 결정을 일부 대체하거나 지원하는 체계를 구축하려면, 권한과 책임의 위임 전결 설계, 새로운 직무 정의(로봇 운영, 데이터 엔지니어, HSE 데이터 관리자 등), 교육과 평가 체계 정립이 필요하다. 기업들은 ‘AX 조직’을 주축으로 프로세스 자동화, 데이터 기반 의사 결정 체계를 확립해야 하며, HR은 업무의 중요도와 분야에 따라 AI를 단순 참고용 의사 결정 도구로만 활용할지, 최종 의사 결정 권한을 부여할지에 대한 R&R을 분명히 정립해야 할 것이다.
●경제적 허들: 초기 투자, ROI 불확실성과 시장 변동성
AX 기술은 초기 투자 비용이 많이 들어간다. 드론, 센서, AI 시스템, 자율 주행 장비까지 도입하려면 수십억 원이 투입되기도 하는데 그만큼의 효과가 즉시 체감되지 않아 ROI(투자 대비 수익) 예측이 명확하지 않다.
그래서 많은 기업들이 “지금은 건설 경기도 안 좋은데, 이걸 무리해서 도입해도 괜찮을까?”라는 고민을 한다. 하지만 일부 기업은 과거부터 시스템적으로 공정 지연을 줄이고, 안전 사고를 예방하면서 실제로 비용을 절감하기 위한 시도를 해왔고 이를 통해 확보한 데이터를 활용하여 AI를 데이터 기반의 의사 결정 도구로 활용할 준비를 하고 있다. Q-cost(품질 비용)상 예방 비용을 선제적으로 투입함으로써 실패 비용을 낮춰 전체 품질 비용을 절감하기 위한 노력이기도 하다.
현재 대한민국 건설업은 2~3년 전부터 발주 물량 감소 및 착공 지연에 따라 수주 및 수익성 악화, 잠재된 PF 구조 부실, 높은 부채 비율 등 여러 리스크가 겹친 상태다. 경제 전문가들은 이르면 2026년 하반기부터 건설 경기가 서서히 회복될 것이라고 예측한다. 건설 경기 둔화와 회복의 사이클은 5~10년 주기로 반복되는 경향을 보이며 현재는 무리한 출혈 경쟁 수주보다 내실을 다지며 미래를 대비하기 위한 효율적인 업무 시스템을 정비할 필요가 있다. “데이터 통합→의사 결정 도구→운영 최적화”에 투자한 ROI는 다른 투자에 비해 더 빨리 다가올 수 있다.
위에 언급한 네 가지 허들이 전부는 아니겠지만 AX를 향해 건설사, 정부, IT 기업, 스타트업 기업들이 머리를 맞대고 장벽을 하나둘 논의하여 걷어냄으로써 대한민국의 건설 산업은 한 차원 높이 도약할 수 있을 것이다.