2024년 하반기 스마트 건설과 생성AI 기술 동향

이 글은 2024년 하반기 스마트 건설과 생성AI 기술 동향에 대한 내용을 정리한다.

머리말

건설 분야에서도 제조업과 마찬가지로 생성 AI의 시대가 도래하고 있다. 2023년 글로벌 건설 시장 내 인공지능(AI) 규모는 9억 3,356만 달러에서 2024년 12억 1,186만 달러로 증가할 것으로 예상되며, 2033년까지 약 170억 1,745만 달러에 이를 것으로 보인다. 이 시장은 2024년에서 2033년 사이에 34.12%의 견고한 CAGR로 확장되고 있다. AI 기반 솔루션으로 인한 건설 효율성과 생산성 향상으로 시장에서 AI에 대한 수요가 높아지고 있으며, 전 세계 건설 시장에서 인공지능(AI)이 활성화되고 있다(Precedence research, 2024).

북미 건설 시장의 AI 규모는 2023년에 3억 1,625만 달러에 이를 것으로 예상되며, 2033년에는 약 604억 1,190만 달러로 증가할 것으로 보인다. 이 기간 동안 34.31%의 연평균 성장률(CAGR)을 기록할 전망이다. 북미 지역은 2023년 기준으로 35%의 가장 큰 매출 점유율을 차지하며, 글로벌 AI 시장에서 지배적인 위치를 유지하고 있다. 반면, 아시아 태평양 지역은 향후 가장 빠른 성장을 보일 것으로 기대된다. 오퍼링 부문에서는 솔루션이 2023년에 62%로 가장 큰 매출 점유율을 기록하였으며, 클라우드 배포 부문은 예측 가능한 기간 동안 가장 빠른 성장을 이어갈 것으로 예상된다. 조직 규모에 있어서 대기업 부문이 2023년 시장을 지배하고 있으며, 산업 유형별로는 기관 광고 부문이 향후 가장 빠른 성장률을 기록할 것으로 보인다. 

건설 분야 AI 시장 규모(Precedence research, 2024)

미국 건설 시장 규모의 인공지능(AI)은 2023년에 2억 3,718만 달러로 전시되었으며, 2033년까지 약 45억 6,110만 달러의 가치가 있을 것으로 예상되며, 2024년부터 2033년까지 34.40%의 CAGR로 성장할 것으로 보인다. 북미는 2023년 글로벌 건설 시장의 인공지능(AI)을 지배하고 있다. 이 지역의 탄탄한 건설 산업은 첨단 기술의 높은 채택률과 결합되어 AI를 건설 프로세스에 통합하는 데 앞장서고 있다. Autodesk, Trimble, Bently, IBM, Microsoft, Google, Facebook과 같은 주요 기술 기업과 AI 혁신 기업은 건설 분야에서 AI 개발 및 구현을 지원하는 데 필요한 인프라와 전문 지식을 공급하기 위해 노력하고 있다.

북미 지역은 특히 미국과 캐나다에서 인프라 프로젝트와 스마트 시티 이니셔티브에 대한 상당한 투자의 혜택을 받고 있다. 이러한 투자는 건설 프로젝트의 효율성, 안전성 및 지속 가능성을 향상시키기 위해 AI 솔루션을 배포하는 데 도움이 되는 환경을 조성한다. 따라서 건설 시장에서 인공지능(AI)을 주도하고 있다. 이 지역의 규제 프레임워크는 안전 및 환경 규정 준수를 개선하기 위해 첨단 기술의 사용을 장려하며, 친환경 건축 관행을 장려하기 위한 정부 인센티브 및 정책은 건설 분야의 AI 채택을 더욱 지원한다. 기술 리더십, 인프라에 대한 상당한 투자, 지원 규제 정책의 조합으로 북미는 건설 시장의 인공지능(AI)에서 지배적인 지역으로 자리매김하여 지속적인 성장과 혁신을 촉진하고 있다.

건설 분야 AI 시장 성장 트랜드(Precedence research, 2024)

아시아 태평양 지역은 급속한 도시화, 경제 성장 및 상당한 인프라 투자에 힘입어 향후 시장에서 가장 빠른 성장을 목격할 것으로 예상된다. 중국, 인도, 일본과 같은 국가는 건설 프로젝트의 효율성을 높이고 비용을 절감하며 안전성을 개선하기 위해 AI를 구현하는 일을 담당하고 있다. 스마트 시티와 지속 가능한 건물 관행을 장려하는 정부 이니셔티브는 AI 채택을 더욱 가속화하고 있다. 아시아의 기술 발전과 디지털 트랜스포메이션에 대한 관심이 높아짐에 따라 건설 분야에서 AI 통합에 유리한 환경이 조성되고 있다. 이 지역의 대규모 건설 프로젝트와 기술 부문은 아시아를 건설 산업에서 AI 주도 성장의 핫스팟으로 만든다.

건설 AI의 효과

AI는 건설 프로세스와 리소스 할당을 최적화하여 프로젝트 관리를 개선하고, 지연을 줄이며, 비용을 절감하는 데 기여한다. AI 알고리즘과 머신 러닝 도구의 지속적인 개발로 건설 회사는 AI 애플리케이션에 쉽게 접근하고 효과적으로 활용할 수 있게 되었다. AI 시스템은 건설 현장을 실시간으로 모니터링하고 잠재적 위험을 식별하며 규정 준수를 보장하여 작업자의 안전을 향상시키고 있다. 

이와 함께 AI는 에너지 효율적이고 친환경적인 건물을 설계하고 건설하는 데 도움을 주어 지속 가능성과 스마트 시티 개발을 지원한다. 스마트 시티 프로젝트에 대한 투자 증가와 함께 도시 인프라 관리 및 삶의 질 개선을 위해 AI의 채택이 이루어지고 있다. 친환경 건물 및 기술 채택을 위한 규제 프레임워크와 재정적 인센티브도 AI 통합을 장려하고 있으며, AI 기반 자동화 및 예측 유지 관리로 운영 비용을 절감하고 건설 회사의 수익성을 향상시키고 있다.

최근 몇 년간 디지털 기술은 건축, 엔지니어링, 건설(AEC) 산업을 변화시키는 데 중요한 역할을 했으며, 종이 기반 및 아날로그 프로세스에서 디지털 도구로의 전환은 생산성과 효율성을 크게 향상시켰다. 협업 플랫폼, 문서 마크업 도구 및 BIM(Building Information Modeling)과 같은 디지털 설계 기술을 통해 계약자, 엔지니어, 소유자 및 규제 기관은 보다 원활하게 협력할 수 있게 되었다. 이러한 도구들은 오류를 줄이고 재작업을 최소화하며, 전통적으로 건설 프로젝트의 수익성을 갉아먹던 비용 초과를 방지하는 데 도움을 주고 있다. 그러나 건설 산업이 AI의 잠재력을 완전히 활용하기 위해서는 구조적 혁신과 문화적 변화가 필요하다(Michael Abramov, 2024).

가장 큰 변화가 필요한 분야 중 하나는 인재 육성이다. 역사적으로 건설 산업은 인재 개발에 있어 다소 고립되어 있었으며, 많은 전문가는 해당 분야에서 깊은 전문 지식을 바탕으로 기술을 연마해왔다. 이로 인해 건설 프로젝트는 특정 측면을 담당하는 일련의 전문 계약자에 의해 관리되었고, 디지털 기술이 도입되었음에도 불구하고 많은 전문가가 새로운 도구를 기존 기술의 보조 수단으로 간주했다. 그 결과 "건설"과 "기술"은 여전히 업계 인재 풀에서 분리되어 있으며, 소프트웨어 개발자와 같은 기술 전문가와 전통적인 건설 노동자 간의 간극이 존재한다. MIT 미디어랩의 패널 토론에서는 건설 분야의 AI 애플리케이션에 대한 질문에 한 사람도 손을 들지 않았을 정도로, 건축가와 건설업체가 AI 시대의 통합된 접근 방식을 채택하지 못하고 있다. 따라서 건설 산업은 AI와 건설 분야 모두에 정통한 전문가, 즉 "이중 운동선수"를 필요로 하며, 이들은 구조적 지식과 AI 기술 모두에 능숙해야 한다(Matt Sharon, 2024).

생성 AI 혁명과 건설AI 유스케이스

생성형 AI는 인간이 만든 출력물과 유사한 이미지, 텍스트, 음악 등의 새로운 콘텐츠를 생성하는 데 중점을 둔 인공지능의 하위 집합으로, 기존 데이터를 분석해 예측이나 분류를 하는 전통적인 AI와는 달리 완전히 새로운 콘텐츠를 만들어낸다. 예를 들어, OpenAI의 GPT 시리즈와 같은 생성형 AI 모델은 주어진 프롬프트를 기반으로 일관되고 상황에 맞는 텍스트를 생성할 수 있다. 이러한 기술은 다양한 산업 분야에서 창의성과 혁신을 촉진하며, 이전에는 인간 크리에이터만이 제작할 수 있었던 콘텐츠를 기계가 생산할 수 있는 가능성을 열어준다(Viact, 2024).

 

AI 기술과 기능(MJ Longjinos, Julianna Widlund, 2023. Civils.ai)

현재 생성형 AI의 사용은 시장에서 매우 널리 퍼져 있으며, 2022년 생성형 AI 도입률은 23%였고, 2025년까지 대규모 도입률은 46%에 이를 것으로 예상된다. 시장은 2022년부터 2032년까지 연평균 27.02% 성장률로 증가하여 2025년까지 221억 2,000만 달러에 도달할 것으로 보인다. 

다음은 건설 분야에서 생성 AI를 적용할 수 있는 유스케이스를 보여준다(Numalis, 2024).

• 설계 최적화: 제너레이티브 디자인 알고리즘은 건축가와 엔지니어가 재료, 예산 및 구조 요구 사항과 같은 지정된 제약 조건을 기반으로 수많은 설계 대안을 탐색하도록 도와, 보다 효율적이고 혁신적인 설계를 가능하게 한다.
• 부지 계획 및 레이아웃 최적화: AI는 지형, 환경 요인 및 현지 규정에 대한 데이터를 분석하여 최적화된 부지 계획 및 레이아웃을 생성해 공간 활용도를 극대화하고 환경 영향을 최소화한다.
• 구조 분석 및 엔지니어링: 제너레이티브 AI는 다양한 구조 구성을 생성하고 평가하여 가장 효율적이고 비용 효율적인 솔루션을 찾아 구조 해석 및 엔지니어링을 지원한다.
• 에너지 효율성 및 지속 가능성: AI 알고리즘은 방향, 재료 및 패시브 설계 전략과 같은 요소를 분석해 건물 설계를 최적화하여 에너지 효율성과 지속 가능성을 높인다.
• 건설 계획 및 스케줄링: 제너레이티브 AI는 프로젝트 요구 사항, 리소스 가용성 및 제약 조건을 분석하여 최적화된 건설 순서를 생성해 건설 일정을 최적화하는 데 도움을 준다.
• 로보틱스 및 자동화: AI 기반 로보틱스 및 자동화는 벽돌 쌓기, 콘크리트 타설, 자재 취급 등 건설 프로세스를 간소화하여 더 빠르고 정확한 건설을 가능하게 한다.
• 안전 관리: AI는 센서와 카메라의 데이터를 분석해 건설 현장의 잠재적인 안전 위험을 실시간으로 식별하고, 사고를 예방하여 전반적인 안전을 개선하는 데 도움을 준다.
• AI 기반 스캔 및 디지털트윈 개발: AI 기반 스캔, 객체 분류 및 인식 기술은 건설 산업에서 디지털 혁신을 가속화하는 중요한 역할한다. 건설 현장에서 AI를 통해 영상과 함께 3D 스캔 데이터를 자동으로 처리하고 객체를 분류 및 인식하는 기술은 설계부터 시공, 유지보수까지 모든 단계에서 효율성을 극대화할 수 있다. 기존에는 수작업으로 처리해야 했던 복잡한 작업들이 AI에 의해 자동화되면서 프로젝트의 정확성과 속도가 크게 향상될 것이다.

• 비용 추정 및 예산 책정: 생성형 AI 알고리즘은 과거 비용 데이터와 프로젝트 사양을 분석해 정확한 비용 추정치를 생성하고 건설 프로젝트의 예산 책정을 지원한다.
• 유지 관리 및 시설 관리: AI 기반 예측 유지 관리 알고리즘은 센서 및 IoT 장치의 데이터를 분석해 장비 고장을 예측하고 유지 관리 일정을 최적화하여 가동 중지 시간과 운영 비용을 줄인다.
• 가상 현실(VR) 및 증강 현실(AR): AI 기반 VR 및 AR 기술은 몰입형 시각화 및 시뮬레이션 경험을 제공하여 이해 관계자가 건설 프로젝트를 탐색하고 상호 작용할 수 있도록 해 더 나은 의사 결정과 협업을 촉진한다.
• 예측 분석: BIM은 예측 모델을 훈련하는 데 사용할 수 있는 과거 및 현재 프로젝트 데이터를 제공한다. 의사 결정 트리(DT), 신경망 및 랜덤 포레스트(RF)와 같은 기계 학습(ML) 알고리즘은 구상된 예측 솔루션에 따라 모델을 구축할 수 있다.
• AI 기반 충돌 감지 및 해결: 충돌 감지는 건물의 배관 및 전기 시스템과 같은 다양한 요소 간의 편차 또는 충돌을 식별하는 데 도움이 된다. 건설 관리자는 BIM을 사용하여 이러한 충돌을 조기에 발견할 수 있다. 그러나 이 프로세스는 수동이며 시간이 많이 소요될 수 있다.
• AI 기반 비용 추정: 효과적인 비용 관리는 건설 프로젝트의 핵심 구성 요소로서 성공적인 프로젝트 완료 가능성을 높인다.
• 재료비 결정 및 관리: 수동 견적은 오류가 발생하기 쉬워 프로젝트 지연과 추가 비용이 발생할 수 있다. 반대로, BIM은 자재 견적과 같은 계산 가능한 건물 정보를 제공하여 더 정확하다. 이러한 정보는 적합한 건축 자재를 결정하고 필요한 수량이 요구 사항을 충족하는지 확인하는 데 도움이 된다.
• 인건비 관리: 건설 인건비는 총 프로젝트 비용의 20%-40%를 차지할 수 있다. 3D BIM 모델에는 비용 추정 기능이 없다. 그러나 자동화된 비용 추정을 위해 비용 데이터베이스에 연결할 수 있다.
• 빌딩 자산 관리의 자동화: BIM은 모든 시공 단계에서 자산 데이터의 중앙 저장소 역할을 한다. 데이터는 자산에 내장된 IoT 장치에서 파생되어 BIM 모델에 통합된다.
• 위험 완화: 현장에서 매일 작업하는 수많은 하청업체로 인해 여러 문제가 발생할 수 있다. 문제는 관련 당사자에게 할당되고 종결될 때까지 추적된다. 이러한 모든 문제는 BIM에 저장되어 프로젝트의 정확하고 신뢰할 수 있는 상태를 제공한다.
• 향상된 프로젝트 일정 수립: BIM은 공유 데이터 환경을 제공하여 프로젝트 이해 관계자 간의 협업을 가능하게 한다. 일람표 데이터를 모델 객체에 할당하는 동시에 다른 객체와의 관계를 결정할 수 있다. 조기 참여를 통해 프로젝트 종속성을 매핑하여 잠재적인 일정 문제를 해결할 수 있다.
• 제너레이티브 설계 및 문서화: 제너레이티브 AI는 BIM 워크플로우에서 반복적이고 노동 집약적인 프로세스 중 일부를 제거하는 데 도움이 된다. BIM에서 사용할 수 있는 데이터 및 매개변수에서 설계 및 문서를 생성할 수 있다.

AI와 BIM 기반 AEC 솔류션 동향

이 장에서는 AI를 적극 연구 및 활용하고 있는 주요 BIM 소프트웨어 및 시스템을 살펴본다(Novatr, 2024).

1. BIM 360

Autodesk에서 개발한 클라우드 기반 플랫폼으로, AI 기술을 통합하여 설계 검토 및 협업 프로세스를 향상시킨다. 지능형 AI 비서인 Assemble은 여러 모델을 연합 모델로 통합하는 과정을 간소화하여 시간과 노동력을 줄인다. 또한 AI 기반 충돌 감지 기능은 다양한 위치의 팀 간 원활한 조정을 가능하게 한다.

 

AI 기반 모델 검토 예시(Assemble)

2. 스케치업 프로

"Smart Components"라는 AI 기반 플러그인을 특징으로 하는 3D 모델링 소프트웨어이다. 사용자는 입력에 따라 속성을 자동으로 조정하는 동적 구성 요소를 만들 수 있으며, AI 기반 "스타일" 기능은 재료와 질감을 클릭 한 번으로 적용할 수 있게 하여 디자인 프로세스를 단순화한다.

3. 오토데스크 레빗

업계의 선두 주자인 이 소프트웨어는 AI로 구동되는 제너레이티브 디자인 도구를 통해 사용자에게 권한을 부여한다. 프로젝트 목표를 입력하면 특정 기준을 충족하는 여러 설계 옵션을 제공하며, 자동 충돌 감지 시스템은 AI를 활용해 건물 요소 간의 잠재적 충돌을 신속히 식별한다.

제네레이티브 디자인 예시

4. 그래피소프트 아키캐드

AI 기술을 활용하여 실시간 에너지 분석을 지원, 건축가가 설계 결정이 환경에 미치는 영향을 평가하고 지속 가능성을 최적화하도록 돕는다. ArchiCAD의 AI 어시스턴트인 BIMx Docs는 문서 및 보고서 생성을 자동화하여 전문가의 시간을 절약한다.

5. 벤틀리 AECOsim

AI가 활용되는 자동화된 코드 규정 준수 검사 기능을 제공하는 포괄적인 플랫폼이다. 이 소프트웨어는 설계가 관련 건축 규정을 준수하도록 보장하며, AI 기반 수량 산출 도구는 자재 요구 사항을 정확히 계산하여 비용 관리 및 조달 효율성을 높인다.

6. 빌딩 자동화 및 제어 시스템

난방, 환기, 공조, 조명, 보안 및 출입 통제와 같은 다양한 시스템이 중앙 집중식 자동화 플랫폼에 통합되어 성능을 최적화하고 낭비를 줄인다. BIM은 건축 자산에 대한 정보를 생성하고 관리하는 총체적인 프로세스로 정의되며, 건축가와 엔지니어는 이미지를 캡처하고 3D 모델을 생성하여 건물 설계의 프로토타입을 신속히 제작하고 테스트할 수 있다(Openasset, 2024).

인터넷을 통해 서로 "대화"하는 센서는 건물 관리자와 거주자에게 유용한 데이터를 제공한다. 이 설정은 조건이나 기본 설정에 따라 수동 또는 자동으로 조정될 수 있다.

알고리즘은 IoT 센서의 실시간 데이터를 실행 가능한 통찰력으로 변환하여 건물 성능을 최적화하고 향후 프로젝트에 정보를 제공한다. 스마트 빌딩은 수집한 데이터를 학습하여 다양한 점유 시나리오를 모델링하고 사용자 경험을 지속적으로 미세 조정한다.

7. DAM 소프트웨어

2024년 디지털 자산 관리(DAM) 소프트웨어는 건설 산업의 핵심 트렌드가 되고 있다. AEC 전문가를 위해 설계된 DAM 시스템은 건설 회사가 디지털 자산을 효율적으로 관리할 수 있도록 지원한다. 이러한 도구는 중요한 문서, 이미지 및 비디오에 대한 중앙 집중식 액세스를 제공하여 프로젝트 워크플로를 간소화한다.

예를 들어, OpenAsset은 AEC 산업에 적합한 DAM 솔루션으로, 제안서 작성 과정의 효율성을 높인다. DAM 소프트웨어를 채택함으로써 건설 비즈니스는 생산성을 높이고 브랜딩의 일관성을 보장하며 포괄적인 프로젝트 문서 아카이브를 유지할 수 있다.

 

OpenAsset 솔류션

결론

생성AI, IoT, 로봇 공학과 같은 기술의 급속한 발전은 건설 산업의 디지털 전환을 가속화하고 있다. 글로벌 건설 기업들은 이러한 기술을 도입하기 위해 DX 조직을 설립하고, 비즈니스 가치를 창출할 수 있는 유스케이스를 발굴하고 있다.

건설 산업에서 인공 지능(AI)의 도입을 제한하는 주요 요인 중 하나는 높은 초기 투자 비용이다. 특히 중소기업은 AI 도입을 위해 필요한 자본을 확보하는 데 어려움을 겪고 있으며, AI 도구 구매, 시스템 통합, 직원 교육 등의 비용은 상당하다. 또한, 건설 산업은 전통적으로 보수적이어서 새로운 기술을 채택하는 속도가 느리며, AI의 장기적인 이점을 즉시 확인하기 어려운 상황에서 투자 수익률(ROI)을 정당화하는 데 어려움을 겪는다. 이로 인해 AI 통합이 지연되고, 이를 관리할 전문 인력을 확보하는 데도 한계가 있다. 비록 초기 도입 과정에서 다양한 도전 과제가 있지만, 시간이 지남에 따라 이러한 문제들은 해결될 것이다. 

AI는 건축가를 대체하는 것이 아니라, 그들의 능력과 효율성을 향상시키는 도구로서 역할을 한다. AI는 반복적인 작업을 자동화하고 설계를 최적화할 수 있지만, 창의적이고 복잡한 설계 작업은 여전히 인간 건축가의 창의적 직관과 판단이 필요하다. AI는 데이터를 기반으로 다수의 설계 옵션을 제시해 건축가가 최적의 선택을 할 수 있도록 돕고, 더 창의적인 작업에 집중할 수 있게 한다. 이로써 AI와 건축가의 협업은 혁신적이고 효율적인 설계를 가능하게 하며, 궁극적으로는 더 나은 결과를 제공하게 될 것이다.

건설 산업은 디지털 트랜스포메이션을 위한 기술과 역량을 갖추기 위해 준비해야 할 시점이다.

레퍼런스

• 강태욱, 2022, 뉴노멀 디지털 트랜스포메이션, CIR출판사
• Precedence research, 2024, Artificial Intelligence (AI) in Construction Market Size, Share, and Trends 2024 to 2033
• Michael Abramov, 2024, The Future of Construction: Exploring Emerging Applications of AI
• Matt Sharon, 2024, AI Adoption In Construction Building Brighter Future
• Viact, 2024, Generative AI in Computer Vision: A Paradigm Shift in Construction
• Numalis, 2024, AI and BIM Synergy: A Powerful Duo for Construction Efficiency
• Novatr, 2024, How will AI in BIM revolutionise the AEC Industry?
• Openasset, 2024,, The Top 23 Construction Industry Trends for 2024
• QeBIM, 2024, Is AI, Robotics, and BIM Shaping the Future of Construction?
• Appinventiv, 2024, AI in Construction: Redefining the Industry with Smart Solutions
• John Lee, 2024, A Proposed Framework for Construction 4.0 Based on a Review of Literature
• Procedence research, 2024, Construction Software Market Size to Hit USD 8.99 Billion by 2034
• Autodesk, 2024, How AI in architecture is shaping the future of design, construction
• Frontier-enterprise, 2024, Builders in Singapore rev up DX, seeing AI as key growth driver
• Frontier-enterprise, 2024, Builders in Singapore rev up DX, seeing AI as key growth drivere
• MJ Longjinos, Julianna Widlund, 2023, An introduction to AI for Civil and Geotechnical Engineers and how it’s being used by Civils.ai
• AI and the construction industry, BCLP - Bryan Cave Leighton Paisner
• RIBA AI Report 2024
• AI toolkit (UK), Practical Law
• Blockchain and digital assets toolkit, Practical Law
• Blockchain, DLT and smart contracts: an introduction, Practical Law
• Building information modelling (BIM): an overview, Practical Law
• Research, MIT Media Lab

생성 AI 건설 기술 트랜드

이 글은 생성 AI 건설 기술 트랜드를 간략히 정리한다.

레퍼런스

• AI is hard (to do well) - AEC Magazine
• AI Copilot for architects launches in beta - AEC Magazine
• How to Make LLMs Work in Construction - AEC Business (aec-business.com)
• AI in Construction Industry Qualification | AEC Training Course (civils.ai)
• Are AI opportunities overwhelming design and construction firms? (bdcnetwork.com)
• Artificial Intelligence in Construction Market | 2032 Statistics Report (gminsights.com)
• Civils.ai - Construction AI & Civil Engineering Automation

10 Construction Robots Finding Success, Making Job Sites Safer for the Humans

레퍼런스

• 10 Construction Robots Finding Success, Making Job Sites Safer for the Humans - BuiltWorlds

건설 산업 생산성, 디지털 전환과 생성 AI 혁명 - 콘테크 투자 동향

지난 수십 년 동안 건설 산업은 클라우드, IoT, AI 기술을 채택하여 프로세스를 자동화하고, 현장 안전을 개선하고, 복잡한 데이터에서 인사이트를 추출해 왔다. 

AI 기반 건설 디지털 전환(DX) 솔루션에 대한 수요는 계속 증가하고 있다. 2030년까지 이 시장은 전 세계적으로 미화 50억 달러의 수익을 창출할 것으로 예상한다(Tribe.ai, 2023). 본 글은 건설 산업 생산성 향상을 위해 디지털 전환을 위한 노력, 동향을 소개한다.

건설 산업 생산성, 디지털 전환과 생성 AI 혁명

생성형 AI는 글로벌 산업에 혁신적인 영향을 미칠 것이라고 해도 과언이 아니다. 알고리즘과 훈련된 데이터를 기반으로 새로운 컨텐츠를 생성할 수 있는 생성AI 기술은 전 세계 GDP를 7% 증가시켜 3억개 이상 일자리에 영향을 미칠 것으로 예상된다(McKinsey).

맥킨지(McKinsey) 보고서에 따르면 26세에서 42세 사이의 개인 중 50% 이상이 생성형 AI를 정기적으로 사용한다. 생성형 AI는 향후 20년 동안 노동 생산성을 0.1%에서 0.6%까지 높일 것으로 예상되며, 향후 10년 동안 총 경제 생산성이 50% 이상 증가할 것으로 예상된다.

AI는 LLM(Large Language Model)를 통해, 텍스트, 이미지, 동영상과 같은 다양한 멀티모달 데이터 소스로부터 지식을 학습할 수 있는 수준까지 발전했다. 

타 분야에 비해 뒤쳐지고 있는 건설 생산성과 품질을 혁신하려면, IoT, AI, Robotics와 같은 기술을 건설 분야에 녹여낼 수 있는 건설 디지털 전환을 탐구하고 채택해야 할 것이다.

건설 분야에서 AI 채택, 디지털 전환을 위해서는 비즈니스 모델과 유스케이스 발굴, 상당한 기술 투자와 AI 솔루션 개발이 포함된다. 맥킨지(McKinsey)에 따르면 건설업은 다른 산업에 비해 현저히 낮은 약 1%의 기술 투자를 하고 있다고 밝혔다. Bloomberg는 멀지 않은 미래에 AI가 기업의 IT 지출에서 최대 12%를 차지할 것으로 예측하고 있다. 이런 관점에서 건설의 기술투자비는 아직 보수적이다.

2032년까지 기업의 생성AI 기술 투자 예측치(Bloomberg)

LLM기반 AI도구는 클라이언트 서비스 응답 시간 개선 등 업무 프로세스에서 핵심적인 역할을 할 것이다. 이 기술의 잠재력은 훨씬 크다. 머신러닝을 통해, 기존 데이터와 BIM 정보를 활용하여 더 빠르고 효율적인 건설 업무 프로세스를 구축할 수 있다. 설계사와 시공사가 계획을 시각화하고, 보다 지속 가능한 건설 방법을 선택하고, 규제 표준을 자동으로 체크하고, 전생애 주기 동안 건물의 효율성을 개선하는 방법을 시뮬레이션하는 데 도움이 될 수 있을 것이다.

콘테크(ConTech) 투자 동향 및 산업 트랜드

최근 AI 기반 ConTech에 대한 투자 유치가 급증하고 있다. Construction Tech는 2021년 초부터 AI 기반 솔루션 VC에서 $3B펀딩이 있었다(Daniel Laboe, 2023.10). 다음 차트는 이를 보여준다.

 

AI 기반 콘테크 스타트업 투자 현황(Built Worlds, 2023.10)

건설 업계는 심각한 숙련 노동력 부족으로 어려움을 겪으며, 생산성을 높이는 AI 기반 디지털 전환 시대를 대비하고 있다. 

AI는 건설 프로젝트에 필요한 부족한 숙련 노동자의 수요를 대응할 수 있다. BuiltWorlds Venture Forum은 스타트업 투자 포트폴리오를 장애물이 낮아진 AI 기반 건설 솔루션, 로보틱스 기술 분야에 집중하고 있다.

ChatGPT와 같은 생성 AI는 건설 산업에서 새로운 DX 솔류션의 가능성을 보여주고 있다. 이미 많은 생성AI기술이 Google, Facebook, OpenAI 연구소에서 오픈소스로 릴리즈되었다. 이런 이유로, 입력한 텍스트에서 이미지, 비디오, 3D 모델 등을 생성하는 일련의 제품들이 Autodesk, Trimble, Bentley와 같은 빅테크 업체에서 조만간 개발될 것이라 충분히 예상할 수 있다.

이미, 이 분야의 선두주자인 Autodesk는 AI를 통해 반복적인 설계 작업을 자동화하는 기술을 공개하였다. 이를 위해, Autodesk는 Blank AI를 인수해, 생성 AI 기술을 자사의 솔류션에 이식시키고 있다. 이 회사는 Autodesk University 2023에서, Autodesk는 Fusion과 AI를 통해 자동으로 도면과 문서를 생성하는 기능을 선보였다.

 

클릭 한번으로 3D 모델에서 완벽한 치수를 포함한 2D도면 생성 기술(Autodesk Fusion, 2023.11)

AI 기반 DX 솔루션은 워크플로와 반복적인 작업을 자동화하여 팀의 효율성을 높이고 프로젝트 완료 시간을 단축할 수 있다. AI 시스템은 일정 및 리소스 할당을 간소화하여 대규모 프로젝트의 수익성과 적시성을 확보할 수 있다. 또한 모델의 구조적 및 기능적 문제를 인식하여, 오류를 조기에 수정하고, 재작업 및 낭비를 줄일 수 있다.

마무리

AI 기반 자동화로 프로젝트 일정이 단축되어 인건비가 절감되고, 더 나은 계획으로 자재 사용이 최적화될 수 있다. 이미 시장에서 소개되고 있는 AI 애플리케이션은 장비 오작동 또는 안전하지 않은 작업 조건의 징후를 찾기 위해 비디오 영상 및 센서 데이터를 스캔하고 현장 관리자에게 실시간으로 시정 조치를 취하도록 경고할 수 있다. AI 도구는 자원 사용을 최적화하고 폐기물을 줄여 건설 회사가 보다 지속 가능한 건설 관행을 채택할 수 있도록 지원할 수 있다.

생성AI는 건축가가 작업하는 프로세스의 전환점이 될 것이다. 생성AI기반 Text-To-Design, 사용자 의도에 따른 3D 모델링, AI기반 설계 대안 시뮬레이션은 AI에서 건축가가 얻을 수 있는 성능의 일부에 불과할 것이다.

레퍼런스

• 강태욱, 2022, 뉴노멀 디지털 트랜스포메이션, CIR출판사
• Statista, 2024, Artificial intelligence (AI) market size worldwide in 2021 with a forecast until 2030
• Bloomberg, 2023, Up to 12% of tech spend will be going towards generative AI by 2032.
• Fobes, Generative AI In The Construction Sector: Taking Building Technology To New Heights
• Zacua ventures, 2023.9, The Evolution of Technology Adoption in Construction
• Autodesk, 2024.1, How Generative AI in Construction Will Level-Up Design and Collaboration
• Kajima, 2023.10, Kajima ChatAI
• Autodesk, 2023.11, Autodesk expands Fusion to unlock AI for design and make
• Tribe AI, Applied AI: AI in Construction in 2023: Use Cases and Benefits | Tribe AI
• Hammad Chaudhry, 2024.1, Shifting the Construction Paradigm: The Rise of Technology in Building the Future, LinkedIn
• Autodesk University, Reflections on AI, PLM, and more from Autodesk University
• Daniel Laboe, 2023.10, The Transformational Impact Of AI On ConTech, BuiltWorlds
• Autodesk Forma, 2023.11, a deep dive into the data lake - AEC Magazine

건설 생산성 향상 75% 개선 사례 - 생성AI 기반 건설테크기업 Togal.AI

지난 수십 년 동안 건설 산업은 클라우드, IoT, BIM 기술을 채택하여 프로세스를 자동화하고, 현장 안전을 개선하고, 복잡한 데이터에서 인사이트를 추출해 왔다. 그럼에도 불구하고, 아직 건설 생산성은 다른 제조 분야에 비해 크게 떨어진다. 

Togal.AI는 플로리다 마이애미에 본사가 있는 건설테크 기업이다. 이 회사는 AI기반 비정형 문서 도면 수량 및 정보 추출 자동화 기술을 개발하고 있다. 이를 통해, 도면에서 필요한 정보를 추출하는 복잡한 수작업 프로세스를 간소화한다. 이 사례를 간략히 나눔해 본다. 

Togal.AI 시스템 스크린샷

현재 시점에서 2년밖에 되지 않은 이 기업은 건설사의 작업량을 40%나 줄여, 사용자가 940%나 증가되었다. 아직 20명이 안되는 회사지만, Coastal Construction 사례에서만 이 회사의 기술로 프로젝트 예산을 100만 달러나 절약하였다. 

이 회사는 생성형 AI를 사용하여 모든 프로젝트에서 엄청난 양의 문서에서 필요한 정보를 찾기 위해 더 이상 시간과 에너지를 낭비하지 않도록 노력하고 있다.

소개 영상

건설 기술 회사인 Togal.AI 의 설립자 겸 CEO인 패트릭 머피(Patrick Murphy)는 '불과 4년 만에 AI의 발전과 당시 사용하던 모델과 알고리즘이 현재 어떻게 개선되었는지 지켜보는 것은 믿을 수 없을 정도"라고 말한다.

그는 데이터에 대한 액세스, 특히 데이터 저장 및 레이블 지정 방법에 대한 발전이 계속해서 빠르게 발전하고 있어, 건설과 같은 전통적인 비즈니스의 운영 방식도 변화시키고 있다고 언급한다.

"청사진, 사양서, 제3자 간의 다양한 계약에 이르기까지 건설에는 많은 정보가 있다."고하면서, 현장 팀이 문서, 사진, 도면, PDF에서 필요한 올바른 정보를 추출하는 기술을 개발하고 있다고 말한다.

최근 이 회사는 ChatGPT와의 통합을 발표하였다. Togal.AI는 이제 일반인 용어로 건설 스펙, 라이브러리와 상호작용할 수 있다 말했다. 예를 들어, '이 건물의 외장재 사양은 어떻게 되나요?', '이 정도 크기의 건물에 화장실이 몇 개나 있나요?' 와 같은 질문을 스펙에 근거해 답변한다.

레퍼런스

• 강태욱, 2022, 뉴노멀 디지털 트랜스포메이션, CIR출판사
• Statista, 2024, Artificial intelligence (AI) market size worldwide in 2021 with a forecast until 2030
• Bloomberg, 2023, Up to 12% of tech spend will be going towards generative AI by 2032.
• Fobes, Generative AI In The Construction Sector: Taking Building Technology To New Heights
• Money Mobility and Embedded Payments Recast the Concept of Banking

건설 AEC 분야 생성 AI 기술 연구 및 개발 트랜드

이 글은 건설 분야 생성 AI 최신 연구 트랜드를 간략히 나눔한다. AEC(Architecture, Engineering and Construction)분야에서는 Gen AI은 아직 초기단계이나, 관련 업계에서는 뜨거운 관심을 받고 있다. 최근 AEC분야도 Gen AI의 영향력을 보여주는 연구들이 진행되고 있다. 이런 상황에서, 2024년도에는 Gen AI를 이용한 서비스가 AEC 분야에서 유명한 플랫폼 개발사 (Autodesk, Bentley, Trimble 등)에서 출시되리라 예상된다. 이런 관점에서 Gen AI 연구 동향을 간략히 나눔해 본다. 

이 조사를 위해, Google Scholar에 Generative AI Construction AEC LLM 키워드로 검색해, 주요 연구 내용을 확인해 보았다. 다음 내용은 그 결과를 정리한 것이다. 

 

AEC Gen AI 기술 트랜드 조사

• Generative AI design for buliding structures (2024.1)

AEC 분야 디지털 자동화 기술 저널인 automation in construction 의 최신 논문 중 하나인 'Generative AI design for buliding structures' 이 있다. 이 논문은 건축 구조 설계시 생성 AI (Gen AI)를 이용한 방법을 조사(Web of Science Core Collection), 탐구한다. Gen AI의 최근 연구와 동향을 분석하고, 데이터 표현 방법, 알고리즘 등을 분석해 비교 검토한다. 

기존 연구는 GAN, GNN(Graph based NN), VAE(Variational Autoencoder), ANN을 이용해, 각각 도면 이미지, 디자인 벡터 공간 표현, 파라메터 학습을 실행한다. 이외, CNN, LSTM등을 이용해 Generative Design에 필요한 파라메터를 제공하는 연구가 수행되었다. 강화학습을 이용해, 철근콘크리트 최적 설계를 수행한 연구도 있었다. 

생성 AI기반 건물 구조 설계(Feng et al, 2023, Construction bidding case study using generative intelligent structural design)

전단벽 레이아웃 설계 연구 사례는 생성 AI 사용시 기존 방법보다 10-15배 생산성 향상을 보였다(Feng et al). 철골 구조물 단면 치수 생성을 위해, GNN, NeuralSim, NeuralSizer등을 사용한 연구가 있었다.

아울러, Gen AI 적용 수준의 명확성을 위해, CMM과 유사한 레벨을 정의하였다. 

이 연구는 Gen AI의 엔지니어링 분야 적용 시 문제 해결 과제를 1) 제한된 훈련 데이터 2) 희소한 특징 학습 3) 다중 제약 조건 4) 복잡한 표현 5) 엄격한 품질 지표 6) 신뢰성을 꼽았다.

• Domain-specific language models pre-trained on construction management systems corpora (2024.2)

현재 개발된 LLM 모델은 특정 분야에 전문적인 결과물을 생성할 때 정확도가 낮을 수 있다. 건설은 80%정도가 비정형 도메인 전문적인 자료를 기반으로 관리된다. 이런 이유는 LLM을 바로 건설분야에 응용하는 데 챌린지다. 이 논문은 CMS(construction management system) 구현 시 이런 장애요인을 극복하기 위해, 건설분야에 특화된 말뭉치(corpora)를 별도 구축하여, 이를 BERT로 학습한 후, 기존 모델과 비교해, 문서의 의미를 얼마나 정확히 예측하는 지, TC(Text classification), NER(Named entituy recoginition) 정확도 제시한다. 

이 연구에서 말뭉치를 개발하기 위해, 기존 건설 규정 관련 PDF파일을 이용해, 데이터 수집, 중복 텍스트 삭제, 문장 정리한 후, BERT 사전훈련 학습모델을 파인튜닝하였다. 

말뭉치 개발 과정은 다음과 같다. 

1. PDF를 텍스트: Adobe Automation을 사용하여 PDF 파일을 일반 텍스트로 자동 변환한다.
2. URL 제거: 실질적인 콘텐츠를 제공하지 않을 수 있는 웹사이트 링크를 제외한다.
3. 언어 필터: 단락 수준에서 영어 텍스트만 유지하고 인식할 수 없는 문자와 영어가 아닌 콘텐츠는 버린다.
4. 문장 분할: 단락을 별개의 문장으로 나누고 끝 문장 부호가 없는 단락을 제거한다.
5. 짧은 문장 필터: 수식과 표의 흔적을 제거하기 위해 매우 짧은 문장을 제거한다.
6. 참고 문헌 필터링: 문맥이 풍부한 콘텐츠에 초점을 맞추기 위해 논문 내에서 참고 문헌을 제외한다. 참조가 있거나 없는 두 개의 데이터 세트가 생성되었다.
7. 중복 제거: 중복을 제거하여 각 문장의 고유성을 보장한다.

정리 후 원래 데이터 세트에 있는 단어의 약 5%가 제거되었다. 참조 필터링 과정에서 단어 수가 추가로 20% 감소하는 것이 관찰되었다.

TC와 NER를 위해, 말뭉치는 적절히 라벨링되어, BERT모델에 제공된다 

개발 결과는 정확도 F1=5.9% 개선되었으며(참고), 상세는 다음과 같다. 

이 연구는 일부 연구 내용을 github에 공개하였다(*주. 건설 분야에서 본인의 기술 개발 결과를 일부라도 공개하는 경우는 매우 드물다). 그럼에도 불구하고, 실제로 공개된 것은 PDF를 전처리한 텍스트 데이터 정도라 아쉬움이 있다. 

github에 공개된 연구 데이터 일부

• Residential floor plans: Multi-conditional automatic generation using diffusion models (2024.6)

스테이블 디퓨전을 이용해 다중 컨디션이 가능한 거주자 평면도를 생성하는 연구가 있었다. 이 연구는 조건에 따른 데이터 생성을 위한 데이터셋을 구축하고, 이를 스테이블 디퓨전 모델로 학습하는 과정을 제시하였다. 

• BIM-GPT: a Prompt-Based Virtual Assistant Framework for BIM Information Retrieval (2023.4)

GPT 3.5+ 버전의 OPEN API를 이용해, BIM과 접목하는 방법론과 프레임웍을 개발한 거의 최초 연구이다. 스텐포트 CIFE 센터 마틴피셔 교수 연구팀이 개발에 참여했다.

BIM 데이터베이스의 효과적인 검색 방법 연구는 BIM QUERY 등 다양하게 진행되어 왔다. 이 논문은 GPT를 이용한다. 이를 위해, 프롬프트 엔지니어링을 위한 BIM GPT 프레임웍을 제안한다. QA 시나리오를 준비하고, BIM GPT 수행 후 비교할 성능 지표를 계산한다. 

BIM GPT 프레임웍 및 프롬프트 시나리오

연구 결과 성능 테스트 목표 준비

 이 연구에서 준비한 QA 시나리오는 다음과 같다.

• 주어진 BIM 모델에서 펌프 객체를 확인
• 확인된 객체의 속성 리스트 항목 10개까지 확인 
• 리스트에서 14569값을 가진 펌프 ID 검색 
• 해당 펌프가 있는 위치 검색. 예. 'The manufacturer of pump 14569 is PACO. It is located in room 06-470 on level 6 and is part of the hydronic return and power systems.'
• 해당 위치를 VA(Virtual Assistant)에 의해 사용자에게 보여줌 

연구 결과 성능은 제로샷(Zero shot), 퓨샷(Few shot)으로 테스트되어, confusion matric로 예측 정확도를 계산해 표현되었다. 연구 결과 시스템+DB+TASK+FEW 으로 진행된 방식이 직접 사람이 입력하는 프롬프트 방식에 비해 성능이 뛰어남(제로샷=83.5%, 퓨샷=99.5 정확도)을 보여준다. 

현실적인 실용가능성을 확인하기 위해, Autodesk Forge, MongoDB, ChatGPT API를 이용하여 다음과 같은 VA(Virtual Assistant) 프로로타입을 개발하고, 여러 조건에 따른 답변 예측 정확도를 논의한다.

BIM GPT 프로토타입 시스템 구현 결과

• LLM-FuncMapper: Function Identification for Interpreting Complex Clauses in Building Codes via LLM (2023.8)

이 연구는 LLM을 이용해, IFC에서 원하는 정보를 찾는 함수로 질의를 맵핑하는 방법을 보여준다. 이 연구는 LLAMA2, IFCOPENSHELL을 이용해, 질의 정보를 함수 코드로 변환한다. 

 

• Opportunities and Challenges of Generative AI in Construction Industry: Focusing on Adoption of Text-Based Models (2024.1)

이 연구는 LLM(Large Language Model. 대형언어모델) 조사 필요성을 강조하고, GenAI의 잠재적 기회와 과제를 확인한다. 방법론은 Google Scholar에서 검색 키워드로 검토를 수행한 후, 클러스터링한다. Linkedin에서 전문가 글을 조사하고, 관련 키워드와 의견을 식별한다. 이를 통해, 워드 클라우드 분석, 빈도 분석 등을 텍스트 마이닝 기술을 이용해, 개념적 프레임웍을 설계하고 제안하였다. 이 논문은 최초에 GAN부터 시작한 기술발전의 역사를 간략히 따라간다. 

LLM 개념 프레임웍

이 연구는 활용할 수 있는 사례보다는 도전과제인 도메인 지식 부족 문제, 환각, 일반화 문제 등을 도출하였다.

• Leveraging Generative AI in Construction: Practical Use Cases for Industry Leaders - Matellio Inc

이 글은 연구는 아니나, 전반적으로 Gen AI의 활용 사례를 소개하고 있다. 이 글은 디자인 개선, 프로젝트 일정 및 계획, 비용 수량 견적, 부지 선정 및 분석, 안전 계획 수립, 건설 재료 선택, 에너지 효율 최적화, 장비 유지보수, 리스크 관리, 환경영향평가, 품질관리, 측량 및 조사, 계약 문서 검토 및 문서화 등에 영향을 미칠 수 있음을 언급한다. 

• Revolutionizing AEC: How AI LLM and Blockchain Integration is Creating New Workstreams for Designers | by archisinal.io | Medium

이 글은 Gen AI와 블록체인 기술에 대한 잠재력을 다룬다. 블록체인은 데이터 신뢰성을 확보할 수 있다. 스마트계약 등의 기반 인프라로 사용된다. 그러므로, 계약을 생성할 때, LLM은 많은 사례를 바탕으로, 계약을 검증하거나, 템플릿을 생성하는 보조 수단 등으로 사용될 수 있다.

• Role of ChatGPT and Similar Generative Artificial Intelligence (AI) in Construction Industry by Nitin Rane :: SSRN (2023.11)

이 글은 ChatGPT와 같은 Gen AI 기술을 이용해 건설 산업을 통합하는 방법을 탐구한다. 조사 방식은 앞의 사례와 유사하다.

• Integrating ChatGPT, Bard, and Leading-edge Generative Artificial Intelligence in Building and Construction Industry: Applications, Framework, Challenges, and Future Scope by Nitin Rane, Saurabh Choudhary, Jayesh Rane :: SSRN (2023.11)

이 글도 앞의 조사와 비슷한 연구이다. 다만,  에너지 최적화와 같은 건물 최적 설계에 좀 더 집중해, Gen AI 방법론을 탐구한다. 안전 체크와 같은 사례는 LangChain과 같은 프롬프트 체인과 기존 모니터링 시스템을 연계한 어플리케이션 수행 플로우차트를 제시한다. 

 

ChatGPT 기반 견적 모델 

ChatGPT 기반 안전 모니터링

에너지 최적화 기반 건설 건축물 설계

• A New Era of Automation in the Construction Industry: Implementing Leading-Edge Generative Artificial Intelligence, such as ChatGPT or Bard by Nitin Rane, Saurabh Choudhary, Jayesh Rane :: SSRN (2024.1)

이 글도 앞서 조사된 연구 방법론과 유사하게 수행된다. 이 연구는 BIM 협업에 초점을 맞춰서, GPT를 사용해 문제를 해결할 수 있는 방법론 조사에 초점을 맞춘다.

GPT / Bard 기반 건설 센서 데이터 기반 의사결정 지원

• GPT models in construction industry: Opportunities, limitations, and a use case validation - ScienceDirect (2024.3)

이 연구는 건설산업에서 LLM에 대한 연구 전망을 제시한다. 이 연구는 문헌검토, 델파이 설문조사를 통한 비판적 검토, 전문가 토론 및 사례 연구 순서로 진행된다. 전문가는 최소 10년 이상 경력을 가진 도메인 실무자 7명이 선정된다. 문헌 조사에서는 BIM-GPT 연구(BIM정보 검색, 2023), RoboGPT(로봇기반 조립에서 시퀀스 생성), 건설 작업 일정 생성, 위험 인식 등만 분석된다. BIM-GPT 연구에서는 ChatGPT에서 이해하기 쉬운 JSON형식을 사용하였으며, 이를 위해, BIM에서 객체 속성을 추출하고, MongoDB에 저장하여, 이를 ChatGPT API에 제공하는 방식을 사용하였다. 나머지 연구는 텍스트 프롬프트만 사용되었다. 

이 연구는 ChatGPT가 학습된 문서와 데이터를 기반으로 한 전문가로써 활용될 수 있음을 설명한다. 예를 들어, 수많은 계약 서류 분쟁 항목 자동 확인 및 제안, 규정 준수, 환경영향평가, 안전 및 폐기물 관리 위험항목 확인 등이 그것이다.   

이 연구는 ChatGPT와 연계된 디지털트윈 프로토타입을 구현한다. 이 프로토타입의 목적은 프롬프트에 의해 에너지 효율적인 벽체 물성을 제안하도록 하고, 이를 기반으로 불합리적으로 설계된 부분을 찾아서, 사용자에게 해당 BIM 요소를 보여주거나, 반대로, BIM 속성을 이용해, 취약한 부분을 제안해 주는 것이 가능함을 보이는 목적이다. 이 개발을 위해, Autodesk Forge, MongoDB, ChatGPT API, Python 등이 사용되었다. 

• Automated Detailing of Exterior Walls Using Nadia: Natural-Language-Based Architectural Detailing Through Interaction with Ai, SSRN (2023.12)

이 연구는 ChatGPT API와 프롬프트 엔지니어링을 내장해 개발된 시스템을 통해, 기존 BIM 모델을 열 성능 표준을 만족하는 외벽으로 업데이트하는 방법과 프로토타입을 보여준다. 이 연구는 앞서 사용한 기술에 Revit API를 이용한 플러그인을 통해, 생성된 벽체 물성 JSON 파일을 받아, 벽체의 상세 속성을 갱신하여, 이를 구현한다. 

벽체 최적설계 흐름도

• 기타 연구 

기타 다음과 같은 연구가 있었다. 

• YOLO and Faster R-CNN Object Detection in Architecture, Engineering and Construction (AEC): Applications, Challenges, and Future Prospects, SSRN (2023.11)

이 연구는 AEC 분야를 혁신하기 위해, 딥러닝 기반 컴퓨터 비전 기술 중 킬러 기술인 YOLO 등을 살펴보고, Gen AI와 같은 트랜드를 탐구한다. 

•  GPT models in construction industry: Opportunities, limitations, and a use case validation (2023.12)

이 연구는 2018년 이후로 퍼지기 시작한 LLM에 대해 언급하고, 전문가 토론을 통해, 이기술을 통한 건설 분야의 기회, 챌린지를 확인한다. 

 

생성 AI 오픈소스 기술 및 도구

앞서 조사한 연구들은 대부분 Gen AI 오픈소스나 ChatGPT에서 제공하는 API를 사용한다. 이와 관련된 도구들은 다음과 같다.

• Daddy Makers: ChatGPT와 같은 생성AI 서비스 개발을 위한 간단한 LLAMA-2 설치와 사용법
• mac999/gen_ai_gpt: gen_ai_gpt
• Daddy Makers: GPT 기반 디지인 도구 OpenAI for Grasshopper 소개 
• Daddy Makers: ChatGPT-3 인공지능 기반 자동 프로그래밍 사용기, 장점과 단점 
• Daddy Makers: 생성(Generative) AI 오픈소스 딥러닝 모델 Stable Diffusion, ControlNet 개념 및 ComfyUI 사용 방법  

이외에도 매우 많은 유명한 도구들이 있다. 특히, Huggingface에서는 이런 도구들을 오픈소스로 배포하고 있으므로, 관련 라이브러리를 참고하면 개발을 쉽게 할 수 있다.

• Daddy Makers: 트랜스포머 생성AI로 다국어 번역기, 문장 분류, 이미지 설명 텍스트 생성 프로그램 개발해보기 
• Daddy Makers: 어텐션 기반 트랜스포머 딥러닝 모델 이해, 활용 사례 및 파치토치를 통한 간단한 사용방법 소개 

마무리

현재 시점의 최신 AEC Gen AI 연구 동향은 다음과 같다.

• AEC 활용 관점에서 Gen AI의 기술, 방법, 잠재력, 도전과제 조사 
• 프롬프트 엔지니어링을 이용한 가능성 제시 (예. 건설 문서 검토, 생성 등)
• ChatGPT API 등을 활용한 프로토타입을 통한 가능성 제시 (예. BIM 질의 및 일부 속성 생성)

아직, 초기단계이며, 관련 연구가 많지 않다. AEC분야에서는 Gen AI를 내재화하지 못한 상황이다. 하지만, 앞으로 이와 관련된 연구는 더욱 많아질 것이라 예상한다. 특히, 2024년도 중에 Gen AI를 이용한 기능 및 서비스가 AEC 분야에서 유명한 플랫폼 개발사 (Autodesk, Bentley, Trimble 등)에서 출시되리라 예상한다. 

레퍼런스

• Generative AI Powered BIM
• BIM-GPT: a Prompt-Based Virtual Assistant Framework for BIM Information Retrieval 
• Construction x Technology: Integration of AI into BIM, Steph Fulton, Kim Rosenberg (freshfields.com)
• The Future of BIM: How AI is Driving Innovation in the Industry | Maket 
• TileGPT: Generative AI Tools for Intuitive Building Design Exploration | Autodesk University
• Applications of Generative AI in the Architecture, Engineering, and Construction (AEC) Industry | by Lecture Factory | Jan, 2024 | Medium
• How to Use Generative AI Without Building a Large Language Model (LLM)? | Solunus Technologies
• Multidisciplinary design optimization in Architecture, Engineering, and Construction: a detailed review and call for collaboration | Structural and Multidisciplinary Optimization (springer.com)
• ifcXML-Implementation-Guide-v2-0.pdf (buildingsmart.org)
• ifcOWL - buildingSMART Technical
• buildingsmart-community/ifcJSON: Repository containing the specification for IFC.JSON (github.com)
• LLM Ontology-prompting for Knowledge Graph Extraction | LinkedIn
• Harnessing the Power of Knowledge Graphs: Enriching an LLM with Structured Data | by Steve Hedden | Towards Data Science
• From human experts to machines: An LLM
• SPARQL Generation
• ifcWOD (Web Of Data) - Semantically Adapting IFC Model Relations into OWL Properties | PPT (slideshare.net)
• Large Language Models and Knowledge Graphs (arxiv.org), lm-kbc.github.io, lm-kbc/dataset2023 (github.com)
• BenzclyZhang/IfcSTEP-to-IfcOWL-converters: Roundtrip converters from IFC STEP files to IfcOWL RDF files (github.com)
• automatic_generation_of_structural_models_from_bim_models_using_semantics_and_machine_learning.pdf (ucl.ac.uk)
• nlp-cfg/nlp-cfg.ipynb at master · naufalhilmiaji/nlp-cfg (github.com)
• Applied Sciences | Free Full-Text | In-House Knowledge Management Using a Large Language Model: Focusing on Technical Specification Documents Review (mdpi.com)
• Towards a generalized digital twin definition (ec-3.org)
• jyrkioraskari/IFCtoLBD: IFCtoLBD converts IFC (Industry Foundation Classes STEP formatted files into the Linked Building Data ontologies. (github.com)
• Open BIM GPT

미국 조달청 GSA의 BIM 프로젝트 템플릿 및 도구 소개

이 글은 미국 조달청 GSA의 BIM 프로젝트 템플릿 및 도구를 간단히 소개한다.

Templates | GSA

GSA에서 제공하는 템플릿 파일은 모든 CAD 플랫폼을 사용할 때 실무적으로 사용될 수 있도록 개발되었다. 예를 들어, 도면 템플릿에는 기본 객체 선 가중치 및 스타일, 시스템 정의, 뷰 템플릿, 플로팅 기본값 및 검색기 조직 구성이 포함된다. GSA에서 제공하는 템플릿은 지속적으로 개선된다. 

GSA에는 이외에도 품질체크를 위한 솔리브리 체커 기반 도구 및 애드인을 제공하고 있다.

GSA 조달청 제공 템플릿 도구 사이트

도구에 포함된 관련 규칙 파일 예시

레퍼런스

• Templates | GSA
• BIM Model Checkers | GSA