Building Intelligent Decision Support Systems in Construction Industry: An Exploratory Study of Human-AI Collaboration Models

기술 발전과 디지털 전환으로 인해 현대 건설산업에서 지능형 의사결정 지원 시스템(Decision Support System)의 필요성이 커지고 있다. 특히, 딥러닝을 중심으로 한 인공지능(Artificial Intelligence: AI), 빅데이터 분석 기술은 건설 현장의 안전 확보와 유지관리에 중요한 역할을 하고 있으며, 인간과 AI 사이의 협업 방안에 관한 연구도 활발히 이루어지고 있다. 본 연구는 합성곱 신경망(Convolution Neural Network: CNN) 모델을 직접 구축하고 건설 현장에서 촬영한 건축물 이미지를 분석하여 균열 유무와 균열 유형(구조 균열, 비구조균열)을 분류하는 것을 목적으로, 세 가지 모델(건축물 이미지만 제공한 후 균열 분류, 건축물 이미지로 부재 종류 판단 후 균열 분류, 건축물 이미지와 부재 정보를 함께 제공한 후 균열 분류)을 제시하였다. 또한, CNN 모델과 전문가 판단을 비교 분석하여 CNN 기반 AI 균열 분류 성능을 파악하고, 안전한 구조물 유지와 재난 예방에 기여하는 인간-AI 협업 모델의 발전 방향을 모색하였다. 연구 결과, 세 가지 CNN 모델 중 건축물 이미지와 부재 정보를 함께 제공한 후 균열을 분류하는 모델의 분류 성능이 가장 우수하였으며, 이 모델의 균열 유무 분류 정확도는 71.43%, 균열 유무의 재현율은 80.95%를 기록하였다. 이를 통해, 건축물 이미지만 제공한 후 균열을 분류할 때보다 건축물 이미지를 분석하여 부재 종류를 먼저 판단한 후 균열 여부를 분석하는 계층적 방식이 균열 분류 성능을 개선할 수 있고, 건축물 이미지와 부재 정보를 함께 제공하면 분류 성능을 더욱 향상시킬 수 있음을 확인하였다. CNN 모델의 분류 결과와 전문가 집단의 판단을 비교한 결과, 전문가 집단의 균열 분류 성능이 더 높은 정확도와 재현율을 보였으나 CNN 모델은 초기 검토에 유용하다는 점을 발견하였다. 이를 통해 AI는 건축물 이미지를 분석하여 균열 유무와 구조 균열 가능성을 신속하게 파악하고, 전문가가 상세 검토와 최종 판단을 수행하는 AI와 인간의 협업 방식이 효과적일 수 있음을 확인하였다.