AI는 설계와 시공을 바꿀 수 있을까

안녕하세요, 코드아키텍트입니다.

 

테크 일기라고는 했지만, 이제 그냥 일기가 되어버린 요즘. 아무튼 오늘도 몇 자 적어봅니다.

최근 읽은 리포트 하나를 소개드리며 시작해볼까 합니다.

👉 Autodesk State of Design & Make 2025 - Addressing Talent Gaps

 

이 리포트에서는 디지털 전환과 AI 역량 확보를 통해 디자인 및 제조 산업 전반의 인력 격차를 해결하려는 시도가 다뤄지고 있습니다. 이와 관련해 AI에 대한 제 생각을 좀 나눠보려 합니다.

 

---

 

AI에 대한 수요와 현실적인 제약

 

“AI를 써야 한다”는 이야기는 누구나 합니다. 설계를 하는 사람도, 건설 현장을 관리하는 사람도 모두 AI 도입을 말합니다. 하지만 그만큼 실현도 쉽지는 않습니다.

 

자율주행처럼 정답이 명확한 문제를 푸는 게 아니라, 설계는 문제 자체를 규정하는 것에서부터 시작됩니다. 그래서 연구 가치가 높긴 하지만, 개인적인 생각으로는 ‘단가’가 맞지 않아 활발한 연구로 이어지지 않는 듯합니다. 실제로 건축·건설 프로젝트 전체 비용에서 설계가 차지하는 비중은 높지 않다고 알고 있습니다.

 

아이러니하게도, 설계는 프로젝트 전반에 큰 영향을 미치지만 단가 자체는 낮은 편입니다. 그래서 AI 기술이 발전하면 기존에는 수익이 나지 않던 설계 영역도 체질 개선이 가능할지도 모르겠습니다.

 

---

 

건설 산업 내 다양한 AI 수요

 

건설 분야는 AI가 필요한 지점이 훨씬 많습니다. 단순히 디지털 저작물만 다루는 것이 아니라, 실물 자산이 현장에서 어떻게 움직이는지를 실시간으로 추적하고 관리해야 합니다.

 

예를 들어 철근을 현장에 보냈다면,

 

• 제때 도착했는지?
• 품질은 괜찮은지?
• 어디에 보관하면 가장 효율적인지?

 

이런 문제들을 실시간으로 판단하고 대응해야 하죠. 그래서 카메라 기반 비전 모델, 로봇, IoT 등 실물 기반의 AI 기술이 더 절실하게 요구되는 분야입니다.

 

하지만 이런 니즈에도 불구하고 현실적인 어려움이 큽니다. AI 개발자의 몸값과 건설업계의 연봉 구조는 큰 차이가 납니다. 어떤 회사는 개발자 연봉 테이블이 따로 없어, 건설 엔지니어 기준으로 연봉을 책정하는 경우도 있다고 합니다. 당연히 뛰어난 AI 엔지니어가 건설사로 오는 건 어렵겠죠.

 

최근 어떤 선배가 이런 말을 했습니다.

“우리가 매달 외부 API 사용료로 6천만 원을 쓰고 있다면, 차라리 개발자를 채용해서 직접 만드는 게 낫다.”

AI 인재 확보를 위한 비용 구조 개편, 그리고 이를 위한 정확한 원가 구조 파악이 선행돼야 한다는 생각이 듭니다.

 

---

 

챗봇, Fine-Tuning, 그리고 시장의 현실

 

ChatGPT나 Claude와 같은 LLM(대형 언어 모델)의 등장은 챗봇 시장을 급격히 키워가고 있습니다. Autodesk University 같은 곳에서도 챗봇을 업무에 활용하는 사례들이 종종 보입니다.

GPT API를 이용하는 것도 흔한 일이 되었고요.

 

물론 기업 입장에서는 자사 데이터 유출이라는 리스크도 있지만, 그보다 얻는 가치가 더 크기 때문에 사용이 늘고 있습니다. Ollama 등의 오픈소스 기반 솔루션도 있지만, 아직은 대세가 되기엔 이릅니다.

 

요즘은 “우리 데이터를 가지고 Fine-tuning을 하고 싶다”는 니즈도 많은데요,

 

• 어떤 모델을?
• 어떤 방식으로?
• 충분한 데이터가 있는지?

 

이런 질문들에 명확히 답하기 어려운 경우가 많습니다. Fine-tuning은 엄밀한 의미에서 사전 학습된 모델을 추가 학습하는 것을 말합니다. 종종 강화학습과 혼용되어 사용되기도 하지만, 구분하는 게 좋습니다.

 

지금 시장에서 현실적인 접근은 ‘챗봇 기반의 프롬프트 엔지니어링’이 아닐까 합니다. 그게 현재 기술 수준과 투자 여력을 감안했을 때 가장 실용적인 선택으로 보입니다.

 

---

 

앞으로는 어떨까

 

한때 화제였던 MCP(Model Context Protocol)는 잠잠해졌습니다. 사용자의 의도를 이해하고 설계나 모델링까지 해준다는 개념은 분명 흥미롭지만, 실무에서는 아직 역량이 부족해 보입니다. 5~10년 후쯤이면 일상적으로 MCP를 활용하게 될지도 모르겠지만, 지금은 ‘재밌는 가능성’ 정도로 여겨집니다.

 

결국 지금 가장 실용적인 방향은 챗봇을 만들고, 각 서비스(예: GPT, Claude)를 내 업무에 맞게 커스터마이징하는 것입니다. 그리고 시간이 지나면 API 비용 문제로 인해 내부에서 AI 역량을 키우는 흐름으로 가게 되겠죠.

 

---

 

마무리하며

 

요즘 AI 얘기를 하다 보면, 기술보다도 “이걸 누가, 어떤 구조로, 얼마를 들여 할 수 있을까?“라는 현실적인 질문으로 귀결됩니다.

그 질문에 답하는 구조와 팀이 있는 곳에서 진짜 변화가 시작될 것 같습니다.

 

---

*위 글은 제가 초안을 작성하고 ChatGPT의 도움을 받아 다듬었습니다.