업무 영역	난이도	우선 순위	적합한 AI 기술
현장 지원 시스템	중간	높음	실시간 데이터 분석, IOT
원가 (손익)	중간	높음	머신러닝, 예측 분석
노무	중간	높음	스케줄링 알고리즘, 머신러닝
공정 관리	높음	높음	실시간 데이터 분석, 머신러닝, 예측 분석
장비	중간	중간	예측 유지보수, 머신러닝
외주 (현장)	중간	중간	품질 분석, 머신러닝
RISK 관리	높음	높음	위험 분석, 예측 모델링

 

기타 업무 영역 다수 존재하지만 난이도와 우선 순위를 고려하여 선정하였습니다.

 

1. 현장 지원 시스템의 실행 (현장)

• 난이도: 중간

  • 이유: 현장 작업을 실시간으로 모니터링하기 위해서는 IoT 센서, 컴퓨터 비전 기술 등이 필요합니다. 이러한 기술들은 이미 많은 도구와 라이브러리가 잘 갖추어져 있어 구현이 비교적 용이하지만, 실시간 데이터 처리와 고성능 인프라가 필요하여 난이도가 중간으로 설정되었습니다.

• 우선 순위: 높음

  • 이유: 현장 작업의 효율성과 안전성을 직접적으로 향상시키는 핵심 요소입니다. 실시간 모니터링을 통해 작업자의 안전을 보장하고, 작업 진행 상황을 실시간으로 파악하여 빠른 의사결정을 내릴 수 있어 우선순위가 높습니다.

• 설명: 현장 작업을 실시간으로 모니터링하고 지원하는 AI 기술을 활용하여 작업의 효율성과 안전성을 높일 수 있습니다. IoT 센서와 컴퓨터 비전을 통해 현장의 상황을 실시간으로 파악하고, 데이터를 분석하여 작업을 최적화합니다.

 

2. 원가 (손익)

• 난이도: 중간

  • 이유: 원가 분석 및 손익 관리는 다양한 변수를 고려해야 하므로 복잡한 모델이 필요합니다. 하지만 데이터가 정형화되어 있고, 기존의 재무 모델과 결합하기 쉬워 난이도가 중간으로 설정되었습니다.

• 우선 순위: 높음

  • 이유: 원가 관리는 프로젝트의 경제적 성공 여부를 결정짓는 중요한 요소입니다. 따라서 비용 예측 및 관리의 정확성을 높이는 것이 중요하여 우선순위가 높습니다.

• 설명: 현장에서 가장 중요하다고 판단 된 원가 분석 및 손익 관리는 AI를 활용하여 정확한 비용 예측과 손익 분석을 제공합니다. 이를 통해 프로젝트의 경제적 효율성을 높이고, 예산을 효과적으로 관리할 수 있습니다.

 

3. 노무

• 난이도: 중간

  • 이유: 인력 관리 및 스케줄 최적화는 다양한 스케줄링 알고리즘과 머신러닝 모델을 필요로 합니다. 스케줄링 문제는 복잡하지만, AI 기술의 발전으로 많은 알고리즘이 개발되어 난이도가 중간으로 설정되었습니다.

• 우선 순위: 높음

  • 이유: 인력 관리의 효율성은 프로젝트의 생산성에 직접적인 영향을 미칩니다. 최적화된 인력 배치와 스케줄링은 작업 효율성을 크게 향상시키므로 우선순위가 높습니다.

• 설명: 인력 관리 및 스케줄 최적화는 AI를 통해 작업자 배치를 최적화하고, 인력 사용의 효율성을 극대화합니다. AI 기반 스케줄링 알고리즘을 통해 작업 일정을 자동으로 생성하고 조정합니다.

(이론상 노무 관리는 중간 난이도 설정하였지만, #tvn, #감사합니다 드라마에서 확인할 수 있듯이 현장 인력의 눈으로 봤을 때 탁상공론으로 보여질 수 있습니다. 모든 경우의 수를 고려하여 완벽한 모델을 구현한다고 해도 현장의 돌발상황을 긴급하게 대처할 수 있는 의사소통이 추가로 필요합니다.)

 

4. 공정 관리

• 난이도: 높음

  • 이유: 공정 관리 시스템은 실시간 데이터를 수집하고 분석하여 예측 모델을 구축해야 합니다. 이 과정은 복잡하고, 고도의 기술적 역량이 필요하며, 다양한 변수와 데이터 소스를 통합해야 하므로 난이도가 높습니다.

• 우선 순위: 높음

  • 이유: 공정 관리의 정확성은 프로젝트의 성공에 결정적입니다. 실시간 모니터링과 예측을 통해 프로젝트 지연을 방지하고, 품질을 유지할 수 있어 우선순위가 높습니다.

• 설명: 공정의 실시간 모니터링 및 예측은 AI를 통해 공정 진행 상황을 실시간으로 모니터링하고, 문제를 사전에 예측하여 대응할 수 있습니다. 이는 프로젝트의 지연을 방지하고, 품질을 보장하는 데 중요한 역할을 합니다.

 

5. 장비

• 난이도: 중간

  • 이유: 장비 관리 및 유지보수는 장비의 사용 패턴 분석과 예측 유지보수 모델을 필요로 합니다. 이는 비교적 잘 정립된 문제로, 많은 예측 유지보수 모델이 존재하여 난이도가 중간으로 설정되었습니다.

• 우선 순위: 중간

  • 이유: 장비의 효율적 관리와 유지보수는 비용 절감과 프로젝트의 원활한 진행에 중요합니다. 그러나 긴급성이나 다른 작업에 비해 중요도가 약간 낮아 중간으로 설정되었습니다.

• 설명: 장비 사용의 최적화 및 유지보수 관리는 AI를 통해 장비의 사용 패턴을 분석하고, 유지보수 시기를 예측하여 장비 가동률을 극대화할 수 있습니다.

(기술 구현에 있어 전폭적인 지원만 있다면 가장 쉽게 구현할 수 있다고 판단하지만, 중장비의 경우 독점 시장, 기사님들의 협력 없이는 의미가 없는 시스템이 될 것입니다. 이론상 교육을 통해 문제를 해결할 수 있다고 학습하지만 쉬운 길은 아닙니다. 그럼에도 시장은 남아있다 판단됩니다.)

 

6. 외주 (현장)

• 난이도: 중간

  • 이유: 외주 작업의 관리 및 품질 관리는 다양한 데이터 소스를 분석하고, 품질을 예측하는 모델을 필요로 합니다. 이는 기존의 품질 관리 모델과 결합할 수 있어 난이도가 중간으로 설정되었습니다.

• 우선 순위: 중간

  • 이유: 외주 작업의 품질과 효율성은 프로젝트의 전반적인 품질에 영향을 미칩니다. 그러나 현장 작업에 비해 긴급성이 낮아 우선순위가 중간으로 설정되었습니다.

• 설명: 외주 작업 관리 및 품질 관리는 AI를 통해 외주 작업의 품질을 분석하고, 관리할 수 있습니다. 이를 통해 외주 작업의 효율성과 품질을 높일 수 있습니다.

(외주 관리라 작성하였지만, 실상은 품질 관리입니다. 외주 작업 관리 정말 중요합니다. 하지만 외주 작업 특성상 근로자가 자주 변경됨에 일정한 품질을 유지할 수 없습니다. 생각했던 모델은 특정 업체 지속적 평가를 통해 외주 발주를 생각했지만, 과연 동일한 품질이 지속적으로 나올지 의문입니다.)

 

7. RISK 관리

• 난이도: 높음

  • 이유: 위험성 평가 및 재난 안전 관리는 다양한 위험 요소를 분석하고 예측 모델을 구축해야 합니다. 이는 복잡한 문제로, 고도의 기술적 역량이 필요하며, 다양한 변수와 데이터 소스를 통합해야 하므로 난이도가 높습니다.

• 우선 순위: 높음

  • 이유: 안전 관리와 위험성 평가는 작업자의 안전과 직결되므로 매우 중요합니다. 따라서 우선순위가 높습니다.

• 설명: 위험성 평가 및 재난 안전 관리는 AI를 통해 현장의 위험 요소를 분석하고, 재난을 예측하여 대응할 수 있습니다. 이를 통해 안전한 작업 환경을 유지할 수 있습니다.

현장에서 발생할 수 있는 RISK는 매우 다양하지만, 안전 관리가 가장 우선되어야 합니다. 인식 개선을 통해 안전 관리에 대한 예산을 충분히 확보해야 하지만, 실제로는 안전 관리에 과도한 비용을 투입하는 것을 선호하지 않는 이해관계자들이 많습니다. AI를 활용한 RISK 관리도 마찬가지입니다. AI를 통해 안전 관리 가능성을 높이고 가시적인 성과를 얻을 수 있겠지만, 그에 따라 비용이 급격하게 증가할 수 있습니다. 따라서 AI를 활용하여 안전 관리를 진행하면서, AI 기술 파트에서 지속적으로 원가 절감을 이루어 나가는 것이 중요합니다.