OnsiteIQ는 Ultralytics YOLO11을 기반으로 하는 건설 인텔리전스 플랫폼을 구축했습니다. 이 플랫폼은 360도 현장 전반에서 segmentation 모델을 실행하여 건설 진행 상황, 안전 위험 및 운영 문제를 실시간으로 감지하고 프로젝트 지연을 20% 단축합니다.
건설 업계에서 정보 격차는 큰 비용으로 이어집니다. 프로젝트가 일정에 뒤처지면 원인을 파악하고, 책임 소재를 정하며, 발주자·개발자·하도급업체 간 해결책에 합의하는 데 몇 주가 걸릴 수 있습니다. 그동안 지연은 누적되고 예산은 줄어들며 수익은 손실됩니다. 두 달 지연된 호텔의 경우 이러한 격차는 당초 예상한 투자 수익의 상당 부분에 해당할 수 있습니다.
핵심 문제는 가시성입니다. 건설 프로젝트에서는 대규모의 복잡한 현장에서 수십 개의 공종이 동시에 작업합니다. 언제 누가 무엇을 완료했는지 신뢰할 수 있는 연속 기록이 없으면 분쟁을 신속하게 해결하기 어렵고 진행 상황을 정확하게 예측하기도 어렵습니다.
OnsiteIQ는 이러한 격차를 해소하기 위해 구축되었습니다. 프로젝트에 따라 매주, 격주 또는 매일 정기적으로 360도 카메라를 사용해 현장 전체를 100% 촬영하며, 운영 중인 건설 현장에 촬영 전문가 네트워크를 배치합니다.
그런 다음 해당 영상은 위치 정보가 포함된 이미지로 변환되고, 독점 AI 파이프라인을 통해 처리되어 건설 진행 상황을 감지하고 안전 위험을 표시하며 운영 인사이트를 도출합니다. 이 모든 기능은 Ultralytics YOLO11을 기반으로 합니다.
모든 건설 현장에 건설 인텔리전스 제공#
OnsiteIQ는 부동산 소유자와 개발자에게 건설 인텔리전스를 제공합니다. 현재까지 미국과 캐나다의 200개 이상의 도시에서 3,000개가 넘는 프로젝트를 모니터링했으며, 340억 달러 이상의 신규 개발 프로젝트를 대상으로 했습니다. 이 플랫폼을 사용하면 프로젝트 팀이 현장에 직접 가지 않고도 현장에서 일어나는 일을 거의 실시간으로 파악할 수 있습니다. 100만 제곱피트 규모의 개발 프로젝트를 관리하는 팀은 하루 근무 시간 안에 현장 전체를 검토하고, 층별·공종별·구역별 진행 상황에 대한 AI 생성 인사이트를 확인할 수 있습니다.
이 플랫폼은 투입된 자본이 정해진 일정과 예산에 맞춰 의도한 결과로 이어지도록 한다는 명확한 가치 제안을 중심으로 설계되었습니다. 건설 지연은 직접적인 재정적 영향을 미칩니다. 호텔이 두 달 늦게 완공되면 해당 기간의 객실 수익 손실이 프로젝트의 투자 수익을 직접 잠식합니다. OnsiteIQ는 프로젝트 팀이 공정 순서 문제를 조기에 발견할 수 있도록 가시성을 제공합니다. 예를 들어, 건식벽체 마감이 일정보다 앞서 진행되고 있음을 파악하고 전기 및 배관 공종에 보조를 맞추도록 알림을 보내 더 큰 지연이 발생하기 전에 문제에 대응할 수 있습니다.
진행 상황 추적 외에도 이 플랫폼은 안전 및 위험 모니터링을 지원합니다. 소화기, 화재 경보기, 누수 및 기타 현장 상태를 감지하여 프로젝트 팀에 추가적인 감독 기능을 제공합니다. 이러한 감독은 그렇지 않으면 현장에 직접 나가 별도의 점검을 수행해야 합니다.
변화하는 건설 현장의 진행 상황을 추적하는 과제#
건설 현장은 역동적인 환경입니다. 같은 공간도 프로젝트의 각 단계마다 완전히 다르게 보입니다. 굴착과 골조 공사부터 기계·전기·배관 rough-in, 건식벽체, 완성된 내부 마감에 이르기까지 그 모습이 계속 변합니다. 완료된 작업과 미완료 작업을 추적하려면 이러한 모든 단계를 동시에 아우르며 현장의 시각적 상태를 이해할 수 있는 시스템이 필요합니다.
현장 순회, 진행 보고서, 사진 제출과 같은 수동 방식은 노동 집약적이고 일관성이 떨어지며, 규모가 크거나 복잡한 프로젝트 전반으로 확장하기 어려운 경우가 많습니다.
OnsiteIQ가 해결해야 했던 과제는 현장, 조명, 공사 단계에 따라 조건이 크게 달라지는 상황에서 프로젝트당 수십만 장의 이미지에 포함된 건설 특화 클래스를 정확하게 식별할 수 있는 detection 시스템을 구축하는 것이었습니다. 이 시스템은 대량의 이미지를 백그라운드에서 처리할 만큼 빠르고, 재무 및 운영 의사결정을 지원할 만큼 정확하며, 감지 가능한 클래스에 대한 회사의 ontology가 계속 확장됨에 따라 유연하게 확장될 수 있어야 했습니다.
OnsiteIQ의 Ultralytics YOLO11 활용 방식#
OnsiteIQ의 AI 파이프라인은 현장에서 촬영된 모든 이미지에 실행되는 Ultralytics YOLO11 segmentation을 중심으로 구축되었습니다. 이 시스템은 OnsiteIQ가 구축하고 유지 관리하는 건설 클래스의 구조화된 지식 시스템인 독점 ontology를 모델 학습 및 detection의 기반으로 사용합니다. Principal Product Manager인 Rammohan Adabala의 설명에 따르면 ontology가 detection을 의사결정에 활용할 수 있는 수준으로 만드는 핵심입니다. 클래스가 객체뿐 아니라 상태에 따라 정의되므로 시스템은 설치된 건식벽체와 테이핑 또는 페인팅이 완료된 건식벽체를 구분합니다. 이러한 구분을 통해 이미지 수준의 detection을 소유자가 실행에 옮길 수 있는 진행 상황으로 집계할 수 있습니다.
파이프라인은 두 단계로 작동합니다:
• 이미지 수준 detection. 현장에서 촬영된 모든 360도 이미지는 YOLO11 segmentation 모델을 통해 처리되며, 이미지에 존재하는 건설 요소를 감지하고 분류합니다. ontology는 모든 건설 단계에 걸쳐 다양한 클래스를 포함합니다. 노출된 콘크리트 골조와 MEP rough-in부터 도장되지 않은 건식벽체, 마감 표면 및 설치된 가전제품까지 포함합니다. 예를 들어 냉장고나 오븐을 감지하면 시스템은 주거 시설 또는 숙박 시설이 마감 단계에 도달했음을 파악합니다.
• 인사이트로 집계. 개별 이미지 detection은 프로젝트의 전체 데이터셋에서 집계되어 층별 및 공종별 진행 지표를 생성합니다. 이러한 지표는 플랫폼의 진행 상황 추적, 일정 분석, 위험 분석 및 안전 대시보드에 반영되며, 소유자·개발자·프로젝트 관리자에게 직접 제공됩니다.
Segmentation을 사용하면 OnsiteIQ는 bounding-box detection만 사용하는 경우보다 더 풍부한 공간 정보를 얻을 수 있습니다. 회사의 ontology가 확장됨에 따라 OnsiteIQ는 segmentation 모델과 classifier를 결합하는 ensemble 아키텍처도 개발하고 있습니다. 이를 통해 단일 모델을 사용하는 것보다 증가하는 클래스 집합 전반에서 시스템의 정확도를 더욱 효율적으로 향상할 수 있습니다.
그림 1. Ultralytics YOLO11을 활용한 OnsiteIQ 플랫폼의 작동 모습입니다.
Ultralytics YOLO11을 선택한 이유#
OnsiteIQ는 detection 정확도, 학습 유연성, 자체 독점 데이터셋을 쉽게 구축하고 반복 개선할 수 있는 편의성을 고려하여 Ultralytics YOLO11을 선택했습니다. Principal Engineer인 Evgeny Nuger에 따르면, 신속하게 시작하여 데이터셋을 구축하고 trainer를 실행하며 결과를 반복 개선할 수 있는 기능은 처음부터 맞춤형 인프라를 구축하는 것보다 상당히 빨랐으며, 팀이 Ultralytics로 전환한 주요 이유 중 하나였습니다.
OnsiteIQ의 학습 데이터는 독점 데이터이며 운영 중인 현장에서 직접 촬영하고 회사 자체 ontology에 따라 라벨링하므로, 팀은 Ultralytics Python package를 사용해 학습을 실행하고 모델을 최신 상태로 유지하면서 AWS에서 자체 인프라를 관리합니다. 이 접근 방식은 YOLO 모델 제품군의 성능과 안정성을 활용하는 동시에 OnsiteIQ가 데이터에 대한 완전한 통제권을 유지하도록 합니다.
OnsiteIQ의 사용 사례가 발전함에 따라 YOLO 아키텍처의 유연성도 중요한 역할을 했습니다. 단일 segmentation 모델로 시작한 팀은 이제 ontology가 확장됨에 따라 ensemble 접근 방식으로 발전하고 있습니다. 이는 기본 파이프라인을 근본적으로 변경하지 않고도 YOLO 프레임워크가 지원하는 자연스러운 발전 과정입니다.
대규모 건설 인텔리전스의 영향#
OnsiteIQ는 플랫폼 도입에 따른 운영 개선 효과를 정량화하기 위해 고객과 함께 영향 연구를 수행했습니다. 이러한 연구에서 몇 가지 일관된 지표가 도출되었습니다.
• 분쟁 해결 속도 3배 향상. 사용자의 81%가 분쟁 해결 속도가 빨라졌다고 응답했으며, 해결까지 걸리는 시간이 평균 3배 단축되고 프로젝트 단계와 복잡성에 따라 최대 7배 빨라진 사례도 있었습니다. 현장 모든 구역을 지속적으로 위치 정보와 함께 기록한 시각 자료가 있으므로 이해관계자는 문제가 언제 어디서 발생했는지 신속하게 파악할 수 있으며, 공종 간 반복적인 소통에 소요되는 시간을 줄일 수 있습니다.
• 비용 초과 25,000400,000달러 절감. 고객들은 공정 순서 문제와 위험이 확대되기 전에 발견하여 프로젝트당 25,000400,000달러의 비용 초과를 방지했다고 보고했습니다.
• 프로젝트 지연 20% 감소. 대부분의 건설 프로젝트가 예정보다 늦게 완료되는 상황에서 지연이 20% 감소하면 납기 예측 가능성과 수익 실현이 크게 개선됩니다.
• 납기 예측 가능성 24% 향상. 사용자의 78%가 프로젝트 납기 예측 가능성이 개선되었다고 응답했으며, 평균 24% 향상되었습니다. 이를 통해 소유자와 개발자는 재무 계획 및 이해관계자 보고를 위한 더욱 신뢰할 수 있는 기반을 확보할 수 있습니다.
전반적으로 이 플랫폼은 장기적인 자산 기록의 역할도 합니다. 건설이 완료된 후 시설 관리자는 OnsiteIQ의 이미지를 활용하여 벽 뒤에 있는 구조를 파악하고, 배관 위치를 확인하거나, 추측이나 건물을 훼손하는 탐색 작업 없이 건물 문제를 조사할 수 있습니다.
전체 프로젝트 수명 주기에 걸친 지속적인 가시성#
OnsiteIQ는 건설 업계의 근본적인 정보 문제를 해결하고 있습니다. 대규모 프로젝트에는 상당한 자본, 여러 공종 간의 복잡한 조정, 지연으로 인한 높은 재무적 위험이 수반됩니다. OnsiteIQ는 360도 촬영과 Ultralytics YOLO11을 기반으로 구축된 AI 파이프라인을 결합하여 프로젝트 팀이 첫 굴착일부터 인계 및 그 이후까지 프로젝트를 계획대로 진행하는 데 필요한 가시성을 제공합니다.
그 결과는 측정 가능합니다. 분쟁 해결 속도는 3배 빨라졌고, 지연은 5분의 1만큼 감소했으며, 프로젝트당 수십만 달러의 비용 초과를 방지했습니다. OnsiteIQ의 ontology가 계속 확장되고 ensemble 모델 아키텍처가 발전함에 따라 Ultralytics YOLO는 모든 현장에 신뢰할 수 있는 지속적 인텔리전스를 제공하도록 구축된 플랫폼의 핵심으로 남아 있습니다.
건설 및 인프라를 위한 vision AI가 궁금하신가요? 프로젝트에 computer vision 솔루션을 도입할 수 있도록 라이선싱 옵션을 확인해 보세요. GitHub repository를 방문하고 커뮤니티에 참여해 보세요.
