AI 위험성평가 앱: 분석 파이프라인을 현장 문서까지 잇다

문제

에너지 분야 공공기관의 전력 설비 현장에서 이뤄지는 위험성평가는 점검자 개인의 경험에 크게 기대고 있었다. 같은 현장을 두고도 무엇을 위험으로 보고 어떤 조치를 남길지가 사람마다 달라, 안전관리 평가의 일관성이 흔들렸다. 판단의 근거가 개인 안에만 있으니 그것이 법령이나 과거 재해 사례와 어떻게 이어지는지도 문서에 잘 드러나지 않았다. 클라이언트는 이 문제를 풀기 위해 기존 위험성평가 앱을 생성형 AI 기반으로 고도화하는 개발을 의뢰했다.

접근

Leeway Studio는 AI를 시연용 기능으로 붙이는 대신, 분석 결과가 흩어진 조각으로 끝나지 않고 현장에서 쓰는 문서까지 이어지도록 연결을 설계했다. 분석은 두 단계로 나눴다. 먼저 Vision 모델이 현장 사진에서 위험요소를 찾아 사진 위에 위치 박스와 신뢰도로 표시한다. 이어 안전 규정 129개 조항을 벡터 검색으로 색인해 두고, 위험요소마다 근거가 되는 조문을 매칭하고 개조식 조치사항을 생성한다. 공종 코드 84종과 10년치 산업재해 378건을 함께 실어 판단이 데이터에 닿게 했고, 사진은 병렬로 처리해 대기 시간을 줄였다.

이 조각들은 점검 → 분석 → 조치 → 보고서 → 이력관리로 이어지는 10단계 점검 흐름 안에 배치된다. AI가 낸 결과는 초안일 뿐, 점검자가 추천·삭제·수정·수기추가로 보정해 확정하면 그대로 공식 서식 PDF 보고서로 이어지고, 보정 이력은 감사 로그로 쌓여 이후 개선의 재료가 된다. 최종 판단은 언제나 사람에게 남겼다.

결과

서버리스 엣지 위에 모바일 우선으로 구축해 설치 없이 현장 브라우저에서 바로 쓸 수 있다. 장갑을 낀 손을 고려해 터치 영역을 44px 이상으로 잡았고, 폼 자동저장과 음영지역 대비 복구 배너처럼 현장 조건을 앱 곳곳에 담았다. 조치사항을 한눈에 읽히도록 개조식으로 바꾼 것도 현장 실증테스트에서 나온 피드백을 산출물 형식에 그대로 반영한 결과다. 데모로 출발한 프로젝트는 운영 배포와 현장 실증테스트까지 이어졌다.