급격한 기술 변화의 시대에 HSE는 전통적인 교육 및 감독의 범위를 넘어서고 있습니다. 디지털 기술과 인공지능의 적용은 안전에 대한 접근 방식을 통제 및 보고에서 예측, 예방 및 체계적인 관리로 점진적으로 변화시키고 있습니다.
이 글에서는 챗 모델 및 로우코드(low-code) 플랫폼과 같은 기술이 HSE 부서의 실무에 어떻게 도입되고 있는지, 어떠한 기회를 제공하는지, 그리고 성공적인 도입의 핵심이 전문가를 대체하는 것이 아니라 그들의 역할을 강화하는 데 있는 이유를 논의하겠습니다.
전통적으로 HSE 전문가들은 업무 시간의 최대 60%를 문서 작성, 보고서 작성 및 기록 관리에 할애해야 했습니다. 하지만 오늘날 상황은 변하고 있습니다. 방대한 데이터를 수집하고 분석할 수 있는 시스템을 활용함으로써, 단순히 위반 사항과 사고를 기록하는 것을 넘어 발생 가능성을 예측하고 사전에 조치를 취하는 새로운 패러다임을 열 수 있습니다.
예를 들어, 연구에 따르면 디지털화 및 AI 솔루션은 프로세스 자동화, 아날로그 프로세스의 디지털 전환, 데이터 수집 및 분석 시스템 도입을 포함하는 HSE 발전의 자연스러운 단계가 되고 있습니다.
결과적으로 HSE 부서는 단순한 보고 부서에서 리스크를 관리하고 산업재해를 줄이는 비즈니스의 전략적 파트너로 탈바꿈할 수 있는 새로운 기회를 얻게 됩니다.
챗 모델(예: ChatGPT) 및 코딩 없이 애플리케이션을 개발할 수 있는 로우코드 플랫폼의 도입은 HSE 전문가에게 새로운 도구를 제공합니다. 이러한 도구는 전문가를 대체하는 것이 아니라 그들의 역량을 확장합니다.
전문가는 챗 모델에 다음과 같이 작업을 지시할 수 있습니다. "최근 5년간의 산업재해 데이터를 분석하고 5가지 주요 위험 요인을 제안해 줘"
챗 모델은 시나리오, 템플릿, 보고서, 프롬프트의 초안을 생성합니다.
로우코드 플랫폼(최소한의 코딩 또는 프로그래밍 없이)에서 지표 시각화, 모니터링, 예방 작업 등을 포함하는 프로토타입 대시보드를 구축합니다.
도출된 솔루션을 테스트하고 개선하여 도입합니다. 이 과정에서 전문가는 단순한 문서 관리자가 아닌 코치이자 코디네이터로 남게 됩니다.
이러한 접근 방식은 솔루션 개발 속도를 높이고 반복적인 업무에 대한 부담을 줄여줍니다. HSE 분야의 AI 솔루션은 잠재적인 위험을 포착하고 인적 오류를 줄이며 부서의 업무 효율성을 향상시킵니다.
디지털 솔루션으로의 전환은 종종 HSE 부서에 전담 개발자가 없고 대규모 IT 프로젝트에 투자하기를 꺼린다는 점에서 어려움을 겪습니다. 이때 로우코드/노코드 플랫폼이 도움이 됩니다.
HSE 전문가가 챗 모델을 활용하여 작업을 지시하고 애플리케이션이나 대시보드의 구조 초안을 얻습니다.
플랫폼(예: Replit, Bolt, Glide, Bubble)에서 데이터 업로드, 필터, 시각화 기능을 갖춘 프로토타입을 구축합니다.
실제 사례와 데이터를 바탕으로 테스트를 진행하고 추가적인 수정을 거칩니다.
독립적인 애플리케이션으로 도입하거나 회사의 내부 서버로 이전하여 적용합니다.
장점: 빠른 실행, 비용 절감, IT 부서에 전적으로 의존하지 않고 HSE 부서가 솔루션 구축에 참여할 수 있는 기회 제공, 인터페이스 시각화를 통한 명확하고 투명한 요구사항 정의서 작성 가능.
AI 프로젝트 도입 결과, 이미 다음과 같은 긍정적인 효과가 나타나고 있습니다.
수작업 감소: 데이터 입력, 보고서, 스프레드시트 작성에 소요되는 시간 단축
새로운 리스크에 대한 대응 속도 향상
직원 참여도 증가 — 대화형 대시보드를 확인하고 권장 사항을 제공받을 때, 직원들은 프로세스에 참여하고 있다고 느낌
새로운 도구 개발 기간 단축: 아이디어 구상부터 MVP 출시까지의 시간 감소
자원 절약: 외부 계약업체에 대한 의존도 감소, 부서의 자율성 증대
그러나 기술 도입의 현실이 항상 장밋빛인 것은 아닙니다. 다음은 몇 가지 주요 과제입니다.
규제 및 법적 프레임워크 — 예를 들어, HSE 분야에 AI 및 로봇 공학을 적용하려면 적절한 법적 지원이 필요합니다.
과로의 위험 — 연구에 따르면 AI 도입으로 기술이 생산성을 높이더라도 고용주가 업무량을 늘릴 수 있어 근무 시간이 오히려 길어지는 경우가 있습니다.
전문가 양성 — 데이터 처리 기술, 프롬프트 엔지니어링, 알고리즘에 대한 이해가 필요하며, HSE 전문가는 지속적으로 발전해야 합니다.
데이터 품질 및 인프라 — 시스템에는 신뢰할 수 있는 입력 데이터와 올바른 아키텍처가 필요합니다. 이것이 없으면 효과는 미미할 수 있습니다.
안전 문화 — 기술이 문화를 대체할 수는 없습니다. 직원들이 참여하지 않고 목표를 이해하지 못한다면 결과는 저조할 것입니다.
앞으로는 단순한 개별 애플리케이션을 넘어 AI 및 디지털 서비스를 기반으로 구축된 전체 HSE 생태계가 펼쳐질 것입니다. 여기에는 다음이 포함될 수 있습니다.
질문에 답하고 템플릿이나 시나리오를 생성할 준비가 된 HSE 전문가용 챗봇 어시스턴트
규제 문서 및 기업 요구 사항을 자동으로 업로드하고, 다양한 부서를 위한 '가이드북'을 생성할 수 있는 모듈
다양한 출처(사고, 의료 데이터, 교육, 출장)에서 데이터를 수집하고 위험 구역을 예측하는 대화형 대시보드
아카이브 분석: 단순한 데이터 저장이 아닌 동향 파악, 사고 예측, 조기 경보 제공
직원용 모바일 애플리케이션: 위험 알림, 지침, 데이터 업로드, 교육 참여
오늘날 HSE 부서는 새로운 시대의 문턱에 서 있습니다. 기술의 도입이 역할, 접근 방식 및 안전 문화의 변화를 수반한다면, 우리는 산업재해 감소, 사고 건수 감소, 근로 조건 개선이라는 눈에 띄는 변화를 보게 될 것입니다. 그러나 기술은 사람을 대체하는 것이 아니라 사람을 강화한다는 점을 기억하는 것이 중요합니다. 그리고 성공 여부는 부서가 단순한 지원 부서를 넘어 디지털 파트너가 될 준비가 얼마나 되어 있는지에 달려 있습니다.
📌 실행 권장 사항:
소규모 파일럿 프로젝트로 시작하세요 — 단일 분야(예: 고위험 작업 유형)에 대한 챗 모델과 로우코드 애플리케이션을 결합해 보십시오.
HSE 전문가에게 챗 모델에 작업 지시하기, 데이터 처리, 프로토타입 관리 등 기본 기술을 교육하세요.
새로운 솔루션이 단순한 장난감으로 전락하지 않도록 기존 프로세스와 통합하세요.
결과를 모니터링하세요: 보고서 작성 시간, 사고 건수, 직원 참여도
안전 문화를 유지하세요: 안전 문화가 없다면 기술은 그저 보기 좋은 인터페이스에 불과할 것입니다.
Timofeeva S. S. "HSE 분야의 디지털화 및 인공지능". 저널 "21세기. 기술권 안전", 2024년 제9권 3호. 280-295쪽. journals.istu.edu+1
Kirill Leonidovich Tomashevsky, Dinara Ilyasovna Kiyamova. "HSE 분야에서 인공지능 및 관련 로봇 공학의 적용". 저널 "러시아 및 해외 노동법", 2025년 1호. 출판 그룹 YURIST
ISTC "CIS" 블로그: 러시아 HSE 분야의 신경망 및 업무 최적화. 2025년 8월 6일. sngrf.ru
기사 "인공지능이 HSE에 어떻게 도움이 되는가". "Komsomolskaya Pravda", 2025년 4월 29일. samara.kp.ru