전문가의 미래 조력자로서의 인공지능

오늘날 인공지능(AI)은 가장 인기 있는 과학 연구 분야 중 하나입니다. 지난 10년 동안 이 분야에 대한 투자는 꾸준히 증가해 왔으며, 2021년에는 민간 투자자들로부터 약 1,254억 달러라는 기록적인 투자가 이루어졌습니다. 2022-2023년의 AI 분야 민간 투자 규모는 2013년 대비 18배나 증가했습니다. 이러한 기술은 군사 분야부터 레스토랑 비즈니스에 이르기까지 많은 분야에서 활발하게 사용되고 있습니다.

연구 결과에 따르면, 2022년 인공지능 기술을 사용하는 기업의 비율은 2017년 대비 두 배 이상 증가했습니다. 러시아 기업들도 이 분야의 세계적인 트렌드를 적극적으로 따르며 뒤처지지 않고 있습니다. 2022년 러시아 인공지능 시장 규모는 전년 대비 17.3% 증가한 6,470억 루블을 기록했습니다. 러시아 IT 기업들의 많은 개발 성과가 국내 산업 현장에서 활용되고 있습니다. 2022년 기준 러시아 기업의 약 17%가 이미 인공지능을 사용 중이거나 도입하고 있으며, 이들 대부분은 대기업입니다.

전 세계 작업장 안전 솔루션 시장은 향후 몇 년간 성장할 것으로 전망됩니다. 2022년 약 142억 달러였던 시장 규모는 2027년까지 267억 달러로 성장할 것으로 예상됩니다. 시장은 2022년부터 2027년까지 연평균 13.5%의 성장률을 보일 것입니다.

안전한 노동에 대한 사회적 요구와 대다수 기업의 지속적인 내부 비용 최적화로 인해, HSE 요구 사항 준수를 자동화된 방식으로 제어하는 IT 솔루션이 전 세계적으로 인기를 얻고 있습니다. 또한 비디오 분석을 기반으로 한 제품 및 서비스의 품질 관리 시스템도 주목받고 있습니다. 현재 산업 및 제조 분야에서 디지털 발전의 주요 방향은 컴퓨터 비전과 머신러닝을 활용한 HSE 위반 사항 탐지 통합 솔루션의 도입과 잠재적 문제 예방 방법의 개발입니다.

컴퓨터 비전과 머신러닝을 포함하여 현재 HSE 분야에서 사용 가능한 인공지능 기술의 작동 원리를 설명할 때, 적용 시점에 따라 구분하는 것이 편리합니다. 사건 및 사고와 관련하여 이러한 시간대는 세 가지로 나뉩니다.

• 예측(Forecasting) – 유사한 사례의 방대한 과거 데이터를 분석하여 사고 발생 가능성을 예측하는 예측 분석 모델을 사용합니다.

이러한 모델이 성공적으로 작동하려면 작업장 정보(작업 유형, 장비, 작업 조건 등), 근로자 정보(연령, 경력, 건강 상태 등) 및 사고 자체에 대한 정보(유형, 심각도, 원인 등)를 포함한 과거 사고 데이터를 수집해야 합니다. 장기간에 걸쳐 수집된 이 데이터를 통해 다양한 요인 간의 패턴과 상관관계를 분석하는 모델이 만들어집니다. 예를 들어, 특정 작업 유형이 가장 위험하다거나, 특정 연령대 및 특정 건강 문제를 가진 근로자가 사고를 당하기 쉽다는 것을 모델이 보여줄 수 있습니다.

• 실시간 분석(Real-time Analytics) – 최신 데이터를 확보하여 신속한 의사결정을 내립니다.

이 기술의 예로 근로자가 필요한 보호구를 착용하지 않았음을 인식하고 미리 준비된 통신 및 알림 채널을 통해 신호를 보내는 인공지능을 들 수 있습니다. 이러한 시스템은 현재 인공지능 알고리즘에 설정된 위반 사항의 95~98%를 감지하고 기록할 수 있습니다. 또한 기술에 대한 이해를 돕기 위해 위험 구역 내 인원 상주 알림 시스템 도입 프로젝트 사례를 살펴볼 수 있습니다.

• 사후 분석 및 원인 규명(Post-analytics and Root Cause Search) – 과거의 경험을 평가할 때 반복되는 원인의 패턴이나 명확하지 않은 상관관계를 찾아야 합니다.

예를 들어, 한 공장에서 높은 곳에서 물체가 떨어지는 사고가 빈번하게 발생할 수 있습니다. 사고 데이터를 수집 및 분석하고 모델을 학습시킨 결과, 모든 사고가 점심시간이라는 동일한 시간대에 발생한다는 사실을 발견할 수 있습니다. 이는 근로자들이 휴식을 취하러 가면서 작업장 상황을 통제하지 못하기 때문일 수 있습니다. 모델이 제시하는 상황은 명시적일 수도 있고 암시적일 수도 있어, 오래된 문제에 대해 새로운 시각을 제공합니다.

인공지능은 산업 및 제조 분야에서 엄청난 활용 잠재력을 가지고 있습니다. 우리는 이미 대기업에서 이러한 기술을 사용한 결과를 목격하고 있습니다. 산업 및 제조 분야는 이제 막 본격적인 디지털화의 길에 들어섰으며, 새로운 기술을 먼저 도입하는 기업이 경쟁에서 승리할 것입니다. 컴퓨터 비전과 머신러닝 기반 솔루션 도입 비용이 비싸 보일 수 있지만, 이는 비즈니스 발전을 위한 장기적인 투자입니다. 이러한 시스템은 고가 장비의 수리비를 절감하고 가동 중단 시간을 최소화할 뿐만 아니라, 근로자 부상을 줄이기 위한 새로운 방법론으로의 전환을 가능하게 하기 때문입니다.

한편으로는 이러한 분야가 HSE 전문가들이 이해하기에 너무 복잡하고 심지어 과도해 보일 수도 있습니다. 하지만 이러한 진보적인 수단과 방법의 보편적인 도입과 모델 작성 및 준비의 간소화는 필연적으로 기업 내부의 변화 요구로 이어질 것입니다. 따라서 현대의 HSE 전문가는 복잡한 문제를 해결할 때 IT 기업 전문가 및 사내 IT 부서와 같은 언어로 대화할 수 있도록 지금부터 관련 역량을 강화해야 한다고 생각합니다.