디지털 전환: AI 어시스턴트를 활용하여 사고 조사 보고서 감사를 자동화하는 방법

사례
17 11월 2026 🇷🇺 원본 언어: русский

투명성의 이면: 수동 사고 조사 검토가 한계에 부딪히는 이유

안전 문화가 성숙해짐에 따라 제조·산업 기업은 필연적으로 중상해 사고만 집계하던 수준을 넘어 미세 부상, 위험 상황, 협력업체 사고까지 기록하게 됩니다. 이러한 투명성은 리스크에 대한 객관적인 시야를 제공하지만 안전보건 부서의 업무 부담을 기하급수적으로 늘립니다. 문서 유입량이 전문가들의 검토 역량을 초과하면서 분석 품질이 저하되는 것입니다. 목재 산업 지주회사 Sveza 소속 안전보건 매니저인 Arina Kuzyukova 연사가 판재 사업부 사례를 바탕으로 분석의 깊이를 유지하면서 초동 조사 감사를 자동화하는 방법을 소개합니다.

자작나무 합판 제조 현장은 20세기 초에 지어진 일부 공장의 오래된 건축물과 최신 설비, 원목 열수 처리 수조, 열압 프레스, 절삭 공구, 빈번한 지게차 이동이 공존하는 환경입니다. 2015년 당시 전사 통계는 연간 약 30~40건 수준의 심각한 사고만 다루었기 때문에 수작업으로도 면밀한 검토와 보완이 가능했습니다. 그러나 2018년에 미세 부상과 아차사고를 집계 대상에 포함하고, 2020년에 협력업체 인력과 관련된 모든 사고까지 범위를 확대하자 수십 건이던 보고서가 수백 건으로 불어나면서 세 가지 구조적 장벽이 드러났습니다.

  • 현장의 피상적인 원인 탐색. 일선 작업반장들은 전문 분석가 수준의 역량을 갖추지 못한 경우가 많아 방법론적 지원이 없으면 결론을 ‘인적 오류’, ‘작업자 부주의’ 또는 ‘관행적인 작업 방식’ 같은 표현으로 단순화하며, 그 결과 근본 원인이 밝혀지지 않은 채 남게 됩니다.
  • 안전보건 전문가의 과도한 업무 시간 소모. 미흡한 초안 반려, 설명을 위한 통화, 반복적인 교정 작업에 안전보건 전문가 업무 시간의 20% 이상이 소모되면서 위험성 평가, 안전 행동 관찰, 현장 작업자와의 소통 같은 실질적인 현장 안전 활동이 밀려났습니다.
  • 형식적인 시정 조치. 모호한 원인 분석은 ‘관리 감독 강화’, ‘교육 심화’, ‘안전 교육 실시’ 같은 상투적 문구와 12월 31일 식의 형식적인 기한만 담긴 실효성 없는 대책으로 이어져 위험원을 제거하지 못하고 재발도 막지 못합니다.

AI 어시스턴트 아키텍처: 사내 챗봇과 다단계 검증 체계

방법론 담당자의 반복 업무를 줄이고 현장 관리자가 보고서 작성 단계부터 도움을 받을 수 있도록 회사는 사내 사고 조사 표준, 5 Whys 기법, SMART 기준을 언어 모델용 시스템 프롬프트와 규칙 체계로 전환했습니다. 이 솔루션은 개인정보와 민감 데이터 유출을 원천 차단하기 위해 사내 보안 망 내부에 구축되었으며, 스마트폰이나 컴퓨터에서 익숙한 사내 챗봇을 통해 바로 접속할 수 있습니다. 어시스턴트 지식 베이스에는 사내 규정과 작업 표준서가 통합되어 있어 작업반장이 별도의 IT 서비스를 찾거나 수동으로 표준 문서를 대조할 필요가 없습니다.

챗봇 내 보고서 작성 및 검토 과정은 순차적인 분석 필터 구조로 설계되었습니다.

  • 5 Whys 기법 기반 분석. 사고 경위를 입력하면 어시스턴트가 작업반장이 제시한 원인 연쇄의 논리적 일관성을 점검하며, 관리자가 처음부터 분석을 시작하기 어려워할 경우 가설을 도출하고 초기 추론 흐름을 세울 수 있도록 돕습니다.
  • 8가지 기준의 논리 필터 검증. 지난 10년간의 사내 운영 경험상 추가 제약 없는 전통적인 5 Whys 방식만으로는 분석 오류가 자주 발생했기 때문에, 챗봇은 표현의 명확성, 인과관계의 타당성, 근거의 충분성, 대안적 요인 고려 여부를 종합적으로 검증합니다.
  • 시정 조치 감사 및 수립 지원. 언어 모델은 제안된 실행 계획을 도출된 근본 원인과 대조하여 재교육 실시나 관리 강화 같은 상투적 지시를 자동으로 차단하고, 최종 보고서를 내보내기 전에 구체적인 공학적·관리적 개선 대책을 제안합니다.

도입 효과, AI 적용 한계 및 향후 디지털화 방향

초동 감사 자동화를 통해 보고서 1건당 검토 및 보완 시간은 며칠에서 몇 분 수준으로 평균 82% 단축되었습니다. 신속한 피드백 덕분에 조사 보고서의 최종 승인이 빨라졌으며, 현장의 역량도 서류 왕복이 아닌 재발 방지를 위한 공학적·시스템적 방어벽 구축에 집중될 수 있었습니다. 동시에 이번 발표에서는 기술의 한계선도 명확히 짚습니다. 신경망 모델은 논리 훈련 도구이자 교정 보조자일 뿐 최종 승인 주체가 아니며, 이해관계가 얽힌 부서장의 사실 은폐까지 스스로 적발해 낼 수는 없습니다.

Sveza 내부에서는 데이터 신뢰성 문제를 조직적 장치와 안전 문화 발전으로 해결하고 있습니다. 조사 위원회에 전문 방법론 담당자, 지주사 전문가, 그룹 내 타 사업장의 독립 전문가를 참여시키고, 반복 발생 사고는 매 건 개별 조사하되 구조적 결함은 사업장 또는 사업부 단위의 표적 개선 프로젝트로 묶어 해결합니다. 또한 AI 도구 자체의 고도화를 위해 목격자 면담 시나리오 생성, 현장 작업자가 이해하기 쉬운 언어로 작성된 안전 포스터 및 5분 안전 조회 자료 자동 발행 기능을 챗봇에 확대 적용하고 있으며, 위험성 평가용 어시스턴트 개발과 더불어 리더십 안전 감사, 안전 교육 진행, 인터뷰 기반 안전 문화 진단을 연습할 수 있는 대화형 시뮬레이터도 테스트하고 있습니다.

이번 발표에서 얻을 수 있는 인사이트

  • 기밀 데이터 유출 위험 없이 상용 언어 모델을 활용하는 경우를 포함하여, 사내 사고 조사 표준과 5 Whys 기법을 시스템 프롬프트로 이식하는 방법은 무엇인가?
  • ‘작업자 부주의’라는 피상적 결론을 걸러내기 위해 어떤 논리적 기준으로 인과관계를 검증해야 하는가?
  • 모호한 시정 조치를 자동으로 필터링하고 일선 작업반장이 공학적·기술적 해결책을 수립하도록 유도하는 설정 방법은 무엇인가?
  • 인공지능 알고리즘만으로는 해결할 수 없는 현장 관리자의 이해충돌 문제를 어떤 조직적 메커니즘으로 보완할 수 있는가?
  • 5분 안전 조회 자료 준비, 위험성 평가, 관리자 교육용 대화형 시뮬레이터 영역까지 AI 어시스턴트 활용 사례를 확장하는 방법은 무엇인가?
Pro 및 VIP 회원 전용
예산, 일정, 팀 및 도구가 포함된 구조화된 요약.
플랜 선택

600+ 사례와 실천

산업 안전 모범 사례 전체 라이브러리를 살펴보세요

라이브러리로 이동
더 나은 경험을 위해 쿠키를 사용합니다 · 쿠키 고지

리더에 합류하세요

14,000+ 전문가 · 128+ 국가

1
연락처
2
프로필

회원가입

본인 소개

필수 항목
필수 항목
유효한 이메일을 입력하세요
잘못된 번호

회원가입

직업 정보

필수 항목
필수 항목
필수 항목

뉴스레터 수신에 동의해 주세요. 플랫폼 경험이 크게 향상됩니다.

가입 완료

로그인 정보를 이메일로 보냈습니다. 받은 비밀번호로 로그인하세요.

이메일을 받지 못했나요?
스팸 폴더를 확인하세요
계정이 있으신가요? 로그인 · 비밀번호를 잊으셨나요?

환영합니다!

성공적으로 로그인했습니다.

계정이 없으신가요? 가입 · 비밀번호를 잊으셨나요?

비밀번호 복구

복구할 이메일을 입력하세요

유효한 이메일을 입력하세요

링크 전송됨

비밀번호 재설정 링크를 이메일로 보냈습니다. 링크는 1시간 동안 유효합니다.

이메일을 받지 못했나요?
스팸 폴더를 확인하세요
비밀번호가 기억나셨나요? 로그인 · 가입