반도체 팹·데이터센터 건설 — 설계변경과 문서가 공기를 잡아먹는 구간

1. 공기가 먼저 고정되는 현장
팹과 데이터센터는 준공일이 아니라 장비 반입일을 기준으로 공정을 역산한다. 반입이 밀리면 장비 대금 지급과 양산 일정이 함께 밀리고, 데이터센터는 입주 고객과 약속한 가동일이 걸린다. 그래서 건축·전기·기계·클린룸 공사가 같은 구간에 겹쳐 들어가고, 후속 공정이 앞 공정의 지연을 흡수할 여유가 없다.
반입 하나를 여는 데 걸리는 문서도 적지 않다. 바닥 하중과 진동 조건 확인, 반입 동선의 간섭 검토, 전력 수전과 접지, 배관 압력시험 성적서, 클린룸 청정도 측정 결과, 소방·인허가 확인. 이 중 하나가 승인 대기에 걸려 있으면 장비는 현장에 도착해도 설치를 시작하지 못한다. 공정표에는 시공이 끝난 것으로 잡히는데 실제로는 서류에서 멈춰 있는 상태가 만들어진다. 대형 변압기처럼 조달 자체가 긴 품목은 데이터센터 건설 슈퍼사이클에서 따로 다뤘다.
2. 자동화 여지 — 현장 작업보다 문서 쪽
맥킨지가 25개 도메인 150개 워크플로를 분석한 결과, 건설의 비물리 업무 중 자동화 가능 비율은 39%였고 설계·엔지니어링 분야는 50%였다. 로봇 시공이나 자동 용접보다 검토·승인·문서 작성 쪽 여지가 크다는 뜻이다. 하이테크 현장은 이 비중이 더 높다. 설계변경 한 건이 도면, 물량, 계약금액, 공정, 시운전 절차를 연쇄로 바꾸는데 팹은 발주처의 공정 요구가 계속 정교해지고 데이터센터는 입주 고객의 사양 변경이 들어온다. 변경을 없앨 방법은 없으니 처리 속도와 추적이 관건이 된다.
3. 설계변경 규모를 예측하는 변수
2026년 7월 공개된 연구가 이 지점을 다뤘다. 공공 건설공사 21건을 대상으로 설계변경 비율을 예측했고 최종 선택된 모델(SVR)의 성적은 R² 0.76이었다. 표본이 21건, 한 나라의 공공공사라 저자들도 신중한 해석을 요구했다. 수치보다 중요한 건 무엇이 예측력을 가졌는가다. 공사비나 공기가 아니라 설계도서 완성도와 RFI 밀도였다.
실무로 옮기면 조건이 분명해진다. RFI 밀도를 세려면 RFI가 건별로 시스템에 남아 있어야 하고, 설계도서 완성도는 도면·시방·물량이 리비전 이력과 함께 관리될 때 지표가 된다. 메일과 개인 엑셀로 처리하면 사후에 셀 방법이 없다. Unifier 같은 PMIS에서 이 부분은 RFI, 설계변경, 자재 승인(Submittal), 검사, 증서를 각각 별도 BP로 두고 상태 전이와 소요일을 기록하는 형태로 구현된다. 구축 단계에서 이 다섯 개를 공정 액티비티와 어떤 코드로 잇느냐가 나중에 지표가 나오느냐 아니냐를 가른다.
4. 계약문서 검토에서 나온 실측치
문서 쪽은 연구 성과가 비교적 구체적이다.
| 과제 | 데이터 | 보고된 성능 |
|---|---|---|
| 계약 리스크 조항 분류 (지불·기한·절차·안전·역할과 책임·정의·참조 7개 범주) | 건설 시방서 56건에서 추출한 조항 2,807개 | 검증 정확도 0.889 / 테스트 F1 0.934 |
| 계약 누락 조항 탐지 | 건설공사 계약서 | 멀티라벨 분류 93%, 유사도 매칭 83% |
사람이 시방서 한 권을 검토하면 며칠이 걸리고 검토자가 바뀌면 결과도 달라진다. 이 영역에서 0.9대 성능이면 1차 스크리닝으로 쓸 만하다. 팹·데이터센터처럼 시방이 두껍고 발주처 특수 조건이 많은 현장일수록 효과가 크다. 다만 분류가 되는 것과 판단이 되는 것은 다르다. 조항을 범주로 나눠 검토자 앞에 놓아주는 데까지가 현재 측정된 범위이고, 그 조항을 수용할지 협의할지는 사람이 정한다.
5. 정리되지 않은 데이터가 만드는 비용
| 조사 | 내용 | 수치 |
|---|---|---|
| Autodesk × FMI (2021, 응답 3,900명 이상) | 전 세계 건설업의 나쁜 데이터 비용. 그중 재작업 유발분은 전체 재작업의 14% | 1조 8,500억 달러 / 886.9억 달러 |
| PlanGrid × FMI (2018, 약 600명) | 미국 재작업 중 부정확·접근 불가·비호환 데이터와 소통 부실이 직접 원인 | 48% (글로벌 52%) |
| Dodge Data (2019, 미국 시공사 187곳) | 매출 2.5억 달러 이상 대형사도 데이터 종류마다 별도 DB를 쓴다고 답한 비율 | 43% |
| KPMG 글로벌 건설 조사 (2026.3, 375명) | 기술 도입 지연 사유 1순위로 스프레드시트와 분절된 일정·조달 도구 의존을 지목. AI를 프로젝트 절반 이상에 적용한 비율 24%, 프로젝트 데이터를 의사결정에 일관 반영 12% | 24% / 12% |
국내 여건은 더 앞 단계다. 대한상공회의소가 제조기업 504개사를 조사한 결과 82.3%가 AI를 경영에 활용하지 않는다고 답했고 대기업 49.2% 대 중소기업 4.2%로 격차가 컸다. 대형 건설사는 방향을 잡았다. 삼성물산은 AWS와 공동 개발한 에이전트로 흩어진 현장 데이터를 통합 분석하는 쪽으로, SK에코플랜트는 AI 기반 EPC를 목표로 조직을 개편했고, GS건설은 전사 데이터 플랫폼에 온톨로지를 얹어 공정·품질·안전·원가를 연결하고 있다. 셋 다 모델보다 데이터를 잇는 층을 먼저 만들었다.
6. 팹·데이터센터 현장에서 먼저 할 세 가지
- RFI를 건별로 시스템에 남긴다 — 등록일, 회신 소요일, 재질의 여부, 관련 도면 번호까지 한 레코드에 묶는다. 이 네 개가 있어야 어느 공구에서 설계 정보가 막히는지 주 단위로 보인다.
- 설계변경 사유코드를 표준화한다 — 발주처 요구, 인허가 조건, 간섭, 자재 대체, 시공 오류 정도로 시작하면 된다. 자유서술만 남기면 같은 원인이 몇 번 반복됐는지 아무도 답하지 못하고, 다음 프로젝트에 반영할 근거도 남지 않는다.
- 장비 반입 마일스톤에 문서를 건다 — 반입 전 완료돼야 하는 승인·검사·증서를 마일스톤의 선행 조건으로 걸어두면 문서 지연이 곧 일정 지연으로 화면에 뜬다. 지금은 대개 공정표와 문서관리가 따로 돌아서, 반입 2주 전 점검회의에서야 드러난다.
세 가지 모두 AI 이전의 작업이고, 이 정리가 끝난 뒤에야 3장과 4장의 방법이 붙는다. 순서를 바꾸면 모델이 읽을 데이터가 없다.
디티솔루션은 삼성중공업 하이테크 부문의 반도체 공장 프로젝트를 포함해 입찰·계약·원가·품질·자재·안전·도면을 하나의 PMIS로 묶는 시스템을 구축해 왔습니다. RFI·설계변경·검사 문서를 공정 마일스톤에 연결하는 구조 설계부터 함께 봅니다. 상담 신청 시 문의 내용에 '하이테크 현장 문서·변경관리'로 적어 주시면 담당자가 배정됩니다.
· McKinsey — How AI is reshaping the future of the AEC industry (2026.7)
· Automation in Construction — BERT 기반 건설 시방서 계약 리스크 조항 자동 탐지
· ECAM — 딥러닝·NLP 기반 건설공사 계약 누락 조항 탐지
· Frontiers in Built Environment — 소표본 조건에서의 설계변경 비율 예측 (2026.7)
· Autodesk × FMI — Harnessing the Data Advantage in Construction (2021)
· PlanGrid × FMI — Construction Disconnected (2018)
· Dodge Data & Analytics — Improving Performance With Project Data (2019)
· KPMG — Global Construction Survey 2025/2026 (2026.3)
· 대한상공회의소 — 제조기업 504개사 AI 전환 실태 조사 (2025.11)