건설 현장 안전, AI는 사고를 얼마나 줄이는가 (2026)

1. 배경 — 위험은 우연이 아니라 구조다

건설업의 위험은 산업 구조 자체에 내재한다. 미국 노동통계국(BLS)·OSHA에 따르면 건설업은 전체 노동력의 약 7%만 고용하지만, 민간 산업재해 사망의 약 21%가 이 산업에서 나온다. 비중도, 절대 위험도 모두 높다.

단일 원인으로는 추락이 압도적이다. 2024년 미국 건설 사망 1,034명 중 '낮은 곳으로의 추락'이 389명으로 약 38%를 차지하는 최대 원인이었다. 비용도 크다. 산업안전 연구는 산재 사망 1건의 사회적 비용을 약 146만 달러로 추정한다.

한국도 같다. 고용노동부 '2024년 산업재해 현황'에 따르면 재해조사 대상 사고사망자 589명 중 건설업이 328명(39.7%)으로 전 업종 1위였다. 사망 유형 역시 추락이 압도적이어서, 전 업종 통틀어 '떨어짐'이 278명으로 '넘어짐'(41명)의 6배를 넘었다 — 고소·옥외 작업이 많은 건설업이 이 통계를 끌어올린다.

2. 국가 비교 — 한국·미국·일본

건설 안전은 한 나라만의 문제가 아니다. 세 나라 모두 건설업이 산재 사망의 최대(또는 최상위) 비중을 차지하고, 그 안에서 추락이 단일 최대 원인이라는 구조가 동일하다. 다만 규제 방식과 절대 수치에는 차이가 있다.

건설업이 전체 산재 사망에서 차지하는 비중은 세 나라 모두 1위이거나 최상위권이다. 한국 39.7%, 일본 약 30%, 미국 약 21% 순으로 보이지만, 각국 산정 기준이 달라(한국=질병 제외 사고사망, 미국=민간 전체, 일본=전 산업) 순위 비교는 방향성으로만 읽어야 한다.

건설 사망 안에서 추락이 차지하는 비중은 세 나라 모두 단일 최대다. KOSHA에 따르면 2023년 한국 건설 사망 356명 중 추락이 198명(55.6%)이었고, 일본은 JNIOSH 기준 약 43%, 미국은 2024년 기준 약 38%다.

결론은 하나로 모인다 — 추락은 건설 사망의 단일 최대 원인이며, 추락 위험만 사전에 잡아도 사망의 38~56%를 겨냥할 수 있다. (이 비율은 '추락이 차지하는 몫'이지, AI의 감소 효과가 아니다.)

3. AI는 순서를 뒤집는다 — 반응형에서 예방형으로

전통적 안전관리는 사고가 난 뒤 원인을 분석하는 반응형이었다. 컴퓨터비전 기반 AI는 이 순서를 뒤집는다. 현장 카메라가 작업 조건을 '보고', 과거 사고 데이터로 '학습'해, 사고가 나기 전에 경보를 보낸다. 2025~26년 들어 이 기술은 실험 단계를 지나 대형 인프라 현장으로 빠르게 확산되고 있다.

막연한 '일부 기업'이 아니라, 이름과 데이터가 분명한 제품이 존재한다. 미국 Equipment World 보도에 따르면 안전 AI 기업 Newmetrix의 엔진 'Vinnie'는 방대한 사고 데이터와 1,700만 장 이상의 건설 현장 이미지로 학습됐다(회사 발표 기준). 100가지 이상의 위험을 자동 감지하고 프로젝트별 위험도를 예측한다. 홍콩·동남아 기반 viAct는 시나리오형 컴퓨터비전으로 중장비·고소작업의 복합 위험을 식별해 EHS 관리자에게 실시간 경보를 보낸다.

효과의 크기는 어느 정도일까. 독립 연구·복수 보고를 종합하면, 컴퓨터비전 안전 솔루션을 도입한 현장은 사고가 약 20~50%(일부 보고는 60%까지) 줄었다는 결과가 많다. 다만 수치는 현장 규모·적용 범위·운영 성숙도에 따라 편차가 크고, Deloitte 분석처럼 약 20% 수준에 그치는 보고도 있다. '도입만 하면 절반이 준다'가 아니라, 데이터·운영과 결합될 때 효과가 난다는 점이 핵심이다.

4. 효과 — 규제 성과와 투자수익(ROI)

예방형 전환의 효과는 규제 통계에도 나타난다. OSHA에 따르면 추락 집중 단속 프로그램(NEP) 아래 연방 조사 대상 치명적 추락 사고는 234건에서 189건으로 약 20% 감소했다. 안전은 규제 대응 '비용'이 아니라 수익성 있는 투자다. OSHA·보험업계의 널리 인용되는 추정에 따르면 안전 프로그램은 일반적으로 투자 1달러당 4~6달러의 수익을 낸다. 사망 1건당 약 146만 달러의 직·간접 손실을 감안하면, 사고를 유의미하게 줄이는 시스템의 경제성은 분명하다.

5. 한국의 맥락 — 중대재해처벌법과 비정형 데이터

한국은 2022년 1월 중대재해처벌법을 시행하며, 현장 안전을 안전관리자 개인의 문제가 아니라 경영진의 법적 책임으로 규정했다. 사망사고가 나면 대표이사가 형사처벌 대상이 될 수 있다. 제도의 무게는 분명히 커졌다.

그러나 제도만으로 통계가 바뀌지는 않았다. 건설업 사망은 법 시행 이후로도 2024년 328명, 전 업종의 39.7%로 여전히 1위다. 처벌의 강도가 곧 예방의 강도는 아니라는 뜻이다. 사고는 법정이 아니라 현장에서, 그것도 나기 전에 막아야 줄어든다.

문제는 '무엇을 보고 막느냐'다. 추락은 대부분 사전에 드러나는 위험에서 비롯된다. 안전대 미체결, 열린 개구부, 정리되지 않은 비계, 안전모 미착용 — 모두 사고 직전까지 '눈에 보이는' 상태다. 다만 사람이 24시간 모든 구역을 동시에 지켜볼 수 없을 뿐이다. 이 빈자리를 두 종류의 데이터가 메운다.

첫째, 영상 인식(컴퓨터비전)은 현장 카메라로 안전모 미착용·개구부·위험 가장자리 같은 '즉각적 위험'을 실시간 포착해 알린다. 사람의 시야를 수십 대 카메라로 확장하는 셈이다. 둘째, 비정형 텍스트 분석(NLP)은 캐비닛과 PDF에 쌓여만 있던 점검일지·사고보고서·작업허가서(PTW)를 읽어, 같은 공종·구역에서 '반복되는 위험요인과 전조'를 끌어낸다. 한 건의 사고가 아니라 수백 건의 기록이 패턴을 말해 준다.

두 축을 현장 데이터와 통합할 때, 사고는 사후에 집계하는 통계가 아니라 사전에 차단할 수 있는 사건으로 바뀐다. 중대재해처벌법이 만든 '책임'을 기술이 '예방'으로 옮겨 주는 구조다.

6. 시사점

한·미·일 통계가 가리키는 결론은 분명하다. 건설 사망의 최대 원인은 추락이고, 추락은 사전에 '보이는' 위험이며, 컴퓨터비전과 비정형 데이터 분석은 그것을 사고 이전에 포착할 수 있다. 다만 효과는 '도구 도입'이 아니라 '데이터·운영과의 결합'에서 나온다 — 같은 기술을 깔고도 결과가 20%에 그치기도, 50%를 넘기기도 하는 이유다.