Article at a Glance

전통적인 안전관리 방식을 이행할 때 안전보건 전문 인력 확보의 어려움, 작업자의 휴먼 에러, 분산된 데이터, 사후 조치 중심의 관행 등 여러 한계에 부닥치게 된다. 인공지능(AI)은 이러한 한계를 넘어서는 패러다임 전환을 제시하며 위험 요소의 선제적 탐지, 예측적 위험 분석, 지속적인 모니터링을 가능하게 한다. 웨어러블, 컴퓨터 비전, 예측 분석, 챗봇, 로보틱스, 디지털 트윈 등 다양한 AI 기술은 일터의 안전을 혁신하는 데 큰 도움이 된다. 실제로 삼성물산은 IoT 기반 헬스 밴드와 AI 비전 시스템을 통해 근로자의 건강 상태와 작업 환경을 실시간으로 모니터링하고 있으며 글로벌 건설사인 스칸스카(Skanska)는 AI 기반 안전 챗봇을 통해 안전 규정을 일상적인 업무 흐름 속에 통합했다.

---

국제노동기구(ILO)에 따르면 전 세계적으로 매년 약 278만 명의 노동자가 업무 관련 사고와 질병으로 사망하고 수억 명의 노동자가 부상을 입는다. 산업화 이후 꾸준히 산업안전에 관한 정책과 시스템이 발전해 왔지만 여전히 무수한 사람이 현장에서 다치고 사망한다는 사실은 산업안전에 있어 혁신적이고 근본적인 접근이 필요함을 의미한다. 이러한 상황에서 인공지능(AI)은 새로운 패러다임을 제시할 수 있다. 최근 들어 선행지표(Leading Indicator) 기반의 선제적 안전관리의 중요성이 강조되고 있기는 하지만 여전히 전통적인 안전관리 시스템은 사고 발생 후 원인을 조사하고 대책을 마련하는 사후적 방식에 치우쳐 있다. 이에 반해 AI는 위험 요인을 예측해 사고가 발생하기 전에 선제적으로 개입할 수 있다. 기계학습, 컴퓨터 비전, 자연어 처리(NLP), 예측 분석을 결합함으로써 조직은 사고 대응 중심에서 위험 예측 중심으로 전환할 수 있다.

이러한 측면에서 산업 현장에서 AI의 필요성, 적용 가능한 실질적 기술, 사고 예방을 위해 AI를 적용한 기업의 실제 사례를 살펴보자. AI 기반 산업안전 기술에 대해 기술성숙도(Technology Readiness Level, TRL)1 1개발기술의 성숙도 또는 이행단계를 평가하기 위한 정량화된 측정지표로 연구개발환경(실험실, 유사환경, 실제 환경), 연구개발결과물(시제품, 완제품), 기술수준(개념, 시현, 성능검증)에 따라 기술 성숙도를 1~9로 분류 닫기 , 범용성(산업 전반 적용 가능성), 영향력, 비용을 기준으로 평가해 각각의 기술들이 산업안전에서 어떻게 활용되고 있으며 발전돼야 하는지에 대한 판단 기준을 제시하고자 한다. 이를 통해 우리 산업과 사업장에 적합한 기술과 이를 추진하기 위한 효익을 가늠해볼 수 있다.




1. 산업안전에서 AI 기술의 필요성

산업 현장에서의 재해 발생 시 작업 중지, 금전적 손실, 법적 제재 등의 페널티가 점점 확대되고 있다. 이에 AI는 단순한 기술적 향상에 불과한 것이 아니라 전통적인 안전관리의 한계를 극복할 수 있는 최선의 대안으로 인식되고 있다.

우선 앞서 강조한 바와 같이 AI는 위험을 선제적으로 식별할 수 있다. 머신러닝 모델로 실패의 전조를 식별해 대형 사고를 예방할 수 있다. 또한 AI는 수천 개의 IoT 장치를 통해 동시에 데이터를 처리함으로써 여러 현장에서 다양한 목적으로 활용될 수 있다. 안전에 영향을 미칠 수 있는 데이터가 여러 조직과 업무에 걸쳐 흩어져 있어 위험성을 분석하거나 추세를 파악하기 어렵다는 한계를 극복할 수 있다. 24시간 상시 안전 상황을 감시할 수 있다는 장점도 있다. 이는 인간이 직접 데이터를 다루거나 감시하는 과정에서 발생할 수 있는 오류나 피로를 방지할 수 있다. 실제로 스트레스, 피로, 부주의 등 인간적인 한계가 사고의 주요 요인이 되기도 한다. 선행 연구에 따르면 인적 오류는 전체 산업 재해의 60~80%에 영향을 미치는 요인으로 밝혀졌다. 즉 AI를 통해 인적 오류를 줄일 수 있다면 산업 재해 감소에도 크게 기여할 것으로 보인다.

한편 점점 더 많은 규제 기관이 고도화된 안전 모니터링을 요구하고 있으나 건설 현장이나 해양 시추 현장 등 작업장의 환경은 매일 변화해 정적인 절차로는 쉽게 예측하기 어렵다. 이에 AI를 도입한다면 한정된 비용과 인력으로도 유동적인 환경을 실시간으로 모니터링하며 규제에 선제적으로 대응할 수 있다.


2. 산업안전을 위한 AI 기술



1) AI 기반 웨어러블 기술 및 모니터링 시스템

AI 기반 웨어러블 기술은 산업안전 분야에서 그 활용성이 구체적이고 실질적으로 입증된 기술 중 하나다. 이러한 장비에는 생리적·환경적 데이터를 수집할 수 있는 센서가 내장된 스마트 헬멧, 조끼, 손목밴드, 안경 등이 포함된다. 이에 AI가 결합되면 심박 변동, 피부 온도, 신체 자세, 산소 포화도, 유해 가스 노출 등의 원시 데이터를 지속적으로 분석하고 피로, 열 스트레스, 과로 또는 위험한 환경 노출의 초기 징후를 탐지할 수 있다. 기존의 개인보호구(Personal Protective Equipment, PPE)의 진화 버전이라고 볼 수 있다. PPE가 사고 발생 시 그 피해를 줄이는 수동적 장치에 불과한 것과 달리 AI 기반 웨어러블은 사고가 나기 전 위험을 알리는 능동적 안전장치로 작동한다.

예를 들어 작업자의 웨어러블 장비가 탈수나 피로에 대한 패턴을 감지해 이상징후가 발견될 경우 관리자에게 실시간 경보를 보내거나 자동 휴식 프로토콜을 실행할 수 있다. 작업자 정보뿐만 아니라 환경 정보도 활용할 수 있다.

AI 웨어러블 기술은 이미 상당한 성숙 단계에 도달했다. 기술성숙도(TRL)는 7~9단계로 평가되며 실제로 건설·광업·물류 등 다양한 산업 현장에서 상용화돼 활용되고 있다. 이 기술의 가장 큰 장점은 높은 범용성이다. 특정 산업에 국한되지 않고 화학 물질 노출, 극심한 피로, 높은 신체적 부담 등 위험이 집중된 작업 환경 전반에서 적용이 가능하다. 특히 고위험 산업 종사자들의 안전을 지키는 데 효과적이라는 평가를 받는다.

영향력 또한 크다. AI 기반 실시간 모니터링과 경보 시스템을 도입하면 사고 발생 가능성을 크게 줄일 수 있기 때문이다. 연구 결과에 따르면 웨어러블 모니터링을 꾸준히 운영할 경우 열사병이나 피로로 인한 사고 발생을 상당히 감소시킬 수 있는 것으로 나타났다. 다만 개인별로 심박, 혈압, 기초대사량 등에 대해 정상범주 내에서도 생체 정보의 편차가 클 수 있다. 따라서 해석 과정에서 작업장 조건에 따라 주의해야 한다. 또한 개인의 생체 정보에 대한 활용은 개인정보 보호 원칙과 상충할 수있다는 점을 명심해야 한다.

비용 측면에서는 ‘중간 수준’으로 분류된다. 센서 장치, 소프트웨어 구독료, 데이터 분석 플랫폼, 시스템 통합 비용 등이 포함되기 때문이다. 그러나 안전 확보와 사고 예방 효과를 고려하면 투자 가치가 충분하다는 분석이 뒤따른다.

2) 컴퓨터 비전 기반 위험 감지

컴퓨터 비전은 현장에 설치된 감시 카메라, 드론, 웨어러블 카메라가 수집한 영상을 AI가 실시간으로 분석해 위험을 식별하는 기술이다. 헬멧을 쓰지 않은 작업자나 제한 구역에 진입한 인원을 인식하고 연기나 누출 같은 위험 신호도 놓치지 않는다. 쉽게 지나칠 수 있는 아차사고(Near-miss)2 2사고가 발생할 뻔했으나 직접적으로 인적·물적 피해 등이 발생하지 않은 크고 작은 사고의 전조 증상 닫기 까지 포착해 안전 전략을 개선할 수 있는 데이터로 전환한다.

이 기술은 건설, 석유·가스, 제조업처럼 시각적으로 드러나는 위험이 심각한 사고로 이어지기 쉬운 산업에서 특히 유용하다. 현재 기술성숙도는 TRL 5~7 수준으로 개념 검증을 넘어 실제 운영 단계로 확산 중이다. 지능형 CCTV 비용 하락과 AI 정확도 향상에 따라 확산 속도가 가속화되고 있다.

범용성이 높아 다양한 산업에 적용 가능하며 수천 명의 작업자를 동시에 모니터링할 수 있다는 점에서 영향력 또한 크다. 다만 카메라 설치와 소프트웨어, 데이터 인프라 구축 등 초기 비용은 중간에서 높은 수준에 이른다.

3) 예측 분석 플랫폼

예측 분석은 산업안전 분야에서 가장 혁신적인 기술로 꼽힌다. 기존 안전 지표가 사고가 발생한 뒤에야 원인을 되짚는 후행 지표에 머물렀다면 예측 분석은 방대한 데이터를 바탕으로 미래 위험을 미리 짚어내는 선행 지표를 제공한다. 유지보수 기록, 기상 조건, 센서 데이터, 부상 이력 등을 머신러닝으로 분석해 사고에 앞서 나타나는 패턴을 찾아내고 관리자가 위험이 커지기 전에 개입할 수 있도록 돕는다.

활용 범위도 넓다. 건설업에서는 프로젝트 일정과 작업자 피로도를 반영해 사고 위험을 예측하고 제조업에서는 장비 고장을 사전에 식별해 사고를 막는다. 물류 분야에서는 운전자 행동과 도로·기상 조건을 종합해 교통사고 위험을 줄인다. 이 같은 플랫폼은 중앙 대시보드 형태로 통합돼 위험 점수, 추세 예측, 맞춤형 안전 권고를 제시한다.

현재 기술성숙도는 TRL 6~8 단계로 상용 시스템이 존재하지만 데이터 품질과 통합 수준에 따라 정확도가 크게 달라질 수 있다는 한계가 있다. 범용성은 중간에서 높음 수준으로 평가되며 특히 데이터가 풍부할수록 효과가 커진다. 영향력은 매우 높아 실제로 사고 발생률을 줄이는 성과가 입증되고 있으며 비용은 초기 도입에 수십억 원대가 소요될 만큼 높지만 장기적으로는 사고 감소와 장비 가동 중단 시간 단축으로 투자 이상의 효과를 거둘 수 있다.



4) 안전 챗봇(AI 기반 가상 비서)

안전 챗봇은 자연어 처리(NLP)를 기반으로 근로자와 실시간으로 대화하는 가상 비서다. 작업자는 스마트폰이나 태블릿, 업무용 플랫폼을 통해 챗봇에 접속해 안전 관련 질문을 하거나 알림을 받고, 위험 상황을 보고하며 즉시 절차를 확인할 수 있다. 기존 매뉴얼이나 e-러닝처럼 일방적인 방식이 아니라 상황을 인식하고 개인화된 답변을 제공하며 다국어 지원이 가능해 글로벌 현장에서도 의사소통 오류를 줄이는 효과가 있다.

현재 기술성숙도는 TRL 5~7 수준으로 아직 초기 단계이지만 빠르게 발전 중이다. 범용성이 높아 산업 전반에서 적용할 수 있고 모바일 기기와 결합해 중소기업도 부담 없이 활용 가능하다. 영향력은 중간에서 높음 수준으로 직접 사고를 막는 기술은 아니지만 근로자와 관리자의 소통을 강화하고 안전 문화를 확산시키는 데 기여한다. 비용은 낮음~중간 수준으로 개발·학습 과정에서 맞춤화 정도에 따라 달라지지만 일단 배포 후에는 유지 비용이 크지 않다. 클라우드 기반 솔루션을 활용하면 비용은 더 줄일 수 있다.



5) AI 통합 로보틱스 & 드론

AI로 강화된 로보틱스와 드론은 작업자를 직접적인 위험으로부터 보호하는 가장 확실한 방법이다. 자동화와 첨단 센서, AI 알고리즘을 결합해 위험하고 반복적이며 접근하기 어려운 작업을 대신 수행한다. 로보틱스는 위험 물질 처리, 협소 공간에서의 정밀 용접, 방사능·유독 환경 검사까지 맡으며 AI는 로봇이 데이터를 학습하고 예기치 못한 상황에 적응해 반자율적으로 작동하도록 돕는다. 드론은 고층 구조물, 밀폐 공간, 해양 플랜트 등을 모니터링하며 기존에 작업자가 발판과 로프에 의존해 직접 검사를 하던 과정을 대체해 추락 위험을 줄이고 검사 속도도 높인다. 결국 로보틱스와 드론의 배치는 인간의 위험 노출을 최소화하면서 산업 현장의 운영 효율성까지 끌어올린다.

기술성숙도는 TRL 5~8 수준이다. 산업용 로보틱스는 성숙 단계에 진입했지만 자율적 위험 탐지나 적응형 의사결정 같은 AI 통합은 여전히 발전 중이다. 반면 AI 비전이 탑재된 드론은 TRL 7~8에 도달해 대규모 시범 운영이 이뤄지고 있다. 범용성은 중간 수준으로 석유·가스, 광업, 건설, 에너지, 재난 대응 등 고위험 산업에 특히 적합하다. 영향력은 매우 높아 위험 작업에서 인간을 직접 대체함으로써 치명적 사고와 부상을 예방한다. 다만 비용은 높은 편이어서 저위험 작업장에서는 투자 대비 효익이 크지 않을 수 있다.

6) AI 기반 디지털 트윈

디지털 트윈은 물리적 자산이나 프로세스, 작업 현장을 가상으로 복제해 실시간 데이터를 활용하는 기술이다. 여기에 AI가 결합하면 모델은 동적으로 학습하며 IoT 센서와 카메라, 운영 시스템에서 수집한 데이터를 기반으로 끊임없이 업데이트된다. 산업안전 측면에서는 작업자 이동, 기계 작동, 환경 요인(온도·공기질 등)을 모델링해 사고 발생 전 위험을 예측한다. 이를 통해 장비 충돌이나 화재 확산, 구조물 붕괴 같은 시나리오를 가상으로 시뮬레이션하고 실제 작업자가 위험에 노출되지 않은 상태에서 개입 방안의 효과를 시험할 수 있다. 건설업에서는 외부 충격에 따른 구조물 붕괴 가능성을 미리 검토할 수 있고 제조업에서는 기계 과열을 예측해 유지보수 일정을 최적화할 수 있다. 현재 기술성숙도는 TRL 4~6 단계로 아직 초기지만 빠르게 발전 중이다. 특히 스마트팩토리, 인프라, 건설 분야에서 활발히 실험되고 있으며 항공우주·자동차 산업에서는 이미 널리 쓰이고 있다. 다만 안전 특화 디지털 트윈은 여전히 파일럿 수준에 머문다. 범용성은 중간 수준으로 복잡한 물리 시스템을 가진 산업에서는 효과적이지만 방대한 데이터 인프라가 필요해 중소기업에는 제약이 있다. 영향력은 높아 조직이 위험을 시각화하고 사전에 예측할 수 있게 하며 안전 교육을 지원한다. 비용 또한 높은 편으로 센서와 데이터 통합, AI 모델링, IT 인프라 구축에 상당한 투자가 요구된다.


3. 실제 기업 사례

1) 삼성물산의 IoT 시스템 & CCTV 시스템

삼성물산의 건설 현장에서는 AI를 탑재한 IoT 기기가 근로자 안전을 크게 강화한다. 헬스 밴드는 실시간으로 작업자의 심박수를 모니터링하며 기준치를 초과하면 즉시 관리자에게 알림을 전송한다. 이를 통해 과로 혹은 응급 상황 발생 시 즉각적인 대응이 가능하다. 또한 가스, 공기질, 온도 센서를 통해 환경을 지속적으로 모니터링하며 근로자의 질식이나 열 스트레스와 같은 위험을 완화한다. 이 시스템은 삼성물산의 엄격한 산업보건안전경영시스템(OHSMS)에 내재돼 있으며 건설안전연구소의 지속적인 위험 평가와도 연계된다. 이러한 IoT 기술은 실시간 위험 탐지 능력을 강화하고, 사고 대응 시간을 단축하며, 현장의 건강 보호 장치를 더욱 공고히 한다. 한편 건설 현장의 스마트 안전 이니셔티브에 AI 기반 영상 인식 시스템 또한 통합했다. 이는 중장비에 AI 카메라를 장착해 근로자가 위험 구역에 접근했을 때 이를 감지하고 추락이나 장비 충돌과 같은 사고를 사전에 방지할 수 있도록 실시간으로 경고하는 기술이다.



2) 스칸스카의 세이프티 사이드킥 (Safety Sidekick)

스웨덴에 본사를 둔 글로벌 건설 및 개발 회사 스칸스카는 미국 현장 전역에서 안전 AI 챗봇인 세이프티 사이드킥(Safety Sidekick)을 도입해 건설 안전 수준을 한 단계 끌어올렸다는 평가를 받고 있다. 환경안전보건(EHS) 규정과 미국 산업안전보건청(OSHA) 기준을 통합해 모바일 및 데스크톱 플랫폼에서 활용 가능한 간소화된 AI 어시스턴트를 제공한다. 현장 작업 중에도 접근 가능한 문맥 인식 기반의 작업별 안전 지침을 제공해 계획-실행-점검-조치(Plan-Do-Check-Act) 사이클에 자연스럽게 녹아든다. 또한 위험 정보를 반영한 툴박스 미팅과 안전 회의를 지원한다. 근로자는 현장 사진을 세이프티 사이드킥에 전송해 맞춤형 안전 조언을 받을 수도 있다.

3) 현대건설의 스마트 터널 건설

현대건설은 경인고속도로 400호선 김포–파주 구간 한강 터널 현장에 국내 최초로 스마트 건설을 전면 구현하며 정교한 디지털 트윈 기술을 선보였다. 이 시스템은 TBM(터널보링머신) 주행 지원 시스템(TADAS)을 통해 굴착 및 지반 데이터를 실시간으로 수집·제어하고 BIM 기반 IoT 인터페이스(HIBoard)와 본사 관제 시스템(HOC)을 연계해 중앙 집중식 운영 모니터링을 가능하게 한다. 또한 터널 내부까지 안정적으로 데이터를 전송할 수 있는 TV 화이트 스페이스 기반 통신망을 구축했으며 스마트 글라스·AR 회의·드론·무인 지상 차량(UGV) 등 원격 기술로 AI 기반 현장 관리가 이뤄진다. 여기에 VR 훈련 도구와 AI 재난 예측 시스템을 더해 가상 시뮬레이션과 몰입형 안전 교육까지 지원한다. 이 같은 디지털 트윈 생태계는 실시간 위험 모니터링과 예측, 원격 제어, 안전 교육을 통합적으로 제공해 근로자를 위험에 노출시키지 않고도 현장의 안전성을 획기적으로 강화한다.

AI는 더 이상 안전관리 분야에서도 그저 실험적인 기술에 그치지 않는다. 점점 더 주류적인 필수 요소가 되고 있다. 예측 능력, 확장성, 지속적인 모니터링 기능은 산업 현장에서 사고와 사망자를 줄이는 데 없어서는 안 될 요소가 되고 있다. 높은 초기 비용과 데이터 통합의 어려움이 여전히 존재하지만 그 혜택은 위험을 훨씬 상회한다. AI 기반 안전관리를 선도적으로 도입하는 조직은 생명을 구할 뿐만 아니라 재무 성과, 컴플라이언스, 기업 평판도 개선할 수 있다. 미래의 산업안전은 더 이상 사후적 원인 규명과 재발 방지 대책으로 관리돼선 안 된다. 지능적이고, 적응적이며, 선제적인 AI 시스템으로 근로자를 실시간 보호할 수 있어야 한다.

---

참고문헌

1 ILO (2019). Safety and health at the heart of the future of work.

2 Nnaji, C., & Karakhan, A. A. (2020). Technologies for safety and health management in construction: Current use, implementation benefits and limitations, and adoption barriers. Journal of Building Engineering, 29, 101212.

3 Reason, J. (1990). Human error. Cambridge university press.

4 Gibb, A., Lingard, H., Behm, M., & Cooke, T. (2014). Construction accident causality: learning from different countries and differing consequences. Construction management and economics, 32(5), 446-459.

5 Kumi, L., Jeong, J., & Jeong, J. (2024). Systematic review of quantitative risk quantification methods in construction accidents. Buildings, 14(10), 3306.

6 Hale, A., & Borys, D. (2013). Working to rule or working safely? Part 2: The management of safety rules and procedures. Safety science, 55, 222-231.

7 Lee, J. H., & Jeong, J. W. (2023). Analyzing the Detail Item Characteristics of Safety Management Expenses Based on the Construction Technology Promotion Act. In Proceedings of the Korean Institute of Building Construction Conference (pp. 277-278). The Korean Institute of Building Construction.

8 Khan, M., Anjum, S., Ibrahim, A., Nnaji, C., Aryal, A., & Koh, A. S. (2025). Wearable sensor-based fatigue classification under diverse thermal conditions. J. Inf. Technol. Construct., 30, 875-902.

9 Goh, Y. M., & Ubeynarayana, C. U. (2017). Construction accident narrative classification: An evaluation of text mining techniques. Accident Analysis & Prevention, 108, 122-130.

10 Samsung C&T (2024). Keeping Construction Sites Safe with IoT Technology.

11 Samsung C&T (2023). 삼성물산, 현장 동영상 기록 확대해 품질, 안전 수준 높인다.

12 Skanska (2025). Skanska launches “Safety Sidekick” AI tool to advance job site safety across the U.S.

인기기사