중·소규모 건설현장을 위한 GPT와 RAG기반 위험성평가 자동화 방안

An Automated Risk Assessment Based on GPT and RAG for Small and Medium-Sized Construction Sites

건설산업의 복잡한 생산구조와 가변적인 현장조건으로 인해 안전사고가 빈번히 발생하며, 특히 중·소규모 건설현장에서 안전관리가 어려운 실정이다. 이를 해결하기 위해 위험성평가는 유해·위험요인을 사전에 파악하고 대책을 수립하는 중요한 과정이지만, 현재의 위험성 평가는 주로 안전관리자의 경험에 의존하고 있어 한계가 있다. 본 연구는 생성형 대규모 언어모델의 한계를 극복하고, 보다 효율적인 위험성평가방법을 제안하는 것을 목표로 한다. 이를 위해 관련 문서를 기반으로 사용자 질문에 맞는 정보를 찾아내는 ‘검색증강생성(RAG; retrieval augmented generation)’ 방식을 도입하여, GPT모델의 성능을 향상 시키고, 보다 구체적이고 전문적인 안전대책을 도출할 수 있음을 확인하였다. 실험결과, 기존 GPT모델만을 사용할 때 보다 작업 특성에 맞는 유해·위험요인을 효과적으로 도출할 수 있었으며, 구체적인 안전대책도 자동 생성할 수 있었다. 이러한 결과를 바탕으로 중·소규모 건설현장에서의 위험성평가자동화시스템을 개발한다면, 전문 안전관리자에 대한 의존도를 줄이고 보다 효율적이고 체계적인 안전관리가 가능할 것으로 기대된다.

The construction industry faces frequent safety accidents due to its complex production structure and variable site conditions, with small and medium-sized construction sites being particularly vulnerable. To address these challenges, risk assessment plays a critical role in identifying hazardous factors in advance and establishing countermeasures. However, current risk assessments rely heavily on the subjective judgment and experience of safety managers, which poses limitations, especially in sites lacking specialized personnel. This study aims to propose a more efficient risk assessment method by overcoming the limitations of large-scale generative language models. By applying Retrieval Augmented Generation (RAG; retrieval augmented generation), which provides relevant documents to the model to generate more accurate answers, we enhanced the performance of the GPT model in deriving specific and expert-level safety measures. The experimental results showed that the RAG approach allowed for the effective identification of hazardous factors tailored to the task characteristics and generated more concrete safety countermeasures compared to using GPT alone. Based on these findings, the development of an automated risk assessment system for small and medium-sized construction sites could reduce reliance on professional safety managers and enable more efficient and systematic safety management.