RAG­AI Agent 를 활용한 건설현장 작업일보 분석 및 응답 모델 연구

국문 초록 (Abstract)

건설현장은 수많은 인력과 장비, 자재가 동시다발적으로 투입되며, 다양한 공정이 복잡하게 얽혀 운영되는 대표적인 프로젝트 산업이다. 이처럼 복잡한 환경 속에서 매일 생산되는 작업일보는 시공 내용과 자원 투입 현황을 비롯해 기상, 특이사항 등 공정 관리의 핵심 정보를 담고 있다. 그러나 현재 대부분의 현장에서는 작업일보가 여전히 수기 방식으로 작성되거나, 엑셀 등의 비정형 디지털 문서로 관리되고 있어 정보의 축적과 활용에 여러 한계가 존재한다.
특히 문서 형식이 표준화되어 있지 않고 작성자의 표현 방식도 제 각각이기 때문에, 수많은 작업일보를 다시 열람하거나 요약하기란 쉽지 않다. 단순한 기록을 넘어, 축적된 데이터를 실시간으로 조회하고 의사결정에 활용할 수 있는 기반이 필요하지만, 이를 위한 기술적·환경적 준비는 아직 부족한 상황이다.
이러한 문제의식에서 출발한 본 연구는, 작업일보와 같은 비정형 문서를 자동으로 분석하고, 사용자의 질문에 자연어로 응답할 수 있는 AI 기반 질의응답 시스템을 설계하고 구현하는 것을 목표로 한다. 특히 임베딩 모델과 GPT 기반 생성 모델을 활용한 RAG(Retrieval-Augmented Generation) 구조를 중심으로, 건설현장의 실제 데이터를 분석하고 응답할 수 있는 시스템을 구축하였다.
연구에는 공동주택현장 토목공정에서 실제 작성된 엑셀 기반 작업일보 30일치를 활용하였다. 문서로부터 작성일, 공정명, 자원 투입 현황 등의 정보를 자동 추출한 뒤, 의미 단위 청크로 분할하고 벡터화하여 FAISS 기반 데이터베이스에 저장하였다. 사용자는 웹 UI에서 자연어로 질문을 입력할 수 있으며, 시스템은 질문의 의미를 분석하여 관련 문서 내용을 검색하고 GPT 모델을 통해 자연스러운 문장으로 응답을 제공한다.
시스템은 규칙 기반 수치 응답과 GPT 기반 문장 생성 방식을 병행하여 정량,정성 질의 모두에 유연하게 대응할 수 있도록 설계되었다. 실험 결과, 날짜와 항목 기반의 직접 질의에 대해서는 높은 정확도와 일관성을 보였으며, 표현을 달리한 유사 질의에도 안정적인 응답 결과를 유지했다. 반면, 추론이 필요한 간접 질의나 문서에 명시되지 않은 항목에 대해서는 응답의 정확도가 다소 낮아지는 한계도 확인되었다.
이러한 성과는 단순히 자동화된 문서 검색을 넘어서, 실무자가 실제로 활용 가능한 수준의 질의응답 시스템으로 구현되었다는 데에 의의가 있다. 작업일보 양식을 일정 수준 통일하고, 웹 UI를 통해 누구나 쉽게 사용할 수 있도록 한 점은 향후 실무 적용 가능성을 높이는 중요한 발판이 될 수 있을 것이라 기대한다.
앞으로는 다양한 문서 포맷(PDF, 이미지 등)에 대한 대응력 강화, 정성형 질의의 정확도 향상, 사용자 인터페이스 개선, 그리고 무엇보다 보안 환경 내에서도 사용 가능한 독립형 시스템으로의 확장도 중요한 과제로 남아 있다. 특히 기업 내부망에서 AI 서비스를 안전하게 운영하기 위한 기술적 대안은 실제 현장 적용의 열쇠가 될 것이다.
본 연구는 AI와 자연어 처리 기술을 바탕으로, 건설현장의 핵심 문서인 작업일보를 보다 실용적이고 지능적인 자산으로 전환하고자 한 실험적 시도이다. 이는 단순한 기술적 구현을 넘어, 데이터 기반 건설관리로의 전환 가능성을 실증적으로 제시한 사례로 평가될 수 있기를 기대하며, 향후 디지털 시공관리 플랫폼과 연계한 다양한 응용 확장의 출발점이 될 수 있을 것으로 사료된다.

다국어 초록 (Multilingual Abstract)

Construction sites generate daily work reports that record essential information such as work progress, resource deployment, weather conditions, and special issues. Despite their importance, these reports are often managed in handwritten or semi-structured digital formats, making systematic analysis and real-time utilization difficult. The lack of standardized documentation further limits the effective reuse of accumulated data for construction management and decision-making.
To address these challenges, this study proposes an AI-based question-and-answer system that automatically analyzes unstructured daily work reports and provides contextual responses in natural language. The system adopts a Retrieval-Augmented Generation (RAG) architecture, integrating embedding-based document retrieval with a large language model to enable accurate, context-aware answers grounded in actual site records.
The proposed system was validated using 30 days of Excel-based daily reports from a civil engineering project. Key information, including dates, work types, and resource inputs, was extracted, segmented into semantic units, vectorized, and stored in a FAISS-based database. Users can submit natural language queries through a web interface, and the system retrieves relevant document segments and generates responses using a GPT-based model. To improve reliability, rule-based numerical responses and generative language outputs were combined to handle both quantitative and qualitative queries.
Experimental results demonstrated high accuracy and consistency for date-specific and resource-related questions, as well as stable performance for rephrased queries. However, limitations were identified in responding to inferential questions or queries involving information not explicitly recorded in the reports. Despite these limitations, user feedback indicated that the system is practical and usable in real construction site environments.
This study confirms the feasibility of transforming unstructured daily work reports into reusable data assets through AI-driven analysis and interaction. The proposed approach provides a foundational step toward data-driven construction management and highlights the potential for integrating RAG-based AI systems into future digital construction management platforms.

목차 (Table of Contents)

• 제 1 장 서 론 1
• 제 1 절 연구 배경 및 목적 1
• 1. 건설현장 정보 관리의 현실과 문제점 1
• 2. 연구의 목적 3
• 제 2 절 연구 범위와 방법 5
• 1. 연구의 범위와 대상 5
• 2. 연구 방법 및 수행 절차 5
• 제 2 장 이론적 배경 7
• 제 1 절 건설현장 문서관리와 작업일보의 역할 7
• 1. 작업일보의 개념과 구성요소 7
• 2. 수기 기반 정보관리의 한계와 개선 필요성 8
• 제 2 절 인공지능 기반의 문서 이해 기술 개요 10
• 1. 자연어 처리 기술의 발전과 응용 10
• 2. 검색 기반 응답 생성 구조의 원리 11
• 제 3 절 유사 연구 및 기술적 기반 분석 13
• 1. 지식 기반 응답 시스템 13
• 2. 비정형 문서의 정보 추출 기법 14
• 제 3 장 시스템 설계 및 구현 16
• 제 1 절 시스템의 전체 구조 16
• 1. 시스템 구성 개요 16
• 2. 입력 데이터 정보 구조화 18
• 3. 문맥 검색 및 질의 답변 생성 19
• 제 2 절 정보 처리 및 응답 생성 세부 절차 22
• 1. 메타정보 및 본문 정보의 통합 전처리 22
• 2. 의미 단위 청크 분할 및 벡터화 24
• 3. 문장 기반과 규칙 기반의 병행 응답 설계 25
• 제 4 장 시스템 적용 및 성능 분석 27
• 제 1 절 현장 데이터 기반 시스템 적용 27
• 1. 검증에 활용된 작업일보 데이터 구성 27
• 2. 시스템 실행 환경 및 구성 31
• 제 2 절 시스템 실행 및 처리 성능 분석 33
• 1. 응답 시스템 실행 33
• 2. 질의 유형별 응답 결과 37
• 3. 응답 정확도 및 일관성 분석 39
• 제 3 절 현장 실무 적용 가능성 분석 42
• 1. 사용자 피드백 및 활용성 분석 42
• 2. 한계점 및 개선 방향 도출 46
• 제 5 장 결론 48
• 제 1 절 연구 요약 및 주요 성과 48
• 제 2 절 향후 연구 방향 및 실용화를 위한 제언 51