yozm.tech
피드로 돌아가기
PlatumAI 재작성

하자 사진 한 장 올리면 AI가 분류, 슈퍼브에이아이 LH 하자 민원 시스템 구축

슈퍼브에이아이가 한국토지주택공사(LH)에 비전 AI 기반의 하자 자동 분류 시스템을 구축했습니다. 입주민이 하자 사진을 올리면 AI가 1초 안에 공간, 자재, 유형 등 1만 8천 가지 기준을 동시에 분류합니다. 이 시스템은 상담원의 업무 부담을 줄이고, 축적된 데이터를 활용해 장기적인 시설 관리 계획 수립에 기여할 것으로 기대됩니다.

2일 전·2026.11.02·읽기 1분·Platum

비전 AI(Vision AI) 전문 기업 슈퍼브에이아이(Superb AI)가 한국토지주택공사(LH)에 임대아파트 하자 민원을 자동으로 분류하는 시스템을 성공적으로 구축했습니다. 이 시스템은 입주민이 벽 균열이나 누수 등 하자 사진을 한 장 올리면, AI가 1초 만에 해당 하자가 발생한 공간, 부위, 자재, 유형 등 복잡한 5가지 기준을 동시에 파악하고 분류합니다. 이는 기존에 상담원이 수동으로 처리하던 연간 400만 장 규모의 방대한 민원 사진 분류 작업을 혁신적으로 개선하는 사례입니다.

기존 LH 하자 민원 처리 과정은 상담원이 전화나 문자를 통해 접수된 사진을 일일이 확인하며 1만 8천 가지가 넘는 복잡한 분류 기준에 맞춰 수동으로 분류해야 했습니다. 이 과정에서 상담원의 숙련도에 따라 분류 오류가 발생하거나 처리 시간이 지연되는 문제가 있었습니다. 슈퍼브에이아이는 이미지와 언어를 동시에 이해하는 시각언어모델(VLM)을 활용하여, 하나의 AI 모델이 사진 한 장으로 5가지 분류 기준을 동시에 처리하도록 구현했습니다. 이 단일 모델 방식은 시스템 구조를 단순화하여 유지보수 부담을 줄이고, 90% 이상의 정확도로 하자를 검출하며, 판단 근거를 문장으로 제공하여 신뢰도를 높였습니다.

이 AI 시스템 도입으로 LH 상담 인력은 단순 반복 업무에서 벗어나 판단이 필요한 복합 민원에 집중할 수 있게 되었습니다. 또한, 일관된 형식으로 축적되는 하자 데이터는 단지별, 자재별, 준공 연차별로 자주 발생하는 하자를 분석하는 데 활용됩니다. 이를 통해 LH는 같은 하자가 반복되는 곳을 선제적으로 점검하고, 데이터 기반의 장기수선계획을 수립하여 노후 시설의 교체 및 보수 시기를 효율적으로 결정할 수 있게 됩니다. 슈퍼브에이아이 김현수 대표는 이 시스템이 복잡한 분류 체계와 대량의 비정형 데이터를 VLM 단일 모델로 해결한 성공적인 사례이며, 향후 시설물 점검이나 공공 서비스 전반의 이미지 민원 분석으로 확장될 수 있다고 강조했습니다.

1인 창업자를 위한 기회 분석
AI 분석 · 참고용이며 검증이 필요합니다
7/10
강한 신호
왜 7점인가

명확한 문제(수동 분류의 비효율성)와 AI를 통한 해결책이 제시되었으며, 중소형 시장에 대한 기회가 존재합니다.

문제 / 미충족 수요

건설/시설 관리 분야에서 복잡하고 비정형적인 하자 민원 데이터를 수동으로 분류하고 처리하는 데 막대한 시간과 인력이 소모되며 오류 발생 가능성이 높습니다.

한국 시장
국내 있음대기업 및 공공기관 대상으로는 이미 유사 솔루션이 있으나, 중소형 건설/시설 관리 시장은 아직 기회가 많습니다.
수익 모델

B2B SaaS 구독, API 종량제, 맞춤형 솔루션 구축 · 돈 내는 주체: 건설사, 시설 관리 회사, 주택 관리 업체, 지자체

1인 실현 가능성
2/5

비전 AI 모델 개발 및 고도화에 전문성 있는 인력과 데이터 확보가 필요하며, 초기에는 대규모 데이터셋 구축 비용이 발생할 수 있습니다.

진입 지점 (Wedge)

특정 소규모 건설/시설 관리 회사(예: 빌딩 관리, 소규모 아파트 단지)를 위한 경량화된 하자 분류 AI SaaS를 제공하여 데이터 축적 및 모델 고도화

이번 주 첫 실험

소규모 빌딩 관리 회사 5곳을 대상으로 현재 하자 접수 및 분류 프로세스를 인터뷰하여 핵심 비효율 지점과 AI 도입 니즈를 파악한다.

Original source
이 글은 Platum의 기사를 yozm.tech가 한국어로 재작성한 버전입니다.
원문 보기