2025년 AI 기반 위험성 평가 시스템 도입 동향 - 제조업 적용 사례 분석

"AI가 위험성 평가도 해줄 수 있다고요?" 최근 제조업 안전관리자들 사이에서 가장 뜨거운 화제입니다. 2025년 들어 AI 기반 위험성 평가 시스템 도입이 본격화되면서 기존 평가 방식에 큰 변화가 일고 있어요. 실제 적용 사례를 통해 효과와 한계를 분석해보겠습니다.

AI 위험성 평가 시스템은 산업안전보건법 제36조의 위험성 평가 의무를 더 효율적으로 수행할 수 있는 도구로 주목받고 있습니다. 기존 3개월 주기 평가가 실시간 연속 평가로 전환되면서 사고 예방 효과가 크게 향상되고 있어요.

■ AI 위험성 평가 시스템 핵심 기술

**컴퓨터 비전 기반 위험 인식**
CCTV와 연동된 AI 시스템이 작업자의 안전모 미착용, 위험구역 접근, 불안전한 작업 자세를 실시간으로 감지합니다. 수도권 자동차부품 제조업체 A사는 생산라인 20곳에 AI 카메라를 설치해 월평균 안전사고를 60% 감소시켰어요.

딥러닝 모델은 10만 시간 이상의 작업 영상을 학습해 95% 이상의 정확도로 위험 상황을 판별합니다. 특히 지게차 작업 구역에서 보행자 접근을 감지하는 정확도는 98%에 달해요.

**IoT 센서 데이터 종합 분석**
온도, 습도, 진동, 소음, 가스 농도 등 다양한 센서 데이터를 AI가 통합 분석해 위험 수준을 평가합니다. 영남권 화학공장 B사는 300개 센서 데이터를 AI로 분석해 가스 누출 사고를 사전에 3번 예방했습니다.

머신러닝 알고리즘이 센서 패턴을 학습해 평소와 다른 이상 징후를 조기 발견합니다. 예를 들어 압축기 진동 패턴 변화로 고장을 2주 전에 예측해 계획 정비를 실시했어요.

**작업자 행동 패턴 학습**
RFID나 비콘을 활용해 작업자 동선과 작업 패턴을 분석합니다. 위험 구역 체류 시간, 보호구 착용 시간, 작업 속도 등을 종합해 개인별 위험 점수를 산출해요. 호남권 조선업체 C사는 개인별 위험 점수 기반 맞춤형 안전교육을 실시해 사고율을 40% 감소시켰습니다.

■ 제조업 업종별 적용 사례

**자동차 제조업**
중부권 완성차 업체 D사는 용접라인에 AI 시스템을 도입했습니다. 용접 스파크와 작업자 거리, 보호구 착용 상태, 환기 시설 가동 여부를 종합 모니터링해요. 용접 품질과 안전성을 동시에 관리하면서 불량률 15% 감소 효과도 얻었습니다.

로봇과 작업자 간 협업 구간에서는 충돌 위험을 실시간 계산해 로봇 속도를 자동 조절합니다. 작업자가 2m 이내 접근하면 로봇이 50% 감속하고, 1m 이내에서는 일시 정지해요.

**화학 제조업**
수도권 정밀화학 업체 E사는 반응기 온도와 압력 데이터를 AI로 분석합니다. 과거 사고 데이터와 운전 조건을 학습해 폭발 위험도를 실시간 계산해요. 위험도가 임계치를 넘으면 자동으로 냉각수 공급량을 증가시키고 관리자에게 알림을 전송합니다.

화학물질 배합 과정에서도 AI가 안전성을 검증합니다. MSDS 데이터베이스와 연동해 배합 금지 조합을 사전 차단하고, 최적 배합 순서를 제안해요.

**전자 제조업**
영남권 반도체 장비업체 F사는 클린룸 내 정전기 위험을 AI로 관리합니다. 습도, 온도, 작업자 동선 데이터를 분석해 정전기 발생 확률을 예측하고, 제전 설비 가동 시점을 최적화했어요. 정전기 관련 불량이 80% 감소했습니다.

■ AI 시스템 도입 효과 분석

**정량적 효과**
도입 업체 평균 안전사고 발생률이 45% 감소했습니다. 위험성 평가 소요 시간은 기존 월 40시간에서 5시간으로 단축됐어요. 특히 실시간 모니터링으로 아차사고(Near Miss) 발견율이 300% 증가해 사전 예방 효과가 크게 향상됐습니다.

위험성 평가 정확도도 크게 개선됐어요. 기존 주관적 평가에서 객관적 데이터 기반 평가로 전환되면서 평가자 간 편차가 70% 줄어들었습니다.

**정성적 효과**
작업자들의 안전 의식도 크게 향상됐습니다. 실시간 피드백을 받으면서 스스로 안전 규칙을 준수하는 비율이 높아졌어요. "AI가 지켜보고 있다"는 인식으로 불안전 행동이 자연스럽게 줄어들었습니다.

■ 도입시 고려사항 및 한계

**기술적 한계**
AI 시스템도 완벽하지 않습니다. 조명 변화나 그림자로 인한 오인식이 5% 정도 발생해요. 특히 복잡한 작업 환경에서는 정확도가 떨어질 수 있습니다. 정기적인 모델 재학습과 보정이 필요해요.

**개인정보 보호**
작업자 행동 모니터링 과정에서 개인정보 수집이 불가피합니다. 개인정보보호법 준수를 위해 데이터 수집 범위를 최소화하고 익명화 처리를 해야 해요. 노조와의 충분한 협의도 필요합니다.

**구축 비용**
초기 구축비용이 1억원~10억원으로 상당합니다. 다만 사고 예방으로 인한 비용 절감 효과를 고려하면 2~3년 내 투자비 회수가 가능해요.

AI 기반 위험성 평가는 안전관리의 패러다임을 바꾸고 있습니다. 사후 대응에서 사전 예방으로, 정성적 평가에서 정량적 평가로의 전환을 통해 더 안전한 작업 환경을 만들 수 있어요.

※ 클린미션은 2026.5.20 코스닥 상장사 포커스에이아이(331380)와 산업안전 공동사업 MOU 체결, 새만금 50인 미만 8개사 첫 사업 진행 중. https://cleanmission.inblog.io/포커스에이아이-KOSDAQ-331380-클린미션-MOU-새만금-50인-미만-8개사-스마트-안전공장-사업-본격-1779258310593