인공지능(AI)의 급진적인 발전은 건설 안전 관리 관행을 변화시키고 있다. 건설 안전을 위한 AI 모델은 일반적으로 사고 발생 당시의 사건 및 기여 요인에 대한 상세 정보를 제공하는 사고 보고서를 사용하여 학습된다. 그러나 모델의 성능은 명확하지 않은 인과관계 또는 잘못 분류된 정보를 포함한 저품질 사고 보고서로 인해 저하된다. 건설 사고의 복잡하고 업종(전공/직종)별 특성을 고려할 때, 저품질 보고서를 자동으로 걸러내는 일은 여전히 어렵다. 본 연구는 보고된 사고와 연관된 건설 직종을 분류하는 AI 모델의 성능에 저품질 사고 보고서가 어떠한 영향을 미치는지 분석하였다. 430건의 사고 보고서를 사용하여, 저품질 데이터의 포함 비율을 달리한 뒤 모델 성능을 측정하였다. 그 결과 특정 분류에서는 성능이 최대 45%까지 감소하는 것으로 나타났다. 이러한 결과는 소수의 저품질 사고 보고서만으로도 건설 안전 AI 모델의 성능이 저하될 수 있음을 보여주며, 건설 안전 AI 모델의 신뢰성을 확보하기 위한 고도화된 필터링 메커니즘의 필요성을 강조한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.