건설 현장 견적 작성을 위한 음성 AI: 개발자 관점

건설 현장 견적 작성을 위한 음성 AI: 개발자 관점

문제의 핵심: 왜 견적사들은 여전히 종이를 사용하나요?
2026 년, 우리는 거의 모든 곳에 AI 기반 도구를 구축하고 있습니다—그중에서도 가장 필요한 곳에서는 제외됩니다. 프랑스 건설 현장에 발을 디디면, 견적사가 종이 설계도를 고개 숙여 보며 스마트폰 스프레드시트에 숫자를 입력한 후, 사무실 데스크톱 시스템으로 전사하는 모습을 볼 수 있습니다. 세 번의 수동 전달. 세 번의 오류 기회. 그리고 디지털 전환이 여전히 아날로그처럼 느껴지는 것을 묻는 좌절된 소규모 사업주 (SMB) 소유자.
핵심 문제는 무엇인가요? 전통적인 SaaS 는 데스크톱을 가정합니다. 건설 현장 견적 작성은 발판 위에서, 지하식에서, 비바람 속에서 이루어집니다. 타이핑은 작동하지 않습니다. 스크롤링도 작동하지 않습니다. 사진 촬영, 측정, 그리고 명령어 입력이 작동합니다.

기술적 도전: 음성 견적이 왜 어려운가요?
건설 현장의 음성 AI 는 단순한 발화 인식 (speech-to-text) 이 아닙니다. 세 가지 문제가 이를 진정으로 복잡하게 만듭니다:

1. 도메인 언어 인식
   개발자는 "8 미터, 북쪽 벽, lime mortar( Lime Mortar) 수리"라고 들립니다. Google Translate 은 당신이 다른 것을 말했다고 생각할 것입니다. 건설에는 고유한 어휘가 있습니다: chainage (프랑스 단위), talochage (마감 기술), DTU (표준 관행 코드). 일반적인 음성 모델은 실패합니다.
   해결책 : 도메인 어휘에 대한 커스텀 파인튜닝 (Custom fine-tuning). 우리는 실제 현장의 50,000 개의 오디오 샘플을 수집했습니다—비, 기계, 방언 모두 포함—프랑스어와 영어 건설 용어를 위한 별도의 모델을 훈련했습니다. 기준선 대비 개선: 건설 관련 구절에서 정확도가 94% → 98% 로 상승했습니다.

2. 노이즈 환경
   사무실에서의 발화자 텍스트 앱은 95% 이상의 정확도를 얻습니다. 콘크리트 믹서 20 미터 떨어진 현장에서는 70% 를 맞추는 것이 운입니다. 노이즈 캔슬링이 도움이 되지만, 과도한 필터링은 인간 목소리 자체를 제거합니다.
   해결책 : 스펙트럼 게이트 (Spectral gating) + 강화된 신호 분리 (Reinforced signal isolation). 캡처 후 노이즈와 싸우는 대신, 인간의 발화가 우세하는 주파수 대역 (프랑스어/영어 표준 발화자의 경우 300–3400 Hz) 을 사용하여 마이크 입력을 실시간으로 형성합니다. 마이크 펌웨어는 오디오를 클라우드에 전송하기 전에 경량 ARM 필터를 실행합니다. 현장 테스트에서는 오디오 전처리 지연을 800ms 에서 120ms 로 줄이고 정확도를 8-12% 포인트 회복시킵니다.

3. 컨텍스트 붕괴 (Context Collapse)
   "이 벽을 파란색으로 칠하세요"는 컨텍스트입니다. "Pantone 19-1562 을 참조하는 두 패크 폴리우레탄 에나멜, 반짝임으로 이 벽을 칠하세요"는 사양 (specification) 입니다. 견적사가 라인 항목을 음성으로 입력할 때, 그들은 여러 발화 사이에서 컨텍스트를 연결합니다: 어떤 방, 어떤 재료, 어떤 마감. 하나의 연결을 누락하면 전체 견적이 무효화됩니다.
   해결책 : 상태 기반 세션 컨텍스트 (Stateful session context) + 엔티티 링크 (Entity linking). 우리는 세션 그래프 (현재 방, 현재 벽, 재료 라이브러리 참조) 를 저장하고 각 발화에 엔티티 스페인을 태그합니다. "두 번 칠하기, 주방과 동일"이라는 발화는 "주방 견적의 페인트 사양"으로 "주방과 동일"을 해결합니다. 이는 LLM 레이어를 위한 신중한 프롬프트 엔지니어링 (우리는 Claude 를 모호성 제거에 사용하며, GPT-4o 를 백업으로 사용합니다) 을 필요로 합니다. 총 지연: 네트워크 라운드 트립 포함 각 발화당 280ms.

워크플로우: 음성에서 영수증까지
견적사가 현장 견적 작성에 음성 기반 쿼팅을 사용할 때 실제로 일어나는 일은 다음과 같습니다:
현장 투어 → 견적사가 방별로 관찰을 입력합니다.
음식 캡처 → 오디오가 에지 장치 (스마트폰/태블릿) 로 전송되어 전처리되고 대기열에 배치됩니다.
발화 인식 → 우리의 파인튜닝된 모델이 오디오를 건설 관련 텍스트로 변환합니다.
엔티티 해결 → LLM 이 재료, 양, 방 컨텍스트를 연결합니다.
라인"

item generation → structured JSON (material, quantity, unit, rate, room). Cloud 동기화 → 프로젝트에 저장되며 사무 팀이 실시간으로 확인 가능.
Quote generation → 템플릿을 통한 자동 생성으로, Factur-X 2026 준수 (프랑스 전자 송장 표준) 준비 완료. 각 항목 지시 총 시간: 약 2.5 초.
일반 주거 추정 (15 개 방, 40 개 항목): 지시 3 분 + 검토 1 분 = 총 4 분. 전통적인 종이→스프레드시트 대비: 45 분.

실제 제약 조건 (Constraints) 배터리 소모
스트리밍 오디오 + LLM 추론 + GPS 로깅 + 사진 압축 = 8 시간 근무당 40% 배터리를 소모함.
다음 조치로 18%로 줄임:

• 오디오를 로컬에서 버퍼링
• 제출을 배치 (30 초 창)
• 비필수 추정에는 장치 내 경량 음성 인식 실행
• 낮은 운동 기간 GPS 무효화 (1Hz 에서 0.1Hz 폴링 감소)

지연 변동성 (Latency Variance) 클라우드 라운드트립 지연은 적절함 (평균 280ms). 그러나 추정자가 시골 현장에 있어 4G 가 불완전할 경우, 지연이 2~3 초로 급증함.
UX 는 다음 방으로 이동하기 전에 확인을 기다리는 동안 깨짐.
해결책 : 낙관적 UI. 음성 입력을 수용하고 즉시 시각적 피드백 (