CNG TV_BIM과 인공지능 관련 설계혁신연구_2025-10-13

---

CNG TV_BIM과 인공지능 관련 설계혁신연구_2025-10-13

BIM과 인공지능을 활용한 설계 혁신 연구 브리핑

 

Executive Summary

본 문서는 BIM과 인공지능(AI)의 융합이 건축 설계 분야에 가져오고 있는 패러다임 전환을 심도 있게 분석한다. 두 건축가 팀의 발표 사례를 통해, 설계의 본질이 도구를 사용한 수작업 실행에서 언어를 통한 아이디어 구체화 및 프로세스 설계로 이동하고 있음이 명확히 드러난다. 이는 건축가의 역할과 핵심 역량에 대한 근본적인 재정의를 요구한다.

내러티브 아키텍츠는 디퓨전 모델을 활용한 '노이즈와 디노이즈' 접근법을 제시한다. 이들은 도시 데이터, 텍스트 프롬프트, 그리고 이미지, 비디오, 3D 모델을 생성하는 다양한 AI 도구를 연결하는 파이프라인을 구축하여 설계안을 탐색하고 구체화한다. 이 과정에서 건축가의 역할은 무수한 가능성 속에서 방향을 설정하고 결과를 선별하는 '큐레이터'로 전환된다.

반면, **양수인 건축가(삶것건축사사무소)**는 '말로 하는 건축'이라는 개념을 통해 LLM(대규모 언어 모델)을 활용한 혁신적 작업 방식을 선보인다. 그는 자연어 명령만으로 맞춤형 설계 소프트웨어를 즉석에서 개발하고, 레빗(Revit)과 같은 복잡한 BIM 소프트웨어를 직접 제어하는 '마우스 없는 설계(Mouseless Architecture)' 프로세스를 시연했다. 이 접근법에서 건축가는 필요한 것을 언어로 명확히 정의하는 '기획자'이자 '감독'의 역할을 수행한다.

두 사례가 공통적으로 시사하는 바는 명확하다. 도면 작성이나 3D 모델링 같은 기술적, 육체적 노동은 점차 자동화될 것이며, 건축가의 핵심 역량은 설계 의도를 정밀한 언어로 표현하는 능력, 개념적 프레임워크를 설정하는 사고력, 그리고 기술의 결과물에 대한 사회적·윤리적 판단력으로 수렴되고 있다. 이는 미래 건축 교육과 실무의 방향성에 중대한 시사점을 제공한다.

 

원본출처: https://www.cadgraphics.co.kr/newsview.php?pages=tv&sub=tv01&catecode=&num=632

BIM과 인공지능 관련 설계혁신연구

 

스트리밍 영상: https://www.youtube.com/live/73tZhN6gTzs?si=tcZm6KT3Tj9asuCB

 

---

I. 세미나 개요

• 행사명: [실무협업동향] BIM과 인공지능 관련 설계혁신연구
• 주최: 한국BIM학회, 캐드앤그래픽스
• 일시: 2025년 10월 13일 16:00 ~ 17:00
• 목표: 생성형 AI가 건설 및 건축 분야에 적용되는 실제 사례를 통해 BIM과의 융합 가능성을 탐색하고, 이로 인한 설계 혁신의 방향과 건축가의 역할 변화를 심도 있게 논의한다.
• 참가자:
  • 사회자: 한정민 교수 (연세대학교 건축공학과)
  • 발표자 1: 황남인, 김시홍 건축가 (내러티브 아키텍츠)
  • 발표자 2: 양수인 건축가 (삶것건축사사무소)

 

II. 내러티브 아키텍츠: 노이즈와 디노이즈 - AI를 통한 건축적 사고의 확장

핵심 주장

AI의 등장은 도면, CAD/파라메트릭 디자인에 이은 건축사의 세 번째 전환점이다. 설계의 기반이 건축가의 개인적 경험에서 언어적 조건을 설정하고 방대한 데이터를 기반으로 판단하는 방식으로 이동하고 있다. 이에 따라 건축가의 역할은 건물의 형태를 만드는 것을 넘어, 개념의 분기 구조를 설계하고 AI가 제시하는 수많은 가능성의 흐름을 조율하는 것으로 진화할 것이다.

주요 프로젝트 및 방법론

1. 초기 실험 (2023년 설계 공모)

• 프로세스: 설계 공모 지침서를 챗GPT에 입력하여 컨셉을 도출하고, 이를 기반으로 이미지 생성 AI를 활용해 이미지, 텍스트 등 모든 결과물을 제작했다.
• 핵심 통찰: AI는 정규분포의 평균에 가까운 결과물을 생성하므로 본질적인 유동성과 불완전성을 가진다. 따라서 건축가는 명확한 프롬프트(능동적 조건)를 통해 사고의 프레임을 설정하고 과정을 주도해야 한다.

2. 도시 데이터 기반 설계 파이프라인 (익산 지식산업센터 프로젝트)

캘거리 대학교 이진모 교수와 협업하여 실제 도시 데이터를 학습한 AI를 설계 프로세스에 통합하는 파이프라인을 구축했다.

• 프로세스 단계:
  1. 데이터 학습: 익산시의 필지(Parcel)와 건물 형태(Footprint) 데이터를 이미지 해석 모델(VGG19)에 학습시킨다.
  2. 개념 설정: 건축 개념을 텍스트 프롬프트로 작성한다.
  3. 데이터 추출: 학습된 도시 데이터 중 작성된 프롬프트와 약 70% 유사성을 가진 필지와 건물 데이터를 추출한다.
  4. 딥러닝: 추출된 데이터(이미지)와 개념 프롬프트(텍스트) 사이를 오가며 딥러닝을 통해 최적의 대안을 탐색한다.
  5. 결과물 생성: 최종적으로 설계 개념에 가장 가까운 건물 형태(Footprint) 데이터를 생성한다.
• 다중 모드 생성 파이프라인: 생성된 데이터를 기반으로 다양한 AI 툴을 연계하여 최종 결과물을 도출했다.
  • 이미지 생성 (Gemini 등): 생성된 Footprint와 디자인 디스크립션을 결합하여 건물 이미지를 생성.
  • 비디오 생성 (Sora 등): 단일 뷰 이미지를 비디오로 변환하여 보이지 않는 면의 데이터를 생성함으로써 3D 모델의 정확도를 높임.
  • 3D 모델 변환 (TripoSR 3D 등): 생성된 다각도의 이미지/비디오를 3D 메쉬 모델로 변환.
  • 물리적 구축 (3D 프린팅): 변환된 3D 모델을 프린팅하여 구축 가능성을 시험.

결론 및 시사점

• 프로세스의 전환: 단일한 대안을 찾아가는 선형적 프로세스에서 벗어나, 다양한 옵션을 동시에 탐색하는 면적(areal)이고 다항적인(multi-directional) 프로세스로 변화하고 있다.
• 기술의 민주화와 노동의 가치: 전문 프로그램을 다루지 않아도 높은 수준의 결과물 생성이 가능해져 건축이 대중화될 수 있다. 반면, 이미지 생성 노동이 AI로 대체되면서 해당 노동의 의미와 가치가 빠르게 변할 수 있으며, '무엇을, 왜 만드는가'에 대한 논의가 더욱 중요해진다.
• 언어의 중요성: 모든 생성 과정이 텍스트(프롬프트)를 통해 이루어지므로, 건축가의 언어, 사회적 담론을 담은 텍스트의 중요성이 그 어느 때보다 커지고 있다. 건축가는 사회적, 윤리적 책임을 가지고 AI 활용의 방향을 설정해야 한다.

 

III. 양수인 (삶것): 말(로)하는 건축가 - 언어를 통한 BIM 제어 및 설계 자동화

핵심 주장

'마우스 없는 건축(Mouseless Architecture)'은 더 이상 막연한 상상이 아닌 실현 가능한 현실이다. 설계 행위의 본질을 '정밀한 마우스 클릭'에서 '정확한 사고와 언어'로 전환할 수 있으며, LLM을 활용해 건축가가 필요한 맞춤형 소프트웨어를 즉시 만들고 레빗(Revit)과 같은 BIM 툴을 자연어로 직접 제어하는 새로운 설계 프로세스가 가능하다.

주요 프로젝트 및 방법론 (영월 동강 체육센터 공모전)

1. 프로젝트 목표 및 원칙

• 혁신적인 디자인이 아닌, 디자인 프로세스의 혁신에 집중한다.
• 상용 AI를 활용하여 건축 디자인 과정에 접목하는 방법만을 실험한다.
• 이미지가 아닌, 측정 가능한(measurable) 건축적 생성물을 목표로 한다.
• 실제 공모전에 출품하여 프로세스의 실효성을 검증한다.

2. 핵심 워크플로: 기획(ChatGPT)과 코딩(Claude)의 분리

건축가가 자신의 요구사항을 자연어로 명확하게 설명하면, 이를 바탕으로 두 AI가 협업하여 결과물을 도출하는 독창적인 방식을 사용했다.

• 기획자 (ChatGPT): 건축가의 요구를 듣고, 이를 수행할 수 있는 소프트웨어의 기획서(spec)를 작성한다.
• 개발자 (Claude): ChatGPT가 작성한 기획서를 받아 실제 작동하는 코드나 맞춤형 앱(add-in)을 생성한다.

3. 단계별 프로세스

1. 공간 배치 소프트웨어 개발:
   • 공모 요강의 실 정보를 바탕으로 관계도를 설정하고, 이를 만족시키는 평면 배치 앱을 위 워크플로를 통해 개발했다.
   • 개발 과정에서 AI(Claude)는 코드가 비효율적이라며 스스로 모듈화하여 재작성할 것을 제안하기도 했다.
   • 초기 격자형 배치에서 벗어나, AI가 제안한 물리 엔진(Matter.js)과 IK체인(IK chain) 방식을 도입하여, 관절로 연결된 실들을 흔들어 배치하는 등 더욱 유연하고 창의적인 평면 탐색이 가능해졌다.
2. 레빗(Revit) 제어를 위한 AI 자가 학습:
   • LLM이 레빗 API를 제어하는 데 어려움을 겪자, AI에게 스스로 학습하도록 지시했다.
   • Claude는 인터넷에서 레빗 제어 방식을 검색하고, 약 50회에 걸쳐 명령을 실행하고 실패 원인을 기록하며 스스로 제어 방법을 터득했다. 이 과정은 "사람처럼 실망하지 않고 실패로부터 배우는" AI의 강력한 잠재력을 보여주었다.
3. 자연어 기반 BIM 모델링:
   • 자가 학습 후, AI는 복잡한 자연어 명령을 성공적으로 수행했다.
   • 예시:
     • "수영장 바닥을 모델링해라" → AI가 스스로 성인풀(1.5m)과 유아풀(0.5m)의 적정 깊이를 판단하여 모델링.
     • "남쪽 지붕 모서리를 1.5m 올려라" → 명령 수행 후 "지붕이 남쪽으로 경사져 배수와 구조적 안정성이 개선되었습니다"라고 피드백 (구조 안정성 부분은 AI의 흥미로운 오판).
     • "이 벽에 환기창을 뚫어라" → 초기 50cm로 생성 후, 기성품 최소 높이가 60cm라는 지적에 1m 높이로 스스로 수정.

4. AI의 한계: 공간 지각 능력의 부재

• 건축가가 머릿속에 그리는 특정 단면(수영장, 보이드, 계단이 복합적으로 잘리는 뷰)을 잘라달라고 언어로 설명했지만, AI는 해당 위치를 찾아내지 못했다. 이는 (당시 기준) AI의 공간 지각 능력이 거의 없음을 시사한다.

결론 및 시사점

• 소프트웨어의 대중적 맞춤화 (Mass Customization of Software): 건축가는 더 이상 거대한 상용 소프트웨어에 의존하는 대신, 필요한 기능의 툴을 LLM을 통해 즉석에서 만들어 쓰는 시대가 올 것이다.
• '무엇'을 원하는가에 대한 명확성: 기술적 구현 방법을 몰라도 '무엇을 원하는지'를 정확히 묘사할 수 있는 능력이 가장 중요한 기술이 된다.
• 파트너로서의 AI: AI는 지시를 수동적으로 따르는 직원이 아니라, 지치지 않고 빠르게 학습하며 대안을 제안하는 동료나 파트너에 가깝다.

 

IV. 종합 토론 및 미래 전망

AI와의 소통 전략

• 양수인: 모호함을 제거하고 아주 잘게 쪼개어 구체적이고 상세하게 지시해야 한다. 비언어적, 공간적 개념에 대한 이해도는 아직 낮다.
• 내러티브 아키텍츠: 추상적인 개념어와 이를 구현할 수 있는 형태, 시스템, 조직을 묘사하는 구체적인 단어를 연결한 자체적인 '말뭉치(corpus)'를 구축하여 AI의 이해도를 높이는 방법을 사용한다.

건축계의 미래

• 지식의 민주화와 분산된 학습: 황남인 건축가는 AI의 낮은 진입장벽으로 인해 학교나 기업이 아닌 학생 개개인이 변화를 주도하고 있으며, 다양한 분야의 사람들이 서로 배우며 발전하는 양상이 나타날 것이라고 전망했다.
• 근본적인 사회경제적 변화: 양수인 건축가는 AI가 노동력의 가치를 근본적으로 변화시켜, 자율주행차가 부동산 시장을 재편하듯 자본주의 시스템 자체에 거대한 변화를 초래할 것이라고 예측했다. 이는 건축계를 넘어선 거시적인 변화의 일부라는 시각이다.

결론적으로, 두 발표는 AI 시대의 건축가가 기술의 사용자를 넘어, 명확한 언어와 비판적 사고로 기술의 방향을 설정하고 그 결과에 책임을 지는 **'사상가'이자 '전략가'**가 되어야 함을 강력하게 시사한다.

 

 

---

추가설명(해설): https://info.dec-w.com/206

ⓐCNG TV_전문가들이 말하는 AI 시대 건축의 미래: BIM과 설계 탐색 효율화 전략

---

NotebookLM을 이용해서 작성되었습니다.

디이씨(D.E.C)

martin@dec-w.com