ND-3: AI 기반 건설 진행 상황 모니터링

• 배경 문제: 건설현장은 자재 이동·납품 기록이 수기로 남는 경우가 많아, 물류 병목/일정 지연을 "뒤늦게" 인지하게 됩니다. 인력 부족과 안전 문제도 확대됩니다.

• 기존 방식의 한계: (1) 기록 누락/왜곡 (2) 데이터가 없으니 공정률 산정이 지연 (3) 단순 운반 자동화만으로는 "공정 관리"와 연결이 약해 ROI가 제한됩니다.

• CES 소개 기준: 로봇이 자재를 자율 운반하고, 수행한 "모든 딜리버리" 데이터를 업로드하며, 이를 바탕으로 Project Progress Monitoring AI가 일정/계획 정합성을 평가합니다.

• 4족 "pass-through" 섀시로 프레임 내부에 하중을 싣고 이동하는 구조를 제시(험지/장애물 대응을 염두)합니다. • 한국 매체 인터뷰/보도에서 현장 적용 방향(건설 자동화/데이터화)을 강조합니다.

• 도입 주체: 종합건설사/시공사, 대형 프로젝트 PMO, 현장 물류·안전 담당 조직입니다. • B2C/B2B/B2G: B2B 중심 (공공 인프라 공사에 B2G 요소 가능)입니다.

• 환경/규제 제약: 현장마다 동선/자재/안전규정이 달라 세팅·교육이 필요하며, 안전 인증/책임 소재가 도입 장벽입니다.

• 산업/시장 확장성: 1차는 건설 특화입니다. 다만 "무거운 자재 이동 + 기록 자동화" 니즈가 있는 제조/물류로 확장 여지는 있습니다(실증 성과 필요).

• CES 수상 맥락 평가: 전통 산업(건설)의 병목을 "로봇+데이터"로 푸는 메시지가 강합니다. • 기술 완성도: 험지 자율주행/하중 운반 안정성/데이터 신뢰성이 핵심입니다. • 시장 기대치: 건설 DX 수요는 크지만 보수적 산업 특성상 확산은 단계적입니다. • 과대평가/저평가 요소: AI의 일정 판단이 실제 PM 의사결정에서 신뢰될 수준인지가 관건입니다.