속성 없는 도면에서
물량을 뽑습니다

기존 방식은 둘 중 하나를 요구합니다

시장 조사 결과 — 두 갈래로 갈려 있습니다

─ 저희는 이 둘을 결합했습니다 ─

속성이 없다는 것의 의미

실제 도면으로 확인한 조건

설계사에서 받는 도면에는 부재 정보가 속성으로 들어 있지 않습니다. 선과 문자만 있습니다. 어떤 선이 부재인지, 그 부재가 400×600인지, 철근이 몇 가닥인지는 도면 어디에도 데이터로 없습니다.

실제 구조 평면도를 분석한 값입니다. 부재가 그려진 레이어에 블록은 하나도 없었고, 속성은 축선 번호와 도면 제목란에만 있었습니다. 이 상태에서 선분 96개와 문자 54개만으로 사양을 갖춘 부재 46개를 복원했습니다.

선 96개가 46쌍을 이루고 그 간격이 곧 부재 폭이라는 것, 쌍의 길이가 순경간이라는 것을 도면에서 찾아낸 결과입니다. 속성이 없어도 도면에는 답이 그려져 있습니다.

핵심 기술

AI 판독과 CAD 좌표를 결합합니다

기존 적산 프로그램은 CAD의 기하 정보만 읽습니다. 선과 블록은 세지만 범례의 기호가 무엇인지, 계통도의 가닥수 표기가 무엇인지는 읽지 못합니다.

그렇다고 AI만 쓰지 않습니다. 좌표와 수량은 CAD 원본이 정본입니다. AI는 사양을 읽고, CAD는 위치와 길이를 줍니다. 이 역할 분담은 뒤에 인용한 국제 연구가 제시한 방향과 같습니다.

건축·구조 도면을 함께 읽습니다

설비 도면 밖에 있는 값이 정확도를 가릅니다

설비 도면만 읽는 프로그램은 이 값들을 기본값으로 대신합니다. 층고 3.0m 일괄 같은 식입니다. 그 순간 오차가 물량 전체에 실리는데 오류 메시지는 나오지 않습니다.

검증한 사례

사람 눈으로는 알아채기 어려운 오차입니다

구조 일람표는 부재 하나를 단부와 중앙부로 나눠 배근을 다르게 줍니다. 그 구간을 어디서 끊는지는 설계기준 도면의 그림에 있습니다. 이 그림을 읽지 않으면 두 배근을 각각 전체 길이로 계산하게 되고, 철근이 부풀어도 오류 없이 통과합니다.

철근콘크리트 보의 통상 철근비는 100~150 kg/㎥입니다. 209는 명백히 비정상인데도 그대로 나옵니다. 설비에서 층고를 일괄 적용하는 것도 성격이 같습니다.

모르는 것은 숫자에 섞지 않습니다

기존 제품과 가장 크게 갈리는 지점입니다

자동 적산의 위험은 틀린 값이 아니라 틀렸는지 모르는 값입니다. 판단이 서지 않으면 추정해서 채우지 않고, 무엇이 왜 빠졌는지 목록으로 냅니다.

그래서 산출값이 하한이라는 사실을 알고 씁니다. 검토자는 전체를 다시 훑는 대신 이 목록만 확인하면 됩니다.

회사에 맞춰 다듬어 납품합니다

패키지 하나를 그대로 쓰시라고 드리지 않습니다

같은 공종이라도 회사마다 도면 관행과 산출 기준이 다릅니다. 레이어 이름, 기구 부호 체계, 할증률, 부속자재 계상 방식, 산출조서 양식이 전부 다릅니다. 이 부분을 코드에 고정하지 않고 설정으로 열어 두며, 실제 도면으로 맞춰 가며 납품합니다.

보유하신 도면 한 세트로 시범 산출을 해 보시고 판단하시는 편을 권해 드립니다.

참고 — 국제 연구 및 시장 조사

2026년 8월 기준 공개 자료

최근 연구는 대규모 언어모델만으로는 적산이 어렵다는 결론에 모입니다. 건설 적산 벤치마크에서 최상위 모델도 정확도가 80%에 미치지 못했고, 콘크리트 물량을 실무 관행(올림)과 반대로 내림 처리하는 오류가 보고됐습니다.

업계 분석은 "AI가 판독하고, 측정과 기준값은 결정론적 도구가 강제해야 한다"는 구조를 제시합니다. 저희가 AI에는 사양 판독을, CAD에는 좌표·수량을 맡긴 것과 같은 방향입니다. 동시에 대부분의 연구가 실험실 데이터셋에 머물러 실무 통합이 이루어지지 않았다는 지적이 반복됩니다.

• CEQuest: Benchmarking Large Language Models for Construction Estimation (2025) — 전문가 작성 164문항에서 GPT-4.1 75.37%, 오픈소스 모델 61~65%. "모든 모델이 80% 미만"이라고 보고. arxiv.org/html/2508.16081v1
• AECV-Bench: Benchmarking Multimodal Models on Architectural and Engineering Drawings Understanding — 실무 도면 판독에 대한 체계적 벤치마크 부재를 지적. arxiv.org/pdf/2601.04819
• Enhanced Automated Construction Quantity Takeoff: Integrating LLMs with Data Extraction, Symbol Mapping, and Rule-Based Reasoning — 2D 문서 기반 LLM 적산 접근. papers.ssrn.com (abstract 4968830)
• Limits of Transferring User-Defined Quantity Takeoff Rules in 2D CAD and 3D BIM Using Semantic Vertices — 산출 규칙의 이식 한계. doi.org/10.3390/app16042019
• The overlooked frontier of AI in construction (Frontiers in Built Environment, 2025) — 실험실 데이터셋 한계와 실무 통합 공백 지적. frontiersin.org/journals/built-environment
• 시장 조사 — CAD 실시간 연동형(Builterra, Forma Takeoff, Carlson)은 객체 속성을 전제로 하고, AI 판독형(Concolabs Auto Reinforcement, Beam AI, Quotr.ai)은 파일 업로드 방식입니다. Concolabs 자료는 설계기준·일반사항 도면 판독을 다루지 않습니다.

문의