[고객사례] 희림건축 | AWS Bedrock AgentCore 기반 멀티에이전트 AI로 건축 법규 검토를 자동화하다

1. Overview (프로젝트 배경)

설계 도서 한 세트가 완성되기까지, 건축사는 수백 페이지의 도면과 지침서를 한 줄씩 짚어가며 건축법·국토계획법·시행령·시행규칙·시도 조례, 그리고 대상지에 걸린 지구단위계획 고시까지 일일이 대조합니다. 건폐율·용적률·높이·주차대수 같은 핵심 수치 하나하나가 ‘어느 법 몇 조에 근거하는가’를 확인해야 하고, 법은 수시로 개정되며 근거는 법제처·VWorld·토지이음 등 여러 기관에 흩어져 있습니다. 숙련된 전문가의 시간과 경험에 전적으로 의존하는, 노동집약적이면서도 누락이 곧 리스크가 되는 영역입니다.

국내 건축 설계를 선도하는 희림건축은 이 반복적이고 방대한 법규 검토 과정을 생성형 AI로 자동화하여, 전문가가 ‘판단’에 집중하고 ‘대조’는 AI에게 맡기는 새로운 설계 검토 워크플로우를 목표로 삼았습니다. 단순한 챗봇이 아니라, 설계 도서를 직접 읽고 → 관련 법규를 스스로 찾아 → 근거와 함께 체크리스트를 만들어내는 ‘실무형 AI’가 필요했습니다.

이 도전 과제를 함께 풀기 위해 희림건축은 메가존클라우드와 함께하게 되었습니다. 양사는 최신 에이전틱 AI 아키텍처인 AWS Bedrock AgentCore와 멀티에이전트(Multi-Agent) 패턴을 건축 법규 검토라는 고난도 도메인에 전면 적용하여, 설계 PDF 업로드부터 법령 근거가 명시된 검토 체크리스트 생성까지를 End-to-End로 자동화하는 시스템을 완성했습니다.

이 프로젝트의 핵심은 ‘AI를 믿어 달라’고 요구하지 않는다는 데 있습니다. AI가 내놓는 모든 검토 결과는 근거가 된 법 조문과 도면상의 위치까지 그대로 되짚을 수 있으며, 최종 판단은 언제나 전문가가 직접 검증하여 내릴 수 있게 합니다. 자동화의 목적을 ‘사람을 대체하는 것’이 아니라 ‘전문가가 더 빠르고 정확하게 검증하도록 돕는 것’에 둔, 추적 가능한 신뢰(Traceability) 중심의 설계가 이 시스템을 여느 RAG 챗봇과 구분 짓는 지점입니다.

2. Challenge

성공적인 건축 법규 검토 자동화를 위해 해결해야 할 핵심 과제는 다음과 같았습니다.

① 사람에 의존하는 노동집약적 법규 검토의 비효율

• 수백 페이지 설계 도서를 전문가가 수작업으로 법령과 대조해야 하는 구조로, 검토에 막대한 시간이 소요됨
• 검토자의 숙련도에 따라 결과 편차가 발생하고, 누락 시 인허가 단계에서 리스크로 직결됨

② 흩어지고 끊임없이 바뀌는 법령·근거의 최신성 확보 난제

• 건축 관련 규정이 법제처(법령), VWorld(용도지역·지구단위계획), 토지이음(고시) 등 여러 기관에 분산되어 있음
• 법령은 수시로 개정되므로, 검토 시점에 ‘현행 법령’을 보장하고 출처를 추적할 수 있어야 함

③ 다중 출처 통합 판단과 근거 추적성(Traceability) 요구

• 동일 항목에 대해 설계지침서·지구단위계획·법적기준이 서로 다른 값을 제시할 수 있어, 우선순위에 따른 통합 판단이 필요
• 검토 결과는 반드시 ‘어느 문서, 어느 법 조문, 몇 페이지’에서 나왔는지 근거를 제시해야 실무에서 신뢰·활용 가능
• 단일 LLM 호출로는 컨텍스트 한계와 환각(Hallucination) 문제로 방대한 설계 도서 전체를 정확히 다루기 어려움

3. Solution

메가존클라우드는 도메인 요구사항 정의부터 에이전트 아키텍처 설계, 정부 API 연동, 운영용 웹 애플리케이션까지 End-to-End 솔루션을 제공했습니다. 설계의 모든 결정은 ‘AI의 검토 결과를 사람이 끝까지 되짚을 수 있는가’ 라는 추적성 기준에서 출발했습니다.

① 조문·도면까지 되짚는 근거 추적성(Traceability)

모든 검토 항목은 출처 문서·법령 조문·페이지·도면상의 텍스트 위치까지 함께 저장되어, 사용자가 PDF 원문에서 근거를 즉시 하이라이트로 확인할 수 있습니다. 검토 결과가 ‘왜 그렇게 나왔는지’를 한 줄로 연결해 보여주므로, 전문가는 AI의 판단을 그대로 검증할 수 있습니다.

② 출처 충돌을 우선순위로 판정

동일 항목에 대해 설계지침서·지구단위계획·법적기준이 서로 다른 값을 제시할 때, ‘지침서 > 지구단위 > 법규’ 우선순위 규칙에 따라 적용 기준을 정리합니다. 건폐율·용적률 법적 상한 검증과 주차대수 산정을 자동 수행하여 설계값을 산정·제안하되, 최종 채택은 전문가의 검토·결재로 확정하도록 설계했습니다.

③ Supervisor–Sub Agent 멀티에이전트 Swarm

방대한 검토 작업을 단일 AI에 맡기지 않고, 1개의 Supervisor와 5개 전문 에이전트(전처리·프로젝트분석·지구단위·법규·설계기준)로 분업하는 Strands Agents 기반 Swarm 패턴을 채택했습니다. Supervisor가 요청을 실행 계획으로 분해하고, 8개 카테고리·38개 항목을 단계별로 위임(Handoff)하여 컨텍스트 한계와 정보 손실, 환각(Hallucination)을 구조적으로 줄였습니다.

④ 정부 공공 API 연동 + 법령 동기화

법제처(법령 조문 검색), VWorld(용도지역·지구단위계획·PNU 조회), 토지이음(고시 매칭), Kakao(주소 지오코딩)를 에이전트 도구로 통합했습니다. EventBridge로 매일 새벽 3시(KST) 법령을 자동 동기화하여, 검토 시 동기화 시점 기준 최신 법령을 반영하도록 설계했습니다.

⑤ 하이브리드 검색 엔진

Aurora PostgreSQL의 pgvector 시맨틱 검색(Cohere Embed v4 임베딩, 1536차원)과 pg_bigm 키워드 검색을 결합하여, 방대한 설계 도서와 법령에서 관련 근거를 폭넓고 정확하게 찾아냅니다.

⑥ 실시간 스트리밍 UI & 운영 인프라

Next.js 기반 3열 레이아웃(파일 관리 · 법규검토 결과 · AI 대화)에서 에이전트의 작업 과정을 AG-UI 프로토콜(SSE)로 실시간 스트리밍하고, 검토 결과를 Excel로 내보낼 수 있게 했습니다. 도구 실행은 MCP Gateway–Lambda 서버리스로 구성해 사용한 만큼만 비용을 지불하도록 했으며, 메가존클라우드가 도메인 정의부터 운영 환경 구축까지 고객사와 원팀 체제로 총괄했습니다.

4. Result

이번 프로젝트를 통해 사람의 시간과 경험에 전적으로 의존하던 건축 법규 검토를, 근거가 끝까지 추적되는 AI 자동화 워크플로우로 전환하는 모범 사례를 완성했습니다.

1) 검증 가능한 신뢰 — 생성형 AI 실무 도입의 장벽을 해소 모든 판단의 근거를 사람이 직접 되짚어 확인할 수 있게 함으로써, 생성형 AI 도입의 가장 큰 장벽인 환각(Hallucination)에 대한 우려를 구조적으로 해소했습니다. 검증과 결정의 주체를 전문가로 남기는 설계를 통해, 실무에 바로 적용할 수 있는 신뢰성을 확보한 것이 이 프로젝트의 핵심 성과입니다.

2) 단순 검색을 넘어선 ‘판단 보조형 AI’ 구현 출처가 충돌하는 다중 기준을 일관된 우선순위로 정리하고 정량 검증까지 자동화함으로써, AI가 산정·제안하고 전문가가 결재로 확정하는 협업 모델을 완성했습니다. 정보를 찾아주는 RAG 챗봇을 넘어, 의사결정을 보조하는 도구로 자리매김했습니다.

3) PDF 업로드 한 번으로 끝나는 검토 자동화 — 전문가 생산성 향상 수작업 대조에 의존하던 과정을, 설계 PDF 업로드만으로 8개 카테고리·38개 항목의 검토 체크리스트가 자동 생성되는 워크플로우로 전환했습니다. 건축사는 반복적인 대조 작업에서 벗어나 핵심 판단과 설계 품질에 집중할 수 있게 되었습니다.

4) 흩어진 공공 데이터의 통합과 법령 최신성 유지 법제처·VWorld·토지이음에 분산된 데이터를 하나의 검토 흐름으로 묶고, 일 단위 자동 동기화로 출처 누락과 법령 노후화 위험을 줄였습니다.

5) 도메인 이해 기반의 ‘End-to-End’ 생성형 AI 구축 역량 증명 멀티에이전트 분업과 서버리스 아키텍처로 확장성과 비용 효율을 확보하고, 요구사항 정의부터 정부 API 연동·운영 환경 구축까지 전체 파이프라인을 원팀으로 오케스트레이션하며 메가존클라우드의 생성형 AI 실행 역량을 입증했습니다.

✍️ 글 ㅣAI Architect Unit 김보근 매니저

공유하기