이상적인 워크플로우
구조 엔지니어로서의 경험에 따르면, 대부분의 소프트웨어 솔루션은 제 워크플로우(또는 회사의 워크플로우)를 완전히 지원하지 않습니다. 대부분의 경우 소프트웨어가 업무의 90~95%를 처리하고, 나머지 5~10%는 사용자가 직접 처리해야 합니다. 이는 워크플로우의 일부가 특정 지역/국가에만 적용되고 전 세계적으로 통용되지 않기 때문입니다. 작은 비율처럼 보이지만, 이 부분은 대체로 반복적이고 지루한 작업입니다. 대부분의 구조 엔지니어나 컨설팅 회사도 비슷한 경험을 했을 것이라 생각합니다. 즉, 소프트웨어가 지원해주길 바라는 이상적인 워크플로우가 있다는 것입니다.
소프트웨어에 API(Application Programming Interface)가 있다면(들어본 적이 없어도 걱정하지 마세요, 나중에 설명하겠습니다), 그 부족한 5~10%를 자동화하는 가장 이상적인 방법은 맞춤형 스크립트를 개발하는 것입니다. 구조 엔지니어는 코딩에 익숙할 것으로 기대되지 않습니다. 우리의 주된 업무는 안전하고 안정적인 구조를 설계하는 것이기 때문입니다. 바로 이때 AI가 유용하게 쓰입니다.
최근의 기술 발전으로 AI 챗봇은 단순히 이메일을 작성하거나 웹을 검색하는 것보다 훨씬 유용해졌습니다. AI는 실제로 우리의 일상 업무를 도울 수 있습니다. AI는 코딩 지식이 없어도 그 부족한 5~10%를 채울 수 있는 작동 가능한 스크립트를 자동으로 생성할 수 있습니다. 구조 엔지니어가 직접 코드를 작성하는 대신, AI 챗봇과 대화하여 코드를 생성할 수 있습니다. 구조 엔지니어는 단순히 최종 결과를 평가하기만 하면 됩니다. 아래 예시에서 그 방법을 확인할 수 있습니다.
Application Programming Interface (API)
Application Programming Interface, 즉 API는 우리가 매일 사용하는 GUI(Graphical User Interface, 그래픽 사용자 인터페이스)와 비슷합니다. GUI는 클릭하고, 모델을 회전시키고, 해석 결과를 검토하고, "저장"을 클릭하는 등의 작업을 수행하는 소프트웨어의 인터페이스입니다. API도 이와 비슷하지만, 유일한 차이점은 인간이 아니라 컴퓨터를 위해 설계되었다는 것입니다. 인간은 GUI를 사용하여 IDEA StatiCa와 상호작용하고, 컴퓨터는 API를 사용하여 IDEA StatiCa와 상호작용합니다. 그렇다면 API는 무엇을 위해 사용될까요?
컴퓨터는 지루하고 반복적인 작업을 잘 처리하지만, 인간은 지치고 실수를 할 수 있습니다. API는 바로 이 문제를 해결하기 위해 설계되었습니다. 즉, 컴퓨터가 소프트웨어와 직접 소통하여 지루한 작업을 자동화할 수 있게 해줍니다! 따라서 IDEA StatiCa API와 통신하는 스크립트를 사용할 수 있습니다.
설정
다음을 설치하세요:
- Python 3.11+
- IDEA StatiCa 버전 25.0 이상
- 모든 AI 챗봇(ChatGPT, Claude 등)
설치 폴더(C:\Program Files\IDEA StatiCa\StatiCa 26.0)로 이동하여 IdeaStatiCa.ConnectionRestApi.exe를 실행하여 IDEA StatiCa API를 시작하세요.
사례 연구 1: 크기 표준화
Checkbot에서는 모든 노드가 유형별로 그룹화됩니다. 각 그룹을 설계할 때, 구조 엔지니어는 보통 한 그룹에서 사용한 크기를 다른 유사한 그룹에도 맞춰 표준화하지 않는 경우가 많습니다. 이로 인해 각 노드에서 사용되는 크기(플레이트 두께, 볼트 직경, 용접 크기)의 변동성이 매우 커지는 경우가 많습니다. 이러한 높은 변동성은 이상적이지 않으며, 결국 시공 비용 상승으로 이어집니다. 시공사는 보통 컨설턴트에게 크기 표준화를 요청합니다. 그러나 이는 구조 엔지니어가 각 그룹을 검토하고, 사용된 크기를 기록하고, 분포를 분석하여 표준화할 크기를 결정해야 하기 때문에 어려운 작업입니다. 이 과정은 반복적이고 시간이 많이 소요되며 실수하기 쉽습니다.
이를 해결하기 위해, 지정된 폴더 내의 .ideaCon 파일을 자동으로 스캔하여 크기(플레이트 두께, 볼트 직경, 용접 크기)를 기록하고 그래프로 표시하는 대시보드를 만드는 것을 추천합니다. 이를 통해 여러 노드에서 사용되는 크기를 쉽게 식별하여 다른 크기로 표준화할 수 있습니다. 생성된 대시보드는 각 크기별 인스턴스 수를 보여주고 사용된 위치를 식별합니다.
사용된 프롬프트:
대시보드를 시작하려면 AI 챗봇이 제공하는 지침을 따르세요.
결과:
사례 연구 2: 최적화 대시보드
구조 엔지니어로서 저는 이러한 상황에 너무나 익숙합니다. 구조를 설계할 때 엔지니어링 문제를 해결할 수 있는 옵션은 많습니다. 구조 엔지니어는 때때로 방대한 옵션의 가능성에 압도되기도 합니다. 시간이 제한적이고 프로젝트 압박이 있기 때문에, 대부분의 엔지니어는 설계를 완전히 최적화할 수 없습니다.
이를 해결하기 위해, 다양한 옵션을 빠르게 검토할 수 있도록 도와주는 대시보드를 만드는 것을 추천합니다. 이는 매개변수 스윕(parameter sweep)을 수행할 수 있어야 합니다. 그 후 검토할 매개변수를 선택하고, 최소값, 최대값, 증분값을 지정할 수 있습니다. 실행을 클릭하면 대시보드가 각 값을 시도하고 결과를 저장합니다. 검토가 끝나면 각 반복에 대한 비용을 그래프로 표시하여 가장 최적의 솔루션을 선택할 수 있도록 하고자 합니다.
사용된 프롬프트:
대시보드를 시작하려면 AI 챗봇이 제공하는 지침을 따르세요.
결과:
요약
- 지금 당장 AI는 구조 엔지니어를 도울 수 있습니다. 더 이상 기다릴 필요가 없습니다. 위의 사례 연구에서 이를 보여드렸으며, AI에게 대시보드 개발을 프롬프트하여 일상 업무를 지원받을 수 있습니다.
- 이상적인 워크플로우를 실현하는 앱을 만드는 것이 예전보다 훨씬 쉬워졌으며, 이는 더 효율적인 업무로 이어집니다.
- 가장 중요한 것은, AI가 실수를 할 때(실제로 그렇습니다) AI는 자신이 맞다고 매우 확신에 찬 태도를 보인다는 것입니다. 따라서 오늘날 엔지니어링 판단력은 더욱 중요해졌습니다. AI를 사용하는 올바른 방법은 우리의 판단력을 보조하는 것이며, 대체하는 것이 아닙니다.
