AI가 역사적 건축물 복원에서 맡는 역할

역사적 건축물 복원에서 AI가 필요한 이유

역사적 건축물 복원은 단순히 낡은 구조를 고치는 일이 아닙니다. 원형을 최대한 보존하면서도 현재의 안전 기준, 사용성, 유지관리 요구를 함께 충족해야 하는 복합적인 작업입니다. 이 과정에는 방대한 조사 자료, 정교한 판단, 다양한 이해관계자 간의 협의가 필요합니다. 그래서 최근에는 AI가 복원 실무의 보조 도구로 주목받고 있습니다.

AI는 역사적 가치를 대신 판단하는 존재가 아니라, 복원팀이 더 정확하고 빠르게 판단할 수 있도록 돕는 분석 도구에 가깝습니다. 특히 자료가 불완전하거나 현장 상태가 복잡할수록 AI의 역할은 커집니다. 오래된 도면, 사진, 시공 기록, 위성 자료, 현장 스캔 데이터를 함께 읽어내는 일은 사람에게도 어렵지만, AI는 이런 서로 다른 정보를 연결하는 데 강점을 보입니다.

복원 전 단계에서 AI가 하는 일

1. 자료 수집과 정리

역사적 건축물 복원은 자료 싸움이라고 해도 과언이 아닙니다. 문제는 자료가 너무 많거나, 반대로 너무 부족하다는 점입니다. AI는 다음과 같은 작업에서 효율을 높일 수 있습니다.

오래된 문서와 도면의 텍스트 인식 및 분류
서로 다른 시대의 사진을 비교해 변형된 부분 식별
공공 기록, 학술 논문, 보존 보고서에서 관련 정보 추출
손상 이력, 보수 이력, 재료 정보의 타임라인 정리

예를 들어, 건물의 외벽이 언제 교체되었는지, 특정 장식 요소가 원형인지 후대 추가인지 파악하려면 여러 자료를 교차 검토해야 합니다. AI는 이 과정에서 후보 정보를 빠르게 정리해 주므로, 연구자는 검증과 해석에 더 많은 시간을 쓸 수 있습니다.

2. 디지털 기록화와 현황 분석

최근 복원 현장에서는 드론 촬영, 3D 스캔, 포토그래메트리 같은 기술이 널리 쓰입니다. AI는 이 데이터에서 균열, 변형, 표면 손상, 재료 이질성 같은 요소를 감지하는 데 도움을 줄 수 있습니다.

특히 다음과 같은 장점이 있습니다.

육안으로 놓치기 쉬운 미세 균열 탐지
벽체의 기울기, 처짐, 변형 패턴 분석
석재, 목재, 벽돌 등 재료별 열화 양상 분류
시간 경과에 따른 손상 확대 추적

이 단계에서 중요한 것은 AI가 결과를 “단정”하는 것이 아니라, 검토 우선순위를 제안하는 것입니다. 예를 들어, 특정 구역의 손상 가능성이 높다고 표시하면 전문가가 해당 부위를 집중 조사할 수 있습니다. 복원 실무에서는 이런 방식이 전체 일정과 예산을 크게 좌우합니다.

설계 단계에서 AI가 기여하는 방식

1. 복원안의 대안 비교

역사적 건축물은 원형 보존, 구조 보강, 현대적 활용 사이에서 균형을 찾아야 합니다. AI는 여러 설계 대안을 비교하는 데 유용합니다. 예를 들어, 보강재의 위치를 달리했을 때 구조 안정성, 시공 난이도, 원형 훼손 정도가 어떻게 달라지는지 시뮬레이션할 수 있습니다.

실무적으로는 다음과 같은 질문에 답하는 데 도움이 됩니다.

어떤 보강 방식이 최소 개입 원칙에 가장 부합하는가?
특정 재료를 사용할 경우 시각적 영향은 어느 정도인가?
설비 추가가 역사적 공간의 공간감과 동선에 어떤 변화를 주는가?
접근성 개선이 원형 요소와 충돌할 가능성은 어디에 있는가?

이때 AI는 정답을 내리는 대신, 설계자가 고려해야 할 변수들을 빠짐없이 드러내는 역할을 합니다. 복원은 미학과 공학, 보존 윤리가 동시에 작동하는 분야이므로, 이런 비교 기능은 매우 실용적입니다.

2. 보존 원칙을 반영한 설계 검토

복원에서 가장 중요한 원칙 중 하나는 가역성입니다. 즉, 나중에 필요하면 되돌릴 수 있는 개입이 바람직합니다. AI는 설계안이 가역성, 식별 가능성, 재료 호환성, 최소 개입 원칙에 얼마나 부합하는지 점검하는 데 활용될 수 있습니다.

예를 들어, 새로 삽입되는 구조체가 기존 부재와 화학적으로 충돌할 가능성이 있는지, 습기 흐름을 방해하지 않는지, 장기 유지관리 비용을 높이지 않는지 등을 사전에 검토할 수 있습니다. 이런 기능은 BIM, 시뮬레이션, 재료 데이터베이스와 결합될 때 더욱 효과적입니다.

ArchiDNA 같은 AI 기반 설계 플랫폼도 이런 맥락에서 의미가 있습니다. 개념 구상부터 데이터 정리, 형태 비교, 협업 기록까지 한 흐름에서 다룰 수 있으면 복원팀은 더 일관된 판단을 내리기 쉬워집니다. 중요한 것은 도구 자체보다, 복원 의사결정을 투명하게 남기는 구조입니다.

현장 시공과 관리에서의 실질적 활용

1. 공정 관리와 리스크 예측

역사적 건축물은 일반 건축물보다 변수 관리가 어렵습니다. 예상치 못한 내부 손상, 숨겨진 보강 흔적, 재료 수급 문제 등이 자주 발생합니다. AI는 과거 유사 사례와 현재 현장 데이터를 바탕으로 리스크를 예측하는 데 도움을 줄 수 있습니다.

실무에서 유용한 활용 예시는 다음과 같습니다.

공정 지연 가능성이 높은 작업 구간 예측
자재 반입 시기와 보존 환경의 충돌 분석
기상 조건에 따른 시공 위험도 평가
특정 공정에서 발생할 수 있는 손상 패턴 사전 경고

이런 예측은 복원 현장의 안전성과 일정 관리에 직접 연결됩니다. 특히 외부 노출이 큰 석조나 목조 건축물은 날씨와 습도 변화에 민감하므로, AI 기반 예측은 단순 편의 기능이 아니라 보존 품질을 지키는 장치가 됩니다.

2. 유지관리 계획 수립

복원은 시공으로 끝나지 않습니다. 오히려 복원 이후의 유지관리 체계가 더 중요할 때도 많습니다. AI는 센서 데이터, 점검 기록, 환경 데이터를 통합해 장기 관리 계획을 세우는 데 도움을 줍니다.

예를 들어:

특정 계절에 균열이 반복되는지 분석
습도 변화와 목재 변형의 상관관계 파악
배수 문제와 외벽 열화의 연결성 확인
점검 주기를 부위별로 다르게 설정

이런 방식은 “문제가 생기면 고친다”는 사후 대응에서 벗어나, 예방 중심의 보존으로 전환하게 해 줍니다.

AI가 대체할 수 없는 것

AI의 활용이 늘어날수록 오히려 중요한 점이 있습니다. 바로 역사적 건축물의 복원은 수치만으로 결정되지 않는다는 사실입니다. 건축물은 시대의 흔적, 지역의 기억, 공동체의 정체성을 담고 있습니다. 따라서 AI가 아무리 정교해져도 다음과 같은 판단은 인간의 몫입니다.

어떤 흔적을 보존하고 어떤 흔적을 정리할지
원형의 기준을 어디에 둘지
현대적 사용을 어디까지 허용할지
지역사회와 어떤 방식으로 합의할지

AI는 근거를 넓히고 선택지를 정리할 수 있지만, 가치 판단과 책임을 대신할 수는 없습니다. 그래서 가장 바람직한 방식은 AI를 의사결정의 주체가 아니라, 의사결정을 더 잘하게 만드는 파트너로 두는 것입니다.

실무에서 AI를 잘 쓰기 위한 조건

AI를 복원 프로젝트에 적용할 때는 몇 가지 조건이 필요합니다.

데이터 품질 확보: 오래된 자료는 오류와 누락이 많으므로 검증 체계가 필요합니다.
전문가 검토 절차: AI 결과는 항상 보존 전문가, 구조 엔지니어, 재료 전문가가 함께 검토해야 합니다.
설명 가능한 결과: 왜 그런 판단이 나왔는지 추적할 수 있어야 합니다.
프로젝트 기록화: AI가 제안한 내용과 최종 결정의 차이를 남겨야 합니다.
윤리 기준 명확화: 원형 훼손, 과도한 해석, 데이터 편향을 경계해야 합니다.

이 조건이 갖춰질 때 AI는 단순한 자동화 도구를 넘어, 복원 품질을 높이는 실질적 인프라가 됩니다.

마무리: 기술은 복원의 속도를 높이고, 판단은 더 정교하게 만든다

역사적 건축물 복원은 과거를 보존하는 동시에 현재와 미래를 위한 선택을 만드는 일입니다. AI는 이 과정에서 자료를 정리하고, 손상을 읽고, 대안을 비교하고, 유지관리를 예측하는 데 큰 도움을 줍니다. 그러나 복원의 핵심은 여전히 인간의 해석과 책임에 있습니다.

ArchiDNA와 같은 AI 기반 설계 환경은 이런 작업을 더 체계적으로 연결하는 데 유용합니다. 중요한 것은 기술을 앞세우는 것이 아니라, 기술을 통해 더 정확하고 투명한 보존 결정을 내리는 것입니다. 역사적 건축물의 가치는 한 번 훼손되면 되돌리기 어렵기 때문에, AI는 무엇보다도 신중함을 돕는 도구여야 합니다.

결국 좋은 복원은 과거를 그대로 복제하는 것이 아니라, 남아 있는 흔적을 존중하면서 다음 세대가 이해할 수 있도록 정리하는 일입니다. AI는 그 복잡한 과정을 더 정밀하게 만들어 줄 수 있습니다.