ONESTRUCTION, AWS GenAIIC으로 이시가키-IDS 기반 모델 구축했습니다

(aws.amazon.com)

AWS Machine Learning Blog2026년 8월 11일AI 모델

ONESTRUCTION, AWS GenAIIC으로 이시가키-IDS 기반 모델 구축했습니다

건설 테크 스타트업 ONESTRUCTION이 데이터 부족 문제를 극복하기 위해 합성 데이터 생성과 3단계 학습 파이프라인을 활용하여 BIM 워크플로우에 특화된 도메인 전문 파운데이션 모델 'Ishigaki-IDS'를 구축하는 데 성공했습니다.

이 글의 핵심 포인트

1건설 BIM 워크플로우 특화 모델인 'Ishigaki-IDS' 개발 성공
2데이터 부족 해결을 위해 전문가 협업 기반의 합성 데이터 생성 기법 활용
3CPT(지속 사전 학습), SFT(지도 미세 조정), RLVR(검증 가능한 보상 강화학습)로 이어지는 3단계 파이프라인 적용
4Qwen3 오픈소스 모델을 기반으로 다양한 파라미터 규모에서 실험 진행
5AWS EC2 P5en 인스턴스와 ParallelCluster를 활용한 분산 학습 환경 구축

이 글에 대한 공공지능 분석

왜 중요한가?

범용 LLM이 해결하기 어려운 특정 산업(Vertical)의 고난도 기술적 요구사항을 도메인 특화 모델 구축으로 해결할 수 있음을 증명했습니다. 특히 데이터가 희소한 영역에서 합성 데이터를 활용해 성능을 끌어올린 방법론은 AI 기술의 적용 범위를 확장하는 중요한 이정표입니다.

어떤 배경과 맥락이 있나?

건설업계는 인력 부족 문제와 BIM(빌딩 정보 모델링) 도입의 높은 진입장벽이라는 과제를 안고 있으며, 특히 IDS와 같은 복잡한 표준 규격을 다루기 위해서는 고도의 전문 지식이 필요합니다. 이러한 기술적 난제를 AI를 통해 자동화하려는 시도가 진행 중입니다.

업계에 어떤 영향을 주나?

제조, 의료, 법률 등 데이터가 부족한 니치 마켓(Niche Market)의 스타트업들에게 '데이터 합성 $\rightarrow$ 단계별 학습 $\rightarrow$ 검증 가능한 보상'이라는 실행 가능한 기술적 프레임워크를 제시했습니다. 이는 버티컬 AI 기업들이 모델의 신뢰성을 확보하는 표준 패턴이 될 수 있습니다.

한국 시장에 어떤 시사점이 있나?

스마트 건설 및 제조 분야의 한국 스타트업들도 범용 모델에 의존하기보다, 자사가 보유한 도메인 지식을 어떻게 고품질의 학습 데이터로 변환할 것인지, 그리고 이를 검증할 수 있는 자동화된 파이프라인을 어떻게 구축할 것인지에 집중해야 합니다.

이 글에 대한 큐레이터 의견

이번 사례는 '데이터가 없어서 AI를 못 만든다'는 한계를 넘어, 어떻게 데이터를 창조하고(Synthetic Data) 구조적 정확성을 확보할 것인가에 대한 명확한 해답을 제시합니다. 특히 RLVR(검증 가능한 보상을 통한 강화학습)을 통해 XML 태그 오류 같은 구조적 문제를 해결한 점은 전문 지식이 필요한 모든 버티컬 AI 기업이 벤치마킹해야 할 핵심 포인트입니다.

다만, 이러한 도메인 특화 모델 구축에는 막대한 컴퓨팅 비용과 고도의 전문 인력이 필요하다는 트레이드오프가 존재합니다. AWS P5en 인스턴스와 같은 고성능 GPU 자원을 활용한 대규모 학습은 스타트업에게 큰 재무적 부담이 될 수 있으며, 합성 데이터의 품질이 낮을 경우 모델이 잘못된 지식을 학습하는 '모델 붕괴(Model Collapse)' 위험도 상존합니다. 따라서 창업자들은 무조건적인 모델 크기 확장보다는, 자사가 보유한 도메인 전문성을 어떻게 고품질의 학습 데이터로 변환할 것인지에 대한 전략적 우선순위를 정해야 합니다.

원문 보기 →