목록으로
지역사회 문제해결을 위한 AI 활용
AI와 대화해 구현한 소방 현장 안전관리 서비스, FIREWATCH
생성형 AI와 바이브코딩으로 화재 위험구역과 대원 위치를 연계한 AI 현장지휘 서비스 ‘FIREWATCH’를 구현했습니다.
🤖 활용 AI 도구
ChatGPT, 모두의 AI 실험실 AI 바이브코딩
① 어떤 상황에서 AI를 활용했나요?
화재현장에서는 화염과 연기, 열 축적, 구조물 상태 등이 계속 변화하기 때문에 현장지휘관은 제한된 정보 속에서 위험구역의 변화를 신속하게 판단해야 합니다. 기존 Hot Zone은 현장의 위험범위를 설정하는 데 유용하지만, 구역 내부의 위험도를 세분화하거나 시간에 따라 변화하는 위험과 소방대원의 위치를 함께 판단하는 데에는 한계가 있다고 생각했습니다.
저는 실제 소방현장에서의 경험과 드론 활용 연구를 바탕으로 ‘현재 어디가 위험한가’를 넘어 ‘어느 구역의 위험도가 상승하고 있는가’, ‘어느 대원이 위험에 접근하고 있는가’, ‘어느 방향으로 우회·철수해야 하는가’를 AI가 보조할 수 있는 방법을 구체화하고자 생성형 AI를 활용했습니다.
② 어떤 AI를 어떻게 활용했나요?
먼저 ChatGPT를 활용하여 현장의 문제를 구조화하고, 드론 열화상·가시광 영상, 거리·공간정보, 대원 위치정보 등을 AI가 어떻게 분석하고 현장지휘에 활용할 것인지 단계별로 구체화했습니다.
이를 통해 화재현장 Hot Zone 내부를 Red·Orange·Yellow·Green 4단계 동적 위험구역으로 세분화하고, 현재 위험도뿐 아니라 온도 상승속도, 열 축적, 위험구역 확대방향과 대원 위치·이동방향을 함께 분석하여 대원별 위험노출 가능성을 판단하는 서비스 구조를 설계했습니다.
이후 ‘모두의 AI 실험실 AI 바이브코딩’을 활용하여 아이디어를 웹 기반 현장지휘 대시보드 ‘FIREWATCH’ 프로토타입으로 구현했습니다.
AI와 대화하면서 “4단계 위험구역과 대원 위치를 하나의 지도에 중첩해 달라”, “위험구역을 단순 원형이 아니라 열화상·화염·연기 확산 결과처럼 불규칙하게 표현해 달라”, “Red Zone이 특정 대원 방향으로 확대되면 즉시 철수경보와 안전한 철수방향을 표시해 달라”와 같이 현장지휘 관점의 요구사항을 반복적으로 제시하며 화면과 기능을 개선했습니다.
③ 활용 결과 어떤 변화가 있었나요?
처음에는 문서와 개념도로 설명하던 아이디어였지만, 생성형 AI와 바이브코딩을 활용하면서 실제 작동 형태를 시각적으로 확인할 수 있는 FIREWATCH 프로토타입으로 발전시킬 수 있었습니다.
구현 화면에서는 Red·Orange·Yellow·Green 4단계 위험구역, 대원별 위치와 위험등급, 최고온도, 위험구역 확대방향, AI 위험징후와 권고행동을 하나의 화면에서 확인할 수 있도록 구성했습니다.
특히 위험구역이 특정 대원 방향으로 확대되는 상황을 가정하여 해당 대원에게 즉시 철수를 권고하고 안전한 철수방향을 제시하는 기능을 프로토타입 화면으로 구현했습니다.
이를 통해 막연했던 아이디어를 실제 사용자가 보고 이해하고 평가할 수 있는 형태로 구체화했습니다. 현재는 프로토타입 단계이며, 향후 실제 드론·열화상·위치정보와 연계하여 훈련데이터 적용과 현장 실증으로 발전시킬 수 있는 기반을 마련했습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
저는 AI에게 단순히 “소방용 앱을 만들어 달라”고 요청하지 않았습니다.
실제 현장지휘 경험을 바탕으로 ‘위험구역은 고정된 원이 아니라 화재상황에 따라 불규칙하게 변화해야 한다’, ‘대원의 현재 위치뿐 아니라 이동방향까지 고려해야 한다’, ‘위험하다는 정보에서 끝나지 않고 진입제한·우회·철수와 같은 행동정보까지 제공해야 한다’는 조건을 지속적으로 제시했습니다.
특히 고정된 Hot Zone을 위험 변화에 따라 실시간으로 확장·축소되는 Dynamic Hot Zone으로 전환하고, 이를 대원 위치와 연계하여 행동정보까지 제공하도록 한 점이 핵심적인 개선 포인트입니다.
즉, AI가 현장전문가를 대신하도록 한 것이 아니라 현장전문가의 경험과 판단기준을 AI와 반복적으로 결합해 결과물을 개선한 것이 이번 활용사례의 가장 큰 특징입니다.
⑤ 다른 사람도 따라 할 수 있나요?
가능합니다. 전문 개발자가 아니더라도 먼저 자신이 잘 알고 있는 업무현장의 문제를 구체적으로 정의한 뒤, 생성형 AI와 대화하면서 문제 → 필요한 데이터 → 판단기준 → 사용자 화면 → 기대결과를 단계적으로 구체화할 수 있습니다.
그 다음 바이브코딩 도구를 활용하면 문서나 머릿속에 있던 아이디어를 실제 화면으로 구현하고, 결과를 확인하면서 요구사항을 반복적으로 수정·개선할 수 있습니다.
이번 경험을 통해 중요한 것은 AI에게 모든 것을 맡기는 것이 아니라, 사람이 자신의 전문성과 현장경험을 바탕으로 정확한 문제와 조건을 제시하고 AI를 협업도구로 활용하는 것이라고 생각했습니다.
FIREWATCH 역시 현재는 프로토타입 단계이지만, 향후 실제 드론·열화상·위치정보와 연계하고 훈련 및 현장 실증을 거쳐 소방대원의 안전과 현장지휘 의사결정을 지원하는 서비스로 발전시키고자 합니다.
화재현장에서는 화염과 연기, 열 축적, 구조물 상태 등이 계속 변화하기 때문에 현장지휘관은 제한된 정보 속에서 위험구역의 변화를 신속하게 판단해야 합니다. 기존 Hot Zone은 현장의 위험범위를 설정하는 데 유용하지만, 구역 내부의 위험도를 세분화하거나 시간에 따라 변화하는 위험과 소방대원의 위치를 함께 판단하는 데에는 한계가 있다고 생각했습니다.
저는 실제 소방현장에서의 경험과 드론 활용 연구를 바탕으로 ‘현재 어디가 위험한가’를 넘어 ‘어느 구역의 위험도가 상승하고 있는가’, ‘어느 대원이 위험에 접근하고 있는가’, ‘어느 방향으로 우회·철수해야 하는가’를 AI가 보조할 수 있는 방법을 구체화하고자 생성형 AI를 활용했습니다.
② 어떤 AI를 어떻게 활용했나요?
먼저 ChatGPT를 활용하여 현장의 문제를 구조화하고, 드론 열화상·가시광 영상, 거리·공간정보, 대원 위치정보 등을 AI가 어떻게 분석하고 현장지휘에 활용할 것인지 단계별로 구체화했습니다.
이를 통해 화재현장 Hot Zone 내부를 Red·Orange·Yellow·Green 4단계 동적 위험구역으로 세분화하고, 현재 위험도뿐 아니라 온도 상승속도, 열 축적, 위험구역 확대방향과 대원 위치·이동방향을 함께 분석하여 대원별 위험노출 가능성을 판단하는 서비스 구조를 설계했습니다.
이후 ‘모두의 AI 실험실 AI 바이브코딩’을 활용하여 아이디어를 웹 기반 현장지휘 대시보드 ‘FIREWATCH’ 프로토타입으로 구현했습니다.
AI와 대화하면서 “4단계 위험구역과 대원 위치를 하나의 지도에 중첩해 달라”, “위험구역을 단순 원형이 아니라 열화상·화염·연기 확산 결과처럼 불규칙하게 표현해 달라”, “Red Zone이 특정 대원 방향으로 확대되면 즉시 철수경보와 안전한 철수방향을 표시해 달라”와 같이 현장지휘 관점의 요구사항을 반복적으로 제시하며 화면과 기능을 개선했습니다.
③ 활용 결과 어떤 변화가 있었나요?
처음에는 문서와 개념도로 설명하던 아이디어였지만, 생성형 AI와 바이브코딩을 활용하면서 실제 작동 형태를 시각적으로 확인할 수 있는 FIREWATCH 프로토타입으로 발전시킬 수 있었습니다.
구현 화면에서는 Red·Orange·Yellow·Green 4단계 위험구역, 대원별 위치와 위험등급, 최고온도, 위험구역 확대방향, AI 위험징후와 권고행동을 하나의 화면에서 확인할 수 있도록 구성했습니다.
특히 위험구역이 특정 대원 방향으로 확대되는 상황을 가정하여 해당 대원에게 즉시 철수를 권고하고 안전한 철수방향을 제시하는 기능을 프로토타입 화면으로 구현했습니다.
이를 통해 막연했던 아이디어를 실제 사용자가 보고 이해하고 평가할 수 있는 형태로 구체화했습니다. 현재는 프로토타입 단계이며, 향후 실제 드론·열화상·위치정보와 연계하여 훈련데이터 적용과 현장 실증으로 발전시킬 수 있는 기반을 마련했습니다.
④ 나만의 방식 또는 개선 포인트는 무엇인가요?
저는 AI에게 단순히 “소방용 앱을 만들어 달라”고 요청하지 않았습니다.
실제 현장지휘 경험을 바탕으로 ‘위험구역은 고정된 원이 아니라 화재상황에 따라 불규칙하게 변화해야 한다’, ‘대원의 현재 위치뿐 아니라 이동방향까지 고려해야 한다’, ‘위험하다는 정보에서 끝나지 않고 진입제한·우회·철수와 같은 행동정보까지 제공해야 한다’는 조건을 지속적으로 제시했습니다.
특히 고정된 Hot Zone을 위험 변화에 따라 실시간으로 확장·축소되는 Dynamic Hot Zone으로 전환하고, 이를 대원 위치와 연계하여 행동정보까지 제공하도록 한 점이 핵심적인 개선 포인트입니다.
즉, AI가 현장전문가를 대신하도록 한 것이 아니라 현장전문가의 경험과 판단기준을 AI와 반복적으로 결합해 결과물을 개선한 것이 이번 활용사례의 가장 큰 특징입니다.
⑤ 다른 사람도 따라 할 수 있나요?
가능합니다. 전문 개발자가 아니더라도 먼저 자신이 잘 알고 있는 업무현장의 문제를 구체적으로 정의한 뒤, 생성형 AI와 대화하면서 문제 → 필요한 데이터 → 판단기준 → 사용자 화면 → 기대결과를 단계적으로 구체화할 수 있습니다.
그 다음 바이브코딩 도구를 활용하면 문서나 머릿속에 있던 아이디어를 실제 화면으로 구현하고, 결과를 확인하면서 요구사항을 반복적으로 수정·개선할 수 있습니다.
이번 경험을 통해 중요한 것은 AI에게 모든 것을 맡기는 것이 아니라, 사람이 자신의 전문성과 현장경험을 바탕으로 정확한 문제와 조건을 제시하고 AI를 협업도구로 활용하는 것이라고 생각했습니다.
FIREWATCH 역시 현재는 프로토타입 단계이지만, 향후 실제 드론·열화상·위치정보와 연계하고 훈련 및 현장 실증을 거쳐 소방대원의 안전과 현장지휘 의사결정을 지원하는 서비스로 발전시키고자 합니다.
