AI PPE 감지의 판매 포인트는 간단하다. 카메라는 이미 벽에 설치되어 있으니, 헬멧과 고시인성 조끼를 감시하는 모델을 추가하면 이미 감가상각된 하드웨어가 절대 깜빡이지 않는 안전 시스템으로 바뀐다. 매력적인 이야기이며, 창고 기술의 매력적인 이야기 대부분처럼 좁은 의미에서는 사실이지만, 실제 운영 한 달이 지나면 오해를 불러일으킨다.

이 현상은 쉽게 문서화할 수 있다. 노동통계국의 2024년 산업재해 및 질병 조사에 따르면, 창고 및 저장 업종은 상근 근로자 100명당 4.8건의 기록 대상 사례를 기록했고, 사망자는 32명으로, 이 비율은 측정 대상 중 아홉 번째로 높은 수준이었다. OSHA 29 CFR 1910.132(d)에 따르면 고용주는 먼저 작업장의 위험을 평가하고 각 직무에 필요한 보호구를 결정해야 하며, 헬멧은 1910.135에서 구체적으로 다루어지고, PPE는 통제 위계의 최하층에 위치하며, 공학적 통제와 관리적 통제 아래에서 첫 번째 층이 아니라 마지막 층이다. 따라서 PPE만 감시하는 시스템은 설계상 안전 사슬의 마지막 층만 커버한다.

창고에서 AI PPE 감지가 실제로 보는 것

메커니즘은 마케팅이 암시하는 것만큼 신비롭지 않다. 시스템은 이미 설치된 카메라의 영상을 받아 각 프레임에 물체 감지 모델을 적용해 사람을 찾은 뒤 그 사람이 착용한 장비—머리의 헬멧, 몸통의 고시인성 조끼—를 찾고, 예상되는 장비가 없을 때 알림을 발생시킨다. 대부분 클라우드가 아니라 엣지 장치에서 로컬로 추론을 실행한다. 한 오픈소스 구현은 헬멧 감지, 고시인성 감지, 신원 인식을 포함한 전체 파이프라인을 640×480 비디오에서 프레임당 113밀리초로 측정했고, 헬멧 테스트 샘플 63개를 모두 올바르게 분류했다. 작은 통제 실험이지 야간 근무에 대한 약속이 아니다.

발표된 연구는 더 높은 수치를 보고하고 있으며, 연구 수치와 벤더 수치 사이의 격차 자체가 시사하는 바가 크다. YOLOv11을 사용한 연구는 테스트한 환경에서 최고 감지율 98.6퍼센트를 보고했는데, 이 수치는 논문 자체가 예비적인 것으로 제시하고 있으며, YOLOv3 기반의 이전 연구는 F1 점수 0.96을 보고했다. Sieora 벤더 페이지는 일반 PPE의 실제 정확도를 대략 90에서 95퍼센트로 제시하고, Tensorbot 벤더 사례 연구는 40에이커 부지에서 99.4퍼센트 정확도, 수동 검사의 100배 커버리지, 일 초 미만의 알림 지연을 보고한다. 정확도는 모델의 고정된 속성이 아니다. 장면에 따라 달라진다. 카메라 각도, 도크 문의 빛, 작업자가 렌즈를 향하고 있는지 여부, 조끼가 재킷에 가려졌는지, 헬멧이 랙 빔 뒤에 숨었는지 여부에 따라 달라진다.

창고 현장에서 헬멧 감지가 무너지는 지점

오탐지가 먼저 도착한다. 흰색 야구 모자, 백발의 머리, 또는 작업자 머리 위에 반사된 밝은 조명 기구는 모두 멀리서 작은 픽셀 덩어리를 판단하는 모델에 의해 헬멧으로 읽힐 수 있으며, 먼지로 빛이 바랜 고시인성 조끼는 밤의 적재 도크의 누런 빛 아래에서 일반 재킷으로 읽힐 수 있다. 위의 오픈소스 시스템은 알림을 보내기 전에 여덟 프레임 연속의 위반을 요구하는데, 속도를 신뢰성과 맞바꾸는 것이지만, 보행자는 두세 초 만에 카메라 앞을 지나간다.

놓친 감지는 창고 작업의 일상적인 형태를 따른다. 캐빈에 앉은 지게차 운전자는 몸통 대부분이 스티어링 휠과 차량 차체 뒤에 가려지므로, 운전자가 서 있을 때 분명히 보이던 조끼는 운전자가 작업할 때 부분적이고 가려진 형태가 된다. 랙 최하단에 손을 뻗는 피커는 헬멧이 수평 빔 뒤에 숨고, 조명이 어두운 구역의 야간 근무는 색 판단을 직접 저하시키는데, 고시인성 감지는 색과 대비에 크게 의존하기 때문이다. 논문은 서서, 가만히, 카메라를 마주보고, 균일한 빛 속에서 있는 사람들을 테스트한다.

감지율의 어떤 개선도 메울 수 없는 더 미묘한 격차가 있다. 시스템은 존재를 판단할 뿐 준수 여부를 판단하지 않는다. 뒤집어 쓴 헬멧, 채우지 않은 턱끈, 열어 입은 고시인성 조끼, 이마 위로 올린 보안경은 모두 존재하는 것으로 등록되고 모델은 이를 통과시킨다. 1910.132에 따르면 PPE는 맞아야 하고, 유지되어야 하며, 훈련받은 대로 착용되어야 하므로, 존재와 준수는 다른 것이며, 그 사이의 거리는 카메라가 현재 밟을 수 없는 한 걸음이다.

알림 피로의 산술이야말로 AI PPE 감지가 모델이 아니라 관리 도구로서 보통 실패하는 지점이다. 규모를 보여주기 위해서만 사용된 가정 수치를 담은 다음의 가상의 예를 생각해 보자. 200명 규모의 창고에서 각 작업자가 하루 네 번 감지 구역을 통과하면 하루에 800건의 판단이 생기고, 실제 정확도가 98퍼센트라 해도 하루에 16건의 오류, 한 달에 300건이 넘는 오류가 남는다. 감독자는 첫 주에는 모든 알림을 확인하고, 셋째 주에는 제목만 훑어보며, 다섯째 주에는 알림을 음소거할 것이다.

위치 실제 감지 활용 방법
정문, 정면, 좋은 조명 가장 신뢰할 수 있는 감지 먼저 여기에 설치
도크와 통로, 역광, 빠른 움직임 오경보와 놓침이 모두 증가 이 주 동안만 기록
지게차 캐빈과 랙 하단 가림이 심각하고 판단이 신뢰할 수 없음 여기서 개인을 평가하지 말 것
장갑, 눈 보호구, 안전화 작은 대상이라 현행 모델이 어려워함 아직 추가 비용을 내지 말 것

적발이 아니라 기록: 카메라의 진짜 용도

이것이 AI PPE 감지의 판매 포인트에 반하는 판단이다. PPE 감지 시스템의 가장 지속적인 가치는 그 순간 적발하는 위반이 아니라 남기는 기록일 수 있다. 어느 통로, 어느 교대, 어느 유형의 위반이 반복되는지, 그리고 그 패턴이 훈련, 교대 편성, 또는 교통 경로의 배치를 가리키는지를 말이다. 40에이커 부지에 대한 Tensorbot 사례 연구는 수동 검사의 100배 커버리지와 일 초 미만에 감독자에게 도달하는 알림을 보고하고 있으며, 커버리지 주장은 그럴듯하지만, 사례 연구는 부상률이 떨어졌는지는 말하지 않는다. 커버리지와 부상률은 다른 것이며, 모든 것을 보고 아무것도 바꾸지 않는 카메라는 관찰을 개선했을 뿐 안전을 개선한 것이 아니다.

프라이버시는 불만 제기 후가 아니라 설치 전에 해결해야 한다. 주별 규칙은 다르다. 캘리포니아 형법 632조는 음성 녹음에 모든 당사자의 동의를 요구하고, 화장실과 탈의실은 카메라 금지 구역이며, 뉴욕의 2021년 전자 모니터링 법은 고용주가 모니터링이 존재한다는 서면 통지를 하도록 요구한다. 2026-09-30에 서명된 캘리포니아의 두 법률 AB 1883과 AB 1331은 2027-01-01에 발효된다. AB 1883은 안전 도구에 대한 예외를 두고 직원의 감정을 추론하기 위한 AI 사용을 제한하고, AB 1331은 화장실 내부의 모니터링을 금지하며 위반 건당 최대 500달러의 벌금을 부과한다. PPE 감지 자체는 금지되지 않지만, 얼굴 인식이나 감정 분석을 추가한 시스템은 성격이 완전히 달라진다. 먼저 세 가지 정책 규칙을 정하라. 작업 구역만, PPE만, 고정된 보존 기간.

창고가 도입을 진행한다면, 수용 방법이 벤더보다 중요하다. 시스템을 이 주간 섀도우 모드로 운영하고, 알림 없이 기록하며, 세 가지 수치로 평가하라. 오경보율, 놓친 감지율, 그리고 감독자가 실제로 알림에 대응하는 비율이다. 정문에서만 시작하라. 오경보가 감독자가 감당할 수 있는 수준으로 떨어질 때까지 규칙을 징계가 아닌 기록만으로 유지하고, 수용 임계값과 종료 조항을 계약에 넣어, 이를 충족하지 못하는 시스템은 중단할 수 있게 하라.

앞으로 이삼 년 안에 PPE 감지는 장비가 존재하는지 여부에서 올바르게 착용되는지 여부로, 그리고 헬멧과 고시인성 조끼에서 장갑과 눈 보호구로 이동할 가능성이 높다. PPE는 마지막 층으로 남는다. 내가 계속 되돌아가는 미해결 질문은 좁다. 감지율이 다시 두 퍼센트 포인트 오르고 오경보가 절반으로 줄면, 감독자는 여전히 알림을 음소거할까, 아니면 알림을 무시하는 습관이 그렇게 할 기술적 이유보다 오래 지속될까? 숫자는 개선될 수 있고, 아마 개선될 것이다. 하지만 알림을 받는 사람들의 일상의 습관이 그 속도를 따라갈지는 벤치마크가 아직 답할 수 없는 일이다.

Dr. Chen, 공급망 연구원 지음 영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.