1. 서 론

1.1 연구의 배경 및 목적

최근 생성형 AI의 급격한 발전은 건축 산업에서도 업무 자동화를 촉진하고 있으며, 특히 건축 생산성을 높이기 위해 이러한 기술을 적극적으로 도입하려는 연구가 지속되고 있다. 건축 설계뿐만 아니라 건축 행정에서도 자동화 기술을 활용하려는 시도가 이루어지고 있으며, 그중 하나가 건축법규 검토 자동화이다.

건축법규 자동 검토는 1980년대부터 연구가 진행되어 왔으며, 초기에는 2D CAD 기반의 공간 검토 방식에서 시작해, 이후 Solibri Model Checker (SMC), Formax Plan Checking Tool과 같은 법규 검토 소프트웨어 개발로 이어져 왔다(Kim et al., 2016). 한편, 싱가포르, 노르웨이, 핀란드, 한국 등에서는 건축 설계안의 적법성을 자동으로 검토하는 프로젝트가 진행되었으며, 한국의 경우 세움터 시스템을 통해 클라우드 기반의 건축 행정 업무가 수행되고 있다(Hong et al., 2022). 이러한 연구들은 개방형 BIM을 활용한 건축법규 자동 검토 기술이 온라인 건축 행정 시스템과 연계될 경우, 업무 처리 시간을 절감하고 행정 효율성을 높일 수 있음을 보여주었다(Kim et al., 2018). 또한, 딥러닝 기반 자연어처리 기술을 적용하면 복잡한 건축법규 문장의 논리 및 규칙을 체계적으로 분석하여 법규 검토 자동화의 성능을 향상시킬 수 있다는 연구도 이루어졌다(Kim & Lee, 2018).

본 연구는 Hong et al. (2022) 및 Kim et al. (2023)의 연구를 기반으로 한 후속 연구로, 기존 연구에서는 자연어로 기술된 건축법규를 형식화하여 DB를 구축하고, 이를 활용한 저작도구를 개발하는 데 초점을 맞추었다. 그러나 해당 연구에서는 BIM 및 NLP 기술을 활용하지 않았으며, 형식화된 DB를 기반으로 한 알고리즘 설계에 집중하였기 때문에, 보다 효율적인 법규 검토 시스템을 구축하는 데 한계가 있었다.

2022년 11월, ChatGPT의 등장 이후, 대규모 언어모델(LLM, Large Language Model)의 자연어 처리 성능이 주목받게 되면서, 건축법규 검토 자동화에서도 LLM을 활용한 접근 방식이 현실적이고 효과적인 연구 방향이 될 수 있다는 가능성이 제기되었다. LLM은 대규모 텍스트 데이터를 학습하여 자연어를 이해하고 생성하는 AI 모델로, 건축법규 검토에 적용할 경우 법 조항을 자동으로 검색하고, 질의응답 방식으로 법적 해석을 지원할 수 있다는 잠재성을 갖고 있다. 그러나, LLM은 토큰(token) 제한, 환각(hallucination) 등의 문제로 인해 긴 법률 문서를 효과적으로 처리하기 어렵고, 한 번에 처리할 수 있는 텍스트 양이 제한적이다. 또한, 존재하지 않는 법 조항을 생성하거나 잘못된 해석을 제시할 위험이 있으며, 최신 법 개정 사항을 즉시 반영할 수 없다는 한계가 있다(Cho & Kim, 2023; Cho et al., 2024).

따라서, 본 연구는 국내 건축법규 간 위임 및 참조 관계를 체계적으로 반영한 관계성 DB를 구축하고, 이를 LLM 기반 질의응답 모듈과 연계하여 설계초기단계에서 활용 가능한 법규 자동 검토 알고리즘을 제안하는 것을 목적으로 한다. 기존 연구들이 주로 법규 문장을 형식화하거나 BIM 기반 품질 검토에 한정되었던 것과 달리, 본 연구는 관계성 DB와 LLM을 결합하여 법규의 맥락적 해석을 통해 최대 건축 매스 범위를 합리적으로 검토하고자 한다. 또한, 제안된 알고리즘을 전문가 평가를 통해 검증함으로써, LLM 기반 건축법규 검토 자동화의 발전 가능성을 탐색하고자 한다.

1.2 연구의 범위 및 방법

본 연구에서 ‘설계 초기단계’는 대한건축사협회가 정의하는 건축설계 진행과정 중 규모검토, 법규검토, MASS 계획 등의 업무를 수행하는‘기획 업무’와 ‘계획 설계’ 단계를 포괄하는 의미로 사용한다. 본 연구의 건축법규 검토는 대구광역시를 기준으로 하며, 모든 건축 관련 법을 포함하지 않고 건축물의 최대 볼륨 및 입체적 형태에 직접적인 영향을 미치는 핵심 법규 항목으로 범위를 한정하였다. 구체적으로는 건폐율, 용적률, 건축선 지정, 대지 경계선 이격 거리, 대지의 조경 면적, 부설 주차장 설치 기준 등 6개 항목을 대상으로 한다. 대상 필지는 일반적인 대지 조건을 반영한 대구광역시 내의 대지로 한정하며, 대상 건축물의 용도는 건축 설계 실무에서 자주 다루는 단독주택과 근린생활시설로 설정하였다.

연구 방법은 Figure 1과 같이 네 단계로 구성된다.

Figure 1.

Flow of research

첫째, 건축법규 검토 기술 및 선행연구 분석을 통해 CAD/BIM 기반 검토 및 LLM 기반 해석 지원 연구를 검토하여 본 연구의 차별성과 방향성을 도출하였다.

둘째, 국내 건축 관련 법령의 체계를 분석하고, 건축법규 관계성 DB를 구축하였다. 최대 건축 매스와 관련된 건축법규 및 대구광역시 조례 등을 기반으로 위임 및 참조 관계의 법 항목들을 구조화하여 DB로 구축하였다.

셋째, 구축한 관계성 DB로부터 검토 대상 항목을 선별·취합하고, 이를 LLM 질의응답 모듈과 연계한 LLM 기반 건축법규 검토 알고리즘을 개발하였다.

넷째, 28명의 건축 실무 전문가를 대상으로 개발한 알고리즘의 실효성, 정확성, 적용 가능성 및 사용자 경험을 평가하였으며, 이를 통해 실무적 타당성과 향후 개선 방향을 도출하였다.

2. 건축법규 검토 기술의 발전과 선행연구 분석

2.1 건축법규 검토의 필요성과 기술 발전 동향

건축법규 검토는 건축 설계 프로세스 상 필수적으로 수행되어야 하는 단계로, 주로 건축기획 업무에서부터 시작된다. 이 단계에서는 국회에서 제정한 상위법(예: ｢국토의 계획 및 이용에 관한 법률(국토계획법)｣, ｢건축법｣ 및 동법 시행령 등)과, 지방자치단체에서 제정한 하위법(예: 지역 조례, 지구단위계획 시행지침 등)을 참조하여 대지 검토, 법규 검토, 매스 생성, 공간계획 등을 수립하며, 설계안이 법적 요건을 충족하는지 사전에 검토를 실시한다(Kim et al., 2023). 이후 계획설계 및 중간설계를 거쳐, 실시설계 완료 전에는 인허가 신청을 위한 법규 검토가 이루어진다. 이 단계에서는 담당 공무원이 설계안에 대해 법규 준수 여부를 공식적으로 검토하는 절차를 수행하게 된다. 그러나 건축법규 검토 과정에서는 다양한 문제점이 발생되고 있다. 특히, 기획 단계에서는 상위법부터 하위법까지 복잡한 법령 체계를 일일이 찾아야 하며, 법령 간 위임 및 참조 관계가 얽혀 있어 상당한 시간과 노력이 소요된다. 인허가 검토 단계에서도 방대한 법령 조항을 수작업으로 검토해야 하므로 검토 시간이 길어지고, 검토자의 주관적 판단에 의존하게 되어 결과의 객관성 확보가 어렵다.

이러한 문제를 해결하고자 건축법규 검토를 자동화하려는 연구는 꾸준히 진행되어 왔다. 앞서 언급한 바와 같이 1980년대 이후 2D 기반의 도면을 중심으로 이뤄진 공간 및 적법성 검토가 시작하였다. 이후 다양한 소프트웨어가 개발되어 인력 중심에서 이러한 도구를 활용하여 주로 도면 및 3D 모델의 정합성 검토에 초점을 맞추어 설계 오류를 사전에 방지하는데 기여하였다(Kim et al., 2016). 그러나 이들은 기본적으로 모델 품질 향상에 중점을 둔 도구로, 건축법규의 해석 및 적용을 자동화하는 데까지는 이르지 못하였다.

국제적으로 BIM 기술이 발전하면서, BIM 모델과 설계 품질 자동 검토 프로그램 간의 정보 호환성을 높이기 위해 Industry Foundation Classes (IFC)가 적극적으로 활용되기 시작하였다. Kim et al. (2016)은 국내 건축법규의 특성에 맞추어 BIM 모델에 입력해야 할 IFC 기반 객체 및 속성 항목을 정리한 사전 정의서를 개발하였다. 또한 Kim et al. (2018)은 BIM 정보 교환을 활용하여 국내 인허가 건축법규 자동 검토 프로그램을 개발하였다. 국내에서는 2019년 인터넷 기반 건축행정시스템(3세대) 구축을 계기로, BIM 기반 품질 검토를 지원하기 위한 룰 기반(rule-based) 설계 검토 자동화 연구가 본격적으로 진행되었다. Kim & Lee (2018)와 Song & Lee (2018)는 인허가와 관련된 다양한 제법규 문장을 Rule-Checking 프로그램에서 활용하기 위해 논리 및 규칙 체계를 개발하였다. 정부의 BIM 의무화 정책이 확대되면서 2022년 6월부터는 건축행정시스템(세움터)이 4세대 스마트 건축서비스로의 전환이 추진되어, BIM 모델 업로드 기능이 공식적으로 지원되기 시작했다.

최근 대규모 언어 모델과 딥러닝 기반 자연어 처리 기술이 발전함에 따라 건축법규 검토 방식 또한 혁신적으로 전환하고 있다. LLM은 방대한 규모의 텍스트 데이터를 학습하여 자연어를 이해하고 생성할 수 있는 능력을 확보하였으며, 이를 통해 복잡한 법령 문서의 자동 분석 및 질의응답 기반 해석을 지원할 수 있다. 그러나 건축법규는 다층적인 위임 관계, 수많은 법령 간 참조 구조, 전문 용어의 복잡한 해석 등을 내포하고 있기 때문에, LLM 기술을 적용하기 위해서는 법규 간 관계성 정립, 논리 및 규칙 체계화 등의 선행 작업이 필수적으로 요구된다. 따라서 건축법규 데이터를 구조화하고, 이를 기반으로 LLM 기술을 연계하는 연구가 필요한 상황이다.

2.2 건축법규 검토를 위한 데이터 구조화 선행연구 분석

건축법규는 복잡한 조문 구조, 위임 및 참조 관계, 다의적 표현 등으로 인해 인공지능이 직접 이해하고 해석하기 어려운 구조를 갖고 있다. 특히 한 조항 내에서 다른 조항을 인용하거나, 상위법과 하위법 간의 연결이 중첩되는 특성이 강하게 나타난다. 이와 같은 법률 텍스트는 단일 문장의 의미를 넘어, 문장 간 관계와 전체 문맥을 함께 고려해야 올바른 해석이 가능하다. 또한 건축법은 1991년 전부개정 이후 수차례 임의적인 조문 추가 및 개정이 이루어지면서 조문 간 구조적 일관성이 저하되어, 법적 해석의 어려움이 가중되고 있다(Yi, 2014). 이러한 특성으로 인해, 자연어로 작성된 건축법규 데이터를 체계화하고, 컴퓨터가 이해할 수 있는 형태로 구조화하는 과정은 법규 자동 검토 기술 개발의 핵심적인 선행 단계로 간주된다. 과거에는 규칙 기반 시스템에서 법규 문장을 논리적 규칙으로 전환하고, 이를 데이터베이스화하여 검토 알고리즘에 활용하는 연구가 주로 진행되었다.

Kim & Lee (2018)는 건축법규 문장의 논리 체계화를 위한 데이터 구조인 KBimLogic과, 변환된 코드 형태인 KBimCode를 제안하였다. 또한 이들을 관리하기 위한 KBimLogic Meta Database, 그리고 이를 시각화 및 편집할 수 있는 KBimCode Editor 및 Composer 애플리케이션을 개발하였다. 해당 연구는 인허가 단계에서 활용되는 54개 법규(총 1,833개 조항)를 대상으로 데이터베이스를 구축하였으며, 복잡한 자연어 문장을 명시적인 룰셋으로 자동 변환하는 과정을 통해 법령의 형식화를 실현하였다. Song & Lee (2018)는 BIM 기반 설계품질 자동화 프로세스를 네 가지 단계(자연어 검토기준 해석 및 변환, BIM 모델 제작, 검토 실행, 결과 리포트 생성)로 정의하였으며, 이 중 ‘자연어 검토기준 해석 및 변환’ 단계의 중요성을 강조하였다. 이들은 워드 임베딩(word embedding) 기반 신경망 모델을 활용하여 건축법규 문장을 벡터화하고, 의미 유사도에 따라 관련 문장을 검색하거나 추천할 수 있음을 보여주었다. 이와 같은 연구들은 건축법규 문장을 형식화하고, 이를 코드화함으로써 컴퓨터가 해석 가능한 데이터베이스를 구축하는 데 집중되었으며, 특히 인허가 검토를 중심으로 한 BIM 기반 품질 검토 자동화를 위한 기반 기술로 평가된다.

Kim et al. (2023)은 기존 연구의 한계를 보완하여, 그동안 자동 검토에 잘 반영되지 않았던 하위법(지방 조례, 지구단위계획 등)을 통합 관리할 수 있는 데이터 구조를 제안하였다. 이 연구는 행정구역별로 분산되어 있는 하위법 데이터를 통합하여, 기획 업무에서 매스 생성 등 설계 작업에도 법규 검토 결과를 직접 활용할 수 있도록 구조화하였다. 하지만 이 연구에서도 언급된 바와 같이, 법규의 지속적인 개정에 대응하기 위해서는 데이터 갱신 체계를 구축해야 하는데 이 부분은 여전히 필수적 과제로 남아있다.

최근 LLM의 발전은 대규모 텍스트 학습을 통해 복잡한 자연어 문장을 이해하고, 문맥과 규칙 기반 해석을 가능하게 하고 있다. 이를 통해 건축법규와 같은 반정형적 법률 문서 처리에의 활용 가능성도 점차 주목받고 있다. Cho & Kim (2023), Cho et al. (2024)은 GPT 기반 모델을 활용한 Semantic Processing for Architecture Regulation Compliance(SPARC) 프레임워크를 제안하고, 건축법규 해석 지원 시스템인 ‘아키로(Archilaw)’를 개발하였다. 국토교통부에 접수된 실제 질의응답 민원 데이터와 법제처의 법령 해석 사례 데이터를 활용하여 LLM의 응답 품질을 실험적으로 평가하였다. 이 연구는 법령 해석 사례 중심의 응답 정확도를 측정함으로써 LLM 기반 해석의 가능성을 확인하였다. 다만 본 연구는 설계단계에서의 법규 검토 자동화를 목적으로 하며, 질의응답을 통한 규정 해석 중심의 기존 연구들과는 목적과 범위에서 차이가 있다.

이러한 연구들을 종합해보면, 기존의 규칙 기반 연구들은 건축법규 데이터를 구조화하고 정형화하는 데 초점을 맞추어 왔던 반면, 최근에는 LLM을 활용한 해석 및 유연한 응답 시스템 구축이 가능해지고 있다. Table 1에서 볼 수 있듯이, 특히 구조화된 건축법규 데이터베이스와 LLM을 연계할 경우, 법규의 의미를 이해하고 해석까지 지원하는 지능형 법규 검토 자동화 시스템으로의 발전이 가능할 것으로 기대된다. 이에 본 연구는 건축법규 간 위임 및 참조 관계를 반영한 관계형 데이터베이스를 구축하고, 이를 LLM과 결합하여 건축설계 프로세스 전반에서 활용 가능한 확장형 지능형 건축법규 검토 자동화 기술을 개발하는 것을 목표로 한다.

3. 건축법규 체계 분석 및 관계성 DB 구축

3.1 국내법 체계 및 건축 관련 법 구조 분석

한국법제연구원에 따르면 국내 법령 체계는 ‘최상위 규범인 헌법과 헌법의 이념을 구현하기 위한 법률 및 법률의 효과적인 시행을 위한 대통령령, 총리령, 부령 등의 행정입법으로 체계화’되어 있으며, 위계 구조로 이루어져 있다.

국내 모든 하위법령의 제･개정의 기준과 근거가 되는 최상위법인 ‘헌법’은, 국가의 통치구조 및 국민의 기본권을 다루고 있다. 국회의 의결을 통해서 제정되는 ‘법률’은 ‘헌법’의 위임을 받아 보다 구체적은 규범을 규정한다.‘시행령’인 대통령령은 대통령의 위임 및 집행 명령으로서 ‘법률’이 다루지 못하는 세부적인 사항을 규정한다. ‘시행규칙’은 총리령･부령으로서, ‘시행령’의 집행에 필요한 사항을 규정하고 있다. ‘행정규칙’은 행정기관의 내부적인 업무 및 직무 수행에 관한 사항을 규정하고, ‘자치법규’는 지방자치단체가 자치 업무 수행의 사무 분야를 대상으로 제정한 ‘조례’와 ‘규칙’을 의미한다.

다음 Figure 2는 이러한 국내 법의 위계를 보여주고 있으며, 각 법의 내용은 ｢편｣, ｢장｣, ｢절｣, ｢관｣, ｢조｣, ｢항｣, ｢호｣, ｢목｣의 순서로 구성되어 있다. 또한, 기본적으로 상위에서 하위로, 또는 동 위계의 법령 간에 규정 내용을 위임 및 참조하는 구조로 되어 있다.

Figure 2.

Hierachy of laws

이와 같은 체계 속에 건축 관련 법은 ｢건축법｣을 중심으로 약 210여개의 법률, 시행령, 시행규칙, 행정규칙 및 자치법규들이 위임 및 참조 관계로 얽혀 있다(Kim & Lee, 2018). 특히, 이러한 각각의 법은 행정 부처에 산재하여 있으므로 다양한 법령과 규제들의 위임 및 참조 관계는 복잡하고 난해한 실정이다(Yu & Seoung, 2011).

또한, 건축법은 1930년대 ｢조선시가지 계획령｣을 토대로, 1962년에 제정되었고(Kim & Lee, 2018), 그 이후 2025년까지 총 156회에 걸쳐 개정되었다. Kim & Lee (2018)는 ｢조선시가지 계획령｣에 기인하여 건축법이 최초 제정된 이후, 부분적으로만 지속적으로 개정이 되어진 연유로 현대 법체계와의 정합성이 부족하다는 지적을 받아왔다고 설명했다.

국내 건축법을 기준으로 한 법체계를 살펴보자면, 크게 4단계의 위계로 구성되어 있으며 1단계 상위법인 ｢건축법｣, 그 아래 2단계 ｢건축법 시행령｣, 3단계의 6가지 규칙들(｢건축물의 구조기준 등에 관한 규칙｣, ｢건축물의 설비기준 등에 관한 규칙｣, ｢건축법 시행규칙｣, ｢건축물대장의 기재 및 관리 등에 관한 규칙｣, ｢표준설계 도서 등의 운영에 관한 규칙｣, ｢건축물 피난･방화구조 등의 기준에 관한 규칙｣), 마지막 4단계인 각 지방자치단체 조례가 있다. 앞서 설명했다시피, ｢건축법｣의 세부 사항은 상위에서 하위 단계로 위임하는 구조로 되어 있으며, ｢국토계획법｣, ｢주차장법｣ 등과 같은 타 법률의 규정도 참고 및 인용하여 적용된다.

Cho & Kim (2023)에 의하면, 국내 건축 인허가 과정에서는 약 200개의 법령을 검토해야 하는 것으로 나타난다. 이처럼 건축 관련 법규는 복잡한 위임 및 참조 관계와 잦은 개정으로 인해 적용의 일관성이 떨어지고, 개별 조항 간 규정 내용을 체계적으로 연계하여 파악하기 어렵다. 따라서, 단순히 법규 조항을 나열하는 방식이 아니라, 위임·참조 관계를 구조적으로 분석하고 법령 간 연계성을 체계화하는 건축법규 DB를 구축해야 할 필요가 있다.

3.2 건축법규 관계성 DB 구축

앞서 언급했다시피, 본 연구에서 구축하고자 하는 건축 법규의 범위는 대구광역시 내 일반적인 대지의 건축물에 대한 입체적 형태에 영향을 미치는 항목으로 한정하였다. 이는 법적 허용 한도 내 최대 건축 매스를 규정하는 범위를 의미하며, 해당 항목은 건폐율, 용적률, 대지의 조경, 건축선의 지정, 대지 안의 공지, 일조 등의 확보를 위한 건축물 높이 제한, 부설주차장의 설치 기준으로 구분된다(Kim et al., 2023).

이러한 항목들은 단일 법령에서만 규정되지 않고, 다양한 법령 항목들이 위임 및 참조 관계로 복잡하게 얽혀 있으므로, 건축 법규 DB를 구축하기에 앞서, 이러한 관계 구조를 분석하고 파악할 필요가 있다.

예를 들어, ‘대지 안의 공지’의 경우 ｢건축법｣ 제58조, ｢건축법 시행령｣ 제80조의2, ｢대구광역시 건축 조례｣ 제36조, ｢민법｣ 제242조 등에서 규정하고 있다. 다음 Figure 3에서 볼 수 있듯이, ｢건축법｣ 제58조는 다시 ｢국토의 계획 및 이용에 관한 법률｣ 및 ｢지방자치단체의 조례｣를 참조하고 있다. 또한 ｢건축법 시행령｣ 제80조의2는 ｢건축법｣ 제46조제1항 및 ｢건축법 시행령｣ 별표 2를, ｢대구광역시 건축 조례｣ 제36조는 같은 조례의 별표 3을 각각 위임 및 참조한다. 아울러 ｢건축법 시행령｣ 별표 2는 ｢산업입지 및 개발에 관한 법률｣, ｢건축법｣ 제11조와 제14조, 별표 1, 지방자치단체 건축 조례를 참조하고 있으며, ｢대구광역시 건축 조례｣ 별표 3은 ｢산업입지 및 개발에 관한 법률｣, ｢전통시장 및 상점가 육성을 위한 특별법｣, 같은법 시행령 제31조의2제1항을 참조한다.

Figure 3.

Interrelationships of delegation and reference in building codes

이러한 위임·참조 관계를 분석하면, 예시적으로 1단계 ｢건축법｣ 제58조, 2단계 ｢대구광역시 건축 조례｣ 제36조, 3단계 ｢건축법 시행령｣ 별표 3으로 구분할 수 있다. 단계가 깊어질수록 참조해야 할 법령과 조항의 수가 급격히 증가하며, 건축 실무에서는 현실적으로 4~5단계까지 검토가 이루어지고 있는 실정이다. 이러한 점을 고려하여, 본 연구에서는 최대 3단계를 한정으로 설정하고, 이에 기반해 건축 법규 DB를 구축하였다.

복잡한 법규 항목 간 관계를 효과적으로 분석하기 위해 텍스트 파일 기반으로 작동하는 소프트웨어인 옵시디언(Obsidian)을 활용하였다. 옵시디언의 그래프 뷰(Graph View)는 ‘그래프 이론(Graph Theory)’에서 통용되는 ‘노드(Node)’와 ‘엣지(Edge)’ 개념을 차용해 연결 구조를 시각화하는 기능으로, 본 연구에서는 법령 조문을 노드로, 위임·참조 관계를 엣지로 대응시켜 관계를 시각화하였다. 각 노드에는 해당 조문의 내용을 텍스트 파일로 저장하여, 시각적 관계 구조와 텍스트 정보를 함께 다음 Figure 4와 같이 확인할 수 있도록 하였다.

정리하자면, 시각화된 정보와 함께 구축된 텍스트 정보는 건축 관련 법령 및 조문의 위임·참조 상관 구조를 드러낸다. 관계성 DB의 클래스(Class) 구조는 ‘법령 노드(Regulation Node)’를 기본 단위로 한다. 각 노드는 5가지 핵심 속성(attribute)으로 구성된다. 구체적으로, 노드의 ‘이름(Name)’, 법규의 특정 부분(조/항/호/목)을 지정하는 ‘대상(Target)’, 해당 대상(Target)에 매핑되는 ‘원문(LawString)’, 검색 및 분류를 위해 노드를 대표하는 단어의 나열인 ‘키워드(Keyword)’, 그리고 상위 단계 노드를 가리키는 포인터 역할을 하는 ‘참조(Reference)’ 속성이다. 따라서, 이러한 구조를 기반으로 건축 법규 관계성 DB로 구축할 수 있다.

Figure 4.

Workflow of building code review

4. LLM 기반 법규 검토 알고리즘 개발 및 검증

4.1 LLM 기반 법규 검토 알고리즘

본 연구에서 제안하는 LLM 기반 건축 법규 검토 알고리즘은 크게 두 개의 모듈로 이루어진다. 첫째는 법령 조문 수집 및 전처리 모듈이며, 둘째는 건축 법규 검토 질의응답 모듈이다. 이 두 모듈은 상호 연계되어, 사용자가 입력한 필지 정보와 용도 조건에 따라 관계성 DB에서 관련 조문을 선별·가공하고, LLM을 통해 검토 질의에 대한 답변을 도출하는 전체 절차를 구성한다.

먼저, 법령 조문 수집 및 전처리 모듈은 대상 필지 주소와 건축물 용도를 입력받아 관계성 DB에서 키워드 기반 검색을 수행한다. 모든 법령 조문을 바탕으로 LLM을 통해 검토하는 것은 토큰의 한계와 환각 문제가 존재하므로, LLM이 한 번에 처리할 수 있는 법령 조문 데이터 양을 고려해야 한다. 이러한 점을 고려할 때, 본 모듈은 검토할 법규 항목과 직접적으로 연계된 조문만 선별적으로 수집한다. 건폐율, 용적률, 높이 제한 등 검토할 법규 항목의 키워드를 바탕으로 관계성 DB의 하위 단계인 3단계에서 검색을 하고, 관련 조문이 발견될 경우 이를 포함한 상위 2단계·1단계 조문도 함께 수집한다. 이 방식은 LLM의 토큰 제한 문제를 해결하는 동시에, 법규 근거 없이 답변을 생성하는 환각 오류를 1차적으로 방지하는 대응 방안이라고 할 수 있다.

건축 법규 검토 질의응답 모듈은 앞서 수집된 조문을 바탕으로 LLM이 법규 검토의 답을 도출하기 위하여 검토 관련 질의 응답을 수행한다. 첫 번째 모듈과 동일하게 입력된 필지 정보와 용도 조건을 기반으로 건폐율, 용적률 등 검토할 법규 항목에 관한 질문이 구체적인 프롬프트 설계를 통해 가동되어 LLM에게 전달된다. 예를 들어, “대상 건축물 = [용도] 일 때, [항목1], [항목2]... 을 구해줘.”와 같이 사전에 정의된 템플릿을 활용하여 LLM이 일관된 형식의 답변을 생성하도록 유도한다. 앞선 모듈에서 수집된 조문은 문서화되고, LLM은 이 문서화된 법규 DB를 바탕으로 가공된 질문에 대한 답변을 하게 된다. 이 답변은 단순히 단답형으로 가공되는 것이 아니라 2차적인 오류 방지를 위한 후처리 과정을 거쳐 법규 검토의 답으로 도출하게 된다. 즉, LLM이 생성한 자연어 문장 (예: ‘...건폐율은 180%...’)을 그대로 사용하지 않고, ‘건폐율: 180%’와 같은 정형화된 키-값(Key-Value) 쌍으로 춫ㄹ하여 최종 결과의 신뢰성과 정확성을 확보한다. 다음 Figure 5는 이 질의응답 과정을 단계별로 나타낸 것으로, 질문 작성, 프롬프트 정리, 답변 수신, 후처리를 거쳐 최종적인 법규 수치가 도출되는 흐름을 보여준다.

Figure 5.

Extraction of relevant legal provisions from the relational database

이 두 모듈이 결합된 전체 알고리즘은 다음 Figure 6과 같다. 전처리 모듈에서 관련 법규 조문을 수집·가공한 뒤, 질의응답 모듈에서 이를 기반으로 답변을 도출하는 구조를 갖는다. 결국, LLM 기반 건축 법규 검토 알고리즘은 ｢입력 정보 → 조문 검색 및 전처리 → 질의응답 처리 → 결과 도출｣의 절차를 따른다고 할 수 있다.

Figure 6.

LLM-driven algorithm

알고리즘이 실행된 결과는 다음 Figure 7과 같이 확인할 수 있다. 예시로, 연구의 범위에 해당하는 대구광역시의 일반적인 필지를 대상으로 근린생활시설을 가정하여 검토한 결과, 용적률, 건폐율, 최고층수, 조경면적, 주차대수 등이 단답형의 정답 형태로 도출되었다. 이를 통해 질문 작성, 프롬프트 정리, 답변 수신, 후처리를 거쳐 최종적인 법규 수치가 도출되는 흐름을 알 수 있다.

또한, 이 알고리즘은 실제 저작도구 환경에 적용할 수 있었고, Figure 7은 저작도구에 통합된 결과를 보여준다. 도출된 결과값은 적색의 3차원 가이드라인으로 최대 건축 매스 범위가 시각화되어 나타난다.

Figure 7.

Implementation of the algorithm and application of authoring tools

결론적으로, 본 연구의 LLM 기반 건축 법규 검토 알고리즘은 (1) 관계성 DB를 활용한 법규 조문 수집 및 전처리, (2) LLM 기반 질의응답 처리, 두 단계로 구성된다. 이를 통해 사용자는 초기 단계에서 최대 건축 매스 범위를 신속하게 검토할 수 있으며, 기존의 BIM 기반 자동 검토 방식이 가진 한계를 보완할 수 있다. 나아가, 알고리즘이 저작도구 환경과 연계됨으로써, 법규 검토와 설계 과정 간의 실질적인 통합 가능성을 제시한다.

4.2 알고리즘 평가 및 검증

본 연구에서 제안하는 LLM 기반 건축법규 알고리즘의 실효성, 정확성, 적용 가능성을 검증하기 위하여 실제 건축설계 분야에 종사하는 29명의 전문가를 대상으로 설문 평가를 실시하였다. 전문가는 규모 검토, 법규 검토, 매스 계획을 진행해본 경험이 다수 있는 최소 5년 이상의 실무 경력자를 대상으로 선정하였다. 평가는 Figure 7의 저작도구를 실제 사용을 권장하였으며, 이해를 돕기 위한 매뉴얼과 동영상을 함께 제공한 뒤 설문 문항에 응답하는 방식으로 진행되었다. 응답자의 성별은 남성 19명, 여성 10으로 구성되었으며, 평균 연령은 41.4세였다. 실무 경력은 평균 13.7년으로 나타났으며, 이 중 13명은 건축사 자격을 보유하고 있었다.

Table 2는 설문의 각 문항과 응답한 결과를 나타낸다. 각 문항의 응답을 5점 리커트 척도(5=Strongly Agree, 1=Strongly Disagree)로 변환하여 기초 통계 분석을 실시하였다. 그 결과, ‘설계 초기 단계 지원(Q1)’ 항목은 평군 4.21점(표준편차 0.89), ‘법규 검토 정확성(Q2)’ 항목은 평균 3.24점(표준편차 0.82), ‘실무 적용 가능성(Q3)’ 항목은 평균 4.11점(표준편차 0.86), ‘결과 활용성(Q4)’ 항목은 평균 3.41점(표준편차 0.85)으로 나타나, 전반적으로 긍정적인 평가를 받았다.

또한, 서술형 응답을 분석한 결과, 전문가들은 LLM 기반 건축법규 검토 알고리즘이 설계 초기 단계에서 충분한 활용 가능성을 지닌다고 평가하였다. 특히 주소 입력만으로 주요 법규 항목을 자동 점검할 수 있다는 점은 기존의 수작업 기반 법규 검토 절차와 비교해 시간과 노력을 크게 절감할 수 있는 장점으로 인식되었다. 이러한 기능은 설계자가 매스 검토를 신속하게 진행할 수 있도록 지원하며, 설계 초기 단계의 의사결정 과정을 단순화하는 효과를 기대할 수 있다. 나아가 인허가 단계까지 확장될 경우 실무적 파급력이 클 것이라는 점에서 긍정적인 기대가 형성되었다.

한편, 실무 적용을 위해 해결해야 할 과제도 분명히 지적되었다. 무엇보다 검토 결과의 정확성과 신뢰성 확보가 핵심이라는 점이 반복적으로 강조되었다. 법령은 개정 시점과 인허가 기준일에 따라 판정이 달라질 수 있기 때문에, 실시간 업데이트와 체계적인 버전 관리 기능이 필수적으로 요구된다. 또한 지역 조례, 지구단위계획, 세부 지침 등 다양한 법규를 상호 검증할 수 있어야 실제 현장에서 활용 가능성이 높아진다는 의견이 제시되었다. 특히 대지 레벨, 인접 대지 조건, 지형과 같은 물리적 현장 요소가 충분히 반영되지 않으면 결과 해석이 단순해지고, 기존 도구와의 차별성이 희석될 수 있다는 우려도 나타났다.

응답에 참여한 13명의 건축사는 실무 경험을 바탕으로 구체적인 보완 사항을 제안하였다. 이들은 법령 개정 이력을 추적할 수 있는 기능과 기준일 선택 기능을 포함해야 한다고 지적했으며, 지구단위계획이나 세부 지침이 자동으로 반영되어야 한다고 강조하였다. 또한 대지 레벨이나 인접 대지 조건이 반영되지 않을 경우 검토 결과가 지나치게 단순해질 수 있다는 점을 우려하였다. 나아가 오류가 발생했을 때 책임이 전적으로 건축사에게 전가될 수 있다면 실무 적용의 동인이 약화될 수 있다는 현실적 문제도 지적되었다. 이러한 의견은 알고리즘의 실무 적용 가능성을 높이기 위해 제도적·기술적 보완이 함께 이루어져야 함을 보여준다.

그러나 건축사들은 동시에 알고리즘의 발전 가능성에 대해서는 긍정적인 전망을 제시하였다. 단순한 입력만으로 빠른 법규 검토가 가능하다는 점은 설계 초기 단계에서 경쟁력 있는 장점으로 꼽혔다. 특히 매스 산정이나 합필 시나리오 검토, CAD/BIM과의 연계, 인허가 과정 지원과 같은 기능이 추가될 경우 건축사의 업무 부담이 줄어들고 정확성은 더욱 높아질 것이라는 기대가 나타났다. 이는 현 단계 성과물이 단순하더라도, 발전 방향이 명확하고 실무에 기여할 여지가 크다는 점에서 중요한 의미를 지닌다. 이러한 기대는 알고리즘이 단순한 연구적 시범 단계를 넘어 실제 설계 실무에서 효용성을 가질 수 있음을 뒷받침한다.

종합하면, 본 알고리즘은 설계 초기 단계에서 신속성과 접근성을 확보할 수 있는 가능성을 보여주었다. 동시에 실무 적용을 위해 반드시 해결해야 할 과제들도 분명하게 드러났다. 관계성 데이터베이스의 고도화, 실시간 업데이트와 개정 이력 관리, 대지 조건을 포함한 공간 데이터의 결합, 설명 가능한 판정 로직과 신뢰도 지표 제공 등이 그 핵심으로 도출되었다. 또한 실제 과제를 기반으로 한 파일럿 검증과 설계 워크플로우와의 연계가 추가적으로 요구되었다. 이러한 분석은 본 알고리즘이 지닌 강점과 한계를 동시에 보여주며, 향후 연구와 실무 적용을 위한 개선 방향을 구체적으로 제시하는 데 의의가 있다.

5. 결 론

본 연구는 설계 초기 단계에서 건축법규 검토의 효율성과 신뢰성을 높이기 위해 국내 건축법규의 위임·참조 구조를 반영한 관계성 DB를 구축하고, 이를 LLM 기반 질의응답 모듈과 연계한 자동 검토 알고리즘을 제안하였다. 기존의 CAD/BIM 기반 단순 규칙 검토나 특정 법규의 형식화 연구와 달리, 본 연구는 복잡한 법규 간 상관관계를 구조적으로 데이터베이스화하고 이를 LLM과 결합하여 설계 초기 단계에서 최대 건축 매스 범위를 합리적으로 산출할 수 있는 가능성을 제시하였다. 특히 조문 수집 및 전처리 모듈과 LLM 기반 질의응답 모듈을 연계한 알고리즘을 구현함으로써, 건축가는 간단한 입력을 통해 주요 법규 항목에 대한 해석 결과를 신속하게 확인할 수 있었으며, 저작도구 환경에서 결과를 매스로 시각화하여 설계 과정과 법규 검토 과정 간의 통합 가능성을 실증하였다.

전문가 평가 결과, 제안된 알고리즘은 설계 초기 단계에서 간단한 법규 분석과 매스 검토를 지원하는 데 실질적인 잠재력을 가진 것으로 확인되었다. 그러나 법규 검토 결과의 정확성과 신뢰성 확보가 중요한 과제로 지적되었으며, 잦은 법령 개정과 인허가 단계별 차이를 반영하기 위해서는 실시간 업데이트와 버전 관리 체계가 필수적임이 드러났다. 또한 지구단위계획, 세부 지침, 지방법규 등 하위 규정의 확장과 함께 대지 레벨, 인접 대지 조건 등 실제 맥락을 고려할 수 있는 기능이 추가되어야 한다는 점이 제시되었다. 현 단계 알고리즘의 단순한 결과 산출, 오류 발생 시 건축사에게 전가될 수 있는 책임 문제는 실무 적용성을 제한하는 요소로 나타났다.

나아가 본 연구는 학문적으로도 건축법규 검토 자동화 분야에서 기존 연구의 한계를 보완하고, 관계성 DB와 LLM을 결합한 새로운 접근 방식을 제시했다는 점에서 의의가 있다. 기존의 규칙 기반 접근이 문장 형식화와 코드화에 머물렀다면, 본 연구는 법규의 맥락적 의미와 조문 간 상관성을 반영하여 보다 유연하고 지능적인 해석 가능성을 보여주었다. 실무적으로는 본 연구의 알고리즘이 설계자의 업무 시간을 절감하고 법규 해석 과정에서 발생할 수 있는 오류를 줄이는 데 기여하며, 설계 초기 단계에서 발생하는 불확실성을 완화하고 법규 해석의 일관성을 보완하는 데 중요한 역할을 할 수 있다. 이는 건축사사무소 등 실무 현장에서의 신뢰도를 높이는 기반이 될 수 있으며, 더 나아가 법규 검토 과정을 데이터 기반으로 체계화함으로써 국가 차원의 건축 인허가 절차 고도화에도 기여할 잠재성을 가진다.

이러한 한계를 보완하고 연구의 확장성을 확보하기 위해, 향후 연구에서는 법령·조례·지구단위계획을 포괄하는 관계성 DB의 고도화, 개정 이력 추적 및 적용 기준일 설정 기능 반영, 공간 데이터와의 결합을 통한 정밀 분석, 설명 가능한 판정 로직과 신뢰도 지표 제공, 실제 프로젝트 기반의 파일럿 검증을 통한 실효성 확보가 요구된다. 더불어 본 연구의 접근법이 가진 국제적 확장 가능성을 고려하여 비교법적 관점에서의 적용 가능성을 검토하고, 다국적 데이터셋을 활용한 알고리즘 학습을 통해 보편적 건축 규제 검토 모델로 발전시켜 나갈 수 있을 것으로 기대된다.