LH 신기술 공모 선정 11개 기업 분석 | AI·스마트건설 기술력 평가 (2026)

건설업 전반에 인공지능과 스마트 기술이 본격적으로 도입되는 시점입니다. 한국토지주택공사(LH, 공기업)가 2026년 5월에 중소기업 신기술 공모를 통해 AI·스마트건설·건설 자동화 관련 11개 기업을 선정하면서, 공공 조달의 기술 혁신 모델이 구체화되고 있습니다. 이번 선정이 단순한 공급처 발굴을 넘어 건설 산업 전체의 디지털 전환을 촉발할 수 있는 신호탄으로 평가받는 이유를 살펴봅니다.

공공기관 혁신 조달의 새로운 패러다임: LH 신기술 공모 구조 분석

LH의 신기술 공모 프로그램이 주목받는 이유는 기존 건설 산업의 '폐쇄적 협력 구조'를 공개 경쟁 방식으로 전환했다는 점입니다. 전통적으로 건설 발주처는 기존 협력사나 대형 기술 공급업체와의 관계에 의존해 왔으나, LH가 공개 모집 방식으로 중소기업 기술을 직접 발굴함으로써 산업 생태계가 근본적으로 재편되고 있습니다.

공모 방식의 핵심 메커니즘은 다음과 같습니다:

① 기술 검증의 공개성: 공모 심사 과정에서 기술의 완성도, 시장 수요성, 실제 구현 가능성 등을 제3자 관점에서 평가합니다. 이는 개별 발주처의 주관적 판단을 배제하고 객관적 기준을 제시합니다.

② 신뢰도 신호 효과: LH가 선정한 기술은 자동으로 '공공기관 검증' 스탬프를 획득합니다. 건설 산업에서 공공기관의 평가는 다른 발주처의 의사결정에 직결되는 '선도 신호'로 작용합니다.

③ 파일럿 기회 제공: 단순 선정이 아니라 LH의 실제 프로젝트에 기술을 적용하는 파일럿 단계까지 포함됩니다. 이는 중소기업이 대규모 공사 현장에서 기술을 검증받을 수 있는 드문 기회입니다.

이번 공모에 선정된 11개 기업의 기술 분야 구성을 추정하면, AI·머신러닝 기반 솔루션이 약 45퍼센트, 스마트건설(IoT·센서) 솔루션이 약 35퍼센트, 건설 로봇·자동화 기술이 약 15퍼센트, 기타 특화 기술이 약 5퍼센트 수준으로 분포할 것으로 예상됩니다.

AI 기술 도입으로 본 국내 건설 산업의 성숙도 진단

건설 산업에 AI가 얼마나 깊숙이 침투했는지를 수치로 파악하는 것이 중요합니다. 국내 건설사의 스마트건설 투자 비율은 전체 건설 예산의 1.2퍼센트에서 1.8퍼센트 사이로 집계되고 있습니다. 이는 미국(5.5퍼센트에서 7.2퍼센트), 독일(6.1퍼센트에서 8.3퍼센트)과 비교하면 30년대에서 40년대 수준의 기술 도입률을 의미합니다.

이러한 낮은 투자율의 원인은 다층적입니다:

기술 신뢰도 부족: 건설 현장은 예측 불가능한 변수가 많습니다. AI 기반 일정 예측 모델도 실제 현장에서 80퍼센트에서 85퍼센트 정확도만 달성할 수 있으면, 나머지 15퍼센트에서 20퍼센트 오차로 인한 비용이 발생합니다. 건설사들이 '아직 더 검증이 필요하다'는 입장을 유지하는 이유입니다.

진입 비용의 높음: 엔터프라이즈급 스마트건설 솔루션은 구축 비용이 최소 2억 원에서 5억 원대입니다. 중소 건설사나 시공사는 ROI 계산이 불확실하면 이 비용을 감당하기 어렵습니다.

인력 구조의 경직성: 건설 산업의 기술자, 현장소장들은 기존 방식에 익숙해 있습니다. 새로운 시스템 도입은 현장 저항에 직면하기 쉽습니다.

LH의 역할은 이러한 '고비용·저신뢰' 악순환을 깰 수 있다는 점입니다. 공공기관이 파일럿을 통해 기술을 검증하고 성과 데이터를 공유한다면, 그 다음 중소 발주처들의 도입 의사결정이 훨씬 수월해집니다.

AI가 건설 현장에서 실제로 적용되는 분야는 ① 공정 일정 예측 (시공 기간 단축으로 금융비용 절감), ② 안전 위험도 분석 (현장 사고 예방), ③ 품질 자동 검사 (하자 감소), ④ 원가 추정 고도화 (예산 관리 개선) 등입니다. 각 분야에서 AI 도입 시 연 2퍼센트에서 5퍼센트의 원가 절감이 가능하다는 것이 학계 합의입니다.

선정 기업의 기술 분야별 분석: 시장 기회 매핑

11개 선정 기업들을 기술 유형별로 분류하면, 각 분야의 시장 성숙도와 확산 속도가 크게 다릅니다.

AI·머신러닝 기반 솔루션군 (예상 4～5개 기업)

이 그룹은 데이터 수집, 분석, 예측을 통해 의사결정을 자동화하는 기술입니다. 예시로는:

• 건설 프로젝트 일정 예측 AI: 과거 유사 프로젝트 데이터를 학습하여 현재 프로젝트의 지연 위험을 조기 경고
• 원가 추정 머신러닝: 자재비, 인건비, 현장 여건 변수를 종합해 보다 정확한 원가 계산
• 안전 위험도 분석: CCTV 영상으로 현장 근로자의 안전장비 착용, 위험 행동 감지

이 분야의 강점: 一 데이터가 쌓일수록 정확도 개선 (규모의 경제 작동), 二 구현 속도 상대적 빠름, 三 기존 시스템과의 호환성 비교적 좋음

약점: 초기 정확도가 70퍼센트에서 75퍼센트 수준이라 신뢰도 구축에 시간 소요

시장 기회: 매우 높음. LH 파일럿 성공 시 다른 공공기관(GS건설, 현대건설 등 협력업체 포함) 수요 빠르게 증가 예상

스마트건설(IoT·센서·실시간 모니터링) 솔루션군 (예상 3～4개 기업)

이 그룹은 건설 현장에 센서를 설치하여 실시간 데이터를 수집·분석하는 기술입니다:

• 콘크리트 품질 자동 모니터링: 타설 후 강도 발전 과정을 센서로 계속 추적
• 건설장비 원격 관리: 크레인, 굴착기 등의 작동 상태와 연료 소비를 실시간 추적
• 안전 네트워크: 현장 근로자에게 웨어러블 센서를 착용시켜 피로도, 위치 추적

이 분야의 강점: 一 물리적 데이터이므로 조작 불가능 (신뢰성 높음), 二 규제 적응성 좋음, 三 하드웨어 기반이라 기술 모방 상대적 어려움

약점: 초기 구축 비용이 높음 (현장당 1억 원에서 2억 원대), 센서 고장 시 유지보수 비용

시장 기회: 높음. 특히 대형 건설사가 주도하는 대규모 프로젝트(아파트 단지, 인프라 공사)에서 수요 창출 가능

건설 로봇·자동화 기술군 (예상 2～3개 기업)

용접 로봇, 콘크리트 자동 타설, 타일 붙이기 자동화, 건설용 드론 등이 해당합니다:

• 용접 자동화 로봇: 철골 구조물 용접을 로봇이 수행 (속도 40퍼센트 향상)
• 콘크리트 타설 자동화: 펌프카-로봇 연계로 정확한 타설 (오차율 5퍼센트 이하)
• 건설 드론: 지붕, 고층 구조 검사 자동화 (인명 위험 제거)

이 분야의 강점: 一 반복 작업 효율화로 가장 가시적 성과, 二 근로자 안전 개선 (고위험 작업 제거), 三 장기적 인력 부족 문제 해결

약점: 초기 도입 비용이 가장 높음 (로봇당 5억 원에서 10억 원대), 현장 맞춤화 어려움

시장 기회: 중간에서 높음. 대형 발주처, 반복적 대규모 프로젝트 중심으로 먼저 도입될 가능성

LH 선정 기업의 예상 사업화 경로와 매출 시뮬레이션

공공기관 검증을 받은 기업들의 성장 궤적은 일반적인 벤처기업과 다른 경로를 보입니다.

예시 시뮬레이션: 스마트건설 센서 기업 A사의 경우

• 2026년 선정 후 LH 2개 프로젝트 파일럿 → 5억 원 매출
• 2027년 LH 프로젝트 확대 + 계약사 1～2곳 신규 수주 → 20억 원 매출
• 2028년 대형 건설사(삼성물산, GS건설 등) 정식 계약 → 60억 원 매출
• 2029년 이상 연 30퍼센트 성장 유지 → 2030년 100억 원 이상

이 경로가 현실화되려면 기술의 완성도, 고객 서비스, 유지보수 능력이 모두 우수해야 합니다.

건설 현장의 실질적 변화: 원가·일정·안전의 삼각형

AI와 스마트건설 기술이 건설 프로젝트에 미치는 실질적 영향을 정량화하면:

원가 절감 효과

건설 프로젝트의 총 원가는 **자재비(40퍼센트) + 인건비(35퍼센트) + 간접비(15퍼센트) + 이윤(10퍼센트)**로 구성됩니다. AI·스마트건설 기술은 주로 인건비와 간접비를 개선합니다:

• 일정 지연 예방: 예측 AI로 일정 지연을 조기 발견 → 금융비용 절감 (대규모 프로젝트 기준 월 3억 원에서 5억 원)
• 자재 낭비 감소: 스마트 자재 관리 시스템으로 도용, 손상 방지 → 2퍼센트에서 3퍼센트 절감
• 품질 검사 자동화: 검사 인력 감소 + 부실 조기 발견 → 하자 비용 40퍼센트 감소

종합적으로 총 원가의 2퍼센트에서 4퍼센트 절감 (대규모 프로젝트 1조 원 기준 200억 원에서 400억 원)

시공 기간 단축

• AI 기반 일정 최적화: 기존 방식은