Construction Defect Brain AI
119건 법원 판결문, 8개 관계법령, 25년 전문가 Knowhow를 학습한 AI가
건설하자 분쟁의 핵심 법리·책임 제한 비율·배상액 산출 근거를 즉시 검색하고 분석해 드립니다.
0건+8대 법령
실제 119건의 하자보수소송 법원판결문과 건설산업기본법 외 8개 법령, 그리고 대형사 하자보수 체크리스트까지 전수 기계 학습하여 빈틈없는 실증 데이터베이스를 구축했습니다.
환각률 99.99%
생성형 AI의 고질적인 환각을 완전히 해결하기 위해 Knowledge Graph(지식 그래프)를 활용한 독자적인 Hybrid RAG 시스템을 개발하여 무결점 분석 답변을 보장합니다.
전문가25년 노하우
대형 건설사 총괄 임원진의 25년 실무 암묵지를 기반으로 하여 설계/시공/준공 생애주기 전반에 걸친 1,151개 항목의 예방 리스크 체크리스트를 시스템에 완벽 구축했습니다.
The Core Pillars: 데이터·기술·노하우의 삼위일체
법률 AI의 한계를 극복하기 위해 분쟁 데이터, RAG 하이브리드 추론 기술, 그리고 25년 현장 암묵지를 단일 코어로 융합했습니다.
학술 이론을 넘어선 실증 데이터의 힘
실제 법원 판결문 119건(31,921개 하자 항목)과 건설산업기본법 외 8대 핵심 법령 1,000여 페이지를 완벽하게 정형화 및 벡터화하여 프로그램의 백본(Backbone)을 구축했습니다.
- 119건 실제 Defect 소송 판결 판례 DB
- 31,921개 세부 하자 항목 데이터 라벨링 완료
- 건설산업기본법, 공동주택관리법 등 8대 법령 정형화
변호사가 신뢰하는 환각율 0%의 기술력
단순 텍스트 매칭 RAG의 치명적 한계(문맥 왜곡 및 환각)를 단 한 줄도 허용하지 않습니다. 의미 검색(FAISS), 정형 매칭(SQL), 관계 추론(Knowledge Graph)의 3-Way 하이브리드 RAG와 RRF 알고리즘 교차 검증으로 완벽한 법적 팩트만을 도출합니다.
- FAISS(직관) + SQLite(기억) + Knowledge Graph(추론) 융합
- 1,456개 노드와 5,449개 엣지로 이루어진 지식 네트워크
- RRF(Reciprocal Rank Fusion) 기반 다채널 교차 검증
대형 건설사 25년 총괄 전문가의 암묵지 이식
AI 엔진의 차가운 통계 위에 25년간 현장을 지휘한 전문가의 날카로운 실무 통찰력을 심었습니다. 설계, 시공, 준공 단계의 생애주기별 리스크 차단 체크리스트와 하자 소송 리스크 배척 가이드라인이 탑재되어 있습니다.
- 실시설계 도서 검증(290개조) & 공사 중 누수 예방(697개조)
- 준공 도서 소송 과다 항목 배척 리스크 관리(164개조)
- 총 1,151개 항목의 생애주기별 지식베이스 완전 탑재
꼭짓점 노드에 마우스를 올리면 각 지식 자산의 파티클 엣지가 활성화됩니다.
도입 기대효과: 재무적 리스크의 완벽한 통제
단순 법률 검색을 넘어 시공사의 실질적인 이익 방어율을 입증합니다. 계량 통계 모델과 시뮬레이션 엔진이 제공하는 재무 성과를 확인하십시오.
악성 감정 가액의 법리적 배척
감정인이 산정한 과다한 하자보수비용에 대해 공종별·연차별 방어 논리를 즉각 도출하고, 책임제한비율 상향 논리를 완성하여 배상액 리스크를 극적으로 줄입니다.
소송 장기화 비용 절감 예측
심리 및 감정이 1개월 장기화될 때마다 최종 판결 금액이 하락하는 음(-)의 탄성치와 소송 유지 비용 간의 역전 지점을 AI가 시뮬레이션하여 최적의 조기 합의 전략을 도출합니다.
하자 소송 발생 자체의 원천 봉쇄
소송이 발생하기 전, 25년 현장 거장의 체크리스트를 활용해 설계·시공·준공 단계의 취약성 요소를 사전 도출하고 고위험 하자의 발생을 미연에 방지합니다.
10가지 분석 도구
건설하자 분쟁의 모든 차원을 분석하는 전문 도구 모음. AI 챗봇부터 지리 기반 판례 지도까지, 데이터 기반의 의사결정을 지원합니다.
종합분석 대시보드
106건 판결 데이터의 거시적 트렌드를 한눈에. 판결금액 분포, 시공사별 소송 현황, 법원별 판결 경향 등 9개 차트를 제공합니다.
세부분석 대시보드
하자유형, 보증연차, 취약점 히트맵 등 14개 세부 분석 탭으로 판결 패턴의 미시적 구조를 파헤칩니다.
AI 법률자문 챗봇
자연어로 질문하면 119건 판결문에서 근거를 검색하여 즉시 답변. FAISS+SQL+KG 3-Way RAG 엔진이 출처와 함께 제공합니다.
KG 탐색기
1,456개 노드와 5,449개 엣지로 구성된 지식 그래프를 인터랙티브하게 탐색. 판례 간 숨겨진 관계를 시각적으로 발견합니다.
판례비교 분석기
두 건의 판례를 나란히 비교하여 하자유형, 책임비율, 판결금액, 시공사 대응의 차이를 정량적으로 분석합니다.
판례분포 지도
전국 106건의 소송을 지리적으로 시각화. 지역별·법원별 판결 경향과 클러스터 패턴을 지도 위에서 확인합니다.
판결예측 시뮬레이터
하자유형, 시공사, 법원, 세대수 등 조건을 입력하면 유사 판례 기반으로 예상 책임비율과 판결금액을 시뮬레이션합니다.
AI 리포트 생성기
프로젝트를 선택하면 하자 분석, 법리 검토, 리스크 평가를 포함한 전문 분석 보고서를 AI가 자동 생성합니다.
법리 타임라인
2014~2025년 판결의 시간축 분석. 책임비율 추이, 법리 분기점, 시공사별 판결 변동을 버블 차트로 추적합니다.
취약점 히트맵
공종×위치×하자유형의 3차원 매트릭스로 가장 빈번한 하자 발생 패턴과 고위험 조합을 시각화합니다.
모든 도구가 하나의 플랫폼에
판례 검색부터 예측 시뮬레이션까지, 건설하자 분쟁의 전 과정을 데이터 기반으로 분석합니다. 10가지 전문 도구가 유기적으로 연결되어 종합적인 법률 인사이트를 제공합니다.
핵심 기능
건설하자 분쟁 해결을 위한 최첨단 AI 기술 스택. 벡터 검색, 지식 그래프, 정형 데이터 분석을 융합하여 변호사급 법률 분석을 자동화합니다.
KG-RAG 기반 판례 검색
FAISS 벡터 임베딩 + Knowledge Graph + SQL 3-Way 하이브리드 검색으로 119건 판결문에서 0.1초 만에 최적의 법리를 발견합니다. 질문에 없지만 관련 있는 정보까지 능동적으로 발굴하는 차세대 검색 엔진입니다.
다차원 정형 데이터 분석
106건의 판결 메타데이터를 23개 분석 탭에서 정량적으로 시각화합니다. 시공사별 소송 현황, 법원별 판결 경향, 하자유형 분포, 보증연차 패턴 등을 토큰 비용 없이 즉시 확인합니다.
책임제한 비율 예측 분석
자연노화, 유지관리 소홀, 환경적 요인 등 재판부의 책임 감액 패턴을 데이터로 분석합니다. 60~90% 범위의 비율 분포와 시공사·법원별 경향을 파악하여 사전적 리스크 예측에 활용합니다.
3종 저장소 인프라
SQLite v3(5테이블 정형 쿼리) + Knowledge Graph(1,456노드, 5,449엣지 관계 추론) + FAISS(1,139벡터 의미 검색)를 동시 운용합니다. RRF 알고리즘으로 3채널의 결과를 최적 융합합니다.
판결 트렌드 시계열 분석
2014~2025년 11년간의 판결 흐름을 시간축으로 추적합니다. 책임비율 변동 추이, 법리 분기점 감지, 시공사별 판결금액 변화를 버블 차트와 타임라인으로 시각화하여 미래 판결 방향을 예측합니다.
지식 그래프 관계 추론
11개 노드 유형과 10개 관계 유형으로 구성된 도메인 Knowledge Graph가 판례 간 숨겨진 패턴을 발견합니다. 2-Hop 연쇄 탐색으로 질문 하나에서 최대 698개 관련 노드를 동시 발견합니다.
데이터 파이프라인
119건의 판결문 PDF를 구조화 데이터로 변환하고 AI 검색 엔진까지 구축하는 8단계 파이프라인. 각 단계를 클릭하면 상세 과정을 확인할 수 있습니다.
작동 원리
질문 하나로 FAISS(의미 검색) + SQL(정형 매칭) + Knowledge Graph(관계 추론) 3개 엔진이 동시에 작동하여, 단일 검색으로는 불가능한 다차원 법률 분석을 실현합니다.
자연어 질문
건설하자 관련 법리 질문을 일상 언어로 입력합니다. 복잡한 검색어 조합이 필요 없습니다.
3-Way 동시 검색
FAISS가 의미적 유사 판례를, SQL이 정형 메타데이터를, KG가 관계 기반 연관 정보를 동시에 탐색합니다.
RRF 결과 융합
3개 채널의 검색 결과를 Reciprocal Rank Fusion 알고리즘으로 융합하여 최적의 상위 12건을 선별합니다.
LLM 법리 분석
Gemini 2.5 Flash-Lite가 선별된 판례를 분석하여 법리 근거, 유사 사례, 책임비율 패턴을 종합 답변합니다.
출처 투명 제공
사건번호, 법원명, 시공사, 판결금액 등 메타데이터와 유사도 점수를 근거와 함께 투명하게 제시합니다.
교차 검증
3개 엔진에서 공통 발견된 정보는 RRF 점수가 상승하여 AI 환각(Hallucination)을 원천 차단합니다.
시스템 특장점
KG-RAG 아키텍처가 제공하는 차별화된 검색·추론·분석 역량을 13장의 상세 다이어그램으로 확인하세요. 이미지를 클릭하면 확대됩니다.
KG-RAG 아키텍처 전체 개요
Second Brain Architecture
기존 RAG의 한계를 넘어 관계 추론으로 진화하는 'Second Brain' 아키텍처입니다. FAISS(의미 기반) + SQL(정형 데이터) + KG(관계 추론)를 RRF로 융합하여 심층 통찰력을 제공합니다. 11개 엔티티 간 다차원 교차 분석과 구조적 인사이트(Structural Insight)를 통해 전문가의 사고 과정을 모사합니다.
기존 RAG vs KG-RAG
Paradigm Shift in Search
다차원 지식 그래프가 가져오는 검색 패러다임의 전환을 시각화합니다. 기존 RAG는 직접 매칭에 의존하지만, KG-RAG는 관계 그래프를 통해 질문에 없는 연관 정보까지 능동적으로 발견합니다.
단편적 탐색의 한계
Limitations of Direct Matching
기존 FAISS + SQL 2-Way 검색의 치명적 제약을 보여줍니다. 질문에 직접 매칭되는 정보만 찾을 수 있어, 유의어나 간접 관계에 있는 핵심 정보를 놓칠 수밖에 없습니다.
3-Way Search Architecture
SQL · FAISS · Knowledge Graph
SQL(정형화된 기억), FAISS(의미적 직관), KG(입체적 추론)의 3가지 엔진을 통합한 완벽한 3-Way 검색 아키텍처입니다. 기존 2-Way 구조를 넘어선 차세대 검색 인프라를 완성했습니다.
KG 2-Hop 연쇄 탐색
Chain-of-Thought Reasoning
질문 하나로 프로젝트(P105), 공사유형(방수코킹공사), 위치(지하주차장), 판결결과(REJECTED), 담보연차까지 5개 차원의 노드를 동시에 연결합니다. 2-hop 폭발적 연쇄 도출로 총 698개 관련 노드를 발견합니다.
Advantage 1. 연쇄적 관계 발견
Associative Discovery
기존 RAG Flow는 '방수' 단어 포함 항목만 나열하지만, KG-RAG 능동형 Flow는 허브 노드(방수코킹공사)를 발견하고 연결된 98개 프로젝트의 유사 하자 전체를 추적합니다. 사용자가 물어보지 않았지만 필수적인 정보를 시스템이 능동적으로 발굴합니다.
Advantage 2. 다차원 교차 분석
Cross-dimensional Analysis
11개 Node Types와 5,449개 Edges로 구성된 지식 그래프가 복잡한 복합 쿼리를 처리합니다. 기존 DB(SQL)로는 극도로 복잡한 다중 JOIN이 필요한 분석을, KG는 그래프 엣지를 따라가는 자연스러운 횡단으로 즉각 수행합니다.
Advantage 3. 구조적 인사이트
Structural Insight
연결의 밀도가 곧 도메인 인사이트입니다. ACCEPTED(475개 연결), 건축공사(471개 연결), 시공불량(206개 연결), 지하주차장(101개 연결) — 데이터베이스 스키마가 알려주지 않는 진실을 KG가 밝힙니다.
Advantage 4. 교차 검증 신뢰도
Cross-validation via RRF
3개 엔진에서 공통 발견된 정보는 RRF 점수가 폭발적으로 상승하여 LLM에 최우선 전달됩니다. 다중 경로 교차 검증을 통한 데이터의 절대적 신뢰성 확보 및 AI 환각(Hallucination) 원천 차단을 실현합니다.
Advantage 5. 유의어·간접 관계 해소
Implicit Connection Discovery
검색어 '방수'로 허브 노드(방수코킹공사)를 발견하면, 코킹·우레탄방수·액체방수 등 유의어와 간접 관계 노드까지 자연스럽게 연결됩니다. 단순 문자열 매칭의 한계를 도메인 지식 관계망으로 완벽히 극복합니다.
전문가의 뇌를 모사하다
Human Expert Analogy
AI를 위한 Second Brain의 완성: KG = 추론(Reasoning)으로 입체적 논리 전개, FAISS = 직관(Intuition)으로 의미적 유사성 기반 뉘앙스 파악, SQL = 기억(Memory)으로 과거 인용된 사건 정보의 정확한 색인을 수행합니다.
기존 RAG vs KG-RAG 핵심 차이
Information Reproduction vs Knowledge Creation
기존 RAG는 질문에 있는 것을 찾는 수동적 재현(Information Reproduction)에 그치지만, KG-RAG는 질문에 없지만 관련 있는 것까지 찾아내는 능동적 창출(Knowledge Creation)을 실현합니다. 이 차이가 AI 답변의 깊이와 정확도를 근본적으로 바꿉니다.
KG-RAG: 제2의 뇌
From 2-Way to 3-Way Intelligence
기존 2-Way RAG(제한적 검색)에서 지능형 3-Way KG-RAG(추론형 검색)으로의 진화를 한 눈에 보여줍니다. 시드 노드에서 1, 2단계 연결을 따라 관련 프로젝트와 판결 경향을 능동 발견하고, 5,449개 엣지를 통한 구조적 통찰과 RRF 알고리즘을 통한 신뢰도 검증으로 최우선 결과를 도출합니다.
지금 바로 시작하세요
119건의 실제 판결문 데이터가 당신의 법률 분석을 혁신합니다.