AI TBM 코칭 시뮬레이터 구조 및 개발 방법

이 문서는 AI TBM (Tool Box Meeting) 코칭 시뮬레이터의 핵심 구조와 개발 방법론을 상세히 설명합니다. 본 시뮬레이터는 실제 건설 현장의 안전 관리 역량을 강화하기 위해 설계되었으며, Google의 Gemini AI 모델을 활용하여 현실적이고 동적인 TBM 시나리오 생성 및 관리자 코칭 기능을 제공합니다. 특히, API 키 관리, 시나리오 생성의 복잡성, 대화 역학 및 코칭 시스템, 그리고 작업 결과 산출 방식에 대한 심층적인 이해를 돕는 것을 목표로 합니다.

AI TBM 코칭 시뮬레이터는 관리자가 가상의 TBM 상황에서 작업자들과 소통하며 안전 문제를 해결하는 과정을 연습하고 피드백을 받을 수 있도록 돕는 시스템입니다.

• 안전 역량 강화: 건설 현장 관리자들이 실제와 유사한 TBM 상황을 경험하며 안전 의사소통 및 문제 해결 능력을 향상시킵니다.
• 현실적인 시뮬레이션: 다양한 현장 상황, 작업자 페르소나, 돌발 상황 등을 AI가 동적으로 생성하여 높은 현실감을 제공합니다.
• 맞춤형 피드백: 관리자의 소통 방식과 결정에 대해 AI 코치가 구체적이고 실용적인 피드백을 제공하여 학습 효과를 극대화합니다.
• 법적 기준 반영: 중대재해처벌법 등 실제 법규를 기반으로 재해 유형을 분류하고 결과를 산출하여 교육적 가치를 높입니다.

시뮬레이터는 크게 세 가지 핵심 AI 기반 기능과 이를 지원하는 Flask API로 구성됩니다.

• 시나리오 생성 모듈: TBM 시뮬레이션의 배경이 될 구체적인 현장 상황, 작업 내용, 날씨, 작업자 페르소나 및 초기 대화를 생성합니다.
• TBM 코칭 모듈: 관리자의 입력에 따라 작업자들의 반응을 시뮬레이션하고, 관리자의 소통 방식에 대해 실시간으로 코칭 피드백을 제공합니다.
• 작업 결과 생성 모듈: 최종 TBM 진행 상황과 안전 점수를 바탕으로 실제 작업 결과를 예측하고 재해 발생 여부를 판정합니다.
• Flask API: 위 모듈들을 외부 시스템과 연동할 수 있도록 HTTP 엔드포인트를 제공합니다.

Google Gemini API를 안정적으로 사용하기 위해 다수의 API 키를 관리하고 순환 사용하는 전략을 채택합니다.

API 키는 보안을 위해 코드 내에 직접 명시하지 않고, 서버의 환경 변수에서 로드합니다.

• GOOGLE_API_KEY
• GOOGLE_API_KEY_SUB
• GOOGLE_API_KEY_THIRD

이러한 환경 변수가 설정되어 있지 않으면 시스템은 심각한 오류를 보고하며 정상적으로 작동하지 않습니다.

여러 API 키를 활용하여 API 호출 제한에 대비하고, 안정적인 서비스 운영을 도모합니다.

• itertools.cycle: 로드된 API 키들을 순환하며 사용하도록 합니다.
• threading.Lock: 여러 스레드에서 동시에 API 키를 요청할 때 발생할 수 있는 경쟁 조건을 방지하고, 키 선택의 스레드 안전성을 보장합니다.

이 함수는 다음 API 키를 가져오는 로직을 캡슐화합니다.

• 첫 번째 호출: 시스템이 시작된 후 첫 API 호출 시에는 로드된 키 중에서 무작위로 하나를 선택합니다. 이는 초기 다양성을 확보하기 위함입니다.
• 이후 호출: 첫 호출 이후부터는 api_key_cycler를 통해 키들을 순환하며 사용합니다. 이를 통해 각 키의 사용량을 분산시킵니다.

def get_next_api_key():
    global first_call_made
    
    with api_key_lock:
        if not first_call_made:
            # 첫 번째 호출 시 랜덤 선택
            selected_key = random.choice(api_keys)
            first_call_made = True
            print(f"첫 번째 API 호출 - 랜덤 선택된 키 (ending with ...{selected_key[-4:]})")
        else:
            # 이후 호출은 순환 방식
            selected_key = next(api_key_cycler)
            print(f"API 키 순환 사용 (ending with ...{selected_key[-4:]})")
        
        return selected_key

call_gemini_for_scenario_generation() 함수는 Gemini AI를 호출하여 TBM 시뮬레이션을 위한 시나리오를 생성합니다. 이 과정은 다양한 규칙과 제약 조건을 포함하여 현실적이고 교육적인 시나리오를 만듭니다.

이 함수는 시나리오 생성의 핵심 로직을 담당합니다.

• API 키 선택: get_next_api_key()를 호출하여 사용할 Gemini API 키를 가져옵니다.
• 모델 설정: gemini-2.5-flash 모델을 사용하여 프롬프트에 기반한 시나리오를 생성합니다.
• 프롬프트 구성: 시나리오 생성에 필요한 모든 지시사항과 제약 조건이 포함된 상세한 프롬프트를 구성하여 AI에 전달합니다.
• 응답 처리: AI로부터 받은 응답을 JSON 형식으로 파싱하고, 파싱 오류 발생 시 다양한 복구 로직을 시도합니다.

AI는 매번 시나리오 생성 시 다음 네 가지 테마 중 하나를 강제적으로 선택하고, 해당 테마의 목표와 규칙에 맞춰 시나리오를 전개합니다.

• 관행 타파: 작업자의 위험한 관행이나 인식을 관리자가 어떻게 바꾸는지에 초점을 맞춥니다.
  1. 지정된 시작 대화 유형: 갈등 제시형
• 정보 발견: 모두가 모르는 결정적 정보를 관리자가 리더십 행동으로 발견해내는 과정에 초점을 맞춥니다.
  1. 지정된 시작 대화 유형: 질문형 또는 중립형
• 위험 탐색: 상황 설명에 없는 제3의 물리적 위험을 관리자와 팀원들이 함께 탐색하고 찾아내는 과정에 초점을 맞춥니다.
  1. 지정된 시작 대화 유형: 관찰/감각 공유형
• 문제 해결: 주어진 제약 조건 속에서 관리자가 팀원들과 함께 가장 안전한 해결책을 찾아가는 과정에 초점을 맞춥니다.
  1. 지정된 시작 대화 유형: 상황 공유 및 요청형

AI는 테마별 지침 외에도 다음과 같은 공통 규칙을 준수하여 시나리오를 생성합니다.

1. 동적 변수 조합 규칙 강화:
   1. 변수 재사용 제한 (쿨타임): 이전 2~3번의 시나리오에서 사용된 특정 '인적/관리적 변수'는 다시 사용하지 않아 시나리오의 다양성을 보장합니다.
2. 숨겨진 정보 및 단서 설계:
   1. '정보 발견'이나 '위험 탐색' 테마에서는 사용자에게 보이지 않는 '숨겨진 결정적 정보'와 그것을 발견할 '정보 흔적'(1~3개)을 설계합니다.
   2. '관행 타파'나 '문제 해결' 테마는 숨겨진 정보가 없을 수 있으며, 이 경우 hidden_critical_info는 null이 됩니다.
   3. 자기 복제 금지: 특정 소재(예: '야간 작업팀의 전기 배선 변경')의 반복 사용을 금지하며, 매번 새로운 소재를 사용합니다.
3. 시나리오 구체화:
   1. '건설/작업 분야' 목록에서 무작위로 분야를 선택하고, 지정된 테마와 숨겨진 정보에 맞춰 구체적인 situation, task, weather 등을 작성합니다.
   2. 사용자에게 보여주는 situation에는 숨겨진 정보를 노출하지 않습니다.
4. 페르소나 생성:
   1. 2~3명의 작업자 페르소나를 생성하며, 각 작업자는 이름, 역할, 그리고 서로 다른 독특한 대화 성향을 가집니다.
   2. 현실 반영 요구사항: 시뮬레이션의 난이도와 현실감을 높이기 위해, 최소 1명 이상은 비협조적이거나 안전에 무관심한 성향을 갖도록 페르소나를 조합합니다.
   3. 성향 키워드 풀: #일정중시, #안전불감증, #경험과신, #원칙주의(FM), #소극적/무관심, #불만많음, #꼼꼼함/신중함 등 1~2개를 조합하여 구체적인 성향을 만듭니다.
5. 자기 검증 및 최종 JSON 생성:
   1. 생성된 '숨겨진 정보'가 시나리오와 논리적으로 타당한지 스스로 검증하는 과정을 거칩니다.
   2. 물리적, 화학적, 기계적 원리에 부합하고, 현실적으로 발생할 법한 위험인지, 작업자들이 놓칠 수 있는 위험인지 등을 체크합니다.

첫 대사 생성 시, AI는 다음 변수 풀에서 0개 또는 1개의 변수를 무작위로 선택하여 조합합니다.

• [환경 변수]: #강풍, #폭우 직후, #폭염, #영하의 날씨, #야간 작업, #심한 소음, #다량의 분진
• [인적 변수]: #작업자 피로 누적, #개인사정으로 인한 집중력 저하, #팀원 간의 미묘한 갈등, #성과 압박으로 인한 스트레스
• [관리/절차적 변수]: #급작스러운 작업 변경, #신규 장비 최초 사용, #최근 현장 내 아차사고 발생, #원청의 강력한 일정 압박, #보호구(PPE) 일부 부족

이 조합된 변수와 작업자 페르소나를 종합적으로 고려하여 첫 대사가 생성됩니다.

AI는 현실적인 위험 상황 설정을 위해 다음과 같은 실제 사고 사례들을 참고하며, 단순히 복사하는 것이 아니라 창의적으로 변형하여 새로운 시나리오를 생성합니다.

• 기계/장비 관련 사고
• 전기/감전 관련 사고
• 고소/추락 관련 사고
• 밀폐공간/가스 관련 사고
• 화재/폭발 관련 사고
• 구조물/지반 관련 사고
• 환경/건강 관련 사고
• 해상/수중 관련 사고
• 교통/운반 관련 사고

창의적 변형 가이드를 통해 장비, 전기 위험, 고소작업, 밀폐공간 위험, 화학적 위험, 구조물 위험, 환경적 위험, 시간적 요인, 인적 요인, 조직적 요인 등을 다양하게 변형하여 시나리오를 풍부하게 만듭니다.

시나리오 생성 결과는 다음과 같은 엄격한 JSON 형식으로 출력됩니다.

{{
  "scenario": {{
    "situation": "string - 구체적인 TBM 상황 설명 (분야, 작업, 위험요소 포함, 200자 이내)",
    "task": "string - 오늘의 주요 작업 (구체적인 작업 내용, 100자 이내)",
    "weather": "string - 오늘의 날씨 및 환경 (작업에 영향을 주는 환경요인, 100자 이내)",
    "personnel_count": "number - 투입 인력 수 (예: 5)",
    "work_area_diagram": "string - 텍스트 기호로 만든 작업 구역 도면. 여러 줄일 경우 \\n으로 구분. (예: |----E----|\\n|         |\\n|    W    |\\n|_________|) - 고정폭 폰트로 정렬되도록 주의",
    "diagram_legend": "string - 도면에 사용된 기호들의 설명. 여러 항목일 경우 \\n으로 구분. (예: W: 작업자\\nE: 장비\\n#: 벽\\n!!: 위험!)",
    "hidden_critical_info": "string - 숨겨진 결정적 정보 (테마 2, 3에만 해당, 다른 테마는 null)"
  }},
  "workers": [
    {{
      "name": "string - 작업자 이름 (한국인 이름, 2-4글자)",
      "role": "string - 작업자 역할 (구체적인 분야와 경험 포함, 60자 이내)",
      "personality": "string - 구체적인 대화 성향 (안전의식, 경험, 성격 등을 종합적으로 표현, 100자 이내)"
    }},
    {{
      "name": "string - 작업자 이름 (한국인 이름, 2-4글자)",
      "role": "string - 작업자 역할 (구체적인 분야와 경험 포함, 60자 이내)",
      "personality": "string - 구체적인 대화 성향 (안전의식, 경험, 성격 등을 종합적으로 표현, 100자 이내)"
    }},
    {{
      "name": "string - 작업자 이름 (한국인 이름, 2-4글자)",
      "role": "string - 작업자 역할 (구체적인 분야와 경험 포함, 60자 이내)",
      "personality": "string - 구체적인 대화 성향 (안전의식, 경험, 성격 등을 종합적으로 표현, 100자 이내)"
    }}
  ],
  "initial_message": {{
    "speaker_name": "string - 첫 대사를 말하는 작업자 이름",
    "text": "string - 첫 대사 내용 (현실적이고 구체적인 상황 반영, 반드시 관리자 호칭 포함, 200자 이내)"
  }}
}}

call_gemini_for_tbm_coaching() 함수는 관리자와 작업자 간의 대화를 진행하고, 관리자의 소통 방식에 대한 피드백을 제공합니다.

이 함수는 대화 및 코칭의 핵심 로직을 수행합니다.

• API 키 선택: get_next_api_key()를 호출하여 사용할 Gemini API 키를 가져옵니다.
• 모델 설정: gemini-2.5-flash 모델을 사용하여 대화 응답 및 코칭 피드백을 생성합니다.
• 프롬프트 구성: 현재 시나리오, 작업자 정보, 대화 기록, 관리자 메시지, 현재 안전 점수, 그리고 '숨겨진 결정적 정보'를 포함한 상세한 프롬프트를 구성합니다.
• 응답 처리: AI 응답을 JSON 형식으로 파싱하고, 오류 발생 시 다양한 복구 로직을 시도합니다. 특히 worker_responses 필드가 비어있지 않은지 검증합니다.

AI는 두 가지 주요 역할을 동시에 수행합니다.

• 건설 작업자들: 시나리오에 정의된 페르소나(예: 경험 많지만 안전 수칙 간과, 신중하지만 주도성 부족, 열정적이지만 경험 부족 신입)에 따라 관리자의 말에 현실적으로 반응합니다.
• 전문 안전 리더십 코치: 관리자의 소통 방식을 분석하고 개선점을 제시하는 역할을 합니다.

AI는 단순한 질의응답을 넘어, 예측 불가능하고 현실적인 대화 흐름을 만듭니다. 다음 행동 패턴 중 가장 현실적인 것을 선택하여 대사를 생성합니다.

• A. 주도적 발언자의 '의견 강화' 또는 '무시': 관리자의 지적에도 불구하고 자기주장을 반복하거나 무시하려 시도.
• B. 소극적 동조 또는 '전략적 침묵': 관리자 의견에 동의하지만, 상위 직급 작업자 앞에서 직접 반박 주저.
• C. 제3자의 '주제 이탈' 또는 '물타기': 대화가 불편한 방향으로 흐를 때, 관련 없는 질문이나 농담으로 분위기 전환 시도.
• D. 예상 밖 인물의 '돌발 발언': 조용하던 인물이 갑자기 핵심을 찌르는 순수한 질문으로 새로운 위험 요소 발견.
• E. 감정적 반응 또는 '태도 문제': 관리자의 지적을 자신의 역량 비판으로 받아들여 감정적으로 반응.

'숨겨진 정보'와 '정보 흔적'은 관리자가 올바른 리더십 행동을 보였을 때만 단계적으로 공개됩니다. 단순히 특정 단어를 언급하는 것만으로는 정보를 얻을 수 없습니다.

• 1. 심리적 안전감 조성: 개방적이고 안전한 분위기를 조성했을 때 작업자가 첫 단서를 말합니다. (예: “혹시 평소와 다르다고 느껴지는 점이 있나요?”)
• 2. 논리적 진단 및 절차 확인: 문제의 근원을 파고드는 구체적인 '검증 절차'를 지시했을 때 정보가 자연스럽게 드러납니다. (예: “표준 수신호를 맞춰보는 시연을 한번 하죠.”)
• 3. 현장 관찰 및 물리적 확인 지시: 다 같이 작업장을 둘러보거나 이상 징후에 대해 즉시 확인을 지시했을 때 단서를 발견합니다. (예: “방금 그 소리, 크레인에서 난 것 같은데 즉시 확인해봅시다.”)

아주 낮은 확률(5~10%)로 대화 내용과 관련 있는 '돌발 상황'이 발생하여 시뮬레이션의 긴장감을 높입니다.

• 예시: 강풍, 자재 결속 로프 헐거움, 경고음, 전기 스파크, 지반 미세 진동, 가스 냄새, 비계 흔들림 소리, 장비 이상 소리 등.
• 돌발 상황은 현재 작업과 관련된 현실적인 위험 요소여야 합니다.

관리자의 발언을 분석하고 현재 안전 점수와 대화 맥락을 고려하여 3가지 유형의 피드백을 제공합니다. 피드백 텍스트에는 직접적인 점수 언급을 피합니다.

• good (따봉 👍):
  1. 조건: 관리자의 발언이 구체적이고, 완전하며, 즉각적인 긍정적 변화를 이끌어냈을 때. (예상 점수 변화: +10 ~ +15)
  2. 피드백 텍스트: “훌륭합니다.”, “결정적인 지시였습니다.” 등 극찬.
• mixed (체크 ✔️):
  1. 조건: 방향은 맞지만, 구체성이 부족하거나 추가적인 행동이 더 필요한 경우. (예상 점수 변화: +1 ~ +9)
  2. 피드백 텍스트: “좋은 지적입니다. 다만…”, “핵심을 파악하셨습니다. 이제…“와 같이 칭찬과 개선점을 함께 언급.
• suggestion (전구 💡):
  1. 조건: 관리자의 발언이 상황을 악화시키거나, 중요한 단서를 놓치거나, 안전에 부정적인 영향을 미쳤을 때. (예상 점수 변화: 0 또는 음수)
  2. 피드백 텍스트: “이런 방식보다는…”, “더 나은 방법은…” 등 대안 제시.
• 평가 핵심 원칙: 단순히 위험 요소를 '언급'하는 것이 아니라, 관리자의 발언이 작업자의 태도나 발언, 행동 계획에 '실질적인 변화'를 일으켰을 때만 긍정적으로 평가합니다.

TBM 코칭 및 대화 기능의 결과는 다음과 같은 JSON 형식으로 출력됩니다.

{{
  "worker_responses": [
    {{
      "speaker_name": "string - 첫 번째 발언자 이름",
      "text": "string - 첫 번째 발언 내용 (150자 이내)"
    }},
    {{
      "speaker_name": "string - (선택사항) 두 번째 발언자 이름",
      "text": "string - (선택사항) 두 번째 발언 내용 (150자 이내)"
    }}
  ],
  "sudden_event": "string - 발생한 돌발 상황 텍스트 (없으면 null)",
  "safety_score_change": "number - 안전도 점수 변화 (-15에서 +15 사이의 정수)",
  "coach_feedback": {{
    "type": "string - 피드백 유형 ('good', 'mixed', 또는 'suggestion' 중 하나)",
    "text": "string - 관리자의 발언에 대한 구체적이고 실용적인 코칭 내용 (점수 언급 없이, 300자 이내)"
  }},
  "critical_info_revealed": "boolean - 숨겨진 정보가 공개되었는지 여부 (true/false)"
}}

call_gemini_for_work_result() 함수는 TBM 시뮬레이션의 최종 안전 점수와 대화 내용을 바탕으로 실제 작업 결과를 시뮬레이션합니다.

이 함수는 작업 결과 생성의 핵심 로직을 수행합니다.

• API 키 선택: get_next_api_key()를 호출하여 사용할 Gemini API 키를 가져옵니다.
• 모델 설정: gemini-1.5-flash 모델을 사용하여 작업 결과 시나리오를 생성합니다.
• 프롬프트 구성: 최종 안전 점수, 시나리오 정보, 작업자 정보, 전체 대화 기록, 그리고 '숨겨진 정보 발견 여부'를 포함한 상세한 프롬프트를 구성합니다.
• 재해 확률 설정: 안전 점수에 따라 기본 재해 유형(완벽한 성공, 교훈이 있는 성공, 일반재해 발생, 중대재해 발생)을 설정합니다.
• 응답 처리: AI 응답을 JSON 형식으로 파싱하고, 오류 발생 시 기본 실패 메시지를 반환합니다.

AI는 대한민국 '중대재해처벌법' 기준에 따라 재해 유형을 엄격하게 분류하고, 서사 내용과 숫자가 반드시 일치하도록 합니다.

• 중대재해: 다음 중 하나에 해당하는 경우
  1. 사망자가 1명 이상 발생
  2. 동일 사고로 6개월 이상 치료가 필요한 부상자가 2명 이상 발생
  3. 동일 유해요인으로 급성중독 등 직업성 질병자가 1년 이내에 3명 이상 발생
  4. (시뮬레이션 단순화를 위해) '심정지', '의식불명', '주요 신체 부위 절단' 등 사망에 이를 수 있는 치명상은 '사망'에 준하는 것으로 간주.
• 일반재해: '중대재해'에 해당하지 않는 모든 부상 (예: 단순 골절, 찰과상, 염좌, 일시적인 쇼크 등).
• 규칙: 먼저 narrative 부분에 사고의 전개 과정과 피해자들의 개별적인 부상 상태를 구체적으로 서술한 후, 서술된 피해자 한 명 한 명을 위 법적 정의에 대입하여 '중대재해'인지 '일반재해'인지 분류하고, 그 결과를 바탕으로 casualties 항목의 중대재해 및 일반재해 수를 정확하게 집계합니다.

사고 경위를 서술할 때 단순한 결과 나열이 아닌, 논리적인 인과관계를 명확히 합니다.

• 전제조건의 명시: 사고가 일어날 수밖에 없었던 환경적/물리적 전제조건을 먼저 구체적으로 언급합니다.
• 인과관계의 논리적 연결: '전제조건 → 원인(숨겨진 정보) → 결과(사고)'의 순서로 모든 사건이 논리적 사슬처럼 연결되도록 서술합니다.

결과 판정은 다음 규칙들을 반드시 순서대로, 그리고 최우선으로 적용하여 이루어집니다.

1. 황금률: 완벽한 점수 = 완벽한 결과:
   1. 최종 안전 점수가 90점 이상이라면, 다른 모든 규칙과 서사적 가능성을 무시하고, 반드시 result_type: success 및 casualties: 중대재해 0명, 일반재해 0명으로 결론 내립니다.
   2. narrative는 관리자의 뛰어난 리더십으로 모든 잠재적 위험을 완벽하게 예방하고 성공적으로 작업을 마쳤다는 긍정적인 내용으로만 작성됩니다.
2. 최우선 원칙: 관리자의 마지막 행동 존중:
   1. (황금률에 해당하지 않을 경우) 관리자가 마지막에 명확하고 안전한 조치를 지시했다면, 반드시 '사고 예방 성공' 또는 '교훈이 있는 성공' 수준의 긍정적인 결과가 나옵니다.
   2. 관리자의 올바른 지시를 무효로 만드는 새로운 부정적 상황을 결과 서사에서 창작하지 않습니다.
   3. 중대재해는 오직 관리자가 위험을 인지하지 못했거나, 무시했거나, 혹은 불분명하고 위험한 지시를 내렸을 경우에만 발생합니다.
3. 1순위 판정 기준: 숨겨진 정보 발견 여부:
   1. 위 '최우선 원칙'에 해당하지 않는 경우, critical_info_uncovered가 false라면, 안전 점수와 관계없이 '중대재해'가 발생합니다.
   2. 사고 서사는 TBM 과정의 '좋은 과정'에도 불구하고 '결정적 실수'로 인해 사고가 났음을 명확히 서술합니다.
4. 2순위 판정 기준: 안전 점수:
   1. '최우선 원칙'과 '1순위 판정 기준'에 해당하지 않을 때만, 안전 점수에 따라 결과의 질을 결정합니다.
   2. 90점 이상: success (완벽한 성공)
      1. 70점 ~ 89점: success_with_lessons (교훈이 있는 성공). 물리적 사고는 발생하지 않고, TBM의 '사소한 흠결'이 '교훈'이 되었음을 서술합니다.
      2. 70점 미만: near_miss 또는 minor_accident. TBM의 실패가 어떻게 물리적인 위험 상황이나 실제 사고로 이어졌는지 인과관계를 명확히 서술합니다.

작업 결과 생성 기능의 결과는 다음과 같은 JSON 형식으로 출력됩니다.

{{
    "result_type": "string - 'success', 'success_with_lessons', 'near_miss', 'minor_accident', 'major_accident' 중 하나",
    "narrative": "string - AI가 생성한 구체적인 작업 결과 이야기",
    "casualties": "string - 최종 재해자 수 (예: 중대재해 0명, 일반재해 1명)"
}}

Flask 애플리케이션은 다음 API 엔드포인트를 통해 시뮬레이터의 기능을 제공합니다. 모든 엔드포인트는 @token_required 데코레이터로 보호되어 인증된 사용자만 접근할 수 있습니다.

• 기능: 새로운 TBM 시나리오를 생성하고 반환합니다.
• 메서드: GET
• tbm_simulator_bp 정의: Blueprint의 URL 접두사로 인해 실제 경로는 /api/tbm/scenario가 됩니다.
• 내부 호출: call_gemini_for_scenario_generation() 함수를 호출합니다.

• 기능: TBM 대화를 진행하고, 작업자 응답 및 관리자 코칭 피드백을 반환합니다.
• 메서드: POST
• 요청 데이터: 시나리오 정보 (scenario), 작업자 정보 (workers), 대화 기록 (history), 관리자 메시지 (message), 현재 안전 점수 (currentSafetyScore), 숨겨진 결정적 정보 (hidden_critical_info)를 JSON 형식으로 받습니다.
• 내부 호출: call_gemini_for_tbm_coaching() 함수를 호출합니다.

• 기능: 최종 안전 점수를 바탕으로 작업 결과를 생성하고 반환합니다.
• 메서드: POST
• 요청 데이터: 최종 안전 점수 (safetyScore), 시나리오 정보 (scenario), 작업자 정보 (workers), 전체 대화 기록 (conversationHistory), 숨겨진 정보 발견 여부 (criticalInfoUncovered)를 JSON 형식으로 받습니다.
• 내부 호출: call_gemini_for_work_result() 함수를 호출합니다.

AI TBM 코칭 시뮬레이터는 Google Gemini AI의 강력한 생성 능력을 활용하여 건설 현장 안전 관리자들에게 실질적인 훈련 기회를 제공합니다. 다중 API 키 관리, 정교한 시나리오 및 페르소나 생성, 동적인 대화 역학 및 리더십 기반 정보 공개 시스템, 그리고 법적 기준을 반영한 현실적인 작업 결과 산출에 이르기까지, 이 시뮬레이터는 안전 교육의 질을 한 단계 높이는 데 기여할 것입니다. 지속적인 개선과 확장을 통해 더욱 다양한 현장 상황과 복잡한 문제 해결 시나리오를 지원하며, 궁극적으로는 실제 현장의 안전사고 감소에 이바지할 수 있을 것으로 기대됩니다.