AI × SI·개발
AI 프로젝트, 발주 전에 알아야 할 것들
PoC 와 본구축의 차이, 데이터 준비, 정확도에 대한 오해, 운영비 구조까지 - AI 프로젝트를 발주하기 전에 알아 두면 예산과 시간을 지켜 주는 것들.
테크유니온 4분 읽기
AI 프로젝트는 일반 시스템 구축과 실패하는 방식이 다릅니다. 일반 SI 는 대개 일정이 늦어지는 방식으로 실패하지만, AI 프로젝트는 "만들었는데 쓸 수 없는" 방식으로 실패합니다. 발주 전에 알아 두면 이 실패를 피할 수 있는 것들을 정리했습니다.
PoC 와 본구축은 다른 프로젝트다
AI 프로젝트 제안서의 데모는 대부분 진짜입니다. 그런데 그 데모와 운영 시스템 사이에는 생각보다 긴 거리가 있습니다. 데모는 준비된 데이터, 우호적인 질문, 지켜보는 사람 앞에서 동작합니다. 운영은 지저분한 실데이터, 예상 밖의 입력, 아무도 지켜보지 않는 새벽에 동작해야 합니다.
그래서 저희는 PoC(개념검증)와 본구축을 분리해서 계약하는 것을 권합니다. 작은 예산으로 우리 데이터에서 실제로 되는지 먼저 확인하고, 그 결과를 근거로 본구축 범위를 정하는 방식입니다. PoC 를 건너뛰자는 제안은 확신이 아니라 위험 전가일 수 있습니다.
예산의 절반은 데이터 몫이라고 생각할 것
AI 프로젝트 견적에서 가장 자주 누락되는 항목이 데이터 준비입니다. 흩어진 데이터를 모으고, 중복과 오류를 정리하고, AI 가 읽을 수 있는 형태로 바꾸는 작업. 화려하지 않아서 제안서에서 잘 안 보이지만, 실제 공수에서는 절반을 차지하는 일이 흔합니다.
발주 전에 스스로 점검해 보세요. 우리 데이터는 어디에 있는가(시스템인가, 엑셀인가, 담당자 머릿속인가). 같은 정보가 부서마다 다르게 기록돼 있지 않은가. 이 질문에 자신이 없다면, 그 정리 작업까지 포함된 견적인지 반드시 확인해야 합니다.
"정확도 100%"는 존재하지 않는다
AI 기능은 확률적으로 동작합니다. 95% 정확한 분류기는 100건 중 5건을 틀린다는 뜻이고, 이것은 결함이 아니라 사양입니다. 그래서 발주 단계에서 정해야 하는 것은 "얼마나 정확한가"가 아니라 "틀렸을 때 어떻게 되는가"입니다.
틀려도 사람이 확인하고 넘어가는 업무라면 90%도 충분히 유용합니다. 틀리면 고객에게 잘못된 금액이 나가는 업무라면 99%도 부족하므로 사람의 승인 단계를 설계에 넣어야 합니다. 이 허용 오차의 합의가 계약 전에 이루어져야, "생각보다 많이 틀리네요"라는 분쟁이 뒤에 생기지 않습니다.
구축비보다 운영비 구조를 먼저 보라
AI 프로젝트의 비용은 구축이 끝나고 시작됩니다. 외부 AI API 를 쓰는 구조라면 사용량에 비례해 매달 과금되고, 모델을 직접 운영하는 구조라면 서버 비용이 듭니다. 제안서에 다음 세 가지가 없다면 요구하세요. 예상 사용량 기준 월 운영비 시뮬레이션, 사용량 급증 시 상한 장치, 그리고 특정 AI 업체에 대한 종속도(다른 모델로 갈아탈 수 있는 구조인가).
발주 미팅에서 던져 볼 질문들
- 우리 데이터 상태를 언제, 어떻게 확인하실 건가요? (데이터 이야기를 먼저 꺼내는 회사가 신뢰할 만합니다)
- 이 기능이 틀리는 경우 어떤 일이 생기고, 어떻게 대비하나요?
- PoC 로 무엇을 검증하고, 어떤 결과면 본구축으로 가지 않는 건가요? (그만둘 조건을 말할 수 있는 회사가 정직한 회사입니다)
- 월 운영비는 어떤 변수로 움직이나요?
- 1년 뒤 모델이 바뀌면 어떤 작업이 필요한가요?
이 질문들에 구체적으로 답하는 개발사라면 절반은 성공입니다. AI 시대 SI 의 전체 그림은 AI 시대의 SI 개발 - 무엇이 바뀌고 무엇이 남는가에서, 기존 시스템에 붙이는 실무는 레거시 시스템에 AI 붙이기에서 다뤘습니다.
자주 묻는 질문
PoC 비용은 어느 정도가 적정한가요?
본구축 예상 예산의 10~20% 안쪽에서, 기간은 1~2개월 이내를 권합니다. 그보다 커지면 PoC 라는 이름의 본구축이 됩니다. 핵심은 금액보다 "무엇을 확인하면 성공인지"를 문서로 합의하는 것입니다.
우리 회사 데이터가 적은데 AI 프로젝트가 가능한가요?
용도에 따라 다릅니다. 요즘의 생성형 AI 활용은 대량의 자체 데이터 없이도 가능한 경우가 많습니다(문서 기반 답변, 요약·분류 등). 반면 우리 회사 고유의 패턴을 학습해야 하는 예측 과제는 데이터 축적이 먼저입니다. 어느 쪽인지 진단부터 받아 보세요.
자체 구축과 기성 AI 서비스 구독 중 뭐가 낫나요?
기성 서비스로 되는 일은 기성 서비스로 하는 것이 거의 항상 쌉니다. 자체 구축의 근거는 세 가지뿐입니다 - 우리 시스템·데이터와 깊게 결합해야 할 때, 보안·규제상 외부로 데이터를 못 보낼 때, 그 기능 자체가 우리 사업의 경쟁력일 때.
AI 프로젝트 기간은 얼마나 잡아야 하나요?
기능 규모보다 데이터 상태가 기간을 결정합니다. 데이터가 정리돼 있으면 PoC 1~2개월, 본구축 3~6개월이 일반적인 범위지만, 데이터 정리부터 시작하면 그 앞에 수개월이 추가될 수 있습니다. 기간 견적이 데이터 실사 없이 나왔다면 신뢰도를 의심하세요.