과기정통부가 AI 시대에 맞춘 ‘AI·SW사업 대가체계 개선 TF’를 꾸리고 논의를 시작했습니다.
기능점수(FP) 중심 산정은 AI의 학습·고도화·운영 같은 지속 비용을 담기 어렵다는 지적이 커졌습니다.
발주·수행기관 모두가 납득할 기준을 만들려면 ‘성과와 운영’을 함께 보는 관점 전환이 필요합니다.

기능점수(FP) 중심 산정은 AI의 학습·고도화·운영 같은 지속 비용을 담기 어렵다는 지적이 커졌습니다.
발주·수행기관 모두가 납득할 기준을 만들려면 ‘성과와 운영’을 함께 보는 관점 전환이 필요합니다.' >

안녕하세요. 디지털에이전시 이앤아이입니다.

AI 사업이 늘면서 현장에서 자주 나오는 질문이 하나 있어요. “이건 SW 개발 사업처럼 기능만 세서 비용을 잡으면 되는 걸까?” 과학기술정보통신부가 바로 그 지점을 짚고, ‘AI·SW사업 대가체계 개선 TF’를 가동했습니다. TF에는 SW사업 대가산정 가이드를 운영하는 KOSA를 포함해 산업계·학계·연구계 전문가들이 참여한다고 합니다.

그동안 공공 SW 사업에서 대가 산정은 기능점수(FP) 방식이 대표적이었죠. 구현해야 할 기능 규모를 점수로 환산해 비용을 계산하는 구조라, 발주처 입장에서도 비교적 설명이 쉽습니다. 그런데 생성형 AI, AI 에이전트처럼 ‘모델이 일을 하게 만드는’ 사업은 성격이 조금 다릅니다. 도입 이후에도 데이터 보강, 재학습, 성능 튜닝, 모델 교체, 모니터링과 운영 관리가 이어지는 경우가 많거든요. 기능 구현은 시작일 뿐이고, 실제 비용은 운영 구간에서 크게 움직일 수 있다는 얘기입니다.

반대로 “AI 개발도구 덕분에 생산성이 올라가니 예전처럼 많이 책정할 필요가 있나”라는 시각도 있습니다. 이 부분이 더 복잡한데요. 코딩이나 문서화 같은 일부 작업은 빨라질 수 있지만, 데이터 품질 관리나 평가 체계 설계, 보안·윤리·거버넌스 같은 ‘AI 특유의 필수 업무’는 오히려 비중이 커질 수 있습니다. 결국 ‘개발이 빨라졌다’는 한 문장으로 비용을 단순화하기 어렵고, 어떤 범위를 무엇으로 측정할지 합의가 필요해집니다.

이번 TF 논의가 중요한 이유는 발주·수행 양쪽 모두의 리스크를 줄일 수 있기 때문입니다. 기준이 불명확하면 발주처는 예산 편성 근거가 약해지고, 수행사는 운영·고도화 비용을 제대로 반영하지 못해 품질과 유지보수에 부담이 생깁니다. 특히 AI는 ‘한 번 만들고 끝’이 아니라, 성능을 유지하기 위한 관리가 서비스 품질과 직결되니 더 그렇죠.

실무 관점에서 보면 앞으로의 산정 기준은 기능 규모뿐 아니라 운영 기간, 성능 목표와 평가 방식, 데이터 관리 범위, 변경·재학습 빈도 같은 요소를 어떻게 담을지가 핵심이 될 가능성이 큽니다. 쉽게 말해 ‘개발비’만이 아니라 ‘운영 가능한 서비스로 굴리는 비용’까지 설명 가능한 구조가 필요하다는 겁니다. 그래야 AI 도입이 일회성 프로젝트가 아니라, 지속 가능한 업무 혁신으로 이어질 수 있으니까요.

이앤아이 관점에서 한 가지 인사이트를 덧붙이면, 대가 산정이 바뀌는 시기일수록 요구사항 정의와 운영 설계가 더 중요해집니다. 무엇을 자동화하고, 어떤 데이터를 쓰며, 성능을 어떻게 측정하고, 운영 중 변경을 어떻게 관리할지 초기에 정리해두면 예산도 일정도 훨씬 현실적으로 잡히거든요. ‘AI를 붙이는 개발’이 아니라 ‘AI가 돌아가는 운영’을 함께 설계하는 조직이 결국 더 빠르게 안정화할 가능성이 큽니다.

#AI사업 #SW사업대가 #대가산정 #기능점수FP #생성형AI #AI에이전트 #공공IT #IT거버넌스

#이앤아이 #디지털에이전시 #ENIMedia #AI전문기업

이앤아이와 함께 더 나은 웹 환경을 만들어 나가요!