실제로 비용을 줄이는 시스템을 얻으려면 AI 개발사와 계약하기 전에 무엇을 준비해야 할까

1. 업체를 찾기 전에 회사부터 준비하기

집을 지을 때 시공사에 "어떤 집을 지으면 좋을까요?"부터 묻지는 않습니다. 몇 명이 살지, 예산이 얼마인지, 땅의 폭이 얼마나 되는지를 먼저 알려 줍니다. 소프트웨어 프로젝트도 마찬가지입니다.

프로세스를 바꿀 권한이 있고 질문에 답할 수 있는 업무 책임자(Business Owner)를 지정하십시오. IT 부서나 비서에게 창구 역할만 맡겨 두어서는 안 됩니다. 중요한 결정은 규칙, 위험, KPI에 관한 것이기 때문입니다. 책임자가 없으면 개발사는 답을 늦게 받고, 빈칸을 추측으로 채우게 됩니다.

업무량, 단계별 소요 시간, 오류, 사이클 타임(Cycle Time), 인원, 비용 같은 기준선(Baseline) 데이터를 모으십시오. 아직 숫자가 없다면 이를 수집하는 사전 조사 단계(Discovery Phase)를 요청합니다. "회사에 도움이 되는 AI가 있었으면 좋겠다"는 설명만으로 전체 시스템 개발 견적을 요청하지 마십시오. 업체마다 제안서에서 다르게 해석해 서로 비교할 수 없게 됩니다.

예산 범위와 일정도 정하고 제약 조건을 함께 알리십시오. 데이터를 태국 내에 보관해야 한다거나, 기존 시스템을 써야 한다거나, 고객 데이터를 밖으로 내보내면 안 된다거나, 물량이 몰리는 중요한 날이 있다는 식입니다. 이런 내용을 투명하게 밝혀야 업체가 필요보다 과하거나 모자라지 않은 알맞은 아키텍처를 제안할 수 있습니다.

2. 기능 목록보다 먼저 한 장짜리 비즈니스 브리프(Business Brief) 쓰기

문제가 무엇인지, 누가 쓸지, 지금 있는 데이터가 무엇인지, 성과를 어떻게 잴지를 적은 한 장짜리 문서가 있으면 모든 업체가 같은 문제를 놓고 제안하게 되고, 제안서를 제대로 비교할 수 있습니다.

문제와 그 영향부터 쓰십시오. 예를 들면 "사무 담당 6명이 월 4,000건의 주문을 처리하며 건당 평균 12분 소요, 오류율 3%. 물량이 20% 늘 때마다 1명 추가 채용 필요" 같은 식입니다. 그다음 목표 결과를 씁니다. 직접 작업 시간(Touch Time)을 4분으로 줄이고, 인원을 늘리지 않고 50% 늘어난 물량을 감당한다는 식입니다.

현재 워크플로, 데이터가 들어오는 경로, 시스템, 관련자, 예외, 잘못되었을 때의 피해를 설명하십시오. 범위에 들어가지 않는 것도 적습니다. 예를 들어 지급 승인은 아직 하지 않는다, ERP는 바꾸지 않는다, 고객 자동 응답은 아직 하지 않는다는 식입니다. 제외 범위를 적어 두면 프로젝트가 중간에 계속 불어나는 것을 막을 수 있습니다.

실제 과제가 규칙에 따라 데이터를 옮기는 일인데 "AI 에이전트를 꼭 써야 한다"는 식으로 기술을 너무 일찍 못 박지 마십시오. 어느 부분에 자동화를 쓰고 어느 부분에 AI를 쓰는지, 그 이유는 무엇인지 업체가 설명해야 합니다. 덜 똑똑한 해법이 대개 더 싸고 더 안정적입니다.

3. 개발사가 평가할 수 있도록 데이터와 시스템 준비하기

데이터 출처 목록을 만드십시오. CRM, ERP, 데이터베이스, 이메일, 파일 저장소, 스프레드시트, 매뉴얼, 외부 데이터가 여기에 들어갑니다. 출처마다 책임자, 형식, 양, 업데이트 주기, 품질, 접근 권한을 적습니다. 개인 파일이나 시스템 밖에서 처리하는 절차가 있다면 숨기지 말고 알리십시오. 이런 것들이 시스템 연동에서 가장 큰 비용이 되는 경우가 많습니다.

일반적인 사례, 정보가 빠진 데이터, 다듬어지지 않은 문장, 예외를 고루 담은 샘플을 적어도 50~100개 준비하고, 각각의 정답이나 확인 방법을 붙이십시오. 정답 데이터(Ground Truth)가 없으면 모델을 평가할 수 없고, 데모에서는 쉬운 사례만 골라 보여 주게 됩니다.

개인정보, 영업 비밀, 고객과의 계약에 걸린 요건을 확인하십시오. 어떤 데이터를 개발에 쓸 수 있는지, 마스킹해야 하는지, 얼마나 오래 보관하는지, 모델 제공업체가 그 데이터를 학습에 쓰는지 정해야 합니다. NDA(비밀유지계약), 접근 권한, 적절한 전달 경로가 갖춰지기 전에는 실제 운영 데이터를 업체에 보내지 마십시오.

4. 견적을 요청하기 전에 시범 운영 범위와 KPI 정하기

시범 운영은 가장 큰 위험이 해결되는지 확인하는 단계이므로 화면을 다 갖출 필요는 없습니다. 입력 경로는 한두 개, 주요 결과물은 한 가지, 시스템 연동은 꼭 필요한 만큼만 정하십시오. 사용자 수와 테스트 물량도 적습니다. 업체에는 사전 조사, 시범 운영, 운영 환경 구축, 유지보수 단계의 가격을 따로 내 달라고 요청해, 단계마다 얼마를 걸게 되는지 보이게 하십시오.

5. AI 개발사에 물어야 할 15가지 질문

1. 우리 회사의 비즈니스 문제와 KPI를 귀사의 말로 설명할 수 있습니까?
2. 어느 부분에 AI를 쓰고 어느 부분에 일반 자동화를 써야 하며, 그 이유는 무엇입니까?
3. 실제 데이터로 정확도를 어떻게 측정하고, 정답 데이터(Ground Truth)는 누가 정합니까?
4. 정보가 빠진 데이터, 서로 충돌하는 지시, 범위를 벗어난 사례를 시스템은 어떻게 처리합니까?
5. 어떤 모델과 제공업체를 씁니까? 우리 데이터가 학습에 쓰입니까?
6. 데이터는 어느 나라나 지역으로 전송되고, 어떻게 암호화되며, 얼마나 오래 보관됩니까?
7. 에이전트나 시스템의 권한은 어떻게 제한되고, 사람의 승인은 어느 단계에 들어갑니까?
8. 프롬프트 인젝션, 데이터 유출, 중복 실행은 어떻게 막습니까?
9. 로그, 모니터링, 예산 알림, 장애 대응은 각각 어떻게 갖추고 있습니까?
10. 모델 API나 원천 시스템이 멈추면 업무는 어떻게 계속됩니까?
11. 처리량이 적을 때, 중간일 때, 많을 때 건당 비용과 월 비용은 각각 얼마입니까?
12. 소스 코드, 프롬프트, 워크플로, 데이터, 결과물의 소유권은 누구에게 있습니까?
13. 모델을 바꾸거나, 호스팅을 옮기거나, 업체를 바꾸는 일은 얼마나 어렵습니까?
14. 인수인계 후 SLA, 보안 패치, 평가는 누가 맡고 비용은 얼마입니까?
15. 비슷한 시스템이 실제로 운영되는 사례와, 성공하지 못한 프로젝트에서 얻은 교훈을 볼 수 있습니까?

답변이 얼마나 자신감 있게 들리는지보다 답변의 질이 중요합니다. 좋은 업체는 아직 모르는 것은 모른다고 인정하고, 평가에 필요한 데이터를 요청하며, 위험을 줄이는 시험을 제안합니다. 데이터를 보지도 않고 높은 정확도를 보장하거나 AI가 모든 것을 알아서 배운다고 말하는 업체는 더 꼼꼼히 확인해야 합니다.

6. "AI"라는 말 아래 제안서에 실제로 담긴 내용 읽기

7. 계약과 소유권에서 챙겨야 할 것

8. 빠르면서도 위험하지 않은 업체 선정 절차

1. 후보 3곳으로 압축: 비슷한 분야의 경험, 시스템 연동 역량, 비즈니스 이해도를 봅니다.
2. 같은 내용으로 브리핑: 모든 업체에 같은 데이터, 범위, KPI를 줍니다. 질의응답을 열고, 중요한 답변은 모든 업체에 똑같이 공유합니다.
3. 솔루션 워크숍: 실제로 투입될 팀이 프로세스와 예외를 함께 분석하게 하고, 영업용 슬라이드보다 생각하는 방식을 봅니다.
4. 유료 사전 조사/시범 운영: 복잡한 과제라면 겉핥기식 무료 데모를 요구하는 대신, 보호 조치를 한 데이터로 위험한 부분을 증명하도록 비용을 지불합니다.
5. 레퍼런스 확인: 기존 고객에게 운영 시작 후의 상황, 실제 비용, 장애 대응, 지식 이전에 대해 묻습니다.
6. 평가표: 비즈니스 적합성, 기술력, 보안, 팀, 비용, 계약 종료 용이성(Exitability)에 점수를 매깁니다. 가중치는 가격을 열어 보기 전에 정해 둡니다.

이 가중치는 예시일 뿐입니다. 규제를 받는 업종이라면 보안과 컴플라이언스의 비중을 높여야 합니다. 최종 사용자의 의견도 반드시 반영하십시오. 싸지만 쓰기 어려운 시스템은 비공식 우회 절차(Shadow Process)를 낳고, 실제로 인원도 줄이지 못합니다.

9. 계약 후 첫 30일 동안 확인해야 할 것

매주 짧은 의사결정 회의를 잡되, 데모, 지표, 위험, 결정 사항을 나눠 다루고 활동 보고에 시간 대부분을 쓰지 않게 하십시오. 대표는 데이터나 규칙 때문에 막힌 문제를 빨리 풀어 주어야 합니다. 회사 쪽 팀이 샘플과 피드백을 제때 주지 않으면 업체가 기술로 메울 수 없습니다.

업무 전환 계획은 첫 달부터 시작하십시오. 새 SOP, 검토자, 예비 시스템, 그리고 초과 근무를 없애거나 추가 채용을 하지 않는 것처럼 가치를 실제로 거둬들이는 방법을 정합니다. 시스템이 다 만들어진 뒤에야 사람 문제를 논의하면, 회사에는 AI 시스템이 하나 늘었을 뿐 예전 절차와 비용이 그대로 남습니다.

요약: AI 개발사 선정은 고객 회사 자신의 준비에서 시작합니다. 문제와 KPI를 글로 정리하고, 실제 데이터를 준비하고, 시범 운영 범위를 정하고, 오류, 권한, 비용, 출구 계획(Exit Plan)을 물은 다음, 계약을 결과에 묶으십시오. 알맞은 개발사는 데모를 빨리 만드는 것과 함께, 실제 업무에서 돌아가고 성과를 잴 수 있으며 안전하고 회사가 이어서 관리할 수 있는 시스템을 만들도록 돕습니다.