📑 목차
선정 이유: 예산 편성의 기로에 선 기획자들
2026년도 예산안이 본격적으로 논의되는 시점이다. 기획실에서 밤을 새우는 담당자들이 마주한 현실은 단순하지 않다. 전통적인 소프트웨어 개발 프로젝트와 생성형 AI 솔루션 도입, 대규모 데이터 분석 인프라 구축이 동시에 요구되는 상황에서 ‘하나의 잣대’로 모든 비용을 산출할 수 없다는 점이다.
특히 공공부문에서는 SW사업 대가산정 가이드(2025년 개정판)가 새롭게 적용되고 있어 내년도 예산 수립 시 명확한 기준 설정이 필수적이다. 기능점수(Function Point) 방식이 여전히 표준으로 작용하지만, AI 사업의 특수성을 반영하기 위해 커스터마이징 작업비용이라는 새로운 개념이 도입되었다. 이중적 산정 체계 속에서 어떤 방법론을 언제 적용해야 하는지, 헷갈리는 것이 당연하다.
예산 심사에서 탈락하지 않으려면 단순히 ‘낮은 금액’을 제시하는 것이 아니라, 산정 근거의 타당성을 입증해야 한다. 본문에서는 기능점수, COCOMO II, 시장 시세 비교라는 세 가지 축을 중심으로 실무 검증 절차를 제시한다.
기능점수(FP) 산정의 현주소와 한계점
2025년 기준 단가 현행화 현황
2024년 개정판을 기준으로 소프트웨어 개발 표준단가는 기능점수(FP)당 605,784원으로 조정되었다. 기존 553,114원 대비 9.52% 인상된 수치다. 이는 인건비 상승과 프로젝트 복잡도 증가를 반영한 결과다. 2025년 개정판에서는 이 단가가 유지되면서 AI 사업 대가체계가 별도로 정비되었다.
그러나 데이터 마이그레이션 프로젝트나 AI 모델 파인튜닝과 같은 작업은 전통적인 ‘입력-처리-출력’ 기반의 기능점수 측정이 어렵다. 데이터 전처리나 학습 데이터 라벨링 같은 작업은 기능 요소로 명확히 구분되지 않아 산정 논란이 발생할 수 있다.
적용 가능 범위와 회색지대
기능점수 방식은 여전히 레거시 시스템의 유지보수나 새로운 웹 애플리케이션 개발에서는 유효하다. 다만, 다음과 같은 경우에는 보조 방법론의 도입이 필요하다.
– MLOps 인프라 구축
– 생성형 AI API 연동 및 프롬프트 엔지니어링
– 실시간 데이터 스트리밍 파이프라인 설계
이 영역들은 코드량이나 기능 요소보다 ‘투입 공수’와 ‘전문 인력의 숙련도’가 비용을 좌우하기 때문이다.
AI 사업 대가산정: 커스터마이징 작업비용 체계
명칭 변경의 의미와 실무 적용
2025년 개정판에서 가장 주목할 변화는 AI 도입사업의 ‘전문작업비’가 ‘커스터마이징 작업비용’으로 명칭 변경된 점이다. 이는 단순한 용어 수정이 아니라 산정 방식의 패러다임 전환을 의미한다. 패키지 소프트웨어 구매 비용과 실제 구축에 투입되는 인력의 공수를 명확히 분리하겠다는 취지다.
커스터마이징 사업은 기본형, 데이터형, 모델형으로 세분화되며, 각 유형별로 요구사항 분석, 설계, 데이터 구축, 모델 구현 및 학습, 검증 및 안정화 단계의 공수를 산출해야 한다. 특히 데이터 구축 비용은 데이터 수집难易度와 품질 검증 수준에 따라 가변적이라 사전 정밀 산정이 필수다.
유형별 공수 산정 항목
| 유형 | 주요 작업 항목 | 산정 특수성 |
|---|---|---|
| 기본형 | 요구사항 분석, API 연동, 기본 설정 | 기존 SW 개발과 유사한 FP 산정 가능 |
| 데이터형 | 데이터 라벨링, 정제, 품질 검증 | 건당 또는 시간당 단가 적용 필요 |
| 모델형 | 파인튜닝, 하이퍼파라미터 튜닝, 성능 검증 | 전문 인력 투입 공수 중심 산정 |
공공부문 AI 사업을 발주할 때는 위 표의 유형을 사전에 명확히 설정해야 한다. 모호한 경계선에서 예산 분쟁이 발생하는 경우가 많으므로, RFP 작성 단계에서 커스터마이징 범위를 구체적으로 기술하는 것이 리스크를 줄이는 유일한 방법이다.
COCOMO II와 기능점수 방식의 교차 검증
모델 기반 산정의 장단점
COCOMO II(Constructive Cost Model)는 코드 라인 수(SLOC)나 기능점수를 입력값으로 사용하여 총 공수와 개발 기간을 예측하는 모델이다. 개발 환경의 복잡도, 인력 역량, 재사용률 등 17개의 비용 산정 요인(cost drivers)을 반영할 수 있다는 장점이 있다.
그러나 AI 프로젝트에서는 코드량이 곧 작업량을 의미하지 않는다. 파이썬 스크립트 100줄이 단순 CRUD 기능일 수도 있고, 복잡한 딥러닝 모델의 추론 코드일 수도 있다. 이런 특성 때문에 COCOMO II는 AI 사업에서는 참고용으로만 사용하고, 실제 계약금액 산정에는 투입 공수 방식을 병행하는 것이 일반적이다.
교차 검증 실무 프로세스
예산 타당성을 확보하기 위한 3단계 검증 절차는 다음과 같다.
1. 1차 산정: 기능점수 방식으로 기본 개발비 산출 (AI 제외 순수 개발 영역)
2. 2차 조정: COCOMO II로 개발 환경 복잡도 및 일정 리스크 반영
3. 3차 보정: AI 커스터마이징 작업비용과 데이터 구축비를 별도로 산출하여 합산
이 과정에서 1차와 3차 산정 결과가 현저히 차이 나는 경우, 사업 범위 정의에 문제가 있는 것으로 보고 재검토해야 한다. 예를 들어 기능점수로는 5억 원으로 산정되었는데 AI 커스터마이징 비용만 8억 원이 나온다면, 해당 AI 기능이 과재되어 있거나 사업 범위가 불명확한 것이다.
시장 시세 반영의 보조적 활용 방안
단가 기준의 한계를 넘어서는 접근
기능점수 단가 605,784원은 평균치일 뿐이다. 클라우드 네이티브 아키텍처, K8s 기반 MLOps, GPU 클러스터 운영 같은 첨단 기술을 요구하는 프로젝트에서는 실제 시장 시세가 이 기준을 웃도는 경우가 허다하다.
이럴 때는 ‘투입 공수 방식’으로 전환하거나, DevOps 통합 사업 가이드(2025년 신설)를 적용한다. 개발과 운영을 통합하는 프로젝트의 경우, 개발비는 기능점수 방식으로, 운영 및 유지관리비는 투입 공수 방식으로 산정한 후 합산하는 방식이다.
SaaS 및 상용 솔루션 도입 비용 산정
생성형 AI 솔루션 도입 시 API 호출 비용(토큰당 과금)이나 SaaS 구독료는 초기 예산 산정에서 빠지기 쉽다. 1년간 누적 사용량을 예측하여 운영비로 편성해야 하며, 이는 개발비와 별도 계정으로 관리하는 것이 예산 집행의 투명성을 확보하는 방법이다.
자주 묻는 질문
Q. 2026년 예산 수립 시 AI 프로젝트는 꼭 커스터마이징 작업비용 방식을 써야 하나요?
A. SW사업 대가산정 가이드(2025년 개정판)에 따라 AI 도입사업은 기본 개발비 외에 커스터마이징 작업비용을 별도 산정하는 것이 권장된다. 단, 단순 패키지 AI 도입(API 연결만 하는 경우)이라면 기존 기능점수 방식으로 충분할 수 있다. 사업의 복잡도와 커스터마이징 범위를 사전에 정의하는 것이 핵심이다.
Q. 기능점수 단가 605,784원이 2026년에도 유효한가요?
A. 2024년 개정된 단가가 2025년 개정판에서 유지되었으며, 2026년 예산 수립 시에도 동일하게 적용되는 것이 원칙이다. 다만 전년도 예산을 신청하여 다음 해 발주되는 사업은 전년도 기준을 적용할 수 있으므로, 예산 편성 시점과 발주 시점의 차이를 고려해야 한다.
Q. 데이터 라벨링 비용은 어떤 방식으로 산정하나요?
A. 데이터형 AI 사업의 경우 기능점수로 산정하기 어려우므로, 건당 단가(레이블당 비용) 또는 시간당 인건비 방식을 적용한다. 데이터 품질 검증 주기와 재작업 가능성을 감안하여 10~15%의 관리 용역비를 추가 산정하는 것이 현실적이다.