모든 에이전시는 범위를 너무 넓게 제시해 쓸모없는 답을 합니다. 솔직한 답은 아직 보지 못한 요소에 따라 달라지기 때문이죠. 그래서 비용 산정의 구조를 알려드립니다. 흔한 AI 작업 유형 네 가지가 무엇을 포함하는지, 여러분이 원하는 유형은 무엇인지, 각 유형의 비용을 키우는 요인은 무엇인지 살펴봅니다.
아래 비용은 금액이 아니라 엔지니어 주 단위입니다. 요율은 시장과 작업자에 따라 다르므로, 달러로 표시된 페이지는 대부분의 독자가 읽는 시점에 적절하지 않을 수 있습니다. 실제로 비교 중인 요율을 곱해 보세요. 이는 업계 설문조사가 아니라 저희가 이런 작업을 구축하며 산정한 추정치입니다.
AI 작업의 네 가지 유형
저희가 받는 요청은 거의 모두 이 유형 중 하나이거나, 둘을 결합한 형태입니다. 원하는 유형을 명확히 하는 것이 실제 비용을 파악하는 가장 중요한 단계이며, 누구와 상담하기 전에도 할 수 있는 일입니다.
| 유형 | 기능 | 첫 프로덕션 버전까지 |
|---|---|---|
| 자체 콘텐츠를 바탕으로 답변 | 직원이나 고객이 질문하면 문서에서 답을 찾고 출처를 제시합니다 | 4~8 엔지니어 주 |
| 정보 추출 및 분류 | 송장, 이메일, 티켓 또는 양식에서 구조화된 필드나 범주를 추출합니다 | 3~6 엔지니어 주 |
| 작업을 수행하는 에이전트 | 텍스트만 생성하는 것이 아니라 여러 시스템에서 작업을 수행합니다 | 8~16 엔지니어 주 |
| 제품에 내장된 모델 | 타사 API 없이 사용자의 기기나 자체 서버에서 실행됩니다 | 10~20 엔지니어 주 |
아래 두 유형은 AI 외부 요인에 좌우되므로 범위가 더 넓습니다. 에이전트의 구축 가능성은 작업에 필요한 API에 달려 있고, 온디바이스 모델은 지원하기로 한 하드웨어의 한계를 받습니다.
실제로 비용을 좌우하는 요소
구체적인 정보 추출 워크플로 사례는 저희의 송장 데이터 추출 가이드 와 맞춤형 송장 처리 자동화 서비스를 참고하세요. 접수, 검증, 직원 검토, 회계 시스템으로 내보내기까지 포함합니다.
이 중 어느 것도 모델 자체가 핵심은 아닙니다. 모델 선택에는 일주일 정도 평가가 필요하고, 이후에는 설정 파일의 한 줄이 됩니다. 제안서가 이를 핵심 문제로 다룬다면 그 제안서에 대해 생각해 볼 신호입니다.
- 데이터의 상태입니다. 가장 큰 변수입니다. 한곳에 정리된 최신 문서가 있으면 저렴한 사례입니다. 서로 내용이 다른 기록 시스템 네 개, 스캔된 PDF, 2023년 이후 아무도 업데이트하지 않은 위키가 있으면 비싼 사례입니다. 이 작업은 데이터 정리이며, 어차피 필요했을 일입니다.
- 필요한 정확도입니다. 사람이 확인할 초안을 작성하는 것과 사람의 개입 없이 작업을 수행하는 것 사이에는 큰 차이가 있습니다. 후자에는 측정, 실패 처리, 안전하게 잘못될 방법이 필요하며, 이 부분에 예산이 들어갑니다.
- 연동하는 시스템의 수입니다. 연동마다 고유한 인증, 요청 제한, 오류 사례가 따릅니다. 두 개는 일반적인 수준이지만, 여섯 개면 완전히 다른 프로젝트입니다.
- 평가를 담당할 사람이 있는지 여부입니다. 여러분 쪽에서 답변의 품질을 판단할 사람이 없다면 먼저 그 평가 체계를 구축해야 합니다. 그만한 가치가 있지만 무료는 아닙니다.
- 데이터를 어디까지 옮길 수 있는지입니다. “데이터는 인프라 밖으로 나가지 않는다”는 정당한 제약이자 설계 조건입니다. 보통 직접 호스팅하는 오픈 웨이트 모델을 사용합니다. 일부 성능을 포기하는 대신 통제권을 얻고 호스팅 비용을 부담하게 됩니다.
사람들이 놓치는 운영 비용
개발 견적은 예산이 아닙니다. 출시 후에도 세 가지 비용이 계속 발생하며, 보통 계획에 포함되는 것은 첫 번째뿐입니다.
- 사용량입니다. 요청당 비용이며 사용량에 따라 늘어납니다. 파일럿 규모에서는 저렴해 프로덕션 규모가 되면 놀랄 수 있습니다. 아키텍처를 확정하기 전에 파일럿의 10배 사용량을 기준으로 비용을 추산해 보세요.
- 평가 및 모니터링입니다. 콘텐츠가 바뀌고 제공업체가 모델을 업데이트하면 품질이 달라집니다. 이를 감시할 무언가가 필요합니다.
- 제공업체 변경입니다. 모델은 제공업체 일정에 따라 폐기됩니다. 이전 작업에 매년 며칠이 들 수 있다고 예상하고, 이전을 어렵게 만드는 설계는 피하세요.
개념 증명에 드는 비용과 입증해야 할 내용
2~4주입니다. 그보다 오래 걸리면 개념 증명이 아니라 계획 없는 프로젝트입니다.
중요한 것은 개념 증명의 목적입니다. 데모가 아니라 의사결정으로 마무리해야 합니다. 이를 보장하려면 시작 전에 성공으로 볼 수치와 그 수치에 도달하지 못했을 때의 대응을 기록하세요. “티켓의 85% 이상을 정확하게 분류해야 하며, 그렇지 않으면 중단한다”는 개념 증명입니다. “AI로 무엇을 할 수 있는지 알아본다”는 워크숍입니다.
또한 이후에도 필요한 결과물을 만들어야 합니다. 정답이 표시된 실제 사례를 소량이라도 마련하는 것입니다. 이 테스트 세트는 현재 모델이 바뀌어도 계속 사용할 수 있으며, 다음 의사결정을 더 저렴하게 해줍니다.
업체에 물어볼 만한 질문
- 1. 무엇 때문에 견적의 두 배가 들 수 있나요?
- 2. 작동 여부를 어떤 수치로 확인하고, 누가 측정하나요?
- 3. 파일럿 사용량의 10배일 때 월 비용은 얼마인가요?
- 4. 선택한 모델이 폐기되면 어떻게 되나요?
- 5. 데이터는 어디로 가며, 무엇이 보관되나요?
- 6. 시스템이 답을 모를 때는 어떻게 하나요?
- 7. 종료 시 코드, 프롬프트, 평가 세트의 소유권은 누구에게 있나요?
여섯 번째 질문이 가장 많은 것을 드러냅니다. 이에 대한 답이 없는 시스템은 자신 있게 무언가를 지어냅니다. 그렇게 되면 시스템을 사용하도록 기대했던 사람들의 신뢰를 잃게 됩니다.
직접 구축하지 말아야 할 때
저희가 구축하지 말라고 권할 세 가지 사례입니다. 일찍 알려드리는 편이 양쪽 모두에게 비용이 적게 들기 때문입니다.
- 프로세스가 어디에도 문서화되어 있지 않습니다. 규칙을 설명할 수 있는 사람이 없다면 AI가 아니라 운영 프로세스부터 정리해야 합니다.
- 한 달에 열 번 발생합니다. 드물게 일어나는 작업을 자동화하면 자동화 유지 비용을 회수하기 어려운 경우가 많습니다.
- 이미 해당 작업을 수행하는 제품이 있습니다. 데이터가 차별점이 아니라면 구매하세요. 이미 있는 것을 다시 만드는 데 비용을 청구하기보다는 그렇게 말씀드리는 편이 낫습니다.
일하는 방식
저희는 에이전시가 아닌 소규모 엔지니어 팀입니다. 코드를 작성하는 사람과 직접 이야기하며, 중간에 어카운트 매니저가 없습니다. 맡을 일도 신중히 고릅니다. AI 분야에서는 LLM 연동, 자체 콘텐츠 검색, 에이전트, 직접 호스팅하는 모델 배포를 다룹니다. 스튜디오의 다른 업무인 .NET, Python, TypeScript, 클라우드 작업도 함께합니다.
저희는 자체 Windows 소프트웨어도 출시합니다. 여기에는 사용자 PC에서 언어 모델을 완전히 로컬로 실행하는 텍스트 도우미도 포함됩니다. 따라서 온디바이스 및 개인정보 보호 제약이 큰 영역은 저희에게 이론에 그치지 않습니다.
만들고자 하는 것을 알려주세요
해결책보다 문제를 설명해 주세요. 현재 누가 어떤 일을 얼마나 자주 하는지, 문제가 생기면 어떤 비용이 드는지 알려주세요. 영업일 기준 하루 이내에 범위와 비용 또는 구축하지 않는 편이 낫다고 생각하는 이유를 답변드리겠습니다.