---
title: "정부와 SW 업계, AI 사업 대가 산정에 SNAP 표준 검토한다"
published: 2026-06-09T07:05:02.274Z
canonical: https://jeff.news/article/3902
---
# 정부와 SW 업계, AI 사업 대가 산정에 SNAP 표준 검토한다

정부와 소프트웨어 업계가 AI 사업 비용을 기존 기능점수 방식만으로 산정하기 어렵다고 보고, 비기능 요구사항 측정 표준인 SNAP 도입을 검토한다. AI 사업은 데이터 학습, 반복 검증, 환각 제어, 고급 인력 투입처럼 눈에 잘 안 보이는 비용이 커서 기존 SW 대가 체계와 충돌해왔다.

- 정부와 소프트웨어 업계가 AI 사업 대가 산정 기준을 다시 잡으려 함
  - 과학기술정보통신부와 한국인공지능·소프트웨어산업협회(KOSA)가 ‘SW 규모 산정에서의 비기능 측정 방법론(SNAP) 국내 도입 타당성 연구’ 용역을 발주함
  - 정부 차원에서 AI 사업 대가의 구체적 산정 방식을 공식 연구하는 건 이번이 처음이라고 함

- 핵심 후보는 SNAP임. 기존 기능점수(FP)로 안 잡히는 비용을 보자는 얘기임
  - SNAP은 국제기능점수사용자그룹(IFPUG)이 만든 비기능 요구사항 측정 표준임
  - 화면 수, 데이터 수량 같은 눈에 보이는 기능 말고 개발 환경, 기술 난이도, 품질 특성 같은 요소를 측정함

- 왜 이게 나오냐면, AI 사업은 일반 SW 사업처럼 요구사항과 결과물이 딱 떨어지지 않기 때문임
  - 일반 SW는 기능 목록과 산출물이 비교적 명확해서 성공과 실패를 가르기 쉬움
  - AI 사업은 데이터를 학습시키고, 피드백을 주고받고, 성능이 나올 때까지 검증을 반복해야 함
  - 목표 성능까지 몇 번의 검증과 재학습이 필요할지 예측하기 어려워서 비용이 계속 불어날 수 있음

> [!IMPORTANT]
> 발주자는 “AI 쓰면 생산성이 올라가니 비용도 내려가야 하는 거 아님?”이라고 보기 쉽지만, 현장에서는 환각 제어와 오류 검증 때문에 오히려 고급 인력이 더 오래 붙는 경우가 많음.

- AI 사업의 숨은 비용은 꽤 현실적임
  - AI 환각을 제어하려면 단순 테스트보다 더 촘촘한 검증이 필요함
  - 오류를 잡기 위해 일반 SW 사업보다 많은 고급 인력이 검증 단계에 상시 투입될 수 있음
  - 데이터 정제, 벡터 저장소 구축 같은 엔지니어링도 겉으로는 기능 하나처럼 보이지만 실제 난도는 낮지 않음

- 현재 시장에는 기준으로 삼을 누적 데이터도 부족함
  - AI 사업의 전체 주기를 완전히 경험한 사례가 아직 많지 않음
  - 그래서 기존 FP 방식으로 AI 대가를 산정하는 건 사실상 어렵다는 지적이 계속 나왔음
  - 과기정통부와 KOSA는 SNAP을 통해 AI의 불확실성, 데이터 학습 비용, 고난도 검증 작업을 제도권 안으로 들이려는 구상임

- 업계 반응은 “드디어 모호한 말에서 측정 모델로 넘어간다”에 가까움
  - 그동안은 ‘가치 기반 대가 산정’처럼 말은 그럴듯하지만 실제 계약에 쓰기 어려운 논의가 많았음
  - 이번 연구는 글로벌 표준을 국내 상황에 맞게 결합해보려는 실천적 출발점으로 평가됨
  - 다만 업계 관계자는 단발성 연구만으론 부족하고, 시장 변화에 맞춘 후속 연구와 추가 예산이 필요하다고 봄

---

## 기술 맥락

- 여기서 기술적 선택은 AI 사업 비용을 기능점수만으로 보지 말자는 거예요. 기존 FP는 “무슨 기능을 몇 개 만들었나”를 세는 데 강하지만, AI 프로젝트의 반복 학습과 검증 비용은 잘 드러나지 않거든요.

- SNAP을 검토하는 이유는 비기능 요구사항을 숫자로 다뤄야 계약과 검수가 가능해지기 때문이에요. 기술 난이도, 품질 특성, 개발 환경 같은 요소를 비용 산정에 넣지 않으면 실제 투입 인력과 계약 금액이 계속 어긋나요.

- 특히 AI 서비스는 데이터 정제, 벡터 저장소 구축, 환각 검증이 성능을 좌우해요. 겉으로는 챗봇 하나처럼 보여도 내부에는 데이터 파이프라인과 검색 구조, 평가 체계가 붙기 때문에 단순 화면 기능 기준으로는 규모를 설명하기 어려워요.

- 공공 AI 사업을 하는 팀이라면 이 변화가 꽤 중요해요. 앞으로 제안서에서 “모델 붙이면 끝”이 아니라 학습 반복, 검증 인력, 품질 기준을 비용 항목으로 더 명확히 설명해야 할 가능성이 커지거든요.

## 핵심 포인트

- 과기정통부와 KOSA가 SNAP 국내 도입 타당성 연구 용역을 발주했다.
- SNAP은 기능점수로 잡기 어려운 개발 환경, 기술 난이도, 품질 특성 같은 비기능 요소를 측정한다.
- AI 사업은 데이터 정제, 벡터 저장소 구축, 반복 검증, 환각 제어 비용 때문에 기존 FP 방식만으로 대가 산정이 어렵다.

## 인사이트

AI 프로젝트 견적에서 계속 터지던 문제를 제도권이 드디어 숫자로 다루려는 움직임이다. 공공 AI 사업이나 SI 쪽에 있는 개발자라면 앞으로 제안서, 산출물, 검수 기준이 꽤 달라질 수 있다.