AI 도입 예산: 서명 전에 4대 비용 항목을 모두 세어라

2024년 가을, 캘리포니아 폰태나. 이커머스 풀필먼트를 하는 3PL이 AI 프로젝트의 사후 분석을 의뢰했다. AMR 디스패치와 비전 기반 검수였다. 킥오프 시점에 이사회가 승인한 금액은 $380,000. 차량과 소프트웨어 라이선스가 모두 포함되어 있었다. 재무팀이 장부를 마감했을 때: $740,000. 95% 초과였다. 클로즈아웃 회의에서 CFO가 던진 질문은 단 하나였다. 추가된 $360,000은 어디로 갔는가?

아무도 답하지 못했다. 킥오프 시점의 예산 시트에 적힌 줄은 정확히 두 줄——장비, 소프트웨어——뿐이었기 때문이다.

AI 프로젝트의 예산은 항상 4개 항목이지 2개가 아니다. 소프트웨어, 하드웨어, 인건비, 데이터다. 어느 하나라도 빠지면 비용 초과는 확정이다. 서명 전에 모든 AI 프로젝트에 건네는 예산 프레임워크는 이것이다. 1년차 TCO 기준으로 본다.

다시 읽어보라. 소프트웨어는 잘해야 전체의 3분의 1이다. 소프트웨어만 예산에 넣었다면 빙산의 일각에 가격을 매긴 셈이다.

항목별로 보자.

첫째, 소프트웨어. 라이선스와 구독료는 보이는 부분이다. 보이지 않는 부분이 세 가지 있다. 호출당 과금되는 API 토큰은 하루 수천 건의 파일럿에서는 하찮아 보이지만, 운영 단계에서 월 수만 건이 되면 청구서는 두 배가 된다. 카메라당·동시 스트림당 과금되는 플랫폼 요금은 선형으로 늘지 않는다——카메라가 4대에서 12대로 늘면 가격 구간이 한 단계 올라간다. 그리고 2년차 갱신: 1년차는 할인가, 2년차가 진짜 가격이며 15%-30% 인상은 보통이다. 3년차 가격은 서명 전에 협상해서 부속서에 넣어라.

둘째, 하드웨어. 카메라와 엣지 장비는 보인다. 네트워크와 전원은 보이지 않는다. 창고에는 Wi-Fi 사각지대가 있다. AMR이 그 안으로 들어가면 연결이 끊긴다. 액세스 포인트 추가, 광케이블 포설, 로밍 핸드오프 조정——수만 달러가 사라진다. 전원 용량이 부족한 낡은 건물에는 새 산업용 회로가 필요하다. 현장 전기 기술자, 운영과 조율한 정전 시간대, 또 돈이 든다. 현장 조사가 제대로 된 엔지니어링이 아니라 둘러보기였다면 이 항목은 추측에 불과하다.

셋째, 인건비. 그리고 여기서 직관을 거스르는 결론이 나온다. AI 프로젝트에서 가장 비싼 항목은 소프트웨어가 아니다. 바로 자사 사람들의 시간이다. 중규모 프로젝트 하나는 IT 지원 3개월분, 최고의 운영 인력 반나절씩 2개월분, 현장 엔지니어링 1개월분을 태운다. 수백 시간이다. 풀코스트로 계산하면 소프트웨어 라이선스 자체를 가뿐히 넘는다. 더 나쁜 것은 프로젝트 예산에는 절대 등장하지 않는다는 점이다——부서 인건비 속에 숨어 비용 초과가 보이지 않게 된다.

넷째, 데이터. 이것은 깎을 수 없는 항목이며, 가장 먼저 깎이는 항목이다. 2025년 초, 텍사스의 자동차 부품 3PL이 비전 검사를 시작했는데 데이터 정제 예산은 $20,000이었다. 작업이 시작되자 400,000건이 넘는 과거 SKU 마스터 레코드가 나왔다. 중복, 누락된 이미지, 불일치하는 단위였다. 정제와 라벨링은 결국 $90,000——예산의 4배가 넘었다. 왜 손댈 수 없는가. AI는 데이터를 먹는다. 더러운 데이터는 눈먼 모델을 낳는다. 불량 SKU 마스터 레코드 하나가 비전 검수 오탐율을 1%에서 8%로 밀어 올리고, 현장 팀은 예외 처리에 하루 수백 시간의 추가 노동을 태운다. 데이터에서 "아낀" $70,000는 3개월 안에 수작업으로 되갚는다. 그 돈은 낭비된 것이다.

실제 프로젝트에서 나온 비용 초과 함정 다섯 가지.

이름을 붙일 만한 패턴이 하나 더 있다. 파일럿에서 운영으로 넘어가는 절벽이다. 파일럿은 건물의 깨끗한 한 구석에서 벤더 최고의 엔지니어가 상주하며 돈다. 운영은 야간조 자사 팀이 플로어 전체를 돌린다. 예산은 파일럿 경험이 아니라 운영 현실 기준으로 짜라——연동 일수는 두 배로, 데이터 작업은 50% 추가하고, 첫 달은 목표 처리량의 80%로 돈다고 가정하라. 이 조정을 빼먹은 프로젝트는 내가 본 것마다 2분기에 대가를 치렀다.

실제로 돈을 아껴주는 레버 세 가지. 각각 숫자 검증을 거쳤다.

첫째, 다년 계약에 서명하기 전에 유료 PoC를 돌려라. 적은 돈으로 두 가지 숫자를 검증한다. 인식 정확도가 사업이 요구하는 기준선에 닿는지, 시스템이 현장 택트타임을 따라가는지다. PoC가 실패하면 그 뒤의 수십만 달러는 쓰이지 않는다. 이보다 싼 리스크 헤지는 없다.

둘째, 데이터 정제는 사내에서 해라. 라벨링은 QC 인력의 빈 시간에 잘 맞고 품질은 외주를 앞선다. IT와 운영이 함께 하는 마스터 데이터 거버넌스는 SKU 마스터를 한 번 정리하고, 이후 모든 AI 프로젝트가 혜택을 본다. 한 번 쓰고 프로젝트 간에 상각하라.

셋째, 하드웨어는 단계적으로 깔아라. 한 구역에서 파일럿하고 깨끗하게 돌면 복제하라. 네트워크 증설도 파일럿 범위에 맞춰 단계적으로 하라. 첫날부터 건물 전체를 밝히는 것은 틀렸을 때의 비용을 최대화한다.

마무리할 계산 가능한 결론 하나. 어떤 AI 프로젝트든 승인 전에 이 공식을 돌려라.

회수 기간(월) = 1년차 TCO ÷ 월간 정량화 가능 절감액

월간 절감액에 인정되는 입력은 정확히 세 가지다. 절감 인건 시간×시간당 단가, 오류율 감소×건당 평균 오류 비용, 처리량 증가×한계 이익이다. 계산할 수 없는 것——"효율 향상", "디지털 이미지"——은 0으로 친다. 회수가 24개월을 넘으면 보류. 12개월 미만이면 승인. 12~24개월이면 전략적 가치로 판단하라.

폰태나 프로젝트가 킥오프 시점에 4개 항목 계산을 돌렸다면 이사회는 $380,000이 아니라 약 $700,000의 실제 TCO를 보았을 것이다. 승인하든 반려하든 그들의 결정——하지만 클로즈아웃에서 허를 찔리는 일은 없었을 것이다. 예산의 일은 숫자를 작게 보이게 하는 것이 아니었다. 비용 초과가 숨을 곳을 남기지 않는 것이다.

Lao Zhou, 물류 비용 분석가 지음

영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.