2023년, 캘리포니아 인랜드엠파이어의 한 3PL 창고가 비전 기반 순환재고조사 파일럿에 $80,000의 예산을 승인했습니다. 18개월 후 실제 금액은 $230,000——그리고 아픈 점은, 예산 초과분 중 단 1달러도 소프트웨어에 들어가지 않았다는 것입니다. 추가 비용 전부가 하드웨어 개조, 데이터 라벨링, 재작업에 들어갔습니다.
이것은 예외가 아닙니다. 제가 겪어온 AI 프로젝트 중 처음부터 예산 안에 들어간 것은 절반도 되지 않습니다. 기술이 문제인 경우는 드뭅니다. 문제는 예산이 눈에 보이는 돈만 셌다는 것입니다. 아래에 네 가지 항목을, 누군가 이렇게 설명해줬으면 좋았을 형태로 정리합니다.
소프트웨어는 정직한 항목
라이선스나 구독료는 네 가지 중 가장 투명한 항목입니다. 연간 SaaS, 카메라 레인당 요금, 추론당 과금——모두 견적서에 적혀 있고, 수량을 곱하면 끝입니다. 가장 놀라게 할 가능성이 낮은 항목입니다.
함정은 두 군데에 있습니다. 첫째, 파일럿 가격과 전면 전개 가격입니다. 많은 업체가 파일럿을 10개 카메라 레인으로 견적 내 저렴해 보입니다——그러나 건물 전체에는 80개 레인이 필요하고 단가는 꿈쩍도 하지 않습니다. 둘째, 갱신 조건입니다: 1년차는 할인, 2년차는 정가로 복귀, 잔글씨에 묻혀 있습니다. 서명 전에 2년차와 3년차 가격을 확정하거나, 최소한 서면으로 상한을 받아내세요.
제 생각은 이렇습니다: 미완성 제품의 라이선스를 아끼려 하기보다, 성숙한 소프트웨어에 조금 더 쓰세요. 창고 현장에 여러분의 베타 테스터가 되어줄 여유 있는 사람은 없습니다. 정확도가 5포인트 낮은 모델은 라이선스에서 아낀 돈의 10배를 현장 재작업으로 날려먹을 겁니다.
하드웨어: 카메라가 아니라 '마지막 100미터'를 예산에 넣으세요
카메라, 엣지 서버, 네트워크, 전원, 장착——이 항목이 계획 시점에 가장 과소평가됩니다. 입고 치수 측정 프로젝트를 봤는데, 소프트웨어는 $30,000에 계약됐고, 그 다음 현장 실사가 터졌습니다: 컨베이어 위쪽에 네트워크 포트가 없고, 200미터가 넘는 케이블 포설, 신규 스위치 2대, 카메라별 전용 전원. 하드웨어는 $40,000을 넘겼습니다——소프트웨어보다 비쌌습니다.
하드웨어는 기기별이 아니라 설치 포지션별로 예산을 잡으세요. 한 포지션의 진짜 비용은 카메라+렌즈+거치대에, 케이블, 네트워크 포트, 전원, 설치 인건비가 더해진 것입니다. 카메라 가격만으로 예산을 잡으면 절반이나 빗나갑니다.
그리고 숨겨진 것이 하나 있습니다: 컴퓨트입니다. 로컬 박스에서의 엣지 추론인가, 클라우드인가? API 호출당 클라우드 과금은 파일럿에서는 싸 보여도, 물량이 늘면 서버를 직접 사는 것보다 비싸질 수 있습니다. 제가 본 프로젝트들에서는 1일 추론량이 수만을 넘기면 로컬 컴퓨트가 거의 항상 이깁니다. 이 계산은 청구서가 오고 나서가 아니라 계획 시점에 하세요.
데이터: 가장 비싼 노동은 견적서에 절대 나오지 않는다
이것이 네 가지 중 가장 과소예산화되는 항목입니다. 모델은 데이터를 먹고 사는데, 저는 창고 데이터가 어떤 모습인지 압니다: 종이 양식, 스프레드시트, 누락 필드가 있는 WMS 기록, 저가 카메라로 찍은 역광 사진. 이것을 훈련 데이터로 바꾸려면 사람의 라벨링과 정제가 필요합니다.
중규모 비전 프로젝트는 수천 장의 라벨링된 이미지에서 시작합니다. 외주 라벨링은 이미지당 1~2달러로 싸게 들립니다——그러나 QA, 재라벨링, 첫 시도에서 놓친 시나리오의 재촬영을 더하면 데이터 비용은 수만 달러대가 됩니다. 더 비싼 부분은 자사 인력의 시간입니다: 라벨링 명세서 작성, 라벨링된 배치의 승인·반려, 엣지 케이스 판정. 이것은 여러분 팀만 할 수 있습니다. 라벨링 업체는 여러분 비즈니스를 모릅니다.
예산에 '데이터 준비' 전용 라인을 넣으세요: 라벨링 물량×단가×1.5 재작업 계수에 내부 인건비를 더한 것입니다. '귀사 데이터는 바로 쓸 수 있습니다, 내일부터 시작할 수 있습니다'라고 말하는 업체는 아마 창고 프로젝트를 해본 적이 없을 겁니다.
인력: 내부와 외부
외부 구현은 단순합니다: 업체의 배포, 튜닝, 교육, 일일 과금으로 끝납니다. 놓치기 쉬운 것은 내부 인력입니다. AI 프로젝트에는 3~6개월 동안 주 2~3일을 투입하는 내부 오너가 최소 한 명 필요합니다. 그 사람의 비용을 예산에 넣어야 할까요? 제 답은 예입니다. 예산에 들어가면 경영진은 프로젝트가 실제로 무엇을 소비하는지 봅니다. 빼놓으면 프로젝트는 아무도 진정으로 책임지지 않는 '틈틈이 하는 일'이 됩니다.
그리고 교육입니다. 작업자들은 AI 알림 읽는 법, 오탐지 대처법, 기본적인 트리아지를 배워야 합니다. 교육도 한 번으로 끝나지 않습니다——이직률이 높은 창고에서는 반복 비용입니다. '1년차 교육'에 전용 라인을 두어 금액이 보이게 하세요.
네 가지 항목 너머에, 제가 모든 예산 리뷰에서 묻는 세 가지 라인 항목이 있습니다. 첫째, 통합입니다: AI 시스템은 여러분의 WMS와 대화해야 하고, 인터페이스 개발, 공동 테스트, 예외 처리는 늘상 두 업체 사이에 떨어집니다——소프트웨어 회사는 '구현 범위'라 부르고, 통합 업체는 '커스텀 개발'이라 부릅니다. 통합 범위는 계약 체결 시 계약서에 넣으세요, 고정가든 시간재료든, 서면으로.
둘째, 스케일업 프리미엄입니다. 파일럿은 10개 포지션에서 돌아가는데, 100개가 되면 어떻게 될까요? 단가가 유지될까요? 컴퓨트는 늘려야 할까요? 파일럿을 승인하기 전에 스케일링의 한계 비용을 서면으로 받아내세요.
셋째, 실패 예산입니다. 솔직히 말하겠습니다: AI 프로젝트 10건 중 3~4건은 첫 시도에서 성공하지 못합니다. 20–30%의 예비비는 보수적인 것이 아니라 상식입니다. 2023년의 그 $230,000 프로젝트도 첫날부터 1.5x로 예산을 잡았더라면 중간에 논쟁이 훨씬 적었을 겁니다——그리고 아마 더 빨리 끝났을 겁니다.
이번 주에 할 수 있는 것이 하나 있습니다: 무엇이든 승인하기 전에, 실제 프로덕션 데이터로 4주간의 최소 기능 파일럿에 자금을 대고 전용의 별도 예산을 세우세요. 파일럿이 검증된 후에야 건물 전체의 숫자를 이야기하세요. 그 파일럿 지출은 '계속해야 할까'를 묻는 티켓을 사는 것입니다——AI 여정 전체에서 가장 가성비 좋은 돈이 될 겁니다.
영어판 번역본입니다. 내용이 다를 경우 영어판을 우선합니다.
