검색범위
기간
~
SPRi POPUP3 ENGLISH
SPRi POPUP3 ENGLISH
오늘 하루 이 창을 열지 않음 X
SPRi Report
소프트웨어정책연구소 연구보고서
연구보고서 보기

소프트웨어정책연구소 연구보고서

AI프로젝트 규모산정 프레임워크 - 빙산의 수면아래, 기술규모 측정하기
이슈리포트 보기

AI프로젝트 규모산정 프레임워크 - 빙산의 수면아래, 기술규모 측정하기

EU 디지털시장법의 교훈과 한국 SW정책 과제
이슈리포트 보기

EU 디지털시장법의 교훈과 한국 SW정책 과제

국내 SW기업 해외진출 관련 정책·규제 동향 및 대응방향: 인공지능 및 사이버보안을 중심으로
이슈리포트 보기

국내 SW기업 해외진출 관련 정책·규제 동향 및 대응방향: 인공지능 및 사이버보안을 중심으로

산업특화 소프트웨어, 국가 경쟁력의 열쇠:금융·자동차 사례를 중심으로
이슈리포트 보기

산업특화 소프트웨어, 국가 경쟁력의 열쇠:금융·자동차 사례를 중심으로

‘기업가형 AI 인재’ 육성의 필요성: AI 강국 도약을 위한 한국형 전략의 출발점
이슈리포트 보기

‘기업가형 AI 인재’ 육성의 필요성: AI 강국 도약을 위한 한국형 전략의 출발점

SPRI 소프트웨어정책연구소

국가 소프트웨어 정책 Think Tank

SPRI 소프트웨어정책연구소

연구

연구 더보기

행사

행사 더보기
e-book 보기 포럼 FORUM 2025년 제63회 SPRi 포럼 – 넥스트 메타버스: AI 혁신과 새로운 기회 포토에세이 PHOTO ESSAY 중간-이호준 포커스 FOCUS 콘텐츠 산업의 새로운 문법, AI가 여는 창작 혁신의 시대 AI들의 풍경 AI 사업의 본질에 맞는 새로운 사업 관리 패러다임: 공공 AI, ‘구축’이 아닌 ‘진화’의 패러다임으로
SW중심사회
<p>목차 Table of Contents 정책·법제 ▹ OECD, AI가 한국 노동 시장에 미치는 영향 분석 ▹ 인도 전자정보기술부, ‘인도 AI 거버넌스 지침’ 발표 ▹ OECD, EU 회원국의 ‘AI 조정계획’ 시행 현황 분석 ▹ 영국 과학혁신기술부, ‘AI 성장구역’ 구축 방안 발표 기업·산업 ▹ 1X, 가정용 휴머노이드 로봇 ‘네오’ 예약 판매 개시 ▹ 퍼플렉시티, 특허 검색을 위한 ‘퍼플렉시티 특허’ 서비스 출시 ▹ 문샷 AI, 추론 특화 AI 모델 ‘키미 K2 씽킹’ 오픈소스로 공개 ▹ 오픈AI, 대화 기능 향상에 초점을 둔 ‘GPT-5.1’ 출시 ▹ 구글, 최첨단 추론 성능 갖춘 ‘제미나이 3’ 출시 ▹ xAI, 사용자 경험 강화에 중점을 둔 ‘그록 4.1’ 출시 ▹ 마이크로소프트, ‘MS 이그나이트 2025’에서 AI 업데이트 발표 기술·연구 ▹ 딥시크, 이미지 기반 문서를 10배 이상 압축하는 OCR 기술 개발 ▹ 앤스로픽, LLM의 내부 상태에 관한 자기 성찰 징후 확인 ▹ 마이크로소프트, AI 에이전트 시장 활동 시뮬레이션 플랫폼 개발 ▹ 메타, 1,600개 이상 언어를 지원하는 음성인식 시스템 공개 ▹ 업워크, 에이전트-인간 협업 생산성 평가 벤치마크 발표 인력·교육 ▹ 메타, AI 조직 ‘슈퍼 인텔리전스 랩스’에서 600명 해고 단행 ▹ AI 업계에서 신종 직무로 ‘현장 배치 엔지니어’ 부상 ▹ 주요 기업들, 생성 AI 도입 확대하며 AI 미활용자 퇴출 추진 ▹ 유데미 조사 결과, 주요국 근로자의 AI 인식과 준비도 간 격차 확인 주요행사일정</p>
AI 브리프
<p>AI 기술의 급격한 발전으로 AI 프로젝트 발주가 증가하고 있지만, 기존의 기능점수(FP) 방식은, 챗봇이나 RAG(검색 증강 생성)와 같이 사용자 인터페이스는 단순하지만 그 이면에서 방대한 데이터 처리와 복잡한 연산을 수행하는 AI 사업의 실질적 규모를 반영하지 못한다는 한계를 드러내고 있다. 이로 인해 AI 프로젝트의 예산 책정의 현실성이 떨어질 위험성을 안고 있다. 이러한 문제를 해결하기 위해서 본 보고서는 AI프로젝트를 거대한 빙산에 비유하며, 수면 아래 잠겨 있는 데이터 전처리, 임베딩, 벡터 저장소 구축 등 고난도 기술 엔지니어링 영역은 국제 표준인 SNAP(Software Non-functional Assessment Process) 모델을 도입하여 별도로 정량화할 것을 제안한다. 이는 기존 방식으로는 측정 불가능했던 백엔드(Back-end) 기술 공수에 대해 정당한 가치를 부여하는 해결책이 될 것이다. 마지막으로 합리적인 규모산정 체계의 적용을 위해 AI 기술규모 자동화 측정 도구 발굴, AI 프로젝트 데이터 축적, 그리고 AI 엔지니어링 기업 생태계 육성을 실현방안으로 제시한다. 궁극적으로는 이러한 노력이 AI 프로젝트 사업 대가 산정의 정확성과 투명성을 제고하는 데 기여할 것으로 기대한다. Executive Summary As AI technologies advance rapidly, the number of AI project procurements continues to grow. Yet the traditional Function Point (FP) method shows clear limitations: in AI projects such as chatbots or Retrieval-Augmented Generation (RAG), the user interface may appear simple while massive data processing and complex computational workflows operate underneath. FP cannot capture the true scale of these hidden engineering efforts, creating a risk that AI project budgets will be underestimated and ultimately unrealistic. To address this gap, this report shifts the focus from AI model development to AI Application Service Construction (Engineering) and proposes a framework for scope estimation. It recommends adopting the international SNAP (Software Non-functional Assessment Process) standard to quantify the technical complexity involved in back-end operations—such as data preprocessing, embedding generation, and vector-store construction—that FP cannot measure. For a sound compensation system to take root, this report suggests key directions: discovering automated measurement tools for AI technical scope, accumulating AI project data, and fostering the AI engineering company ecosystem. Ultimately, these efforts will contribute to enhancing the accuracy and transparency of AI project cost estimation.</p>
이슈리포트
2024 SW융합 실태조사 과학기술정보통신부 SPRi 소프트웨어정책연구소
승인통계보고서

미디어

미디어 더보기