AI와 머신러닝으로 일정 예측하기
추측이 아닌 과학으로
"프로젝트가 3개월이 걸릴 거야"
이 예측이 맞을 확률은 얼마나 될까요?
통계를 보면 암담합니다. 전통적 추정은 45-55%, 경험 기반 추정도 55-65% 정도의 정확도를 보입니다. 동전 던지기보다 조금 나은 수준이죠.
그런데 AI/ML 기반 예측은 75-85%의 정확도를 보입니다.
어떻게 가능할까요? 머신러닝은 수백, 수천 개의 과거 프로젝트 데이터에서 인간이 놓치는 패턴을 찾아냅니다. 팀 규모가 7명일 때 생산성이 떨어진다거나, 3월에 시작한 프로젝트가 더 지연된다거나 하는 미묘한 패턴들 말이죠.
처음엔 추측에 불과했던 일정 예측이, 이제는 과학이 되고 있습니다.
왜 인간의 추정은 틀릴까?
인간의 뇌는 추정할 때 "희망"과 "낙관"을 담당하는 영역이 활성화됩니다. 우리는 무의식적으로 최선의 시나리오를 가정합니다.
반면 ML은 감정이 없습니다. 데이터만 봅니다. 비슷한 프로젝트 100개 중 80개가 지연됐다면 80% 확률로 지연을 예측하고, 특정 기술 스택 사용 시 평균 1.5배 지연되면 자동으로 버퍼를 추가하며, 팀원 이직률이 높을 때 생산성 30% 감소하면 일정에 반영합니다.
ML 일정 예측의 핵심 요소
ML 모델에 입력할 특성들을 정의합니다. 프로젝트 특성에는 작업 수, 복잡도, 기술 스택, 요구사항 명확도, 고객 유형이 있고, 팀 특성에는 팀 규모, 평균 경력, 과거 프로젝트 성공률, 팀워크 지수가 있으며, 환경 특성에는 계절, 동시 진행 프로젝트 수, 조직 변화가 있습니다. 과거 데이터에는 유사 프로젝트 실제 소요 시간, 초기 추정 vs 실제의 비율, 지연 패턴과 원인이 포함됩니다.
모델 선택은 목적에 따라 다릅니다. 연속적인 값(일수)을 예측할 때는 회귀 모델을 사용하고, 카테고리(정시 완료/지연)를 예측할 때는 분류 모델을 사용하며, 시간에 따른 진행률을 예측할 때는 시계열 모델을 사용합니다.
프로젝트가 끝날 때마다 실제 데이터로 모델을 재학습시킵니다. 예측과 실제를 비교하여 오차 원인을 분석하고, 모델을 재학습시켜 성능을 개선합니다.
실전 ML 일정 예측 시스템 구축
최소 30개 이상의 과거 프로젝트 데이터가 필요합니다. 프로젝트 ID, 팀 규모, 기술 스택, 요구사항 명확도, 계획 일수, 실제 일수 등을 수집합니다.
데이터 전처리 단계에서는 범주형 변수를 인코딩하고, 수치형 변수를 정규화하며, 지연 비율을 계산합니다.
모델 학습 단계에서는 데이터를 훈련 세트와 테스트 세트로 나누고, 랜덤 포레스트 회귀 모델을 학습시켜 평균 오차를 평가합니다.
단일 예측값보다 신뢰 구간을 제공하는 것이 더 유용합니다. 100번 예측하여 분포를 생성하고, 신뢰 구간을 계산하여 예상, 최선, 최악 값을 반환합니다.
ML 예측의 실제 효과
스포티파이의 경우 도입 전에는 평균 40% 일정 초과였지만, 도입 후에는 평균 12% 일정 초과로 28%p 정확도가 향상됐습니다. 핵심 인사이트는 팀 규모 8명 이상일 때 급격한 생산성 저하, 마이크로서비스 수가 15개를 넘으면 통합 시간 2배 증가였습니다.
넷플릭스의 경우 배포 시간을 정확히 예측 못해 사용자 불편이 있었지만, ML로 배포 소요 시간을 예측하여 95% 정확도로 배포 시간을 예측하게 됐습니다.
ML 도입 시 주의사항
첫 번째는 데이터의 질이 핵심입니다. "쓰레기를 넣으면 쓰레기가 나온다"는 GIGO 원칙처럼, 부정확한 과거 데이터로 학습하면 부정확한 예측이 나옵니다.
두 번째는 과적합 주의입니다. 과거 데이터에 너무 최적화되면 새로운 상황을 예측 못합니다.
세 번째는 설명 가능성입니다. "AI가 그렇게 예측했어요"로는 경영진을 설득할 수 없습니다. SHAP, LIME 등으로 예측 근거를 설명할 수 있어야 합니다.
지금 시작할 수 있는 것
첫 번째 단계는 데이터 수집을 시작하는 것입니다. 엑셀이라도 좋습니다. 프로젝트 데이터를 모으기 시작하세요.
두 번째 단계는 간단한 모델부터 시작하는 것입니다. 복잡한 딥러닝보다 선형 회귀부터 시작하세요.
세 번째 단계는 점진적 개선입니다. 100% 자동화보다 인간의 판단 + ML 보조가 현실적입니다.
핵심 정리
"미래를 예측하는 가장 좋은 방법은 과거를 이해하는 것이다"
ML은 마법이 아닙니다. 과거의 패턴을 찾아 미래를 예측하는 도구일 뿐입니다. 하지만 이 도구를 잘 활용하면, 프로젝트 일정 예측이 추측이 아닌 과학이 됩니다.
완벽한 예측은 불가능합니다. 하지만 45%의 정확도를 75%로 올릴 수 있다면, 그것만으로도 엄청난 가치가 있습니다.
지금부터 데이터를 모으세요. 1년 후에는 여러분도 AI로 일정을 예측하는 PM이 될 수 있습니다.
AI 기반 프로젝트 관리 도구를 경험하고 싶으신가요? Plexo를 확인해보세요.