AI가 송두리째 뒤흔든 SI 프로젝트
사람 수대로 돈 받던 시대는 끝났다
2,704억 원짜리 프로젝트가 던진 충격파
최근 금융 IT 업계를 뒤흔든 상징적 사건이 발생했습니다. KB국민은행이 공고한 2,704억 원 규모의 '코어뱅킹 현대화 2단계' 사업 제안요청서(RFP)에 전례 없는 조항이 삽입된 것입니다.
"AI 도입으로 인력이 줄어들면 사업비를 조정(삭감)할 수 있다."
프로젝트에 투입된 인원수와 기간을 곱해 비용을 산정하던 이른바 '맨먼스(Man-Month)' 관행을 정면으로 겨냥한 이 조항은 단순한 비용 절감 선언이 아닙니다. 이는 AI가 IT 프로젝트의 비용 구조와 노동의 가치를 근본적으로 재정의하기 시작했음을 알리는 거대한 패러다임 시프트의 신호탄입니다.
'노동 집약'에서 '기술 효율'로: C2J가 보여준 AI의 파괴력
과거 금융권 현대화 사업의 최대 난제는 노후화된 코볼(COBOL) 언어를 자바(Java)로 전환하는 'C2J(COBOL to Java)' 작업이었습니다. 이는 수많은 개발자가 투입되어 수만 라인의 코드를 일일이 대조하고 수정해야 했던 대표적인 노동 집약적 과업이었습니다.
그러나 AI 기술의 진화는 이 지형을 완전히 바꾸어 놓았습니다. 이제는 고성능 AI가 자동 번역과 변환을 수행하며, 인간은 그 결과물을 검증하는 역할로 전환되고 있습니다.
과거의 문법: 초·중·고급 개발자 100여 명이 수개월간 매달려야 했던 공정
미래의 문법: 성능 좋은 AI 기술과 이를 통제할 수 있는 10여 명 내외의 중·고급(Senior/High-level) 정예 인력만으로 수행 가능
KB국민은행 관계자는 "AI 기술이 이미 일정 수준 이상 발전했고 향후 진화 속도는 더 빠를 것"이라며 "기술 환경 변화에 유연하게 대응하기 위한 조항"이라고 설명했습니다. 이제 '투입 인원'은 더 이상 기술적 생산성을 담보하는 지표가 될 수 없습니다.
'맨먼스(Man-Month)'의 종말과 가치 중심 계약의 부상
국내 IT 시장을 지배해온 맨먼스(Man-Month) 방식은 '얼마나 많은 사람이 현장에 상주했는가'를 비용의 척도로 삼습니다. 하지만 AI가 수개월 분량의 코딩을 단 며칠 만에 끝내는 시대에, 투입 시간에 비례해 돈을 지불하는 방식은 공급자의 기술 혁신 의지를 꺾는 역설을 초래합니다.
"이제는 단순히 몇 명이 얼마 동안 일했느냐가 아니라, AI를 얼마나 능숙하게 활용해 고품질의 결과물을 만들어냈는지를 기준으로 하는 새로운 비용 산정 체계가 정립되어야 합니다." — 김숙경 카이스트 교수
IT 서비스 기업의 생존 전략: '인력 공급자'에서 '솔루션 사업자'로
단순히 인력을 확보해 적기에 파견하는 '인력 공급자(Body Shop)' 모델은 종말을 고하고 있습니다. 국내 SI 기업들은 이제 기술적 가치를 정량적으로 증명해야 하는 '솔루션+서비스 사업자'로의 체질 개선을 강요받고 있습니다.
이를 위해 기업들은 다음과 같은 전략적 변화를 꾀해야 합니다.
수익 구조의 다변화: '개발자 수 × 단가' 공식에서 벗어나, '베이스 피(최소 고정비) + 성과 연동 가변 보수' 형태의 하이브리드 모델이나 사용량·가치 기반(Usage/Value-based) 가격 모델로 전환해야 합니다.
핵심 인재 역량의 재정의: 단순 코더가 아닌, AI가 생성한 결과물을 검증하고 조합하는 아키텍처 설계, 보안, 거버넌스 책임 역량을 갖춘 시니어급 엔지니어 확보가 필수적입니다.
자체 AI 플랫폼 확보: AI 솔루션을 통한 공기 단축과 품질 향상을 정량적으로 증명할 수 있는 독자적인 기술 자산을 보유해야 높은 마진을 확보할 수 있습니다.
피할 수 없는 줄다리기: '비용 절감' vs '기술료 인정'
AI 도입에 따른 생산성 향상분을 두고 발주처와 수행사 사이의 협상 주도권 싸움은 '구조적 진통'을 예고하고 있습니다.
발주처의 입장: "AI로 투입 공수가 줄었으니 단순 인건비를 삭감해야 한다."
수행사의 입장: "기술 투자와 리스크 감수에 대한 대가로 정당한 기술료와 성과 보수를 인정받아야 한다."
이 갈등이 단순한 단가 후려치기로 결론 난다면 국내 IT 생태계의 고도화는 정체될 것입니다. 특히 이미 성과 기반 계약에 익숙한 글로벌 벤더와 SaaS 기업들이 국내 시장에 본격 진입할 경우, 기존의 인건비 중심 모델에 안주한 토종 SI 업체들은 고사 위기에 처할 수 있습니다. 따라서 KPI 정의와 성과 측정 방식에 대한 합리적인 거버넌스 구축이 시급합니다.
IT 생태계의 대전환기, 가치의 척도를 바꿔야 한다
KB국민은행의 사례는 단순한 계약 조항의 변화를 넘어, IT 산업의 '돈 버는 방식'과 '일하는 방식'에 대한 거대한 선언입니다. 장기적으로 시장은 'AI를 잘 쓰는 고객(AI-savvy clients)'이 프로젝트를 더 잘게 쪼개고 정밀한 성과를 요구하는 방향으로 진화할 것입니다.
이제 '공수 투입 현황판'이 프로젝트의 성공을 증명하던 시대는 끝났습니다. 기술이 인간의 노동력을 직접 대체하고 효율성을 극한으로 끌어올리는 지금, 우리에게 남겨진 질문은 명확합니다.
AI가 인간의 노동 가치를 재정의하는 시대, 당신의 기술은 여전히 '시간'으로 측정됩니까, 아니면 '가치'로 측정됩니까?
중소 SI 개발사의 생존을 위협하는 구조적 리스크
자본과 기술력이 열세인 중소 SI 업체들은 AI 기반의 새로운 계약 질서 속에서 가장 먼저 도태될 위험에 처해 있습니다.
기존 모델에서 중소 SI는 인원 공급을 통해 마진을 확보했습니다. 그러나 AI 도입으로 생산성을 높여 빨리 끝낼수록 매출이 줄어드는 '맨먼스 함정'은 이들의 기술 투자 유인을 원천 차단합니다. 결국 기술 투자를 할수록 매출이 깎이는 역설적 구조는 중소 SI를 '저가 인력 공급'의 굴레에 더욱 가둡니다.
자체 AI 플랫폼과 데이터 운영 체계를 갖춘 대형 SI와 달리, 중소 업체는 대형사의 기술을 빌려 쓰거나 단순 실행만을 담당하게 됩니다. 이 과정에서 상위 사업자는 기술 레버리지를 통해 높은 마진을 가져가는 반면, 하위 업체는 처절한 가격 경쟁 압박에 내몰리며 '니치 도메인'이나 '특정 레거시 전문' 하청사로 전락할 가능성이 큽니다.
중소 SI가 직면한 3대 실존적 위협
수익 급감: AI 효율 향상이 기술료 보전 없이 단순 인건비 삭감으로 이어지는 관행 확산.
R&D 매몰 비용: AI 플랫폼 구축 및 전문 인력(MLOps 등) 확보를 위한 CapEx 부담 가중.
글로벌 벤더의 침공: 성과 기반 계약에 익숙한 글로벌 SaaS/AI 벤더와의 직접 경쟁 노출.
'인력 공급자'에서 '솔루션 사업자'로의 강제적 전환
AI가 코딩을 수행하는 시대에 SI 업체가 '사람의 시간'을 파는 행위는 더 이상 지속 가능하지 않습니다. 이제 중소 SI는 단순 코딩/테스트 공수를 파는 역할에서 벗어나, AI 결과물을 검토하고 아키텍처를 설계하며 고객의 비즈니스 문제를 해결하는 '도메인 컨설팅 사업자'로 강제적인 체질 개선을 단행해야 합니다.
제도적 개선: 기술 가치의 정당한 평가
정부와 업계는 AI 도입에 따른 효율 향상이 단순한 예산 삭감의 도구로 악용되지 않도록 가이드라인을 마련해야 합니다(이게 제일 어려울듯 ㅠㅠ).
정책 과제 및 자구책
표준 계약 조항 마련: AI 도입에 따른 절감액 중 일정 비율을 '기술료'로 보전하는 조항 표준화.
하이브리드 요금제 도입: 최소 고정비(Base Fee)와 성과 연동 보수를 결합하여 리스크 분산.
성과 산정 표준화: AI 기반 프로젝트의 품질 및 성과를 객관적으로 인증하는 지표 수립.
AI는 수십 년간 이어져 온 인건비 중심의 비효율적 생태계를 타파할 강력한 도구입니다. 그러나 준비되지 않은 자에게 이 변화는 퇴출의 신호탄이 될 것입니다. 지금의 위기를 기술 가치를 정당하게 평가받는 '가치 중심 모델'로 전환하는 마지막 기회로 삼아야 합니다. 체질 개선을 거부하는 기업에게 AI 시대의 IT 시장은 더 이상 자리를 허락하지 않을 것입니다.
