공공기관 AI 도입 입찰, 제안서에서 가장 많이 틀리는 부분

탈락하는 제안서는 대부분 기술이 모자라서가 아니라, 평가위원이 실제로 보는 지점을 놓쳐서 떨어진다. 공공기관 대상 AI 도입 제안서를 여러 차례 써보고 심사 자리에도 몇 번 앉아보면서 확인한 사실이다. 나도 처음엔 몰랐다. 최신 모델 이름 몇 개와 그럴듯한 아키텍처 다이어그램만 있으면 통과하는 줄 알았고, 그 착각은 몇 차례 고배를 마시고 나서야 깨졌다. 평가표라는 게 생각보다 훨씬 기계적으로 굴러간다는 걸 몸으로 배운 순간이었다.

배점표를 한 줄씩 다시 뜯어보자 ‘아, 여기서 깎였구나’ 싶은 지점들이 하나둘 보이기 시작했다. 이 글은 그 뒤로 여러 번의 입찰을 거치며 다시 확인한 감점 패턴을, 실제 겪은 사례까지 담아 정리한 것이다.

공공 AI 입찰 제안서의 기본 구조

배점표를 실제로 뜯어보면 결론은 하나다 — 기술 설명(수행 방안)은 전체 점수의 30~40% 안팎에 불과하고, 나머지 60% 이상은 사업 이해도·조직·관리·가격에 걸려 있다. 그런데 지원사 대부분은 정확히 반대로 움직인다. 공공 입찰 제안서는 보통 다음 다섯 축으로 배점이 나뉘는데^[1], 사업마다 비율은 조금씩 달라도 내가 실제로 받아본 배점표 몇 건에서는 이 구조가 그대로 반복됐다.

• 사업 이해도
• 수행 방안(기술 설명)
• 수행 조직·인력
• 사업관리 방안
• 가격

나도 처음엔 다르지 않았다. 기술 챕터를 20페이지 넘게 채우며 야근을 거듭했고, 이 정도면 충분하다고 생각했는데, 정작 사업 이해도 파트는 발표 전날 급하게 3페이지로 채운 게 전부였다. 조직·인력 파트도 팀원 이력서를 그대로 붙여넣은 수준이었고, 사업관리 방안은 일정표 이미지 하나로 끝냈다. 결과는 탈락이었다. 배점표를 미리 손에 쥐고도 페이지 배분은 순전히 감으로 했다는 게, 지금 생각하면 제일 어이없는 대목이다.

가장 많이 감점되는 항목

실제로 감점되는 이유는 결국 하나로 수렴했다 — 어느 사업에 갖다 붙여도 그대로 쓸 수 있는 문장이라는 것, 그 재활용 가능성 자체가 감점 사유였다. 구체적으로는 다음 세 가지 패턴이 반복됐다.

• 사업 이해도 — 발주기관 실제 현황(기존 시스템 구성·조직 구조·최근 3년 사업 이력) 대신 일반적 배경 설명만 기술
• 수행 인력 — 실제 유사 사업 경험 대신 자격증·학위 나열
• 사업관리 방안 — 일정표만 있고 리스크 대응 계획 누락

첫째 항목은 이 기관만의 맥락이 안 보이면 그대로 감점으로 이어졌다. 둘째 항목은 심사위원 입장에서 특히 눈에 띄는 감점 요인이다 — 자격증과 학위만 나열돼 있으면 이 사람이 실제 사업에서 어떤 역할을 했는지 전혀 가늠할 수 없기 때문이다. 셋째 항목은 AI 프로젝트 특성상 데이터 정제·라벨링 단계에서 일정이 밀리는 경우가 흔한데, 이 대응 계획이 없으면 그대로 감점 대상이 됐다.

실제로 떨어져본 경험에서 배운 것

기술 점수가 아무리 높아도 이해도·관리 점수가 낮으면 전체 순위는 그대로 밀린다 — 위에서 말한 ‘기술 챕터에 몰빵했던’ 제안서가 그 증거였다. 실제로 이런 식으로 발목이 잡힌 적이 있다. 수행 방안 점수 자체는 나쁘지 않았는데, 다음 두 항목에서 크게 깎였다.

• 사업 이해도: 배점 대비 크게 못 미치는 점수
• 사업관리 방안: 마찬가지로 배점 절반에도 못 미치는 점수

여러 차례 받아본 평가 코멘트를 종합하면 핵심은 하나였다 — 해당 기관의 특수성에 대한 이해가 부족하다는 것. 그때는 억울했다. 기술은 자신 있었으니까. 그런데 다시 제안서를 펼쳐보니, 기관 이름만 바꾸면 다른 사업에도 그대로 낼 수 있는 문서였다. 이 사실을 받아들이는 데는 시간이 좀 걸렸다. 밤새 공들인 파트에서 오히려 낮은 점수를 받고 억울했던 경험, 이 글을 읽는 분 중에도 있을 거다. 나도 그 결과를 한동안 인정하기 힘들었는데, 다음 입찰 때 이해도 파트에 이틀을 통째로 쏟고 나서야 그 코멘트의 뜻을 제대로 이해했다.

기술 역량보다 중요했던 것

결국 평가위원이 보는 건 하나였다 — 짧은 심사 시간(보통 제안서 한 건당 10~15분 안팎이다) 안에 ‘이 회사가 우리 상황을 제대로 이해하고 있는가’를 확인하는 것. 아무리 최신 모델과 파인튜닝 전략을 자세히 설명해도, 그게 발주기관의 실제 문제와 연결되지 않으면 점수로 이어지지 않았다. 반대로 기술 설명은 담백해도 그 기관의 특수한 제약(레거시 시스템 연동, 예산 집행 주기, 내부 결재 단계)을 정확히 짚은 제안서는 점수가 확실히 높았다.

그 뒤로 제안서를 쓰기 전에 나라장터 사업공고문과 사전규격 공개 자료부터 꼼꼼히 읽는다^[2]. 발주기관 홈페이지의 조직도와 최근 보도자료까지 훑는 것도 루틴이 됐다. 사전규격 의견 조회 답변만 잘 읽어도 발주기관이 실제로 걱정하는 지점의 절반은 보인다. 홈페이지 공지사항만 보고 끝내던 예전 방식으로는 이 정도 디테일이 나오지 않았다 — 사전규격 의견 조회를 챙기느냐 안 챙기느냐가 이해도 점수를 체감상 가장 크게 갈랐다.

다음 제안서에 적용할 체크리스트

지금은 순서 자체를 바꿔서 제안서를 쓴다 — 기술 역량을 줄이자는 게 아니라, 이해도와 관리 방안을 먼저 두툼하게 채우고 기술 설명은 그다음에 놓는다는 뜻이다. 실제로 다음 항목들을 체크리스트로 삼는다.

• 사전 조사 — 발주기관 최근 3년 사업 이력·기존 시스템 현황 (최소 2일)
• 이해도 파트 — 해당 기관 전용 신규 작성, 타 사업 문구 재사용 금지
• 인력 소개 — 스펙 나열 대신 유사 사업 실제 역할·문제 해결 경험 중심
• 리스크 대응 계획 — 별도 페이지, 데이터 정합성·정제 지연 등 AI 프로젝트 특유 리스크 명시
• 제출 전 점검 — 배점표 대비 페이지 수·배점 비율 대조
• 교차 검토 — 이해도 파트와 기술 파트를 서로 다른 사람이 맞바꿔 리뷰

다음 입찰의 목표는 하나다 — 적어도 ‘이 기관만의 맥락을 놓쳤다’는 코멘트는 다시 받지 않는 것.

관련 글

• 지자체 AI 사업 발주, 중앙정부와 다른 점