[6월9일 IT뉴스] AI사업 대가산정 SNAP 도입 검토, 개인정보 기술R&D 로드맵

타이틀을 '검색' 하시면 원문 기사 확인이 가능 합니다.

2026년  6월 7일(일) 주요  IT 뉴스

---

 

인공지능 대가 산정에 '비기능 측정 표준 ' 접목..SNAP 검토

SNAP 도입 검토, AI 대가 산정

정부와 SW 업계가 인공지능 사업 대가산정 체계 개편에 본격 착수했다.

기존 기능점수(FP) 방식의 한계를 보완하기 위해 국제 표준인 SNAP 도입 가능성을 검토한다.

 

■ 기사 핵심 요약

– 과기정통부·KOSA, SNAP 국내 도입 연구 착수

– 인공지능 사업 특성상 기존 FP 방식 적용 한계 존재

– 기술 난이도·품질·데이터 학습 비용 등 반영 추진

– 인공지능 사업 맞춤형 새로운 대가산정 체계 마련 시도

 

■ 기사 주요 내용 정리

◎ 추진 배경

○ 기존 FP 방식 한계

– FP(Function Point)는 기능 중심 규모 산정 방식

– 화면 수, 데이터 수 등 가시적 기능 위주 측정

– 인공지능 사업의 반복 학습·검증 과정 반영 어려움

→ 프로젝트 비용 산정 왜곡 발생

 

○ 인공지능 사업 특성

– 데이터 학습과 피드백 반복 수행

– 목표 성능 달성까지 검증 횟수 예측 어려움

– 사업 범위와 난이도 변동성 높음

→ 전통적 SW 사업과 구조적 차이 존재

 

◎ SNAP 개요

○ SNAP 정의 : Software Non-functional Assessment Process

– IFPUG(국제기능점수사용자그룹) 표준

– 비기능 요구사항 측정 방법론

→ 기능 외 요소를 정량화하는 평가 체계

 

○ 측정 대상

– 기술 난이도

– 개발 환경 복잡성

– 품질 요구사항

– 운영·유지보수 특성

→ 눈에 보이지 않는 비용 요소 반영 가능

 

◎ 인공지능 사업 적용 필요성

○ 숨겨진 비용 반영

– 데이터 정제(Data Cleansing)

– 벡터DB 구축

– 인공지능 모델 검증 및 평가

– 할루시네이션 대응

→ AI 사업 핵심 작업의 비용 반영 가능

 

○ 고급 인력 투입 증가

– AI 결과 검증 인력 필요

– 모델 품질 관리 및 튜닝 수행

– 일반 SW 사업 대비 검증 부담 증가

→ 실제 현장 비용과 대가기준 간 괴리 발생

 

◎ 기대 효과

– AI 사업 불확실성 비용 반영

– 데이터 학습 및 검증 작업 제도권 편입

– 발주기관·수행기관 간 산정 기준 명확화

→ 합리적 AI 사업 대가 체계 구축 기반 마련

 

◎ 향후 과제

– 단발성 연구만으로는 한계 존재

– 국내 AI 사업 데이터 지속 축적 필요

– 시장 변화에 맞춘 후속 연구 및 제도 보완 필요

→ AI 산업에 적합한 표준 체계 지속 발전 필요

 

◎ FP 방식과 SANP 방식 비교

FP 방식 vs SNAP 방식

→ 향후 FP + SNAP 결합 모델이 국내 인공지능 사업 대가산정의 유력한 방향으로 평가됨.

 

[SANP 내용 참조]

SNAP 기반 측정 절차

대표사진 삭제

AI 활용 설정

사진 설명을 입력하세요.

- FP : 범위/경계 정의 → 기능유형 5개 식별 → 각 기능유형별 복잡도 식별 → 기능규모 합산 ­

- SNAP : 기술 요구사항과 서브카테고리 매핑 → 서브카테고리 측정 규칙 적용 → 기술규모 합산

 

SNAP 측정 카테고리

대분류	서브 카테고리	핵심 의미
1. Data Operations (데이터 처리)	1.1 Data Entry Validation (데이터 입력 검증)	입력 데이터의 형식, 범위, 필수값 등 검증
	1.2 Logical and Mathematical Operations (논리·수학 연산)	조건 판단, 계산, 논리 연산 처리
	1.3 Data Formatting (데이터 포맷팅)	표시 형식, 변환, 정렬, 포맷 적용
	1.4 Internal Data Movements (내부 데이터 이동)	시스템 내부 이동, 임시 저장, 내부 처리
	1.5 Delivering Added Value to Users by Data Configuration (데이터 구성 기반 부가가치 제공)	구성·가공을 통해 사용자에게 부가가치 제공
2. Interface Design (인터페이스 설계)	2.1 User Interfaces (사용자 인터페이스)	화면, 입력창, 메뉴 등 사용자 인터페이스
	2.2 Help Methods (도움말 방식)	도움말, 가이드, 오류 메시지, 사용자 안내
	2.3 Multiple Input Methods (다중 입력 방식)	키보드, 마우스, 터치, 음성 등 다양한 입력 방식
	2.4 Multiple Output Methods (다중 출력 방식)	화면, 파일, 알림, 리포트 등 다양한 출력 방식
3. Technical Environment (기술 환경)	3.1 Multiple Platforms (다중 플랫폼)	여러 OS, 브라우저, 디바이스, 실행 환경 지원
	3.2 Database Technology (데이터베이스 기술)	DBMS, 저장소, 질의 처리, 접근 기술
	3.3 Batch Processes (배치 프로세스)	배치 처리, 예약 작업, 대량 데이터 처리
4. Architecture (아키텍처)	4.1 Component Based Software (컴포넌트 기반 소프트웨어)	컴포넌트 기반 설계, 모듈화, 재사용 구조
	4.2 Multiple Input / Output Interfaces (다중 입출력 인터페이스)	외부 시스템, API, 파일, 메시지 등 다중 입출력 인터페이스

---

 

"개인정보 전주기 보호"...개보위, 기술R&D 로드맵 발표

개인정보보호위원회가 인공지능 시대에 대응하기 위한 전주기 보호·활용 기술 로드맵(2026~2030)을 공개했다.

 

■ 기사 핵심 요약

– 개인정보위, R&D·표준화 로드맵 통합 발표

– 인공지능 대응 기술 포함 4대 분야·11대 핵심기술 선정

– 에이전틱·피지컬 AI 환경의 보호 기술 강화

– 전문인력 양성 로드맵(2026~2035) 최초 수립

 

■ 기사 주요 내용 정리

◎ 로드맵 개요

○ 추진 배경

– 기존 R&D 로드맵과 표준화 로드맵 통합

– 인공지능 확산에 따른 개인정보 위험 증가 대응

– 연구개발과 표준화 연계 강화 목적

→ 개인정보 생태계 체계적 구축 추진

 

○ 적용 범위

– 개인정보 생성

– 수집 및 저장

– 활용 및 공유

– 파기 및 폐기

→ 생애주기 전 영역 대상

 

◎ 4대 전략 분야

4대 전략 분야

◎ 4대 전략 분야별 11대 핵심기술 주요 내용

개인정보 11대 핵심 기술

◎ 추가 추진 사항 : PET 및 AI-PET 확대

○ PET(Privacy Enhancing Technology)

– 가명처리

– 익명화

– 합성데이터

– 동형암호

→ 보호 강화 기술군

 

○ AI-PET

– 인공지능과 PET 융합 기술

– 개인정보 활용성과 보호 동시 확보

→ 차세대 개인정보 기술 영역 부상

 

◎ 추가 추진 사항 : 전문인력 양성 전략(신규)

○ 개인정보 전문인력 양성 로드맵(2026~2035) 수립

– 개인정보 보호 전문가

– 개인정보 활용 전문가

– 침해사고 대응 전문가

– 인공지능 프라이버시 전문가

→ 향후 10년 인재 확보 전략 마련

---

7월 기술사 학습 전략 설명회

IT 기술사 학습 설명회(7월 11일, 토) AI시대, 생존 전략! (무료, 온/오프라인 진행)

IT 기술사 학습 설명회(7월 11일, 토) AI시대, 생존 전략! (무료, 온/오프라인 진행)

 

기술사 합격 후기 

20개월의 반복이 만든 132회 윤정아PE

장수생 탈출! 멘토링을 믿은 결과! 137회 최현종PE

웃음 뒤에 숨은 집념! 137회 강준영 PE

'1점'차 극복 전략, 135회 김지현 PE

 

최근 IT 컬럼 

엔트로픽 '미토스' 보안 패러다임의 변화! AI가 취약점 탐지부터 공격까지?

TurboQuant 분석: 구글이 LLM 메모리 병목을 해결하는 혁신적 방법!

 

IT 기술사 준비 방법

#1 기술사 학습 준비 방법(준비 단계,동기부여,개인 여건,합격후기,학원선정 등)