AI 벤더 선정 기준 7가지와 계약서 필수 조항: 규제산업 실무 체크리스트

회의실에 견적서 세 장이 놓여 있다.

기능표는 세 벤더 모두 체크 표시로 가득하고, 데모 영상은 하나같이 매끄러웠습니다. 그런데 법무팀이 보낸 회신 한 줄에서 흐름이 멈춥니다. “학습 데이터 재사용 조항과 사고 시 책임 한도를 확인해 주세요.” 그 순간 비교표는 쓸모를 잃습니다. 규제산업의 AI 솔루션 벤더 선정 기준은 기능 항목이 아니라 그 회신 한 줄에서 시작되기 때문입니다.

이 글을 처음부터 끝까지 읽지 않아도 괜찮습니다. 스코어카드와 RFP 질문지, 계약 조항 체크리스트가 지금 당장 필요하다면 실무 자료 모음에서 템플릿부터 받아 가시는 편이 빠릅니다.

핵심 요약

• AI 솔루션 벤더 선정 기준은 기능 비교가 아닌 전략 정렬·보안/컴플라이언스·TCO·구현 용이성·책임 소재 5축의 가중치 평가
• 규제산업의 협상 불가 4항목 — SOC 2 Type 2, 데이터 저장 리전, 학습 데이터 재사용 금지, 런타임·에이전트 실행 통제
• 표준 SaaS 계약서로 커버되지 않는 AI 특화 조항 — 환각·오작동 책임 한도, 모델 변경 통지, 감사권, 재위탁 통제, 출구 전략
• 본문 수록 자산 — 100점 만점 가중치 스코어카드, RFP 질문 42개, 계약 조항 18항목 체크리스트

많은 팀이 벤더 3~4곳을 불러 데모를 보고, 기능 비교표를 만든 뒤 가격으로 결정합니다. 문제는 그 표가 감사에서 아무 역할도 못 한다는 점입니다. 규제산업에서 AI 솔루션 벤더 선정 기준이 무너지는 지점은 성능이 아니라 사고 이후의 책임 배분입니다.

이 글은 벤더를 고르는 관점을 바꾸는 데 목적이 있습니다. 좋은 기술을 고르는 일이 아니라, 사고가 났을 때 책임을 나눌 수 있는 상대를 고르는 일입니다. 그 결론은 데모룸이 아니라 가중치 스코어카드와 계약서 조항에서 나옵니다.

근거로는 Gartner의 벤더 평가 관점, CSO 2025 보안 우선순위 조사에서 드러난 CISO들의 판단 기준, Microsoft·Google·IBM 같은 전사 AI 벤더와 Cisco·CrowdStrike·Palo Alto Networks·SentinelOne 등 AI 보안 벤더의 공개 조건을 놓고 정리했습니다. 여기에 규제산업 실무자 교육에서 반복해 들었던 질문을 겹쳐 읽었습니다.

읽고 나면 후보 벤더를 100점 척도로 정량 비교하고, RFP 단계에서 물어야 할 질문과 계약서에 반드시 남겨야 할 문장을 직접 설계할 수 있습니다. 조직의 현재 준비 수준부터 확인하고 싶다면 AI 활용 성숙도 단계를 먼저 보는 편이 순서가 맞습니다.

왜 데모에서 만족한 AI 벤더가 6개월 뒤 문제가 될까요?

데모 화면은 대체로 훌륭합니다. 문제는 그 화면이 우리 데이터로 돌아가는 게 아니라는 점입니다.

파일럿까지는 잘 굴러갑니다. 그런데 전사 확산 단계에서 갑자기 멈추는 조직이 많습니다. 기능이 부족해서가 아니라, 계약서와 보안 검토가 그제서야 시작되기 때문입니다.

여기엔 익숙한 구조가 하나 있습니다. 리더십은 “우리는 이미 AI를 도입했다”고 인식하는데, 현장에서는 소수만 제한적으로 쓰고 있는 상태. 그 간극이 벤더 평가를 낙관적으로 만듭니다.

기능은 통과했는데 컴플라이언스에서 막히는 3가지 지점

실무에서 반복적으로 터지는 지점은 대개 계약서 안에 있습니다.

• 데이터 학습 재사용 조항 미확인 — 입력 데이터를 모델 개선에 쓰지 않는다는 문구가 기본 약관이 아니라 상위 요금제에만 붙어 있는 경우가 있습니다.
• 모델 교체 통지 부재 — 벤더가 기반 모델을 바꿔도 통지 의무가 없으면, 어제까지 검증된 출력 품질이 하루아침에 달라집니다.
• 재위탁(서브프로세서) 미공개 — 벤더 뒤에 어떤 클라우드와 어떤 하위 업체가 붙어 있는지 목록이 없으면, 개인정보 처리 위탁 고지 자체가 불완전해집니다.

세 가지 모두 데모에서는 절대 드러나지 않습니다. 계약 문서를 열어야 보입니다.

규제산업 벤더 선정이 일반 기업과 다른 이유

일반 기업은 벤더가 사고를 내면 벤더에게 책임을 묻습니다. 규제산업은 다릅니다. 감독기관 앞에 서는 건 벤더가 아니라 우리 회사입니다.

이 책임의 비대칭이 AI 솔루션 벤더 선정 기준을 통째로 바꿉니다. “좋은 제품인가”가 아니라 “사고가 났을 때 우리가 소명할 자료를 이 벤더가 주는가”가 질문이 됩니다.

한 제약사 사업부에서 교육을 진행했을 때, 요청사항 첫 줄이 “민감정보를 AI에 입력하지 않도록 당부하며 시작해달라”였습니다. 이미 부서용 앱까지 만들어 쓰는 팀이었는데도 그랬습니다. 규제산업의 리스크 평가는 도구 이전에 입력과 출처에서 시작합니다.

여기에 벤더 락인 문제가 겹칩니다. 데이터 반출 형식과 모델 종속을 미리 못 박지 않으면, 2년 뒤 갈아타는 비용이 도입 비용을 넘습니다. AI 거버넌스는 결국 이 ‘나갈 수 있는 문’을 계약에 남겨두는 일입니다.

이 글은 세 가지 산출물로 그 문을 만드는 방법을 다룹니다. 가중치 스코어카드, RFP 질문지, 계약 조항 체크리스트. 도입 전체 흐름에서 벤더 선정이 어디에 놓이는지는 규제산업 AI 도입 로드맵에서 다루고, 여기서는 그 한 단계만 깊게 파고듭니다. 조직 현황 파악이 먼저라면 AI 성숙도 자가진단으로 병목부터 확인하는 편이 빠릅니다.

AI 벤더, 어떤 기준으로 점수를 매겨야 하나요? 5축 평가 프레임

비교표를 만들다 보면 항목이 40개로 불어납니다. 그러면 아무도 결론을 못 냅니다.

축은 다섯 개면 충분합니다. 전략 정렬과 비즈니스 가치, 기술·제품 혁신성, 보안·컴플라이언스, 총소유비용(TCO), 구현 용이성과 도입 소요 기간.

세부 질문 40개는 이 다섯 축 아래로 접어 넣습니다. 논의가 흩어지지 않는 이유가 여기 있습니다.

전략적 목표 정렬과 비즈니스 가치(ROI) 측정법

가장 흔한 실수는 ROI를 ‘정확도 향상 몇 %’로 잡는 것입니다. 재무팀은 그 숫자를 읽지 못합니다.

산식은 이렇게 씁니다. (건당 검토 시간 절감 × 월 처리 건수 × 시간당 인건비) − 검증·감수 비용. 규제산업에서 뒤의 검증 비용을 빼지 않은 ROI는 거의 항상 과대계상입니다.

예를 들어 건당 20분을 절감하고 월 600건을 처리하며 시간당 인건비가 4만 원이면 월 800만 원입니다. 여기서 사람이 다시 확인하는 데 드는 시간을 빼야 실제 값이 남습니다.

이 숫자는 책상에서 나오지 않습니다. 파일럿 구간에서 실측해야 하고, 측정 지표 설계는 AI 교육 효과 측정 방식과 구조가 같습니다.

제품 혁신성·업력·벤더 평판을 검증하는 방법

Gartner Magic Quadrant는 유용합니다. 다만 그것은 글로벌 시장 평균의 지도이지 우리 회사의 지도는 아닙니다.

애널리스트 자료는 ‘후보군을 만드는 데’까지만 씁니다. 가트너가 꼽은 AI 경쟁 유력 벤더 같은 자료로 Microsoft, Google, IBM 같은 이름을 리스트에 올린 뒤, 우리 업무 시나리오로 다시 점수를 매기는 순서입니다. CSO 2025 보안 우선순위 조사처럼 보안 담당자 인식을 담은 자료도 같은 방식으로 씁니다. 우선순위의 근거로 쓰되, 순위 자체를 결론으로 옮기지는 않습니다.

보안 영역은 후보군의 성격이 또 다릅니다. Cisco, CrowdStrike, Cloudflare, Palo Alto Networks, SentinelOne처럼 카테고리 강자가 따로 형성돼 있어서, 전사 AI 플랫폼과 같은 표에 올리면 비교가 왜곡됩니다.

업력과 평판은 ‘존속 리스크’로 환산해 봅니다. 창업 3년 차 벤더의 기능이 더 좋을 수 있지만, 그 회사가 사라졌을 때 우리 데이터와 모델이 어떻게 되는지가 문제입니다.

그래서 신생 벤더는 감점하는 대신 소스코드·데이터 에스크로 조항을 조건으로 겁니다. 계약 조항으로 리스크를 상쇄하는 방식이고, 뒤의 계약 체크리스트에서 다시 다룹니다.

가중치는 산업에 따라 달라집니다. 일반 기업이라면 기술 성능을 올리고, 금융·의료·제약이라면 보안·컴플라이언스 축을 올립니다. 감독기관 앞에 서는 쪽이 우리이기 때문입니다.

어느 축을 올릴지 판단이 서지 않는다면, 조직의 현재 단계를 먼저 보는 편이 낫습니다. AI 활용 성숙도 단계에 따라 필요한 벤더의 성격 자체가 달라집니다.

가중치 스코어카드로 후보 3곳을 정량 비교하는 법 (100점 템플릿)

“저 벤더가 느낌이 좋았다”는 말로 회의가 끝나는 경우가 있습니다. 그 문장은 나중에 아무도 책임지지 못합니다.

점수표는 벤더를 줄 세우려고 만드는 게 아닙니다. 왜 그 벤더를 골랐는지 6개월 뒤에도 설명할 수 있게 만드는 기록입니다.

항목별 가중치와 배점 기준표

평가 항목	배점	5점 기준	3점 기준
전략 정렬	20	우리 핵심 업무 시나리오 2개 이상을 레퍼런스로 보유	동종 업계 사례는 있으나 업무 시나리오는 불일치
보안·컴플라이언스	25	SOC 2 Type 2 + 국내 리전 + 서브프로세서 목록 공개	인증은 보유, 서브프로세서 공개는 요청 시에만
기술 성능	20	자사 데이터 벤치마크에서 목표 정확도 충족, 모델 교체 통지 조항 수용	공개 벤치마크만 제시
총소유비용(TCO)	15	3년 비용 구조와 증설 단가를 문서로 확정	1년 견적만 제시, 초과 사용료 미확정
구현 용이성	10	기존 시스템 연동 API 제공, 8주 내 통합성 검증 가능	연동 가능하나 별도 개발 필요
지원·로드맵	10	한국어 기술지원 + 분기 로드맵 공유 + 확장성 계획 명시	영문 티켓 대응만 가능

1점은 ‘해당 없음’, 5점은 ‘문서로 증빙됨’입니다. 구두 답변은 최대 3점까지만 줍니다.

탈락 기준(Knock-out) 설정과 점수 해석법

총점보다 먼저 걸러야 할 항목이 있습니다. 점수와 무관하게 탈락시키는 조건입니다.

1. SOC 2 Type 2 미보유 (Type 1만으로는 운영 통제 검증이 안 됩니다)
2. 국내 리전 또는 국내 데이터 보관 옵션 미제공
3. 학습 데이터 재사용 거부를 계약서에 명문화할 수 없음

이 셋은 협상 대상이 아닙니다. 여기서 걸리는 벤더는 아무리 총점이 높아도 컴플라이언스 단계에서 되돌아옵니다.

동점이 나오면 순서를 정해둡니다. 보안 점수 → TCO → 구현 용이성 순으로 봅니다. 규제산업의 우선순위를 그대로 반영한 순서입니다.

채점은 최소 3인이 독립적으로 합니다. IT·현업·보안 담당이 각각 매기고, 항목별 편차가 2점 이상이면 그 항목만 다시 논의합니다. 평균을 내기 전에 이유를 맞추는 절차입니다.

가상 시나리오로 보면 이렇습니다. A사 82점(전 항목 균등), B사 88점이지만 국내 리전 미제공으로 탈락, C사 76점이나 보안 축 만점. 규제산업이라면 A와 C의 2파전으로 좁혀집니다.

점수가 높다고 계약이 끝나는 건 아닙니다. 스코어카드를 통과한 벤더는 다음으로 컴플라이언스 검토와 계약 조항 협상을 거칩니다. 그 과정에서 필요한 가중치 스코어카드와 RFP 질문지 템플릿은 본문 하단 자료로 함께 받을 수 있고, 사내 서식이 따로 있다면 항목 구조만 가져다 쓰는 편이 빠릅니다.

내부 승인 절차가 걱정된다면 AI 교육 품의서 작성에서 다룬 항목 구조가 벤더 도입 품의에도 그대로 적용됩니다. 결재선이 보는 것은 총점이 아니라 탈락 기준의 존재 여부입니다.

AI 벤더 보안 실사, 무엇을 어디까지 확인해야 하나요?

보안 실사는 대개 정보보호팀 몫으로 넘어갑니다. 그런데 무엇을 물을지 정하는 건 결국 도입 담당자입니다.

AI 벤더 보안 실사는 일반 SaaS 실사와 절반쯤 겹칩니다. 나머지 절반이 AI 때문에 새로 생긴 영역이고, 여기서 사고가 납니다.

문서로 확인할 것: SOC 2, ISO 27001, 침해사고 이력, 서브프로세서 목록

구두 답변은 실사가 아닙니다. 아래 12개는 문서나 서면 회신으로 받아 보관하는 항목입니다.

• SOC 2 Type 2 보고서 원본 — 감사 대상 기간과 발행일(12개월 이내인지)
• ISO 27001 인증서 유효기간과 적용 범위(전사인지, 특정 서비스만인지)
• 최근 3년 침해사고·장기 중단 이력과 사후 조치 보고서
• 서브프로세서 전체 목록, 그리고 변경 시 사전 통지 절차
• 데이터 저장 리전과 장애 시 해외 리전 전환 가능성
• 전송·저장 구간 암호화 방식, 암호키 관리 주체(고객 관리 키 지원 여부)
• 벤더 직원이 고객 데이터에 접근하는 조건과 접근 기록 제공 방식
• 로그 보존기간, 고객이 직접 내려받을 수 있는지
• 침해 인지 후 서면 통지까지의 SLA(24시간인지 72시간인지)
• 프롬프트·출력 로그의 보관 기간·저장 위치·삭제 요청 처리 기한
• 입력 데이터의 모델 학습 재사용 여부와 옵트아웃의 계약 명시 여부
• 모델 호스팅 주체 — 벤더 자체 운영인지, 제3자 모델 API 재판매인지

뒤쪽 세 항목이 AI 특화 구간입니다. 앞의 아홉 개가 완벽해도 여기서 막히면 규제산업에서는 도입 자체가 어렵습니다.

한 제약사 사업부 강의를 앞두고 받은 첫 요청은 “민감정보를 AI에 넣지 말라는 당부로 시작해달라”였습니다. 제약사다운 첫 문장이었습니다.

2026년에 새로 붙는 축은 런타임입니다. 에이전트가 사내 시스템에 쓰기 권한을 갖는 순간, 리스크는 데이터 유출에서 ‘실행’으로 바뀝니다.

정적인 질문지로는 이 부분이 잡히지 않습니다. 도구 호출 범위, 승인 없이 실행 가능한 작업 목록, 실행 로그의 되감기 가능 여부를 별도로 물어야 합니다. 기존 벤더 질문지에 빠진 런타임 질문 정리가 참고가 됩니다.

온프레미스·프라이빗 클라우드·퍼블릭 SaaS 비교와 선택 기준

구분	비용	보안 통제권	모델 업데이트 속도	규제 대응 난이도
온프레미스	초기 투자 큼, 운영 인건비 지속	전면 보유	느림(수동 갱신)	설명은 쉬움, 유지 부담 큼
프라이빗 클라우드	중간, 예측 가능	대부분 보유	중간	리전·격리 근거 제시 용이
퍼블릭 SaaS	낮은 진입, 사용량 변동	제한적	빠름	재위탁·리전 소명 부담

정답은 없습니다. 내부에 운영 인력이 없는 조직이 온프레미스를 고르면, 보안을 얻고 최신 모델을 잃습니다.

한 가지 구분은 짚고 가는 편이 좋습니다. Cloudflare, Palo Alto Networks, CrowdStrike, SentinelOne 같은 이름은 AI 솔루션 벤더가 아니라 그 앞단과 엔드포인트를 지키는 보안 계층입니다.

CSO 2025 보안 우선순위 조사에서도 AI 도입과 보안 투자는 별개 항목으로 잡힙니다. AI 벤더 계약서에 보안 계층까지 묶어 넣으려 하면 책임 경계가 흐려집니다. 조직의 현재 통제 수준이 애매하다면 AI 성숙도 자가진단 체크리스트로 데이터·거버넌스 영역 점수부터 확인하는 편이 빠릅니다.

카테고리별 주요 AI 벤더 지형: 어디에 무엇을 물어봐야 하나요?

후보 리스트를 만들 때 가장 흔한 실수가 있습니다. 성격이 다른 벤더를 한 표에 올려놓고 점수를 매기는 것입니다.

전사 플랫폼과 업무 자동화 도구는 애초에 같은 질문으로 평가할 수 없습니다. 먼저 카테고리를 나누고, 카테고리 안에서만 비교하는 것이 순서입니다.

4개 카테고리와 각각에 던져야 할 질문

카테고리	대표 벤더	주의점	핵심 질문 1개
전사 AI 플랫폼	Microsoft, Google, IBM	기존 오피스·클라우드 스택과 묶이며 락인 강도 높음	계약 종료 시 프롬프트·산출물 데이터를 어떤 형식으로 반환하나
AI 보안	CrowdStrike, Palo Alto Networks, SentinelOne, Cloudflare	AI 기능과 기존 보안 제품의 경계가 마케팅상 모호	AI 판단의 오탐을 사람이 되돌릴 수 있는 절차가 있나
인프라·네트워크	Cisco	도입 주기가 길고 타 부서(인프라팀) 예산과 얽힘	국내 리전과 폐쇄망 구성에서 동일 성능이 보장되나
업무 자동화	ServiceNow, SS&C Blue Prism	프로세스 표준화가 안 된 조직에서는 효과가 반감	기존 워크플로 변경 없이 붙는 범위가 어디까지인가

통합이냐 조합이냐도 같이 정해집니다. 내부 IT 인력이 소수라면 단일 벤더 통합이 현실적이고, 전담 인력이 있다면 베스트 오브 브리드가 협상력을 만듭니다.

가트너 매직 쿼드런트는 여기서 자주 오독됩니다. 리더 사분면은 ‘시장에서 강하다’는 뜻이지 ‘우리 규제 요건에 맞다’는 뜻이 아닙니다.

규제산업 레퍼런스가 있는 니치 플레이어가 더 나은 경우가 실제로 있습니다. 주요 IT 벤더의 생성형 AI 솔루션 비교처럼 기능 지형만 참고하고, 순위는 자사 스코어카드로 다시 계산하는 편이 안전합니다.

국내 SI·솔루션사를 함께 검토한다면 비교 축이 셋 늘어납니다. 한국어 처리 품질, 감독기관 자료 제출 지원 경험, 그리고 계약서 준거법과 분쟁 관할입니다.

글로벌 벤더 계약서가 해외 준거법이면, 사고가 났을 때 소명 시계가 다르게 흐릅니다. 조직 단계별로 어느 카테고리부터 손대야 하는지는 AI 활용 성숙도 5단계 기준으로 나눠 보면 정리가 됩니다.

AI 도입 RFP에는 어떤 질문을 넣어야 하나요? (복사용 질문지)

RFP를 처음 써 보면 질문이 다 비슷해집니다. 그리고 답변도 다 비슷하게 옵니다.

서술형으로 물으면 마케팅 문구가 돌아오기 때문입니다. AI 도입 RFP 작성의 핵심은 예·아니오로 답할 수밖에 없는 문장을 만드는 데 있습니다.

6개 영역 42개 질문의 구성

영역은 여섯으로 나눕니다. ①모델·성능 ②데이터 처리 ③보안·인증 ④통합·확장성 ⑤가격·TCO ⑥지원·로드맵, 영역당 7문항이면 42개가 됩니다.

그중 회피가 불가능한 문장은 이런 형태입니다.

• 모델 버전 변경 시 최소 30일 전 서면 통지를 계약서에 명시할 수 있습니까? (예/아니오)
• 제시한 벤치마크를 당사 데이터로 동일 조건에서 재현해 보일 수 있습니까?
• 현재 서브프로세서 전체 목록을 계약 부속서로 첨부할 수 있습니까?
• 서비스 종료 시 데이터를 어떤 파일 형식으로, 며칠 안에 반환합니까?
• 입력 데이터의 모델 학습 재사용을 계약상 금지할 수 있습니까?
• 국내 리전에서만 데이터를 저장·처리한다고 보증할 수 있습니까?
• 침해 인지 후 24시간 내 서면 통지 조항을 수용할 수 있습니까?
• AI 산출물로 인한 제3자 권리 침해 시 벤더가 방어 비용을 부담합니까?
• SLA 미달 시 요금 감면이 자동 적용됩니까, 고객이 청구해야 합니까?
• 도입 소요 기간을 계약상 지연배상 대상으로 삼을 수 있습니까?

답변을 받은 뒤 검증하는 3단계

서면 답변은 시작일 뿐입니다. 실증에서 같은 조건으로 재현되는지 보고, 마지막에 레퍼런스 콜로 확인합니다.

레퍼런스 콜에서는 세 가지만 물으면 충분합니다. 실제 도입 소요 기간, 장애가 났을 때 벤더가 실제로 한 행동, 그리고 재계약할 의사가 있는지입니다.

일정은 이 정도가 무리 없습니다. 공고 2주 → 답변 3주 → 실증 4주 → 최종 협상 3주, 합쳐 12주입니다. 실증 4주는 파일럿 설계와 붙여 놓으면 낭비가 없습니다.

결재하는 쪽에 앉아 품의서를 승인하고 반려해 본 입장에서 보면, 반려 사유의 상당수는 기술이 아니라 ‘왜 이 벤더인지’가 서면으로 남아 있지 않아서였습니다. RFP 답변서는 그 근거 문서 역할을 합니다.

질문지를 처음부터 만들 여유가 없다면, 위 6개 영역 구조를 사내 서식에 얹는 것으로 시작해도 됩니다. 벤더 비교 관점 자체가 낯설다면 기업 AI 교육 업체 비교 9가지 기준이 같은 논리를 더 작은 규모에서 보여줍니다.

도입 후 무엇으로 성공을 판정할지는 RFP 단계에서 이미 정해집니다. 지표 설계는 AI 교육 효과 측정 지표 쪽 계산식을 그대로 옮겨 쓸 수 있습니다.

계약서에 이 조항이 없으면 사고 났을 때 우리 책임이 됩니다

계약서는 보통 법무팀 몫이라고 생각합니다. 그런데 AI 계약은 조금 다릅니다.

모델이 무엇을 학습하는지, 출력물을 누가 책임지는지는 법무팀이 아니라 현업이 아는 영역이기 때문입니다. 실무팀이 항목을 짚어주지 않으면 표준 SaaS 문구가 그대로 통과됩니다.

그리고 사고가 나면, 감독기관은 벤더가 아니라 우리 회사에 소명을 요구합니다.

AI 특화 필수 조항 18개 체크리스트

아래는 규제산업 계약 검토에서 빠지면 곤란한 항목입니다. 하나씩 ‘있음/없음/협상 중’으로 표시하면 그대로 법무 요청서가 됩니다.

• 입력 데이터의 소유권 명시와 학습·재학습 재사용 금지 조항
• 출력물(생성 결과)의 저작권·사용권 귀속 주체
• 환각·오작동으로 인한 손해의 책임 분담 기준
• 배상 한도 — 연 계약액의 몇 배인지, 상한 제외 사유가 있는지
• 제3자 지식재산권 침해 시 벤더의 면책·방어 의무
• 기반 모델 변경·버전 중단 시 사전 통지 기간(최소 90일 권고)
• 성능·가용성 SLA와 미달 시 서비스 크레딧 산정식
• 감사권 범위와 실사 주기(연 1회 문서 감사 + 사고 시 즉시)
• 서브프로세서 사전 승인 및 전체 목록 갱신 통지
• 침해사고 통지 시한(인지 후 24~72시간 내 서면)
• 규제기관 조사·검사 시 자료 제출 협조 의무
• 계약 종료 시 데이터 반환 형식과 삭제 완료 증명서 발급
• 소스코드·모델 가중치 에스크로(스타트업 벤더 필수)
• 준거법과 분쟁 관할 — 한국법·국내 관할 여부
• 재판매·재위탁 제한과 위반 시 해지 사유화
• 갱신 시 가격 인상 상한(예: 전년 대비 일정 비율 이내)
• 중대한 위반 시 즉시 해지권과 위약금 면제 조건
• 출구 전환 지원 기간과 전환 인력·비용 부담 주체

표준 SaaS 계약서가 못 덮는 지점은 크게 세 가지입니다. 모델 교체, 출력물 책임, 그리고 에이전트의 실행 권한입니다.

특히 마지막이 새롭습니다. 에이전트가 사내 시스템에 쓰기 권한을 갖는 순간, 계약은 ‘데이터를 맡기는 문서’에서 ‘행위를 위임하는 문서’로 성격이 바뀝니다. 런타임 단계의 통제와 로그를 다루는 AI 벤더 리스크 평가의 런타임 질문 정리가 참고가 됩니다.

책임 소재와 배상 한도, 어디까지 협상 가능한가

현실을 먼저 말하면, 대형 벤더의 배상 한도 상향은 거의 열리지 않습니다. 표준 약관을 고객사별로 바꾸지 않는 구조라서 그렇습니다.

그래서 AI 책임 소재 계약은 금액이 아니라 통지·감사·해지로 방어선을 만드는 편이 현실적입니다. 배상은 못 늘려도, 모델이 바뀔 때 미리 알고 검증을 다시 돌릴 시간을 확보하는 것이 실질 손해를 줄입니다.

SOC 2 Type 2 보고서를 매년 제출받는 조항, 서브프로세서 변경 시 30일 전 통지 조항이 여기에 해당합니다. 벤더 락인을 낮추는 출구 전환 지원 기간도 같은 계열입니다.

개인정보보호법상 위탁·재위탁 문서화는 AI 거버넌스의 감사 증빙과 정확히 겹칩니다. 위탁 계약서, 서브프로세서 목록, 국외이전 고지 이력이 한 세트로 남아 있으면 점검 대응 시간이 크게 줄어듭니다.

법무팀에 넘기기 전 실무팀이 먼저 결정해야 할 항목은 다섯 개입니다. 학습 재사용 허용 여부, 데이터 저장 리전, 에이전트에 허용할 권한 범위, 통지 기간의 최소선, 그리고 우리가 포기할 수 없는 해지 사유입니다.

성공한 도입과 실패한 도입은 계약 단계에서 무엇이 달랐나요?

실패한 도입은 대개 ‘나쁜 벤더’를 만나서 생기지 않습니다. 계약 전에 확인하지 않은 항목이 6개월 뒤에 청구서로 돌아올 뿐입니다.

실패 케이스 3: 가격만 보고 고른 뒤 벌어진 일

첫 번째는 최저가 낙찰입니다. 라이선스는 가장 쌌지만 사내 시스템 연동이 별도 견적으로 나오면서 총소유비용(TCO)이 역전됩니다.

두 번째는 모델 교체입니다. 기반 모델이 조용히 바뀌면서, 검증에 몇 주를 쓴 프롬프트와 정확도 문서가 한 번에 무효가 됩니다.

세 번째는 서브프로세서입니다. 벤더가 쓰는 추론 인프라가 해외 사업자였다는 사실을 감사 과정에서 알게 되면, 국외이전 고지 누락 이슈가 됩니다.

비용 항목	예산에 잡히는가	실제 발생 시점
라이선스·구독료	잡힘	계약 즉시
사내 시스템 연동 개발	자주 누락	도입 1~3개월
출력 검증 인력 공수	거의 누락	상시
모델 변경 시 재검증·재학습	거의 누락	연 1~2회
감사·실사 대응 문서화	누락	연 1회 이상

성공 케이스 3: 출구 전략을 먼저 설계한 조직

잘 굴러간 조직들의 공통점은 순서였습니다. 후보를 찾기 전에 탈락 기준부터 확정했다는 것입니다.

두 번째 공통점은 2개 벤더 병행 파일럿입니다. 협상력은 대안이 있을 때만 생깁니다.

세 번째는 계약 전 데이터 반환 테스트입니다. 실제로 내보내 보면 포맷이 쓸 수 없는 형태인 경우가 드물지 않습니다.

한 제약사 사업부와 일한 적이 있습니다. 이미 부서용 AI 앱까지 만들어 쓰는 팀이었는데도 고민은 도구가 아니라 ‘출처를 어떻게 믿게 만들 것인가’였습니다. 벤더 선정도 같은 질문입니다. 성능이 아니라 근거를 남길 수 있는가입니다.

그래서 평가표·회의록·탈락 사유를 한 폴더에 남겨두는 편이 좋습니다. 이 세 가지가 나중에 “왜 이 벤더인가”에 대한 유일한 답변 자료가 됩니다. 리스크 평가 기록을 관리 체계로 묶는 관점은 벤더 관리의 정의 문서에서도 같은 맥락으로 설명됩니다.

국내 조직이 자주 놓치는 지점은 세 가지입니다. 준거법이 해외인 계약, 한국어 지원 문서의 부재, 그리고 국내 지원 조직 없이 이메일 티켓만 있는 구조입니다. 조직의 현재 위치가 애매하다면 AI 성숙도 자가진단 체크리스트로 30문항을 먼저 돌려보는 편이 판단을 단순하게 만듭니다.

그래서 다음 주 월요일부터 무엇을 하면 되나요? 8주 선정 워크플로

기준은 알겠는데 어디서 시작할지 모르겠다는 말을 자주 듣습니다. 순서를 고정해두면 그 부담이 줄어듭니다.

1. 1주 — 요구사항과 탈락 기준 확정. 산출물은 한 장짜리 요건서와 Knock-out 목록. 책임은 현업 팀장, 정보보호팀은 검토.
2. 2주 — 롱리스트 8~12곳 작성. 카테고리별로 나눠 담습니다. 책임은 현업, 구매팀은 조달 이력 확인.
3. 3주 — 숏리스트 3~4곳으로 축소. 산출물은 축소 사유 메모. 이 메모가 감사 때 가장 많이 요청됩니다.
4. 4주 — RFP 발송. 질문지와 회신 양식을 동봉합니다. 책임은 구매, 문항 검수는 정보보호·법무.
5. 5주 — 답변 접수와 레퍼런스 콜. 도입 소요 기간 실측치를 반드시 숫자로 받습니다.
6. 6주 — 실증(PoC)과 보안 실사 병행. 산출물은 실증 결과표와 실사 체크리스트 12항목 결과.
7. 7주 — 스코어카드 채점. 평가자 3인 이상이 독립 채점 후 편차를 조정합니다. 만장일치가 아니라 가중 합산이 원칙이고, 정보보호 책임자에게만 거부권을 둡니다.
8. 8주 — 계약 협상. 18개 조항 체크리스트를 표로 붙여 법무에 넘깁니다.

선정으로 끝나지 않습니다. 90일 동안은 SLA 준수율, 실사용률, 비용 실적 대비 예산 세 가지를 월 단위로 봅니다.

1년 차 재계약 판단에서 다시 볼 지표는 검토 시간 절감의 실측치, 장애·오작동 발생 건수, 전환 비용 추정치입니다. 세 번째가 벤더 락인의 실제 크기입니다.

결재하는 쪽에 앉아 품의서를 승인하고 반려해본 입장에서 말하면, 통과되는 문서는 벤더가 좋아서가 아니라 탈락시킨 이유가 적혀 있어서 통과됩니다. 예산 근거가 필요하다면 기업 AI 교육 비용 시뮬레이션과 AI 교육 품의서 작성법의 항목 구조를 그대로 옮겨 쓰면 시간이 줄어듭니다.

남는 어려움도 있습니다. 계약서를 아무리 잘 써도, 도입 후 현장이 쓰지 않으면 SLA는 지켜지고 성과는 없는 상태가 됩니다. 그래서 선정 다음 단계는 기업 AI 교육 도입 8단계 로드맵처럼 사람 쪽의 설계로 이어져야 합니다.

자주 묻는 질문

AI 벤더 선정 시 가장 중요하게 고려해야 할 기준은 무엇인가요?

규제산업이라면 보안·컴플라이언스입니다. 앞서 제시한 100점 스코어카드에서 이 축에 25점을 배정한 이유이기도 합니다. 전략 정렬 20점, 기술 성능 20점이 그다음이고, TCO 15점·구현 용이성 10점·지원 10점이 뒤를 받칩니다. 다만 점수를 매기기 전에 탈락 기준부터 확정하는 순서가 중요합니다. SOC 2 Type 2 미보유나 학습 데이터 재사용 거부 불가는 총점이 90점이어도 통과시키지 않는 항목입니다.

AI 벤더의 보안 리스크는 어떻게 평가해야 하나요?

구두 답변이 아니라 서면으로 다섯 가지를 받아 검증합니다. SOC 2 Type 2 보고서 원문, 데이터 저장 리전, 서브프로세서 전체 목록, 침해사고 통지 SLA, 그리고 에이전트의 런타임 실행 권한 범위입니다. 앞의 넷은 기존 벤더 실사에서도 쓰던 항목이지만, 마지막 하나가 2026년의 차이입니다. 에이전트가 사내 시스템에 쓰기 권한을 갖는 순간 사고의 성격이 유출에서 실행으로 바뀌기 때문입니다. 런타임 관점의 벤더 리스크 질문도 참고할 만합니다.

가트너가 선정한 주요 AI 벤더는 어디인가요?

카테고리마다 다릅니다. 전사 AI 플랫폼 영역에서는 Microsoft, Google, IBM이 매직 쿼드런트 리더군에 자주 이름을 올리고, 보안 쪽은 CrowdStrike·Palo Alto Networks·SentinelOne·Cloudflare, 자동화 쪽은 ServiceNow·SS&C Blue Prism처럼 지형이 갈립니다. 다만 리더 사분면은 시장 전체 기준 평가지 우리 조직 기준 평가가 아닙니다. 국내 리전 제공 여부나 한국어 성능, 준거법 협상 가능성은 사분면에 반영되지 않습니다. 가트너의 AI 유력 벤더 전망은 참고 자료로만 쓰는 편이 안전합니다.

AI 벤더 선정을 위한 RFP에는 어떤 질문을 포함해야 하나요?

모델·데이터·보안·통합·가격·지원 여섯 영역을 덮되, 핵심 두 문항은 예/아니오로 답을 받습니다. 모델 버전 변경 시 사전 통지 기간이 며칠인지, 우리 데이터를 모델 학습에 재사용하지 않는다고 계약서에 명시할 수 있는지입니다. 서술형으로 물으면 마케팅 문구가 돌아옵니다. 여기에 서비스 종료 시 데이터 반환 형식과 서브프로세서 전체 목록까지 넣으면 초기 필터로는 충분합니다.

AI 벤더 도입까지 걸리는 시간은 평균 얼마나 되나요?

선정 자체는 8주면 가능하지만, 규제산업에서 실제 운영 전환까지는 4~9개월을 보는 편이 현실적입니다. 계약 협상과 정보보호 심의, 개인정보 위탁 문서화에서 시간이 늘어납니다. 가장 큰 변수는 데이터 연동 난이도입니다. 사내 시스템 API가 없거나 권한 체계가 정리되지 않은 조직은 여기서만 두 달이 더 걸립니다. 도입 전에 AI 활용 성숙도 단계를 확인해두면 이 기간을 훨씬 정확하게 예측할 수 있습니다.

마무리

벤더 선정은 안목의 문제로 보입니다. 실은 순서의 문제입니다.

• 탈락 기준을 점수보다 먼저 확정 — SOC 2 Type 2, 국내 리전, 학습 데이터 재사용 거부권
• 보안 실사의 새 축은 에이전트 런타임 실행 권한, 유출이 아니라 실행의 리스크
• 배상 한도 협상이 막히면 통지·감사·해지권으로 보완하는 것이 현실적 대안

지금 할 수 있는 첫 행동은 하나입니다. 검토 중인 후보 벤더 두 곳에 이메일을 보내 SOC 2 Type 2 보고서 원문과 서브프로세서 전체 목록을 서면으로 요청하는 것.

회신 속도와 형식만으로도 많은 게 갈립니다. 목록을 못 주는 곳은 그 자체가 답입니다.

그런데 여기서 막히는 지점이 하나 남습니다. 자료를 다 받아도, 그걸 내부에서 승인받는 문서로 바꾸는 일은 별개라는 것입니다.

실제로 결재하는 쪽에 앉아 품의서를 승인하고 반려해봤습니다. 반려 사유는 대부분 벤더의 문제가 아니었습니다. ‘보안은 검토했나’, ‘효과를 어떻게 증명하나’ 같은 질문에 답이 준비돼 있지 않았을 뿐입니다. 규제산업 조직일수록 이 질문이 먼저 오고, 한 제약사 사업부는 아예 임원 미팅에서 전달할 인사이트를 사전에 맞춰달라고 요청하기도 했습니다.

그래서 승인 문서 작성은 AI 교육 품의서 작성 쪽에서, 예산 근거는 기업 AI 교육 비용 쪽에서 따로 다뤘습니다. 교육 벤더까지 함께 검토 중이라면 기업 AI 교육 업체 비교 기준을 이 스코어카드와 나란히 놓고 보면 됩니다.

벤더 배점표는 이 글에 있고, 제출용 문서는 템플릿 쪽에 있습니다. 이미 한 번 반려당한 상태라면 특히 그렇습니다. 320명 규모 가상 기업 시나리오로 전 칸을 채운 품의서 완성 예시본과, ‘보안은?’ ‘내년에 하자’ 같은 반려 사유 5가지별로 그대로 복사해 쓰는 재상신 문구가 들어 있습니다. AI 교육 도입 서류 3종 무료로 받기 — 전 칸을 채운 품의서 완성 예시본과 반려 사유 5가지별 재상신 문구 포함 (편집용 DOCX)