AI와 공공 입찰

심사위원의 뇌를 읽는 입찰 전략
공공 입찰의 판이 바뀌고 있다. 한때 제안서는 문장의 설득력과 화려한 수사로 평가자의 마음을 움직이는 ‘감의 영역’이었다. 그러나 지금의 입찰은 데이터와 알고리즘이 작동하는 분석의 영역이다. 평가자는 제안서를 읽기보다 스캔한다. 미사여구 대신 숫자와 근거, 요구 조건 충족 여부가 판단의 기준이 된다. 더 나아가 제안서의 1차 검토는 이미 인공지능이 맡기 시작했다. 키워드 매칭률, 필수 요건 충족 여부, 형식 요건 점검을 통해 AI가 먼저 후보를 걸러낸다. 7년간 750회 이상의 평가 경험을 바탕으로 공공 입찰 시장에서 벌어지는 이러한 구조적 변화를 분석한다. 입찰은 더 이상 운이나 감각의 문제가 아니라 데이터 과학의 문제라는 사실을 보여 준다. 머신러닝을 활용한 경쟁률 예측, AI 기반 가격 전략, RFP 자동 분석 등 실제 사례를 통해 승률을 높이는 방법을 설명한다. 동시에 기술 평준화, 자동화 편향, 블랙박스 평가와 같은 위험과 책임 문제도 함께 다룬다. 결국 승패는 AI가 아니라 AI를 활용하는 전략에서 갈린다. 이 책이 공공 입찰 시장에서 살아남기 위한 바로 그 새로운 생존 전략을 제시한다.

공공 입찰의 방식이 근본적으로 바뀌고 있다. 화려한 문장과 감각에 의존하던 제안서는 이제 데이터와 알고리즘의 검증을 통과해야 한다. AI가 제안서를 스캔하고, 경쟁률과 가격 전략을 계산하는 시대다. 이 책은 750회 이상의 평가 경험과 최신 데이터 분석 사례를 바탕으로 공공 입찰의 새로운 규칙을 설명한다. 감이 아니라 과학으로 이기는 입찰 전략을 제시하는 책이다. AI문고. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

국창민
AI 기반 전략컨설팅 기업 어반전략컨설팅 대표다. KBSN에서 13년간 입찰 현장을 누빈 ‘선수’이자, 7년간 제안서를 심사한 ‘심판’으로서 공공입찰의 양면을 통달한 실전형 전략가다. 2025년 조달청 주관 AI 공모전에서 ‘입찰제안서 평가 보조 및 편향탐지 시스템’으로 우수상을 수상하며 평가의 공정성과 전문성을 기술로 입증했다. 이 모델은 평가위원의 비전문 분야를 AI가 데이터로 보완하고, 표준편차 기법을 도입해 특정인의 극단적 점수가 결과에 미치는 왜곡을 차단하도록 설계되었다. 현재는 행정 데이터를 자산화하는 ‘공공입찰 데이터 분석 및 제안서 자동화 시스템(AI PASS)’ 개발을 총괄하며 스마트 행정의 혁신을 현실화하고 있다. 주요 저서로 《심사위원의 뇌를 해킹하라》, 《AI로 평가하라: 불공정한 심사의 종말》, 《AI 입찰전략: 평가자를 움직이는 제안서 작성법》, 《평가위원이 선택한 기획자》 등이 있으며, 본서는 이 모든 승리 공식의 정수를 담은 완결판이다.

입찰의 판이 바뀌었다: 감(感)에서 과학으로

01 데이터가 알려 주는 승리의 징조
02 RFP 해부: AI로 발주처의 뇌 구조 읽기
03 RAG 기반 제안서 작성의 기술
04 AI가 그리는 제안서, 인간이 입히는 맥락
05 AI 평가위원을 만족시키는 법
06 심사위원의 뇌를 해킹하는 휴먼 터치
07 조달 데이터 주권과 윤리적 리스크 관리
08 선진국의 조달 AI 사례
09 에이전틱 AI와 자율 조달 시대
10 AI+Human과 시장 지배

숫자는 결과를 보여 주지만, 텍스트는 원인을 보여 준다. 입찰 분석의 새로운 전선(戰線)은 제안요청서(RFP)와 사전정보요청서(RFI) 문서에 숨겨진 ‘문맥의 뉘앙스’다. (…) 수치 데이터만 사용했을 때의 예측 정확도는 52.08%에 불과했다. 동전 던지기와 다를 바 없는 수준이다. 그러나 텍스트 마이닝 결과를 결합했을 때 정확도는 72.92%로 급등했다. 약 20%p의 상승. 이는 텍스트 속에 숨겨진 발주처의 불확실성이 리스크 판단에 결정적임을 증명한다. NLP(자연어 처리, Natural Language Processing) 기술은 단순한 키워드 매칭을 넘어선다. 문맥에 숨겨진 ‘불확실성(Uncertainty)’과 ‘리스크 조항’을 탐지한다. “검토 예정”, “추후 협의”, “상황에 따라”와 같은 표현이 빈번하게 등장하는 RFP는 발주처의 요구 사항이 명확하지 않다는 신호다. 이런 사업은 수주 후 설계 변경과 추가 비용 발생 가능성이 높다. AI는 이 패턴을 읽는다.
－01_“데이터가 알려 주는 승리의 징조” 중에서

RAG의 또 다른 강점은 유연성이다. 모델 재학습(Fine- tuning)은 비용이 크고 시간이 오래 걸린다. 새로운 실적이 추가될 때마다 재학습시키는 것은 비현실적이다. RAG는 다르다. 지식 베이스만 업데이트하면 된다. 2025년 1월에 새로운 수주 실적이 생기면, 해당 문서를 업로드하면 끝이다. 다음 질문부터 즉시 반영된다. 수시로 바뀌는 입찰 환경에 필수적인 특성이다.
－03_“RAG 기반 제안서 작성의 기술” 중에서

AI의 언어와 인간의 언어는 다르다. AI는 “지역 주민 삶의 질 향상”이라고 쓴다. 정확하지만 차갑다. 추상적이다. 감정이 없다. 인간은 “이 동네에는 밤 8시 이후 아이들이 갈 곳이 없습니다”라고 말한다. 구체적이다. 현장이 느껴진다. 감정이 움직인다. 심사위원도 인간이다. 논리만으로는 마음이 움직이지 않는다. 스토리가 필요하다. “왜 이 사업을 해야 하는가?”에 대한 답이 데이터가 아니라 이야기여야 한다. 휴먼 터치 전략은 하이브리드 접근이다. 데이터(AI)로 논리를 세운다. 스토리(인간)로 감정을 건드린다. 제안서의 ‘왜(Why)’ 섹션에 현장의 이야기를 넣는다.
－06_“심사위원의 뇌를 해킹하는 휴먼 터치” 중에서

에이전틱 AI는 조달의 패러다임을 바꾼다. 세 가지 전환이 일어난다. 첫째, 조언에서 행동으로. 젠AI(GenAI)는 “이렇게 하세요”라고 말했다. 에이전틱 AI는 직접 한다. 공급업체를 찾고, 가격을 협상하고, 계약을 체결한다. 인간은 목표를 설정하고 예외를 관리한다. 둘째, 저장소에서 행위자로. 조달 시스템이 수동적 데이터베이스에서 능동적 에이전트로 진화한다. 기록하는 시스템(System of Record)에서 행동하는 시스템(System of Action)으로. 셋째, 인간 협상에서 기계 협상으로. 월마트의 사례가 증명했다. 68%의 공급업체가 AI와의 협상을 선호한다. 기계와 기계가 거래하는(M2M) 시장이 열린다.
－09_“에이전틱 AI와 자율 조달 시대” 중에서