입찰 전문 IT 업체
RFP 기반 AI 제안서 생성기로 공공입찰 대응 고도화
70%
제안서 초안 작성 시간 단축
50%
입찰 검토·작성 병행 가능 건수 증가
입찰 전문 IT 업체
70%
제안서 초안 작성 시간 단축
50%
입찰 검토·작성 병행 가능 건수 증가
이 기업은 공공기관 사업 위주의 IT 구축·운영 입찰에 대응하는 전문 컨설팅형 영업 조직으로, 사업마다 요구사항과 평가 기준이 달라 매건 높은 수준의 맞춤 대응이 필요했습니다. 같은 회사가 참여하는 사업이라도 발주기관의 우선순위에 따라 기술 방안, 인력 구성, 보안·운영 전략의 비중이 크게 달라졌습니다.
공공입찰에서는 단순히 좋은 문장을 쓰는 것보다, RFP 안의 요구사항을 얼마나 정확히 읽고 빠짐없이 대응하는지가 중요했습니다. 평가 항목 하나를 놓치거나 요구 의도를 잘못 해석하면 문서 품질과 무관하게 점수를 잃을 수 있어, 제안서 작성은 사실상 해석과 매핑의 작업에 더 가까웠습니다.
이 기업은 합격 제안 경험과 문안 자산은 풍부했지만, 실제 작성 단계에서는 그 자산을 즉시 재사용하기 어려웠습니다. 결국 매번 새로운 RFP를 읽고, 관련 자료를 찾고, 어느 문장을 어디에 맞게 가져올지 다시 판단해야 해 일정 압박이 큰 병목으로 작동하고 있었습니다.
문제는 제안 역량이 부족하다는 점이 아니라, 매 입찰마다 새로운 RFP를 해석하고 기존 자산을 조합하는 데 과도한 시간이 소요된다는 것이었습니다. 특히 RFP는 요구사항이 문장 곳곳에 흩어져 있고, 평가 요소와 제약 조건이 암묵적으로 연결되는 경우가 많아 숙련자 의존도가 높았습니다.
기존 방식은 RFP 분석, 유사 문안 탐색, 수정 반복의 선형 흐름이었고, 이 과정에서 담당자별 판단 편차가 크게 발생했습니다. 어떤 사람은 평가 기준을 잘 짚어 문안을 구성했지만, 어떤 사람은 유사 문안을 찾는 데 시간을 많이 쓰거나 사업 맥락과 맞지 않는 내용을 남겨두는 경우도 있었습니다.
촉박한 일정 동안 다수 입찰을 병행할 때는 핵심 인력의 시간이 가장 큰 제약이 됐습니다. 중요한 사업에 집중하느라 다른 입찰 대응 속도가 떨어지거나, 반대로 병행 대응을 늘리면 작성 품질과 검토 밀도가 흔들리는 문제가 반복됐습니다.
또한 과거 제안서를 그대로 복사하거나 일부만 수정하는 방식은 빠를 수는 있어도, 현재 사업과 맞지 않는 표현이나 누락된 대응 항목이 섞일 위험이 컸습니다. 결국 필요한 것은 문안을 빠르게 쓰는 도구가 아니라, RFP 요구와 기존 자산을 정확하게 연결해주는 작성 체계였습니다.
프로젝트 팀은 RFP 업로드부터 대응 제안서 초안까지 end-to-end로 이어지는 AI 제안서 작성 시스템을 설계했습니다. 핵심은 단순 초안 생성이 아니라, RFP 요구사항을 구조적으로 해석하고 기존 합격 자산을 그 맥락에 맞게 다시 연결하는 데 있었습니다.
먼저 입찰 합격 제안서, 기술제안서, 수행계획서, 보안 문안, 투입계획서, 유사 실적 자료를 섹션과 평가항목 기준으로 인덱싱해 검색 가능한 지식 자산으로 구조화했습니다. 덕분에 문서를 통째로 찾는 것이 아니라, '유지보수 체계 대응 문안', '보안 운영 전략', '유사 수행 실적 기술 방식'처럼 더 세밀한 단위로 자산을 재사용할 수 있게 됐습니다.
시스템은 신규 RFP에서 사업 개요, 요구사항, 평가 기준, 제약 조건, 필수 제출 요소를 추출하고 이를 항목별 대응 프레임으로 변환했습니다. 이 과정에서 어떤 요구가 어느 평가 항목과 연결되는지, 어떤 제약이 특정 섹션의 문안 전략에 영향을 주는지까지 함께 정리해 실무자가 읽어야 할 문서를 먼저 구조화했습니다.
문안 생성 단계에서는 과거 자산의 문장 패턴을 그대로 복사하지 않고, 현재 입찰 맥락에 맞게 재작성 및 조합하도록 설계했습니다. 즉 유사 자산은 참고 근거로 활용하되, 현재 사업의 발주 목적, 평가 포인트, 제약 조건에 맞게 새로운 초안을 만들어 제안 논리의 적합도를 높였습니다.
또한 섹션별 초안과 함께 반영 근거와 참고 문서를 제시해, 실무자가 왜 해당 문장이 적절한지 판단하고 빠르게 편집할 수 있도록 했습니다. 이는 단순 자동 생성보다 훨씬 실무적인 접근이었고, 작성 속도뿐 아니라 검토 속도까지 함께 높이는 데 중요했습니다.
마지막으로 Requirement Mapping Layer를 통해 RFP 항목과 제안서 응답 문단의 대응 관계를 추적할 수 있게 만들었습니다. 덕분에 최종 검토 단계에서 누락, 오해, 비일관 영역을 빠르게 확인할 수 있었고, 문서가 '잘 써졌는가'뿐 아니라 '요구를 빠짐없이 반영했는가'까지 함께 점검할 수 있게 됐습니다.
LLM 기반 RFP 해석 및 문안 생성 엔진
요구사항, 평가 요소, 제약 조건을 구조적으로 해석해 각 입찰 특성에 맞는 제안 문안 초안을 생성합니다.
합격 제안서 Retrieval 시스템
과거 합격 제안서와 수행 실적, 보안 문안 등에서 입찰 유사도가 높은 근거를 검색해 제안 품질과 작성 속도를 함께 높입니다.
Section-aware Drafting 구조
사업 개요, 추진 전략, 인력 운영, 품질관리, 보안 대책 등 제안 섹션별로 톤과 문안 전략을 분리해 적용합니다.
Requirement Mapping Layer
RFP 항목과 제안서 대응 문단을 연결해 어떤 요구가 어느 문단에서 반영되었는지 추적 가능하게 관리합니다.
Human-in-the-loop 검토 흐름
초안 생성 후 실무자가 근거와 표현을 보정하고 기업 고유 톤앤매너를 반영할 수 있는 편집 중심 운영을 제공합니다.
Evidence Traceability
섹션별 초안에 참고 자산과 반영 근거를 함께 연결해, 검토자가 수정 방향과 출처를 빠르게 확인할 수 있도록 했습니다.
“제안서 작성에서 가장 큰 비효율은 문장을 쓰는 행위 자체가 아니라, 매번 새로운 RFP를 해석하고 기존 자산에서 무엇을 어떻게 가져와야 하는지를 처음부터 다시 판단해야 한다는 데 있습니다. 이 프로젝트의 핵심은 축적된 합격 경험을 문서 더미가 아니라, 요구사항과 바로 연결되는 작성 체계로 바꾸는 것이었습니다.”
빅시프트 프로젝트팀 · AI 제안서 작성 프로젝트 리드
AI 기반 제안 작성 도입 후, 입찰 대응은 다수 건을 수동으로 분산 처리하던 방식에서 요구사항 중심의 구조화된 동시 대응 체계로 전환됐습니다.
제안서 초안 작성 시간이 기존 대비 약 70% 단축되며 초기 작성 병목이 크게 줄었습니다. 실무자는 빈 문서를 처음부터 쓰는 대신, 요구사항이 이미 반영된 초안을 바탕으로 핵심 검토와 전략 조정에 더 집중할 수 있게 됐습니다.
입찰 검토와 초안 작성 병행 가능 건수가 약 50% 늘어나, 일정이 촉박한 구간에서도 더 많은 사업 기회를 다룰 수 있게 됐습니다. 핵심 인력 의존도가 일부 완화되면서 병행 대응의 안정성도 함께 높아졌습니다.
과거 제안서 자산이 참고용 파일이 아니라 실행 가능한 초안 생성 자원으로 전환돼 담당자 편차를 줄였습니다. 합격 경험이 개별 문서가 아니라 재사용 가능한 작성 체계로 바뀐 점이 핵심 변화였습니다.
요구사항 대응 매핑을 구조화해 문서 표준화, 산출물 일관성 관리, 평가 항목별 대응 논리 고도화를 위한 운영 기반을 마련했습니다. 특히 누락 방지와 근거 추적이 가능해지면서 검토 신뢰도도 함께 높아졌습니다.
기획 단계부터 데이터 구조, 모델 선택, 제품화 범위까지 함께 설계합니다.
유사한 문제를 다른 방식으로 해결한 프로젝트도 함께 보실 수 있습니다.
국제 식품 정보 스타트업
사이트별 전용 크롤러를 하나씩 운영하던 방식을 멀티모달 AI 기반 적응형 수집 구조로 전환해, 유지보수 부담은 90% 줄이고 데이터 수집 처리량은 10배까지 끌어올린 프로젝트입니다.
케이스 스터디 보기관광 관련 공공기관
관광 관련 공공데이터를 자연어 질문만으로 조회할 수 있도록 온프레미스 NL2SQL 시스템을 구축해, 현업 부서의 데이터 접근 장벽을 낮추고 질의 작성 시간을 80% 단축한 프로젝트입니다.
케이스 스터디 보기