입찰, 다 짜고 치는 거 아니야? 🤔 #담합 #불공정 #AI

"입찰은 이미 판이 짜인 상태에서 공고가 올라오고, 사전 영업 없이는 공정한 경쟁이 불가능하지 않나요?"라는 질문을 많이 받습니다.

물론, 수요 기관을 대상으로 한 사전 영업이 입찰 성공에 중요한 역할을 하는 것은 사실입니다. 하지만 특정 회사를 몰아주기 위해 없는 사업을 만들거나 독소 조항을 넣는 방식은 요즘 거의 찾아보기 어렵다고 해도 과언이 아닙니다. 그 이유를 자세히 설명드리며, 우리 회사의 수주 실적을 높이고 매출을 증대할 수 있는 방법을 안내해 드리겠습니다.

다음 내용은 클라이원트와 미국 노스웨스턴 대학교(Northwestern University)의 공동 연구에서 발췌한 것으로, 모든 데이터 및 결과는 관련 논문과 기관의 자료를 기반으로 작성되었음을 안내드립니다.

I. 대한민국 조달 시스템의 공정성

글로벌 조달 전문가 설문에 따르면, 한국의 조달 산업은 비교적 매우 공정한 편으로 평가받고 있습니다. 반면, 이탈리아를 포함한 일부 선진국에서는 여전히 부패(corruption)가 문제로 지적되고 있습니다.

하버드 대학교(Harvard University)와 세계은행(World Bank)이 공동 작성한 연구 논문에 따르면, 대한민국은 품질(Quality) 면에서 싱가포르와 스위스와 함께 최고 수준을 유지하고 있으며, 무결성(Integrity) 또한 글로벌 기준에서 매우 높은 수준으로 평가받고 있습니다. 아래 그래프는 이러한 내용을 잘 보여줍니다 (Bosio et al., 2022).

그 이유는 대한민국 사회가 "공정성"에 대해 특히 민감하게 반응하는 경향이 있기 때문입니다. 이를 위해 다른 나라에서는 찾아보기 힘든 독특한 제도들이 도입되었습니다. 예를 들어, 복수예가 제도는 비공개된 범위 내에서 랜덤으로 기준 가격을 설정하여 기업 간 담합을 무력화하고, 정부 비리를 방지하는 역할을 합니다. 또한, 외부 심사위원 초청은 수요 기관이 아닌 제3자가 평가를 담당하며, 심사위원 명단을 심사 당일까지 공개하지 않을 정도로 철저하게 공정성을 유지하려는 노력이 담겨 있습니다.

이와 더불어, 대한민국은 수의계약(경쟁 입찰 없이 단독 계약)의 한도가 매우 낮은 편입니다. 이는 중소기업 입장에서 한도 상향을 요구하는 목소리가 있긴 하지만, 결과적으로 2천만 원 이상의 공공사업은 대부분 경쟁 입찰을 통해 발주되는 시스템으로 운영됩니다. 이러한 체계는 공정성을 강화하고, 공공조달 시스템의 투명성을 높이는 데 기여하고 있습니다.

일각에서는 이러한 꼼꼼한 공정성 유지 방식이 사업의 효율성을 저하시킬 수 있다는 우려를 제기하기도 합니다. 그러나 이 시스템 덕분에 정부가 재량(discretion)을 남용하거나 부패(corruption)를 저지르기가 구조적으로 어렵다는 점은 분명합니다.

이에 따라, 입찰에서 사전 영업의 의미는 단순한 로비가 아니라, 입찰 공고 후 제안서를 효과적으로 작성하기 위해 수요 기관의 숨겨진 니즈를 파악하는 데 중점을 둡니다. 이는 마치 시험 문제를 잘 풀기 위해 출제자의 의도를 파악해야 하는 것과 같은 이치입니다.

II. 전자 조달 시스템으로 투명성 강화

2000년대 초, 인터넷 보급이 대중화되면서 많은 선진국이 비리와 담합 문제를 해소하고 정부 서비스를 강화하기 위해 전자 조달 시스템(e-Procurement)을 도입하기 시작했습니다. 대한민국 역시 이러한 흐름에 발맞춰 나라장터를 통해 전자 조달 시스템을 의무화하며 빠르게 안착시킨 모범 사례로 평가받고 있습니다.

현재도 가덕도 신공항 부지 조성 공사부터 서울대학교 치과대학 매점 공고에 이르기까지 모든 입찰 공고를 나라장터에서 확인할 수 있습니다. 이러한 투명한 실시간 정보 제공은 정보의 비대칭성을 해소하려는 정부의 선한 노력을 잘 보여줍니다. 그러나 한편으로는 방대한 정보와 데이터가 입찰 담당자들에게 오히려 부담으로 작용하기도 합니다.

심지어 아직도 많은 개발도상국에서는 입찰 공고를 신문에 게재하는 사례가 많다는 점은 놀라운 현실입니다. 예를 들어, 인도네시아와 우간다는 최근에서야 전자 조달 시스템을 도입하기 시작했습니다(Colonelli et al., 2024; Lewis-Faupel et al., 2016). 나라장터에 올라오는 수많은 입찰 공고를 찾는 것도 쉬운 일이 아닌데, 만약 전단지나 담벼락 같은 오프라인에서 입찰 정보를 찾아야 한다고 상상하면 머리가 지끈거릴 정도입니다.

또한, 미국이나 일본처럼 지방 분권화로 인해 조달 정보가 산발적으로 분산된 시스템과 비교하면, 중앙 집중형 시스템으로 운영되는 대한민국의 조달 체계는 훨씬 효율적이라는 평가를 받고 있습니다.

그럼에도 2023년 기준 계약 건수의 63%, 금액 기준으로는 31%의 공공 조달 건만이 나라장터에 게시되고 있다는 점을 고려하면, 대한민국의 입찰 업체들은 여전히 다양한 공공 기관의 웹사이트를 매일 방문하며 적합한 입찰 공고를 찾기 위해 많은 시간과 노력을 들이고 있음을 알 수 있습니다(2023 공공조달 통계연보).

이처럼 방대한 정보를 효율적으로 선별하고, 이를 전략적으로 활용하는 역량이 점점 더 중요해지고 있습니다. 대한민국의 입찰 시스템은 방대한 데이터를 보유하고 있다는 점에서 큰 장점이지만, 이를 효과적으로 활용하지 못하면 오히려 문제로 작용할 수 있습니다. 따라서 입찰에서는 단순히 많은 데이터를 확보하는 것보다, 남들보다 신속하게 제안요청서의 핵심 정보를 정확히 파악하는 것이 더욱 중요합니다.

더불어, 성공적인 입찰을 위해 전략적으로 파트너사를 선정해 컨소시엄을 구성하거나, 경쟁사의 과거 입찰 실적을 분석해 차별화된 요소를 제안서에 강조하는 것도 필수적입니다. 또한, 수요 기관을 대상으로 한 사전 영업을 통해 숨겨진 니즈와 목적을 발굴하는 영업 스킬은 낙찰과 계약에 있어 결정적인 역할을 합니다(Hjort et al., 2024). 결국, 입찰은 단순히 로또처럼 운에 기대는 것이 아니라, 체스처럼 치밀한 전략 싸움이라는 점을 거듭 강조하고 싶습니다.

클라이원트는 최신 AI 기술로 나라장터를 포함한 전국 150여 개 공공 기관의 입찰 공고를 한곳에 모으고, AI가 제안요청서를 자동 분석해 적합한 공고를 매일 추천합니다. 이를 통해 놓치는 입찰 공고 없이 최적의 기회를 제공합니다.

III. AI 시대에 맞춘 입찰 수주 전략

마지막으로, 클라이원트 데이터를 바탕으로 2023년 초부터 2024년 말까지 글자 수가 많은 2,540개의 제안요청서를 대상으로 생성형 AI가 생성한 텍스트의 비중을 분석했습니다(방법론은 아래 참조). 대부분의 제안요청서에서 생성형 AI가 생성한 텍스트의 비중이 0%로 나타났으나, 2024년에 들어서면서 그 비중이 미미하지만 증가하는 경향을 확인할 수 있었습니다(빨간 점선: GPT-4 모델 출시일).

이를 통해 최근 일부 수요 기관에서 생성형 AI를 활용해 제안요청서를 작성하기 시작했을 가능성을 추측할 수 있습니다.

또한, 클라이원트 서비스에서는 과거 입찰 사업 목록을 한눈에 확인할 수 있습니다. 발주 사업과 기관, 계약 기업의 경쟁 현황, 금액, 계약 일자 등을 모두 포함하고 있습니다. 공공 기관이 GPT를 얼마나, 어떻게 활용하고 있는지는 정확히 알기 어렵지만, GPT 라이선스 도입과 관련된 입찰 공고는 쉽게 찾아볼 수 있었습니다. 이를 바탕으로 수요 기관이 생성형 AI를 활용해 문서를 작성하고 있을 가능성은 충분히 합리적인 추론이라 볼 수 있습니다.

2025년에는 AI를 얼마나 효과적으로 활용하느냐가 성공의 열쇠가 될 것입니다. 특히 입찰과 같이 방대한 정보가 쏟아지고 대부분이 비정형화된 텍스트 데이터로 구성된 경우, 과거에는 이를 사람이 일일이 분석해야만 했습니다. 그러나 이제는 LLM(대규모 언어 모델)을 활용해 이러한 데이터를 효율적으로 분석함으로써 입찰 시장에서 확실한 경쟁 우위를 확보할 수 있습니다.

클라이원트는 OpenAI의 공식 협력사이자 Google AI Academy 정회원으로, 입찰 분야에 특화된 AI 기술을 보유하고 있습니다. AI를 활용해 입찰 업무를 혁신하고, 수주 실적을 극대화하여 매출 성장을 이루고자 한다면, 아래 상담 문의를 통해 연락해 주세요. 입찰 매커니즘과 노하우는 물론, 서비스 시연까지 친절하게 안내해 드리겠습니다. 😊

[방법론] 제안요청서에서 생성형 AI 활용 여부 분석

1. 2023년 1월 1일부터 2024년 12월 31일까지 본문이 50,000자 이상인 공고를 대상으로 텍스트를 추출 (2,540개)
2. 각 공고 본문의 10,000번째 글자부터 20,000번째 글자까지 10,000자를 발췌
   1. 발췌 이유: i) GPT의 입력 제한, ii) 제안요청서의 앞부분과 뒷부분은 주로 형식적 내용이므로 생략 가능
3. 발췌한 텍스트를 OpenAI API를 통해 GPT4o에 입력하고 다음과 같은 질문을 입력:
   1. "대한민국 입찰 공고의 [공고 본문]을 발췌해서 제공할게. 발췌한 [공고 본문]을 종합적으로 분석해서, 이 텍스트 안에서 생성형 AI (Generative AI)가 생성한 텍스트가 차지하는 비중을 0에서 1까지의 숫자로 알려줘 (소수점 둘째 자리까지). 답변엔 어떤 설명도 필요 없고 오직 비중만 제공해줘. 답변 예시: '0.12', '0.89'."
   2. 객관성을 위해 날짜 정보는 GPT4o에 입력하지 않음
4. GPT4o가 제공한 비중 데이터를 공고별로 그룹화하고, 공고별 비중 값의 평균을 계산
   1. 이유: 중복된 제안요청서 데이터 제외
5. 위에서 계산된 평균 공고별 비중 값들을 월별로 그룹화하고, 월별 비중 값의 평균을 계산
6. 계산된 월별 평균값을 시각화

[출처] 학술 논문 및 정부 간행물

1. Bosio, E., Djankov, S., Glaeser, E., & Shleifer, A. (2022). Public procurement in law and practice. American Economic Review, 112(4), 1091–1117.
2. Colonnelli, E., Loiacono, F., Muhumuza, E., & Teso, E. (2024). Do information frictions and corruption perceptions kill competition? A field experiment on public procurement in Uganda. National Bureau of Economic Research. Retrieved August 6, 2024, from https://www.nber.org/papers/w32170
3. Hjort, J., de Rochambeau, G., Iyer, V., & Ao, F. (2020). Informational barriers to market access: Experimental evidence from Liberian firms. NBER Working Paper No. 27662.
4. Lewis-Faupel, S., Neggers, Y., Olken, B. A., & Pande, R. (2016). Can electronic procurement improve infrastructure provision? Evidence from public works in India and Indonesia. American Economic Journal: Economic Policy, 8(3), 258–283.
5. 조달청. (2023). 2023 공공조달 통계연보. 발간등록번호: 11-1230000-000228-10.