서울대학교 AI4PM, 서울과학종합대학원대학교(aSSIST), NFN, 영국 국방부(UK Ministry of Defence), 미국 조지워싱턴대학교 연구진이 AI(인공지능) 프로젝트가 실패하는 원인을 분석하고, 이를 해결할 수 있는 프로젝트 관리 프레임워크(체계)를 제안했다. 이 연구를 담은 논문이 국제 학술대회에 채택됐다.
박정현, 강병준, 박창우, Md. Sharfaraz Ibne Syeed, 마크 냐르코하, 곽영훈 등이 공동 집필한 논문 '두 가지 시간 논리의 조화: 애자일-CPMAI 통합 AI 프로젝트 관리 프레임워크'는 엘스비어(Elsevier)의 학술지 '프로시디아 컴퓨터 사이언스(Procedia Computer Science)' 게재가 확정됐다. 이 논문은 오는 11~13일 스페인 세비야에서 열리는 'ProjMAN 2026(국제 프로젝트 관리 콘퍼런스)'에서도 발표된다.
기존 IT 업계는 1~4주 단위의 짧은 주기(스프린트)로 구동 가능한 소프트웨어를 만드는 '애자일(Agile)' 방식을 적용해 왔다. 연구진은 AI 프로젝트가 애자일 환경에서 실패하는 원인으로 '이중 시간선 문제(Double Timeline Problem)'를 꼽았다.
연구진에 따르면 코드를 명세대로 구현하면 예측 가능한 결과가 나오는 일반 소프트웨어와 달리 AI는 데이터 품질과 확률적 실험에 크게 의존한다. 따라서 정해진 스프린트 마감일(시간 고정)과 AI 데이터 준비 및 모델 실험(목표 달성 시까지 가변적 시간 소요) 간의 시간 논리가 충돌해 일정 불일치, 무의미한 기능 출시 압박, 형식적 완료 선언 등의 부작용이 발생한다는 분석이다.
연구진은 미국 프로젝트관리협회(PMI)의 AI 전용 방법론인 CPMAI(인간 중심 인지 프로젝트 관리)의 6단계를 큰 틀로 삼고, 그 내부에서 애자일 스프린트가 규칙적으로 작동하는 통합 모델을 설계했다.
이 프레임워크의 핵심 요소는 두 가지다. 첫째는 '게이트 분리(Gate Decoupling)'다. 스프린트 종료 시점과 단계별 품질 검증(게이트)을 비동기식으로 분리해 2주 주기를 유지하면서도 데이터와 모델 성능이 사전에 정한 기준을 충족하기 전까지 다음 단계로 넘어가지 않도록 했다. 평가 단계에서 공정성이나 편향성 문제가 발생하면 데이터 준비 단계로 복귀하는 감사 가능한 '루프백(Loop-back)' 경로도 마련했다.
둘째는 '2단계 완료 정의(Two-Tier DoD)'의 도입이다. 일상적인 2주 스프린트의 작업 완료 기준(하위 계층)과 전체 개발 단계의 전환 통제 기준(상위 계층)을 분리했다. 이에 따라 데이터 정제나 모델 튜닝 단계에서도 '정제된 데이터셋'이나 '실험 분석 보고서'를 유의미한 결과물(증분)로 공식 인정받을 수 있도록 했다.
이번 연구는 최신 LLM(거대언어모델) 기반 델파이 시뮬레이션으로 프레임워크의 사전 타당성을 진단하고, AI 윤리·거버넌스(신뢰성) 검증 절차를 실무 게이트 승인 체계에 내재화했다. 아울러 해당 프레임워크를 적용했을 때 불필요한 행정 비용이 발생할 수 있는 '경계 조건'도 밝혔다. 단기 PoC(개념검증)나 1인 개발 과제, 완전 자동화된 성숙한 MLOps(머신러닝 운영) 파이프라인 등이다.