하향식 산정 - 전문가 감정, 델파이 기법

핵심 인사이트 (3줄 요약)

본질: 프로젝트 전체의 총비용이나 일정을 먼저 큰 틀에서 어림잡은 뒤, 이를 하위 컴포넌트나 작업 단계로 분배하는 거시적 하향(Top-down) 방식의 예측이다.

가치: 프로젝트 초기, 상세 설계나 WBS가 도출되지 않아 정밀한 수학적 산정이 불가능할 때 빠르고 직관적인 타당성 분석 수단을 제공한다.

융합: 개인의 편향을 극복하기 위해 다수의 전문가가 익명으로 합의에 이르는 델파이 기법이 애자일의 '플래닝 포커(Planning Poker)'로 진화하여 폭넓게 쓰이고 있다.

Ⅰ. 개요 및 필요성 (Context & Necessity)

소프트웨어 공학에서 하향식 비용 산정(Top-down Estimation)은 프로젝트의 전체 숲을 먼저 보고 나무를 나누어가는 하향식 접근법이다. 프로젝트 기획 초기 단계(타당성 조사, 제안서 작성 단계)에서는 요구사항 명세가 매우 추상적이기 때문에 소스코드 라인 수(LOC)를 예측하거나 상세한 WBS(작업 분할 구조)를 작성하는 것이 불가능하다. 이때 가장 의존할 수 있는 자산은 과거 유사 프로젝트를 수행해 본 '전문가의 경험적 직관'이다.

하향식 산정의 대표적인 방법은 **전문가 감정 기법(Expert Judgment)**과 이를 보완한 **델파이 기법(Delphi Method)**이다. 이들은 빠르고 적은 비용으로 대략적인 예산 범위를(Order of Magnitude) 도출할 수 있다는 강력한 필요성을 갖지만, 주관적 편향(Bias)이라는 치명적 약점을 지닌다. 따라서 이 편향을 어떻게 통제하고 객관화할 것인지가 하향식 산정의 핵심 과제이다.

이 도식은 프로젝트 구조에서 하향식 산정이 어떻게 비용을 위에서 아래로 할당하는지를 보여준다.

[하향식 산정의 흐름]

       [프로젝트 전체 예산: 10억 (전문가 합의 도출)] ──► Top 수준에서 결정
                 │
      ┌──────────┼──────────┐
      ▼          ▼          ▼
   [설계 단계]  [구현 단계]  [테스트 단계]
     (2억)       (5억)        (3억)      ──► 경험적 비율에 따른 분배
      │          │          │
   ┌──┴──┐    ┌──┴──┐    ┌──┴──┐
 [UI]  [DB] [FE]  [BE] [단위] [시스템]    ──► Down 수준으로 세분화 할당

이 다이어그램의 핵심은 '결정의 방향'이다. 바닥의 단위 작업들을 더해서 10억이라는 숫자가 나온 것이 아니라, 10억이라는 거대한 파이를 먼저 굽고(산정) 이를 과거 경험 비율에 따라 조각내어(분배) 하위 모듈에 예산을 할당하는 역방향 구조를 취하고 있다.

📢 섹션 요약 비유: 하향식 산정은 경험 많은 인테리어 업자가 빈 집을 쓱 둘러보고 "전체 3천만 원 정도 들겠네요. 목공에 1천, 도배에 5백..." 하며 큰 덩어리에서 세부 항목으로 예산을 쪼개주는 것과 같습니다.

Ⅱ. 아키텍처 및 핵심 원리 (Deep Dive)

하향식 산정의 두 가지 핵심 기법은 구조와 운영 방식에서 명확한 차이를 보인다.

1. 전문가 감정 기법 (Expert Judgment)

조직 내 경험 많은 두세 명의 전문가가 프로젝트 명세서를 읽고, 과거 유사 프로젝트의 경험을 기억에 의존하여 직관적으로 비용과 일정을 추정하는 방식.
장점: 가장 빠르고 간편하다.
단점: 개인의 기억 왜곡, 낙관적 편향, 비정상적 프로젝트 특성을 일반화하는 오류 발생 위험.

2. 델파이 기법 (Delphi Method) 전문가 감정의 '주관성'을 통제하기 위해 고대 그리스 델파이 신탁의 이름에서 유래한 체계적 합의 도출 모델이다. 중재자(Coordinator)가 다수의 전문가 사이에서 익명성을 보장하며 반복적인 추정과 피드백 루프를 운영한다.

델파이 기법 단계	역할	내부 메커니즘
1. 준비 및 브리핑	중재자	전문가 그룹(3~7명) 선정, 프로젝트 명세서 및 익명 산정서 배포
2. 1차 산정 (익명)	전문가	타인의 의견을 모른 채 각자 비용을 추정하고 근거를 작성하여 중재자에게 제출
3. 취합 및 공유	중재자	제출된 결과를 요약/통계화(평균, 편차)하여 전문가들에게 다시 익명으로 공유
4. 재산정 (반복)	전문가	극단치(최고/최저)를 제시한 사람의 익명 근거를 참고하여 자신의 추정치 수정
5. 최종 합의	중재자	결과의 편차가 좁혀지고 합의점에 도달할 때까지 (보통 3~4회) 반복 후 확정

이 순차 흐름도는 델파이 기법에서 익명성과 반복을 통해 추정치가 어떻게 수렴하는지 보여준다.

[델파이 기법의 합의 수렴 프로세스]

       (전문가A: 10M) (전문가B: 20M) (전문가C: 50M) ─► 1차 산정 (편차 큼)
                 │              │              │
[중재자 취합/요약] ◄──────────────┴──────────────┘
                 │ (C의 주장: "이건 숨겨진 레거시 연동이 복잡함")
                 ▼
       (전문가A: 15M) (전문가B: 25M) (전문가C: 40M) ─► 2차 산정 (편차 감소)
                 │              │              │
[중재자 취합/요약] ◄──────────────┴──────────────┘
                 │ (A, B 수긍 및 산정치 상향 조정)
                 ▼
       (전문가A: 30M) (전문가B: 30M) (전문가C: 35M) ─► 최종 합의 도출 (약 32M)

이 프로세스의 핵심 원리는 **'익명성'**과 **'극단치에 대한 근거 공유'**이다. 직급이 높은 사람의 목소리에 다수가 휩쓸리는 후광 효과(Halo Effect)를 익명성으로 차단하고, 50M이라는 비정상적으로 높은 견적을 낸 사람의 논리적 근거(레거시 이슈)를 모두가 공유함으로써 집단 지성(Collective Intelligence)을 발휘하여 정확도를 획기적으로 높인다.

📢 섹션 요약 비유: 델파이 기법은 항아리 속의 구슬 개수를 맞힐 때, 누가 얼마를 불렀는지 모르게 종이에 적어내고, 제일 많이/적게 부른 사람의 이유를 익명으로 듣고 나서 다시 적어내기를 반복하여 진짜 개수에 가장 근접해가는 마법과 같습니다.

Ⅲ. 융합 비교 및 다각도 분석 (Comparison & Synergy)

하향식 기법 중 전문가 감정과 델파이 기법, 그리고 이를 애자일 환경에 맞게 변형한 플래닝 포커를 비교한다.

비교 항목	전문가 감정 기법	델파이 기법 (Delphi)	플래닝 포커 (Planning Poker)
소통 방식	대면/비대면 자유	완전한 익명 및 서면	대면, 카드 동시 공개
적용 환경	소규모, 신속한 견적	대형 프로젝트 초기, 하향식	애자일 스프린트 백로그 추정
권위 편향 방지	취약함 (상급자 의견 추종)	매우 강함 (익명성 보장)	강함 (동시 공개 메커니즘)
추정 단위	인월(M/M) 단위, 예산	인월(M/M), 비용	스토리 포인트 (상대적 규모)

이 다이어그램은 하향식(Top-down)과 상향식(Bottom-up) 기법의 특징적 차이를 보여주는 비교 모델이다.

[하향식 vs 상향식 산정 아키텍처 비교]

    [ 하향식 (Top-Down) ]               [ 상향식 (Bottom-Up) ]
         전체(Total)                       전체(Total) = ∑ 하위 요소
             │                                  ▲
    ┌────────┼────────┐                ┌────────┼────────┐
    ▼        ▼        ▼                │        │        │
  Sub A    Sub B    Sub C             Sub A    Sub B    Sub C
(경험적 비율로 할당 분배)               (각각 WBS/LOC 상세 측정)

- 빠름, 요구사항 불명확할 때 유리       - 느림, 상세 설계 완료 후 유리
- 전체 시스템 수준의 누락 방지          - 개별 모듈 수준의 누락 방지

이 비교의 핵심은 상호 보완성이다. 하향식 산정은 시스템 통합(Integration), PM, 문서화 같은 '전체 수준의 간접 활동' 비용을 잘 잡아내는 반면 세부 기능 개발 비용을 과소평가하기 쉽다. 반대로 상향식 산정은 세부 기능 비용은 정확하나, 이들을 하나로 묶는 통합 비용을 누락하는 경향이 있다. 따라서 실무에서는 두 방식을 크로스체크 용도로 함께 사용한다.

📢 섹션 요약 비유: 하향식은 우주에서 망원경으로 지구를 보며 숲의 전체 크기를 짐작하는 것이고, 상향식은 숲 속에서 나무 하나하나의 개수를 세어 합치는 것입니다. 두 시야를 합쳐야 가장 정확한 지도가 나옵니다.

Ⅳ. 실무 적용 및 기술사적 판단 (Strategy & Decision)

하향식 산정은 주로 제안(Pre-Sales) 단계에서 경영진의 의사결정을 돕는 도구로 사용된다.

실무 시나리오: 신규 AI 챗봇 서비스 도입 예산 기획

상황: 기능 명세서 없이 "기존 고객센터에 AI 챗봇을 붙이고 싶다"는 요구사항만 존재. 상향식(LOC, FP) 불가.
적용: 델파이 기법 발동. PM, AI 아키텍트, 백엔드 리드 3명이 익명으로 산정.
과정: 아키텍트는 AI 모델 튜닝 비용을 크게 잡았고, 백엔드는 레거시 연동 비용을 크게 잡음. 3라운드의 조정 끝에 두 리스크를 모두 반영한 합리적인 예산 합의.
결과: 이 예산을 바탕으로 타당성을 검토하고, 예산 승인 후 상세 분석/설계로 진입.

안티패턴: 파킨슨의 법칙과 낙관적 편향 전문가 감정의 가장 큰 적은 개발자 특유의 '낙관적 편향(Optimism Bias)'이다. "다 아는 기술이니 한 달이면 다 짭니다"라고 오판하는 것이다. 또한, 탑다운으로 넉넉한 예산이 분배되면 일의 양이 주어진 시간에 맞춰 팽창하는 '파킨슨의 법칙(Parkinson's Law)'이 작용하여 효율성이 떨어질 수 있다. 이를 방지하기 위해 중재자는 델파이 과정에서 비관적인 상황(서버 지연, 퇴사 등)을 가정하도록 유도해야 한다.

이 의사결정 트리는 델파이 기법의 조정(Mediation) 과정에서 중재자가 취해야 할 액션을 보여준다.

[델파이 기법 중재자(Coordinator) 의사결정 트리]

[산정 결과 취합]
 ├─► 편차가 20% 이내인가?
 │    ├─► (Yes) ─► 평균값 산출 후 [최종 합의 및 종료]
 │    │
 │    └─► (No) ─► 극단치(Max/Min)의 사유가 기술적 사실에 근거하는가?
 │                  ├─► (Yes) ─► 익명 사유서 그룹 공유 후 [재산정 지시]
 │                  │
 └──────────────────└─► (No, 단순 감정/오해) ─► 해당 전문가에게 요구사항 재설명 후 보정 지시

이 플로우의 핵심은 중재자(Coordinator) 역량이 델파이 기법의 품질을 좌우한다는 점이다. 중재자는 단순히 값을 더하고 나누는 서기가 아니라, 극단적인 값 속에 숨어 있는 '아무도 보지 못한 리스크'를 발굴해내어 그룹에 전파하는 촉매제 역할을 해야 한다.

📢 섹션 요약 비유: 델파이 기법의 중재자는 오케스트라 지휘자와 같습니다. 특정 악기(전문가)의 소리가 너무 튀거나 작을 때, 그 이유 파악하고 전체의 화음(합의)이 맞도록 소리를 조율해냅니다.

Ⅴ. 기대효과 및 결론 (Future & Standard)

하향식 산정은 프로젝트의 불확실성이 극에 달한 시점에 타당성 검토를 가능하게 해주는 거의 유일한 무기이다. 델파이 기법의 철학은 최신 애자일 방법론의 '플래닝 포커'로 훌륭하게 계승되어 오늘날 전 세계 수많은 스쿼드(Squad) 팀에서 매일같이 활용되고 있다.

기대 효과 구분	세부 내용
의사결정 속도	상세 요구사항 도출 전이라도 Go/No-Go를 결정할 수 있는 경영적 지표 제공
리스크 식별 병행	산정 합의 과정에서 서로의 의견을 충돌시키며 초기에 보이지 않던 기술적 리스크(Blind Spot) 조기 식별

미래에는 전문가의 뇌에 의존하던 하향식 산정을 보조하기 위해, 기업 내 지식 저장소(Wiki, Jira)를 분석한 LLM(대규모 언어 모델)이 "과거 유사한 3개 프로젝트의 델파이 산정 결과와 실제 투입 비율은 이러했습니다"라고 데이터를 제시하는 AI-Assisted 델파이 방식으로 진화할 것이다.

📢 섹션 요약 비유: 하향식 산정은 어두운 밤바다에서 등대의 불빛을 보고 거리를 가늠하는 항해술입니다. 정확한 자로 잰 것은 아니지만, 배가 암초에 부딪히지 않고 옳은 방향으로 가도록 돕는 가장 빠르고 직관적인 지혜입니다.

📌 관련 개념 맵 (Knowledge Graph)

플래닝 포커 (Planning Poker) (애자일 스크럼에서 스토리 포인트를 추정할 때 사용하는 델파이 기법의 변형적, 시각적 합의 도구)
광대역 델파이 기법 (Wideband Delphi) (배리 보헴이 기존 델파이 기법을 소프트웨어 공학에 맞게 개량하여 프로젝트 관련자 간의 소통을 넓힌 방식)
COCOMO 모델 (수학적 산정 기법이지만, 가장 상위 레벨인 '초기 설계 모델'은 하향식 추정의 성격을 띠고 있음)
불확실성의 원추 (Cone of Uncertainty) (초기 하향식 산정이 가질 수밖에 없는 큰 오차 범위와 시간이 지남에 따른 수렴을 설명하는 이론)
PERT/CPM (일정 산정에 있어서 낙관/비관/기대치를 혼합하여 전문가 판단의 정확도를 높이는 프로젝트 관리 기법)

👶 어린이를 위한 3줄 비유 설명

방 청소를 얼마나 해야 할지 모를 때, 엄마가 방을 보고 "음, 2시간은 걸리겠네!"라고 짐작하는 것이 전문가 감정이에요.
하지만 엄마 혼자 생각하면 틀릴 수 있으니, 아빠와 형에게도 쪽지에 몰래 시간을 적어내게 하는 것이 델파이 기법의 시작이에요.
형이 "침대 밑에 장난감이 짱 박혀있어!"라고 이유를 말해주면, 다 같이 고개를 끄덕이고 "그럼 3시간!" 하고 정답을 맞혀가는 과정이랍니다.