AI 공공조달 분석 플랫폼으로 입찰 전략 고도화

공공조달 시장은 연간 수십만 건의 입찰 공고가 발생하지만, 기업들은 이를 체계적으로 분석할 도구가 없어 경험과 감에 의존한 의사결정을 하고 있었습니다. 나라장터를 비롯한 공공조달 플랫폼에는 방대한 양의 입찰 정보가 공개되어 있으나, 비정형 텍스트 형태라 자동 분석이 어려웠습니다. 기업의 사업개발팀은 매일 수백 건의 공고를 수작업으로 확인하며 적합한 입찰 건을 선별하는 데 많은 인력을 투입해야 했습니다. 과거 낙찰 데이터에 대한 체계적인 분석 없이 입찰가를 결정하다 보니 수주 확률이 불안정한 상황이었습니다. 데이터 기반의 과학적인 입찰 전략 수립 도구에 대한 수요가 높아지고 있었습니다.

나라장터 등 공공조달 플랫폼의 비정형 데이터를 수집·정제하고, 기업별 적합 입찰 건을 자동으로 매칭하는 지능형 시스템이 필요했습니다. 입찰 공고의 텍스트에는 사업 범위, 자격 요건, 평가 기준 등이 비구조화된 형태로 기술되어 있어 정밀한 자연어 처리가 요구되었습니다. 수만 건의 과거 낙찰 데이터를 분석하여 경쟁 환경과 적정 입찰가를 예측하는 기능도 핵심 요구사항이었습니다. 다양한 조달 분류 체계를 이해하고 기업의 사업 역량과 매칭할 수 있는 분류 모델 개발이 필요했습니다. 시스템은 지속적으로 신규 데이터를 학습하여 추천 정확도를 높이는 구조여야 했습니다.

Python과 FastAPI 기반의 데이터 파이프라인을 구축하고, NLP 모델로 입찰 공고를 분류·분석했습니다. 크롤링부터 전처리, 분석, 저장까지의 전체 워크플로우를 자동화하여 매일 신규 공고 데이터가 시스템에 반영되도록 설계했습니다. LLM을 활용한 인사이트 요약 기능을 통해 복잡한 공고 내용을 핵심 정보로 압축하여 제공했습니다. 과거 낙찰 이력 데이터를 기반으로 경쟁사 분석과 낙찰가 예측 모델을 함께 개발하여 입찰 전략 수립을 지원했습니다. 단계별로 MVP를 배포하며 사용자 피드백을 반영하는 점진적 개발 방식을 채택했습니다.

React 기반 분석 대시보드와 Docker 기반 배포 환경을 구축하여 안정적이고 확장 가능한 서비스를 제공합니다. 입찰 공고 자동 수집 기능은 매일 수천 건의 신규 공고를 자동으로 수집하고 카테고리별로 분류합니다. 경쟁사 분석 모듈은 과거 입찰 참여 이력과 낙찰 패턴을 시각화하여 경쟁 환경을 한눈에 파악할 수 있도록 합니다. 낙찰 예측 기능은 머신러닝 모델을 활용하여 적정 입찰가 범위를 추천하고 수주 확률을 산출합니다. 기업별 맞춤 알림 설정을 통해 관심 분야의 신규 공고가 등록되면 즉시 통보받을 수 있습니다.

10만 건 이상의 조달 데이터 분석이 가능해졌고, 데이터 기반 입찰 전략 수립으로 수주 효율이 크게 향상되었습니다. 입찰 공고 검토에 소요되던 시간이 대폭 단축되어 사업개발팀의 업무 효율이 눈에 띄게 개선되었습니다. AI가 추천하는 적합 입찰 건의 매칭 정확도가 높아 불필요한 입찰 참여를 줄이고 핵심 사업에 집중할 수 있게 되었습니다. 낙찰가 예측 기능의 활용으로 보다 전략적인 가격 결정이 가능해져 수주 경쟁력이 강화되었습니다. 프로젝트 성과를 바탕으로 분석 대상 데이터를 지방자치단체 조달까지 확대하는 후속 계획이 진행 중입니다.