(https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F2jcr9ss8p512pqedo8z9.jpg)

대부분의 컨설턴트 대 프리랜서 비교는 가격과 범위에만 머뭅니다. 팀에게 나중에 실제로 문제가 되는 부분은 인계(handoff)입니다. 즉, 계약이 끝날 때 어떤 아티팩트를 남게 되는지, 모델이 드리프트(drift)할 때 누가 재학습(retraining)을 책임지는지, 그리고 새로운 모델 버전이 프로덕션 환경에서 무언가를 망가뜨렸을 때 누가 책임을 지는지입니다. 이 세 가지는 누구를 고용했는지에 따라 완전히 달라지지만, 거의 아무도 이를 SOW(Statement of Work)에 미리 명시하지 않습니다.

이것이 컨설턴트 계약의 가치를 떨어뜨리는 것은 아니지만, 단지 인계가 시스템이 아니라 문서라는 것을 의미할 뿐입니다. 실수는 사양서만으로 이루어진 인계 과정에는 프로덕션 데이터와 접촉하는 모든 것이 포함된다고 가정하는 것입니다.

재학습 책임은 아무도 협상하지 않는 간극

컨설팅 계약은 보통 모델 드리프트가 관찰되기도 전에 끝나며, 사양서(spec)만 전달되고 빌드는 나중에 이루어집니다. 새로운 데이터에서 정확도가 저하될 때쯤이면 컨설턴트는 프로젝트를 떠나고 재학습 결정에는 명확한 책임자가 없습니다. 프리랜서 계약서에는 이를 명시해야 합니다: 무엇이 재학습을 유발하는지, 누가 비용을 지불하는지, 그리고 어떤 주기로 진행할 것인지입니다. 정확도가 눈에 띄게 떨어질 때까지 기다리다 보면, 이는 서명된 조항의 위치에서 협상하는 것이 아니라 긴급한 상황에서 협상하게 됩니다.

실제로 간극을 메우는 인계 매니페스트(handoff manifest)

이것은 누구를 고용했든 관계없이 계약 종료 시 요구할 가치가 있는 아티팩트입니다. 만약 컨설턴트가 이것을 채울 수 없다면, 그들은 그것에 대해 책임질 사람이 아닙니다. 프리랜서도 이것을 채울 수 없다면, 인계 과정이 아직 완료되지 않은 것입니다:

deployment-handoff-manifest.yaml

모델:
weights_path: s3://client-bucket/models/defect-detector-v3.pt
프레임워크: pytorch==2.3
학습 스크립트: repo:/train/train_yolo.py
eval_metrics: {mAP: 0.91, precision: 0.88, recall: 0.86}
eval_dataset_version: v3-2026-06-annotated
배포:
container_image: registry/client/cv-inference:1.4.0
api_spec: openapi.yaml
롤백 계획: 기능 플래그 뒤에서 마지막 2개 모델 버전을 활성 상태로 유지
모니터링:
drift_check: 주간, 홀드아웃 데이터셋에서 mAP가 0.85 미만으로 떨어지면 경고
handoff 후 소유자:
재학습:
트리거: 드리프트 알림 OR 새로운 SKU 카테고리가 추가될 때
주기: 최소 분기별 검토
비용 모델:

밑줄을 칠 두 줄, 즉 owner_after_handoff와 cost_model이 중요합니다. 출시 후 6개월 시점에 발생하는 CV 시스템 관련 대부분의 분쟁은 모델 아키텍처가 잘못되어서가 아니라, 서명(signoff) 단계에서 이 두 필드가 비어있기 때문에 발생합니다.

다음 계약 범위를 설정하는 데 이것이 의미하는 바는 무엇인가요?
만약 사전 구축 범위 설정을 위해 컨설턴트를 고용한다면, 최종 빌더가 빈 페이지 대신 명확한 목표를 물려받을 수 있도록, 플레이스홀더 값으로도 상관없으니 위와 같은 매니페스트 구조를 사양의 일부로 요청해야 합니다. 만약 프리랜서를 직접 고용한다면, 이 매니페스트를 나중에 모델이 이미 운영 중일 때 요청하는 부가적인 것이 아니라 계약서상의 필수 산출물(deliverable)로 만들어야 합니다. 어느 쪽이든 간에, 기술 인계 과정이야말로 모두가 끝났다고 생각했을 12개월 후에 CV 프로젝트가 조용히 비싸지는 지점입니다.

이 글은 shreyans.tech의 전체 컨설턴트 대 프리랜서 의사결정 프레임워크를 보완하는 글로, 비용 범위, 프로젝트 시나리오 및 위험 신호(red flags)에 대해 더 깊이 다룹니다.

저자 소개: Shreyans Padmani는 100%의 Upwork 작업 성공 점수(job success score)와 정량화된 비즈니스 성과를 담은 12개의 공개 사례 연구(case studies)를 보유한 프리랜서 AI 및 컴퓨터 비전 (Computer Vision) 개발자입니다. 그는 shreyans.tech에서 프로덕션 단계의 CV 엔지니어링 (CV engineering)에 관한 글을 작성합니다. 만약 이러한 인계 (handoff) 과정의 구축 측면을 올바르게 수행할 필요가 있다면, 그의 컴퓨터 비전 개발 서비스 페이지에서 클라우드 (cloud) 및 에지 (edge) 배포 전반에 걸친 객체 탐지 (object detection), 의료 영상 (medical imaging), 품질 검사 (quality inspection) 서비스를 확인할 수 있습니다.