Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
기업용 소프트웨어의 자체 개발(Build)과 구매(Buy) 결정 시 발생하는 복잡성을 해결하기 위한 구조화된 의사결정 지원 프레임워크를 제안합니다. 온톨로지와 규칙 기반 추론을 결합하여 전략, 비용, 리스크를 체계적으로 분석하고 투명한 권장 사항을 도출합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기자체 개발(Build) 대 구매(Buy) 결정은 전략적, 기술적, 비용적, 그리고 리스크 고려 사항들이 서로 충돌함에 따라 기업용 소프트웨어 개발에서 지속적인 과제로 남아 있습니다. 클라우드 네이티브(Cloud-native) 기술, API, 그리고 로우코드(Low-code) 플랫폼을 통한 맞춤형 개발의 실현 가능성이 높아짐과 동시에 제3자 솔루션(Third-party solutions)의 가용성 또한 증가하면서, 이러한 결정의 복잡성은 더욱 증폭되었습니다. 실제로 조직들은 종종 파편화된 전문 지식과 비공식적인 추론에 의존하며, 이로 인해 트레이드오프(Trade-offs)를 체계적으로 분석하거나 시간이 흐름에 따른 결정의 타당성을 입증하는 데 어려움을 겪습니다. 본 논문은 이러한 맥락에서 자체 개발 대 구매 의사결정을 보완하기 위해 설계된 구조화된 의사결정 지원 접근 방식을 제시합니다. 이 접근 방식은 전략적 고려 사항, 애플리케이션 특성, 비용 및 예산 제약, 그리고 리스크 차원을 아우르는 의사결정 요인(Decision factors)의 온톨로지(Ontology)에 기반을 두고 있습니다. 이는 해당 요인 모델을 규칙 기반 추론(Rule-based reasoning) 및 참조 수준 매칭(Reference-level matching)과 결합하여, 과거 데이터를 사용할 수 없는 콜드 스타트(Cold-start) 시나리오에서도 의사결정을 지원합니다. 이 접근 방식은 사용자가 관련 요인을 평가하고, 트레이드오프(Trade-offs)를 탐색하며, 투명한 추론을 통해 권장 사항을 도출할 수 있도록 하는 경량 어드바이저리 아티팩트(Advisory artifact)로 구현되었습니다. 본 접근 방식의 적용 가능성은 금융 도메인 사례를 통해 설명되며, 구조화된 요인 분석이 어떻게 의사결정 근거를 명확히 하고 시간이 지남에 따라 결정이 변할 수 있는 조건을 강조할 수 있는지 보여줍니다. 연구 결과는 의사결정 기준을 명시적이고 체계적으로 비교 가능하게 만드는 것이 기업 환경에서 자체 개발 대 구매 결정의 품질, 투명성 및 감사 가능성(Auditability)을 향상시킬 수 있음을 시사합니다.