데이터 라벨링 외주 비용: 단가를 정하는 5요소와 견적 체크리스트
라벨링 외주 견적은 단가표 하나로 정해지지 않습니다. 비용을 움직이는 다섯 요소와 업체 비교가 가능해지는 견적 요청 체크리스트를 정리했습니다.
데이터 라벨링 외주 비용은 단가표 한 장으로 정해지지 않습니다. 같은 이미지 1만 장이라도 견적은 몇 배까지 벌어집니다. 라벨 유형, 클래스 수, 요구 정확도, 검수 방식이 다르기 때문입니다. 다만 견적을 움직이는 요소는 정해져 있습니다. 이 글은 그 다섯 요소를 설명합니다. 견적을 요청할 때 미리 정리해 둘 체크리스트도 함께 드립니다. 이 글은 2026년 9월 기준으로 작성했습니다.
📌 3줄 요약
· 라벨링 외주 비용은 다섯 요소로 결정됩니다. 라벨 유형, 클래스와 속성 수, 요구 정확도와 검수 단계, 데이터 상태, 납기와 운영 형태입니다.
· 단가가 낮은 견적이 총비용도 낮은 것은 아닙니다. 재작업과 검수 비용이 총비용의 큰 부분을 차지합니다.
· 견적 요청서에 다섯 요소를 미리 적어 보내면 업체 간 비교가 가능해집니다. 시범 물량으로 재작업 비율을 실측할 수 있습니다.
비용을 결정하는 5요소
1. 라벨 유형
분류는 이미지 1장에 태그 1개를 붙입니다. 바운딩 박스, 폴리곤, 인스턴스 세그멘테이션, 키포인트, 3D 큐보이드로 갈수록 한 장에 드는 시간이 늘어납니다. 세그멘테이션은 박스보다 작업 시간이 몇 배 길고, 키포인트는 관절 수만큼 클릭이 늘어납니다. 견적 요청 때 라벨 유형을 정확히 적어야 하는 이유입니다.
2. 클래스와 속성 수
클래스가 5개인 과제와 50개인 과제는 다릅니다. 작업자 교육 시간과 오분류 비율이 함께 늘어납니다. 클래스마다 색상, 상태, 방향 같은 속성이 붙으면 다시 늘어납니다. 클래스 정의서와 예시 이미지가 준비되어 있으면 교육 비용이 줄고 견적도 내려갑니다.
3. 요구 정확도와 검수 단계
목표 정확도가 95%인지 99%인지에 따라 검수 단계가 1단에서 2단, 3단으로 늘어납니다. 검수는 라벨링 자체보다 비싼 작업입니다. 의료 영상, 결함 판정, PCB 부품 식별처럼 도메인 지식이 필요한 검수는 작업자 단가 자체가 다릅니다.
4. 데이터 상태
해상도, 조명, 가림, 프레임 중복이 작업 시간을 좌우합니다. 영상에서 뽑은 프레임은 중복이 많습니다. 큐레이션으로 중복을 걸러내면 라벨링 물량 자체가 줄어듭니다. 보행자나 차량 번호판처럼 비식별화가 필요한 데이터는 처리 비용이 따로 붙습니다. 대부분 별도 공정으로 잡히므로 견적 요청 때 미리 밝혀야 합니다.
5. 납기와 운영 형태
한 번에 끝나는 프로젝트형과 매달 새 데이터가 들어오는 운영형은 단가 구조가 다릅니다. 운영형은 라벨링 체계를 플랫폼에 세워 두고 물량만 서비스로 처리하는 편이 총비용에서 유리한 경우가 많습니다. 짧은 납기는 투입 인원을 늘리므로 단가가 오릅니다.
방식 비교: 크라우드소싱, 전문 라벨링, 자동화 병행
| 구분 | 크라우드소싱 | 전문 라벨링 | 자동화 병행(플랫폼+검수) |
|---|---|---|---|
| 단가 구조 | 건당 저단가 | 건당 또는 인력·기간 단위 | 플랫폼 사용료 + 검수 물량 |
| 품질 보증 | 다수결·샘플 검수 | 도메인 검수자 2단 이상 | 모델 사전 라벨 + 사람 검수 |
| 맞는 과제 | 단순 분류, 대량 박스 | 결함 판정, 의료, 정밀 세그멘테이션 | 반복 유입 데이터, 운영형 |
| 주의점 | 재작업 비율이 총비용을 뒤집을 수 있음 | 초기 단가가 높아 보임 | 초기 모델 품질에 따라 검수량 변동 |
라벨링 자동화가 실제로 어디까지 왔는지는 아래 가이드에서 세대별로 정리했습니다.
SUPERB AI
자동화 라벨링을 도입하면 외주가 필요 없어지나요?
사전 라벨은 모델이 만듭니다. 남는 일은 검수와 예외 처리입니다. 자동화는 사람이 손댈 물량을 줄이는 수단이고, 검수 체계는 그대로 필요합니다.
대신 비용 구조가 바뀝니다. 건당 라벨링 단가가 줄고, 플랫폼 사용료와 검수 물량이 새 항목으로 들어옵니다. 매달 데이터가 반복해서 들어오는 과제일수록 이 교환이 유리합니다. 한 번에 끝나는 과제는 초기 모델을 세우는 비용을 회수할 구간이 없습니다.
실측: 라벨링 체계가 비용을 바꾼 현장
산업 자동화 부품 제조사는 오픈소스 툴로 PCB 부품과 결함을 라벨링했습니다. 클래스 관리와 검수가 병목이 되자 플랫폼 기반 워크플로로 바꿨습니다.
SUPERB AI
행동 분석 AI 기업은 역할을 둘로 나눴습니다. 라벨링 체계는 플랫폼으로 세우고, 물량은 라벨링 서비스로 처리했습니다. 키포인트 데이터셋이 이렇게 만들어졌습니다.
SUPERB AI
자율주행 로봇 기업은 5년에 걸쳐 멀티센서 데이터를 운영형으로 라벨링하고 있습니다. 운영형 단가 구조가 어떻게 자리 잡는지 볼 수 있는 사례입니다.
SUPERB AI
재작업이 생기면 비용은 누가 부담하나요?
계약서에 적힌 대로입니다. 여기서 견적 비교가 자주 뒤집히므로 단가와 같은 비중으로 확인해야 합니다.
볼 것은 세 가지입니다. 재작업 판정 기준을 누가 정하는지, 합의한 정확도에 못 미쳤을 때 무상 재작업 범위가 어디까지인지, 작업 도중 클래스 정의가 바뀌면 그 물량을 어떻게 계산하는지입니다. 세 번째가 실제로 가장 자주 발생합니다. 라벨링을 시작한 뒤에 기준이 바뀌는 일은 흔합니다.
시범 물량으로 재작업 비율을 먼저 실측해 두면 이 조항을 숫자로 협의할 수 있습니다.
견적 요청 체크리스트
아래 여덟 항목을 채워 보내면 업체별 견적을 같은 기준으로 비교할 수 있습니다.
- 데이터 종류와 물량: 이미지·영상·3D, 장수 또는 프레임 수, 해상도
- 라벨 유형: 분류·박스·폴리곤·세그멘테이션·키포인트·3D 중 무엇인지, 한 장당 평균 객체 수
- 클래스 정의서: 클래스 수, 속성, 예시 이미지 유무
- 요구 정확도와 검수 단계: 목표 정확도, 검수 2중화 필요 여부, 도메인 검수자 필요 여부
- 데이터 상태: 비식별화 필요 여부, 중복 프레임 비율, 보안 요건(온프레미스·망분리)
- 납기와 형태: 1회 프로젝트인지 월 단위 운영인지, 첫 납기
- 시범 물량: 전체의 1~3%로 재작업 비율을 실측할지 여부
- 산출 형식: COCO·YOLO 등 포맷, 플랫폼 내 검수 이력 제공 여부
최소 물량이 있나요?
대부분 협의할 수 있습니다. 최소 물량보다 먼저 정할 것은 시범 물량입니다.
전체의 1~3%를 먼저 돌려 재작업 비율을 실측하면, 본 물량 단가를 같은 근거로 협의할 수 있습니다. 시범 물량 없이 전체를 한 번에 계약하면 기준이 맞는지 확인할 구간이 사라집니다.
내부 인력으로 직접 라벨링하면 더 저렴한가요?
물량이 적고 한 번에 끝나면 내부가 저렴합니다. 그 조건을 벗어나면 역전됩니다.
내부로 할 때 견적서에 안 잡히는 비용이 있습니다. 클래스 정의서를 만들고 작업자를 교육하는 시간, 검수자 역할을 할 사람의 시간, 기준이 바뀔 때마다 생기는 재작업입니다. 앞서 본 산업 자동화 부품 제조사가 오픈소스 툴에서 워크플로를 바꾼 계기도 클래스 관리와 검수의 병목이었습니다.
판단은 물량보다 반복 여부로 하는 편이 정확합니다. 매달 새 데이터가 들어온다면, 내부 인력은 기준을 관리하는 역할에 두고 물량은 밖에서 처리하는 구성이 안정적입니다.
도입 판단 기준 세 가지
첫째, 데이터가 한 번 들어오고 끝나는지 봅니다. 계속 들어온다면 체계를 세우는 비용이 회수됩니다.
둘째, 판정에 도메인 지식이 필요한지 봅니다. 필요하다면 크라우드소싱의 낮은 단가는 재작업으로 상쇄됩니다.
셋째, 보안 요건을 봅니다. 온프레미스가 필수라면 선택지가 줄어듭니다. 견적 요청 전에 확인해야 합니다.
슈퍼브에이아이는 산업 현장의 시각 데이터를 기업이 활용할 수 있는 인텔리전스로 전환하는 비전 인텔리전스 기업입니다. 라벨링 체계를 세우는 플랫폼과 물량을 처리하는 라벨링 서비스를 함께 제공합니다.
💬 라벨링 외주 견적을 검토하고 계신가요? 아래에 데이터 종류와 물량을 남겨주시면, 영업 전화가 아니라 보유하신 데이터로 가능한 라벨링 체계 진단부터 시작합니다.