업데이트일 2026년 11월 22일
최근 몇 주 사이, 약한 신호로 여겨지던 이슈가 보안팀의 핵심 주제로 떠올랐습니다.
코드를 분석하고 전례 없는 규모로 취약점을 탐지할 수 있는 모델이 등장하면서 사이버 보안은 새로운 국면에 접어들었습니다. 인공지능은 이제 자동화 도구가 수년 동안 찾아내지 못했던 결함까지 식별할 수 있습니다. 동시에 취약점 발견의 규모도 커지고 있습니다. 한정된 범위에 전문 지식을 투입하며 긴 주기로 진행되던 작업이 이제는 대규모로, 거의 산업적인 수준으로 바뀌고 있습니다.
역설은 곧바로 드러납니다. 취약점을 탐지하는 능력은 그 어느 때보다 높아졌지만, 보안팀이 받는 압박도 그 어느 때보다 커졌습니다. 이미 일부에서는 흡수하고, 우선순위를 정하고, 수정하기 어려울 만큼 많은 취약점이 쏟아진다고 말합니다.
그러나 이 변화 뒤에는 더 은밀하고 더 조용히 퍼지는 또 다른 변화가 숨어 있습니다.
수년 동안 사이버 보안은 널리 검증된 하나의 직관 위에 세워져 왔습니다. 사고는 시스템만이 아니라 사용 방식에서 비롯된다는 것입니다. IBM의 2023년 보고서도 이를 꾸준히 강조합니다. 데이터 유출의 대다수에는 어떤 형태로든 인적 오류가 관련되어 있습니다.
눈에 띄는 큰 실수가 아니라 평범한 결정들입니다. 너무 서둘러 공유한 파일, 대충 해 둔 설정, 의도된 범위를 벗어나 사용한 도구 같은 것들입니다.
인공지능은 이러한 진단에 이의를 제기하지 않습니다. 오히려 증폭시킵니다.
인공지능은 작업을 빠르게 하고, 업무를 단순하게 만들며, 마찰을 줄여 줍니다. 비전문가도 복잡한 시스템을 다룰 수 있게 하지만, 그 영향을 충분히 이해하지 못한 채 사용하는 경우도 있습니다. 동시에 공격 표면도 넓어집니다. 데이터는 이전과 다른 방식으로 흐르고, 도구는 늘어나며, 사용은 전통적인 승인 절차를 거치지 않고 퍼지기도 합니다.
오늘날 눈에 띄는 것은 이러한 사용 방식이 얼마나 깊이 자리 잡았는가 하는 점입니다. 대부분의 조직에서 AI는 개인 단위로, 종종 어떤 공동의 체계 밖에서 사용됩니다. 주로 "증강된 사무 업무", 즉 글쓰기, 문장 다듬기, 요약하기, 더 빠르게 결과물 만들기에 쓰입니다.
이러한 활용 자체가 문제인 것은 아닙니다. 오히려 생산성을 높이는 강력한 수단입니다. 일부 업무를 자동화하고, 시간을 확보하며, 일상 업무를 수월하게 해 줍니다. 하지만 많은 경우 거버넌스가 제대로 갖춰지지 않은 채 남아 있습니다.
바로 여기에 핵심적인 긴장이 있습니다.
아무리 강력한 도구라도 제공하는 것만으로는 통제된 사용을 보장할 수 없습니다. AI도 예외가 아닙니다. 명확한 기준, 공유된 모범 사례, 적절한 지원이 없으면 사용 방식이 제각각으로, 때로는 즉흥적으로 발전합니다.
이런 상황에서 직원들은 스스로 배웁니다. 실험하고, 조정하고, 다른 곳에서 본 행동을 따라 합니다. 빠른 성과를 추구하며, 그것이 옳은 경우도 많습니다. 하지만 관련 위험을 평가할 수 있는 기준점을 항상 갖추고 있는 것은 아닙니다.
CIO 쪽에서 의문이 생기기 시작하는 것도 대개 이 시점입니다.
큰 사고가 터진 뒤가 아니라 보다 점진적으로 의문이 떠오릅니다.
지금 팀들이 AI로 무엇을 하고 있는지 우리는 정말 이해하고 있는가, 그래서 통제하고 있다고 말할 수 있는가?
많은 조직에서 이 질문에 대한 답은 여전히 불완전합니다. 도구가 부족해서가 아니라, 사용 방식이 이를 체계화하기 위한 틀보다 더 빠르게 변하고 있기 때문입니다. 이러한 간극은 중요한 전환을 의미합니다.
오랫동안 사이버 보안은 인프라를 중심으로 구축되었습니다. 접근을 보호하고, 흐름을 통제하고, 시스템을 지키는 일이었습니다.
오늘날 긴장의 지점은 이동하고 있습니다. 그것은 바로 사용 방식에 있습니다.
일부 기업은 이에 맞춰 접근 방식을 바꾸기 시작했습니다. 이미 AI가 대규모로 가능하게 한 더 많은 취약점 탐지에만 머무르지 않고, 취약점이 일상적인 업무 관행 속에서 어떻게 생겨나는지 이해하려 합니다. 팀이 이러한 도구를 어떻게 사용하는지, 어떤 상황에서 결정을 내리는지, 효율성과 보안 사이에서 어떻게 균형을 잡는지를 살피는 것입니다.
이러한 관점의 전환에는 특별한 노력이 필요합니다. 사용을 단순히 허용하는 데 그치지 않고 지원해야 한다는 것입니다.
여기에는 일상 업무와 직접 연결된, 단순하고 접근하기 쉬운 학습 방식이 필요합니다. 이론 중심의 교육이 아니라 구체적인 지침, 사례, 상황을 통해 무엇이 허용되고 무엇이 허용되지 않는지, 그리고 그 이유가 무엇인지 이해하도록 돕는 방식입니다.
직원들이 배우고, 실천 사례를 공유하며, 점진적으로 사용 방식을 체계화하도록 장려하는 일은 핵심 수단이 됩니다. 도입 속도를 늦추기 위해서가 아니라 더 견고하게 만들기 위해서입니다.
이것이 특히 Complement에서 나타나고 있는 새로운 접근 방식의 논리입니다. Complement에서는 AI를 팀을 지원하고, 사용 방식을 체계화하며, 상황을 더 구체적으로 보여 주는 수단으로 활용합니다. 목표는 AI 사용을 제한하는 것이 아니라, 오히려 직원들이 자신의 결정이 가져올 영향을 더 잘 이해하고 더 신중하게 AI를 사용할 수 있도록 하는 것입니다.
인공지능이 사이버 보안 위기를 만들어 내는 것은 아닙니다. 이미 존재하던 흐름을 가속할 뿐입니다. 취약점을 탐지하는 능력은 높아지지만, 오래전부터 알려진 현실도 더 분명하게 드러납니다. 시스템의 보안 수준은 그것이 사용되는 방식만큼만 안전하다는 사실입니다. 그리고 오늘날 그 사용 방식은 빠르게, 종종 산발적으로, 때로는 공동의 기준 없이 변화하고 있습니다.
이제 간단한 질문이 남습니다.
취약점이 늘어나고 사용이 점점 활발해지는 환경에서, 여러분의 팀이 인공지능을 실제로 어떻게 사용하고 있는지 명확히 파악하고 계십니까?
