검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'보안'통합검색 결과 입니다. (8434건)

영역
기간
- 3개월
- 1년
- 1년 이전

재검색

한국IBM컨설팅 "제조현장서 생성 데이터 80% 다크데이터로 방치"

"제조 현장에서 생성하는 데이터의 80% 이상이 '다크 데이터'로 방치되고 있습니다." 김현정 한국IBM컨설팅 대표는 산업부가 5일 서울 강남 한국산업기술센터에서 개최한 '제3회 M.AX 전문가 컨퍼런스'에서 발제자로 나서 이 같이 밝혔다. 'M.AX'는 Manufacturing AI Transformation의 약어로 제조AX를 말한다. 성공적인 제조업의 AI 대전환을 위해서는 양질 제조 데이터를 확보하고, 이를 적극적으로 활용할 수 있는 기반을 구축해야 한다. 이에 산업부는 정부 출범 1주년을 맞아 제조AX를 성공하기 위한 방안을 모색하는 분야별 전문가 컨퍼런스를 연속 개최하고 있다. 이날 컨퍼런스는 제조 데이터가 M.AX 추진 과정에서 왜 중요한지, 또 양질의 제조 데이터를 확보 및 활용하기 위해서는 어떤 인프라를 구축해야 하는지를 놓고 참석 전문가들이 발제하고 토의를 했다. '제조AX의 핵심, 데이터'를 주제로 발표한 김현정 대표는 "현대식 공장의 생산라인 하나가 매달 쏟아내는 데이터 양이 2200테라바이트(2200TB, 설비 2000개, 설비당 센서 100~200개 가정)로 매년 늘고 있다면서 "공장 내부를 넘어 공급망 전체에 실시간 데이터를 공유하고 필요한 부서와 파트너가 접근할 수 있는 성숙도를 갖춘 제조기업은 전체의 17%에 불과하다"고 밝혔다. AX를 성공적으로 추진하기 위한 핵심요건으로 기업의 독점 데이터(Proprietary Data) 활용 역량을 꼽았다. 제조AX에 대한 글로벌 조사 결과도 공개했다. 이에 따르면, 글로벌 리딩그룹 CEO의 72%는 자사가 보유한 독점적 데이터가 생성형AI 가치의 열쇠라고 답했다. 또 글로벌 제조사 CEO 63%는 AI가 이미 자사 비즈니스의 코어(Core)로 간주하고 있는 영역을 변화시키고 있다고 답했고, 글로벌 기업 CDAO와 CIO의 63%는 조직이 AI를 위한 적절한 데이터 관리 체계를 아직 갖추지 못하고 있다고 밝혔다. 또 글로벌 제조사 CEO 66%는 AI기반 일반 생상성 향상 모델이 범용화할 것으로 예상하며 자사 독점 데이터로 직접 확보해야 할 AI역량 중요성을 인지하기 시작했다. 특히 글로벌 리딩 그룹 CDO 78%는 자사 독점 데이터 활용을 최우선 전략 목표로 삼고 있다고 밝혔으며, 글로벌 기업 CDAO와 CIO의 60%는 AI-레디 데이터를 갖추지 못한 경우 추진하고 있는 AI프로젝트를 올해내 포기할 것으로 전망했다. 김 대표는 데이터 중요성을 강조하며 "사업 성과와 혁신 속도를 가르는 핵심요인"이라고 짚었다. 제조AX 데이터 체계 확보를 위한 5가지 고려사항으로 ▲데이터 표준화와 품질 ▲데이터 연결성 ▲데이터 문맥성 ▲데이터 거버넌스 ▲데이터 주권과 보안을 제시했다. 특히 데이터 표준화와 품질과 관련해 "제조 데이터는 센서 편차, 결축, 이상치, 설비별 상이한 포맷에 따른 차이가 존재한다"면서 "데이터 정합화 노력이 선결과제"라고 밝혔다. 데이터 연결성에 대해서는 "MES, ERP, PLM, SCADA 등의 연계와 설비로그 데이터, 검사결과 데이터의 분절 문제를 해결해야 한다"고 제언했다.

2026.06.07 20:44방은주 기자

AI가 AI 만드는 시대, 개발자 방향성은 어디

인공지능(AI)이 코드를 생성하고 분석하는 수준을 넘어 새로운 AI 모델과 서비스 개발 과정에 참여하는 등 개발 현장 도입이 빨라지고 있다. AI가 소프트웨어(SW) 개발 전 공정에 깊숙이 관여하는 흐름이 본격화되면서 개발자의 역할 역시 근본적인 변화를 맞이하고 있다는 분석이 나온다. 7일 관련 업계에 따르면 오픈AI, 앤트로픽 등 글로벌 AI 기업은 AI와 관련 서비스 개발의 상당 부분에 자체 AI 에이전트를 투입하고 있다. 앤트로픽은 실제 서비스에 적용되는 내부 코드의 상당 부분을 AI 모델 '클로드'가 작성하고 있다고 밝혔다. 이는 개발자가 코드를 입력할 때 일부 단어나 코드 줄을 추천하던 기존 코딩 비서와는 다른 방식이다. 클로드는 전체 코드베이스를 읽고 여러 파일에 걸쳐 작업 계획을 세운 뒤 직접 코드를 수정하고 테스트까지 수행한다. 테스트 과정에서 문제가 발견되면 다시 수정하는 방식으로 반복 작업을 이어간다. 업계에서는 이를 두고 AI가 단순 보조 도구를 넘어 실제 개발 업무를 수행하는 단계로 진화하고 있다고 보고 있다. 오픈AI도 AI 코딩 도구 '코덱스'를 보안, 제품 엔지니어링, 프런트엔드, API, 인프라, 성능 엔지니어링 등 여러 기술 조직에서 매일 활용하고 있다고 설명했다. 복잡한 시스템 분석부터 대규모 리팩터링, 신규 기능 개발, 장애 대응, 코드 점검까지 다양한 업무에 코덱스가 활용되고 있다는 것이다. 챗GPT 웹팀의 한 백엔드 엔지니어는 "코덱스가 기존 레거시 호출을 새로운 서비스 방식으로 바꾸고 코드 변경 제안서(PR)까지 작성해 몇 시간이 걸릴 일을 몇 분 만에 해냈다"고 말했다. 챗GPT 엔터프라이즈팀의 한 제품 엔지니어도 "하루 종일 회의 중이었는데도 코덱스가 백그라운드에서 작업해 PR 4개를 병합했다"고 설명했다. AI가 단순 추천 도구를 넘어 실제 개발 업무를 수행하는 협업 주체로 바뀌고 있음을 보여주는 대목이다. IBM도 최근 엔터프라이즈 특화 개발 파트너 'IBM 밥'을 공개하며 계획, 코딩, 테스트, 배포 등 개발 전 과정에서 AI 활용을 확대하고 있다고 밝혔다. 관련 업계에서는 AI 도입이 본격화하면서 개발자의 역할도 빠르게 재편되고 있다고 보고 있다. 사람이 모든 코드를 직접 작성하던 구조에서 벗어나, 이제는 AI에 작업을 배분하고 그 결과를 검증하며 품질과 위험을 통제하는 역할이 한층 중요해지고 있다는 것이다. 앤트로픽은 공식 페이지를 통해 이제 코드 상당수는 클로드 코드가 작성하고 있으며 엔지니어는 아키텍처 설계와 제품 판단, 지속적인 작업 조율에 집중하고 있다고 설명했다. 오픈AI 역시 에이전트 중심 개발 환경에서는 엔지니어의 주된 일이 더 이상 직접 코드를 쓰는 데 그치지 않고, 환경을 설계하고 의도를 명확히 하며 피드백 루프를 만드는 방향으로 바뀌고 있다고 설명했다. 이처럼 반복 구현과 정형화된 작업을 AI가 빠르게 흡수하기 시작하면서 개발자에게 요구되는 역량도 달라지고 있다. 앞으로는 단순히 코드를 많이 작성하는 능력보다 무엇을 만들어야 하는지 문제를 정의하고, 시스템 구조를 설계하며, AI가 만든 결과물을 검토해 품질과 보안, 규정 준수까지 책임지는 역량이 더 중요해질 것이라는 전망이 나온다. 닐 순다레산 IBM 소프트웨어 총괄은 "이제는 AI 모델 성능만으로는 충분하지 않다"며 "인간을 루프 안에 두는 방식이 AI의 실제 가치를 결정한다"고 전했다. 이어 "AI가 개발 전 공정에 들어오는 시대일수록 결국 남는 질문은 무엇을 자동화할 수 있느냐가 아니라 누가 맥락을 설계하고 결과를 책임지느냐"라고 덧붙였다. 안드레 벡톨드 SAP 인더스트리 및 익스피리언스 부문 총괄도 "비효율적이거나 위험한 업무는 AI 에이전트가 자율적으로 처리하되, 보안과 규정 준수, 핵심 의사결정 영역에서는 인간이 최종 제어권을 유지해야 한다"며 "인간은 기계가 대체할 수 없는 차별화된 핵심 업무에서 새로운 기회와 가치를 창출하게 될 것"이라고 밝혔다.

2026.06.07 14:47남혁우 기자

트럼프 AI 정책 설계자 떠난다…백악관 고문 스리람 크리슈난 퇴임

도널드 트럼프 미국 행정부 인공지능(AI) 정책 수립을 주도해온 핵심 참모 스리람 크리슈난이 이달 말 백악관을 떠난다. 최근 미국 정부가 첨단 AI 모델 사전 보안 검증 제도를 도입하는 등 AI 정책 행보를 강화하는 가운데 나온 결정으로, 향후 미국 AI 정책 추진 방향에 업계 관심이 쏠린다. 7일(현지시간) 블룸버그통신에 따르면 스리람 크리슈난 백악관 AI 정책 고문은 이달 말 직책에서 물러난다. 다만 백악관 AI·가상자산 책임자를 지낸 데이비드 색스는 크리슈난이 퇴임 이후에도 외부 자문 역할을 이어갈 것이라고 밝혔다괴 외신은 전했다. 크리슈난은 이날 SNS에 "잠시 휴식을 취한 뒤 미국이 AI 분야에서 직면한 큰 과제 해결을 돕는 일에 참여할 것"이라는 글을 남겼다. 벤처캐피털 안드리슨호로위츠 파트너 출신인 크리슈난은 트럼프 대통령 2기 행정부 출범 이후 AI 정책 설계를 담당해왔다. 그는 백악관 AI 액션플랜 수립과 주요 정책 추진, 국제 협력 업무를 총괄하며 미국의 AI 주도권 확보 전략을 이끌어온 핵심 인물로 평가된다. 그가 주도한 AI 액션플랜은 규제와 안전성 강화보다 데이터센터 건설과 AI 인프라 확대를 우선하는 방향으로 설계됐다. 이후 트럼프 행정부는 주(州) 단위 AI 규제를 견제하는 행정명령과 첨단 AI 모델 감독 체계 구축 정책 등을 잇달아 발표하며 미국 중심 AI 경쟁력 강화에 무게를 실어왔다. 실제 트럼프 대통령은 지난 3일 주요 AI 개발사가 가장 강력한 AI 모델을 공개하기 전에 정부에 자발적으로 제출해 사이버보안 검증을 받을 수 있도록 하는 행정명령에 서명했다. 앞서 크리슈난은 지난달 구글·마이크로소프트 등이 미국 정부에 AI 모델을 조기 공개해 성능과 보안성을 평가받는 협력 체계를 구축하는 데도 관여한 것으로 알려졌다고 외신은 설명했다. 또 트럼프 행정부는 최근 국가안보 기관에 특정 AI 기업에 대한 의존도를 낮추고 복수 사업자와 협력할 것을 지시하는 등 AI를 국가안보 핵심 자산으로 관리하려는 움직임을 보이고 있다. 업계에선 크리슈난이 백악관을 떠난 뒤에도 미국 AI 정책에 적지 않은 영향력을 행사할 것으로 보고 있다. 워싱턴포스트에 따르면 그는 향후 미국과 동맹국들이 직면한 AI·에너지·데이터센터 문제 해결을 위한 외부 기관 설립도 준비 중인 것으로 전해졌다. 백악관은 크리슈난의 공로를 높이 평가했다. 쿠시 데사이 백악관 대변인은 "스리람은 성공적인 민간 경력을 뒤로하고 백악관에 합류해 미국의 기술 혁신과 AI 주도권 확보를 위한 노력에 중요한 역할을 했다"고 밝혔다. 크리슈난도 퇴임 발표를 통해 "미국 국민을 위해 봉사할 기회를 얻은 것은 평생 가장 큰 영광이었다"며 "트럼프 대통령의 리더십이 없었다면 미국은 AI 경쟁을 주도하지 못했을 것"이라고 말했다.

2026.06.07 09:48한정호 기자

[ZD브리핑] 젠슨 황 엔비디아, LG그룹-현대차-네이버 방문...협력 강화 '주목'

지디넷코리아는 IT 업계의 이슈를 미리 체크하는 '이번 주 꼭 챙겨봐야 할 뉴스'를 제공합니다. '꼭 챙길 뉴스'는 정보통신, 소프트웨어(SW), 전자기기, 소재부품, 콘텐츠, 플랫폼, e커머스, 금융, 디지털 헬스케어, 게임, 블록체인, 과학 등의 소식을 담았습니다. 바쁜 현대인들의 월요병을 조금이나마 덜어 줄 '꼭 챙길 뉴스'를 통해 한 주 동안 발생할 IT 이슈를 미리 확인해 보시기 바랍니다. [편집자주] 젠슨 황 엔비디아 CEO, LG-현대차-네이버 등 만난다 젠슨 황 엔비디아 최고경영책임자(CEO)가 8일 LG그룹과 현대차그룹, 네이버 등을 차례로 방문할 예정입니다. 젠슨 황 CEO는 지난 5일 최태원 SK그룹 회장, 구광모 LG그룹 회장, 이해진 네이버 의장 등과 서울 홍대 근처 식당에서 저녁 회동을 가졌습니다. 이날 회동은 지난해 10월 '깐부회동'에 빗대 '제2 깐부회동'으로 불렸습니다. LG그룹은 그룹 차원에서 뚜렷한 세트 사업이 없는데 로봇은 전자 계열사의 주요 전방 시장이 될 수 있습니다. LG는 휴머노이드 로봇 등 피지컬 AI 시장 진출을 추진하고 있고, 여기에 엔비디아의 로보틱스용 프로세서인 '젯슨 토르'를 채용하고 있습니다. 데이터센터 분야에서도 액체냉각을 위한 CDU(냉각수분배장치) 인증도 진행 중입니다. 또 정의선 현대자동차그룹 회장과 젠슨 황 엔비디아 CEO가 8일 서울 양재동 현대차그룹 본사에서 회동한다고 알려졌습니다. 현대차그룹과 엔비디아는 총 30억 달러를 투자해 엔비디아 AI 기술센터와 현대차그룹 피지컬 AI 애플리케이션 센터를 국내에 설립하기로 했습니다. 현대차그룹은 보스턴다이내믹스의 휴머노이드 로봇 '아틀라스' 개발 과정에서도 엔비디아와 협력하고 있습니다. 이번 회동에서는 로봇과 자율주행, 피지컬 AI 등 미래 모빌리티 분야 협력 확대 방안이 논의될 것으로 전망됩니다. 네이버는 오는 8일 성남 사옥 '1784'에서 젠슨 황 엔비디아 CEO를 맞이할 예정입니다. 이번 방문에는 이해진 이사회 의장을 비롯해 최수연 대표, 김유원 네이버클라우드 대표 등 주요 경영진이 참석할 것으로 알려졌습니다. 양사는 AI 인프라와 글로벌 AI 팩토리 구축, 소버린 AI 사업 등을 중심으로 협력 방안을 논의할 전망입니다. 엔비디아의 AI 반도체 기술과 네이버의 로봇·디지털트윈·클라우드 역량을 결합하는 방안도 주요 의제로 거론됩니다. 황 CEO는 회동 이후 네이버의 미래기술 집약 공간인 1784를 둘러보며 로봇과 디지털트윈 등 핵심 기술을 직접 살펴볼 것으로 예상됩니다. 애플, WWDC 개최...AI SW 기업 스트라드비젼, IPO 수요예측 돌입 애플은 한국시간으로 9일(현지시간 8일) 연례 개발자 컨퍼런스 'WWDC'를 개최합니다. 올해 WWDC 기간 애플은 차기 운영체제(OS)와 플랫폼별 변화상을 공개하고 개발자들이 새로운 사용자 경험을 구현할 수 있도록 관련 기술 방향을 설명할 예정입니다. 삼성전자가 지난 2024년 갤럭시S24 시리즈를 출시하며 온디바이스 AI 시장을 주도하고 있는데, 애플은 이 부문에서 현재 열세에 있습니다. 스트라드비젼이 기업공개(IPO)를 앞두고 기자간담회를 개최합니다. 행사는 오는 12일 오전 11시 30분 서울 여의도 CCMM빌딩 12층 파크뷰룸에서 열립니다. 스트라드비젼은 딥러닝 기반 차량용 AI 인식 소프트웨어 개발 기업으로, 2014년 설립됐습니다. 김준환 대표가 회사를 이끌고 있습니다. 스트라드비젼의 희망 공모가는 1만2000원~1만4000원입니다. 공모 예정 금액은 840억~980억원 규모(700만주)입니다. 수요예측은 6월 9~15일, 일반 청약은 6월 18~19일 진행되며 상장 예정 시기는 6월 말입니다. 이 회사는 오는 2028년 매출 1095억77만원, 영업이익 450억83만원 달성을 목표로 제시했습니다. 페라리코리아가 서울 성수동에서 브랜드 체험형 팝업 공간 '카사 페라리(Casa Ferrari)'를 운영합니다. 행사는 6월 8일부터 21일까지 성수동 쎈느에서 열리며, 일반 관람객은 6월 1일 오후 2시부터 네이버 예약을 통해 입장권을 예매할 수 있습니다. 이번 행사에서는 신차 '페라리 아말피 스파이더'가 국내 최초로 공개됩니다. 또한 6월 14일에는 페라리 고객을 대상으로 르망 24시 레이스 라이브 뷰잉 행사도 진행합니다. 카사 페라리는 레이싱, 스포츠카, 라이프스타일 등 페라리의 핵심 가치를 체험할 수 있는 공간으로 구성됐습니다. 전시 공간과 카페, 포토존 등을 운영하며 사전 예약제로 운영됩니다. 세션당 이용 시간은 최대 1시간 30분입니다. 이재명 대통령 취임 1주년 기자회견 이재명 대통령이 8일 취임 1년 기자회견을 통해 지난 국정운영 1년을 되돌아 보고 국정 2년차 비전과 주요 과제를 밝힐 예정입니다. 이 대통령은 1주년 기념사에서 크게 민생경제, 정치외교안보, 사회문화 등 세 분야로 나눠 기자회견을 진행합니다. 이 자리에는 지난 3번의 대통령 기자회견과 다르게 대학언론에서 일하는 대학생 기자가 청년 세대 고민과 과제를 질문하는 차례도 마련됐습니다. 지난 5일 22대 국회 후반기 의장단 선출이 이뤄지면서 여야 원구성 협상에 대한 관심이 뜨겁습니다. 지방선거 이후 국민의힘 원내대표가 사퇴한 가운데, 더불어민주당은 야당의 새 원내대표단과 협상을 시작하겠다는 방침입니다. 국민의힘은 오는 9일 새 원내대표를 가릴 예정인데, 본격적인 상임위원장 배분 등 앞으로 2년 간의 국회 진영에 대한 논의가 집중될 전망입니다. 국방 인공지능 혁신 네트워크 세미나 열린다 이노그리드는 이달 9일 포시즌스 호텔 서울에서 '이노그리드 테크 비전 데이 2026'를 개최합니다. 행사에선 xPU 인프라부터 AI 서비스까지 하나의 컨트롤 플레인으로 연결·제어하는 이노그리드의 차세대 기술 로드맵을 공개합니다. 나아가 정부와 함께 추진하는 R&D 과제를 중심으로 미래 기술과 실행 전략이 다양한 세션 발표로 소개될 예정입니다. 와탭랩스도 같은 날 서울 서초구 사옥에서 'LLM 옵저버빌리티 미디어 데이'를 개최합니다. 이번 행사에서는 와랩랩스 핵심 성장 전략을 공유할 예정입니다. 최근 선보인 'LLM 옵저버빌리티' 신기능도 상세히 소개할 계획입니다. 이날 와탭랩스 주요 임원진과 제품 개발 팀장이 최근 IT 운영 트렌드 분석과 풀스택 AI 옵저버빌리티 로드맵을 소개합니다. STT GDC 코리아도 오는 9일 STT 서울 1 데이터센터 개관을 기념한 간담회를 개최합니다. STT 서울 1은 AI 운영에 맞춰 설계된 하이퍼스케일 데이터센터로 고효율 냉각 인프라, 이중화 전력 체계, 7단계 보안 프로세스, LEED GOLD 인증 등을 통해 고성능·저탄소 데이터센터 경쟁력을 갖춘 것이 특징입니다. 한국국방연구원(KIDA) 국방AI정책연구실과 과실연 AI미래포럼은 이달 10일 서울 강남구 엘리스그룹 캠퍼스에서 국방 AI 풀스택을 주제로 '국방 인공지능 혁신 네트워크' 세미나를 개최합니다. 대표 발제는 서영규 엘리스그룹 최고정보보호책임자(CISO)와 이주호 마키타락스 책임매니저, 전승현 SIA 최고기술책임자(CTO)가 맡아 인프라부터 데이터, 공급망 보안까지 국방 AI를 중심으로 폭넓은 인사이트를 공유할 계획입니다. eG이노베이션스도 같은 날 더 플라자 호텔 서울에서 국내 첫 기자간담회를 개최합니다. 이날 행사에선 스리하리 아바르 글로벌 솔루션 엔지니어링 총괄이 인공지능(AI) 기반 정보기술(IT) 운영 및 옵저버빌리티 전략, 자율형 IT 운영 방향성과 글로벌 AI 기술 전략을 소개할 예정입니다. 이어 김현찬 eG이노베이션스 코리아 지사장은 SAP PCE 및 가상 데스크톱 인프라(VDI) 시장 확대에 따른 국내 시장 기회와 주요 모니터링 전략, 데이센터 인프라 모니터링 시장 진출 방향성, 한국 시장 성장 전략 등을 발표합니다. 다쏘시스템은 오는 11일 웨스틴 서울 파르나스에서 '시뮬리아 유저 데이 2026'을 개최합니다. 이번 행사는 AI 시대 새로운 시뮬레이션 패러다임을 공유하는 자리입니다. 이날 미쉘 애쉬 시뮬리아 CEO가 방한해 AI와 모델링&시뮬레이션(MODSIM) 기반 혁신 방향을 제시할 예정입니다. 또 엔지니어 업무 방식을 지원하는 '버추얼 컴패니언'을 소개합니다. 이 외에도 주요 국내 고객사인 삼성전자와 LG전자, 한국레노버, 현대모비스 등이 다쏘시스템 솔루션 활용 사례를 발표할 예정입니다. 임상심리학회, 12일 정부 개정안 규탄 총궐기 집회 한국임상심리학회가 보건복지부의 정신건강복지법 시행령 개정안에 정면 반대하며, 전문가 고유 직무 수호와 국민 정신건강 보호를 위한 대규모 현장 집단행동을 예고했습니다. 학회는 오는 12일 청와대 앞 분수대 광장에서 보건복지부의 행정 편의주의적 시행령 개정안을 규탄하는 '긴급 기자회견'과 '학회원 총궐기 집회'를 연이어 개최한다고 밝혔는데, 이번 현장 행동에는 전국의 임상심리전문가, 유관 학회 관계자, 대학원생 등 약 500여명이 집결해 강도 높은 투쟁을 펼칠 예정이라고 합니다. 학회가 이처럼 강경한 현장 투쟁에 나선 배경에는 최근 보건복지부가 입법 예고한 정신건강전문요원 공통업무 개정안 때문인데, 복지부는 전국민 마음투자 지원사업 등 단기 바우처 사업의 양적 지표만을 근거로 교육과 수련 체계가 본질적으로 다른 타 직역에까지 '심리상담' 업무 권한을 일괄 부여하려 하고 있다는 것입니다. 이에 무리한 시행령 개정을 즉각 중단하고, 선진국 수준의 안전성을 확보하기 위해 ▲정부와 학회가 함께 바우처 데이터를 검증하는 '선(先) 시범 사업 및 정책 연구' ▲복지부·학회·타 직역 단체가 동수로 참여하는 '(가칭) 국가 정신건강 서비스 표준화 위원회' 신설 등 민관 협력 거버넌스 구축을 대안으로 제시했습니다. AI 시대 보안 기업 태니엄-스패로우 비전 소개...한국암호포럼 컨퍼런스 마련 자율형 IT(Autonomous IT) 분야 글로벌 보안 기업 태니엄이 포스트 미토스 시대에 대비하는 AI 비전 발표 기자간담회를 오는 9일 서울 삼성동 아셈타워에서 개최합니다. 행사에는 박영성 태니엄코리아 지사장을 더불어 태니엄코리아 임원진이 AI 시대 태니엄 비전에 대해 소개하는 시간을 가질 예정입니다. 이번 기자간담회에서는 AI 기술의 발전으로 속도와 규모가 근본적으로 달라진 사이버 공격의 현주소를 돌아볼 계획입니다. 스패로우가 오는 11일 서울 용산구 나인트리 프리미어 로카우스 호텔에서 고객 초청 행사인 'SAI 2026'을 개최합니다. 지난해까지 '파워 유저 컨퍼런스(PUC)'를 중심으로 행사를 개최했으나 올해부터 행사명을 변경하고, 행사 규모 및 구성까지 새롭게 구현한다는 계획입니다. 국내외 소프트웨어 공급망 규제 강화와 더불어 AI 기반 코딩 에이전트의 확산으로 애플리케이션 보안의 중요성이 커진 만큼 'AI 에이전트와 기존 애플리케이션 보안 체계를 어떻게 조화롭게 운영할 것인가'에 대한 해답을 제시할 예정입니다. 한국암호포럼이 오는 10일부터 11일까지 서울 서초구 양재동에 위치한 aT센터에서 'CVC(Crypto Validation Conference) 2026'을 개최합니다. CVC 2026은 디지털 대전환 시대의 핵심인 암호모듈 검증 기술의 진화와 양자내성암호로의 체계적인 이행 전략을 심도 있게 조망하는 것이 목표입니다. 정책 수립부터 교육 혁신까지, 새로운 보안 패러다임을 선도할 실질적인 해법을 모색하는 컨퍼런스가 될 것으로 보입니다. 한국암호포럼은 산·학·연·관을 아우르는 최고의 전문가들과 함께 최신 기술 트렌드를 분석하고 국가 사이버안보 협력의 장을 마련하고, 미래 암호 체계의 청사진을 공개한다고 알려졌습니다.

2026.06.07 09:25이도원 기자

KT, 전사 시스템에 제로트러스트 보안 추진

KT는 외부 차단 위주의 경계형 보안 모델을 넘어, '아무도 신뢰하지 않는다'는 제로트러스트 보안 전략을 고도화해 전사 시스템에 적용한다고 7일 밝혔다. AX와 공격 영역 다양화로 지능형 위협이 증가함에 따라, KT는 선제적으로 제로트러스트 네트워크 접근(ZTNA) 솔루션을 도입해 사용자와 단말의 신뢰 수준을 기반으로 업무 시스템 접근을 검증해 왔다. KT는 제로트러스트 서비스 운영 경험을 바탕으로, 위협 사전 탐지 체계를 구축하고 침해 피해의 전이와 확산 예방 전략을 강화할 예정이다. 선제 대응 중심의 보안 체계로의 전환을 위해 행위 기반 탐지 시스템을 도입했다. 엔드포인트 위협 탐지와 대응 시스템으론 PC와 서버 등 개별 기기에서 발생하는 이상 행위를 분석하고, 네트워크 위협 탐지 대응 시스템론 네트워크 전반의 비정상 트래픽과 공격 징후를 분석한다. 사전탐지 시스템으로 단말, 네트워크에서 발생하는 이상 행위를 다중 탐지하는 체계를 구축하며, 침해 사고 발생 시 피해 확산을 조기에 차단할 수 있도록 '마이크로세그멘테이션' 아키텍처도 고도화한다. KT는 주요 시스템과 일부 업무 환경을 대상으로 마이크로세그멘테이션 시범 적용을 마쳤다. 연내 운영 안정성과 정책 검증을 하고 전체 업무 환경을 대상으로 시스템별 접근 등을 세분화해 이를 적용할 계획이다. 김창오 KT 정보보안실 상무는 “KT는 ZTNA 운영 경험을 토대로 상시 예방과 선제 대응 중심 제로 트러스트 보안 체계를 고도화하고 있다”며 “앞으로도 마이크로세그멘테이션, 행위기반 탐지 등 선진 보안 기술을 선도적으로 적용해 주요 업무 시스템과 서비스 전반의 보안을 최고 수준으로 유지해 나가겠다”고 말했다.

2026.06.07 09:00홍지후 기자

미 행정부 vs 오픈AI, 엇갈린 AI 규제 청사진…위험 판단-평가 방식 차이

미국 정부와 오픈AI가 인공지능(AI) 규제 방식을 두고 엇갈린 구상을 내놨다. 트럼프 행정부가 국가안보국(NSA) 중심 자율 협력형 안보 평가 체계를 제시한 반면, 오픈AI는 CAISI 중심의 사전 의무 평가 체계를 촉구했다. 양측 모두 허가제에는 반대했지만 위험 판단 주체와 평가 방식에서는 뚜렷한 차이를 보였다. 5일 트럼프 행정부는 '첨단 AI 혁신 및 안보 촉진 행정명령'을 오픈AI는 '프런티어 AI의 민주적 거버넌스: 연방 프레임워크를 위한 청사진' 백서를 각각 공개했다. 두 문서는 모두 첨단 AI가 국가안보와 경제에 미치는 영향이 크다는 점에는 공감하지만 이를 누가 평가하고 어떤 방식으로 관리할지를 두고는 다른 해법을 내놨다. 백악관, NSA 중심 자율 협력…비공개 벤치마킹으로 고위험 모델 관리 트럼프 행정부 행정명령의 핵심은 미국의 AI 혁신을 해치지 않으면서 안보 위협에 대응하겠다는 것이다. 백악관은 이전 정부의 과도한 관료 규제가 미국 AI 경쟁력을 떨어뜨렸다고 보고 NSA와 사이버보안 및 인프라 보안국(CISA) 등을 중심으로 고성능 AI 모델의 사이버 역량을 평가하는 체계를 구축하도록 했다. 특히 어떤 모델을 규제 대상인 프런티어 모델로 볼지 판단하는 비공개 벤치마킹 절차에서 NSA가 핵심 역할을 맡는다. 다만 행정명령은 정부의 강제 허가제에는 선을 그었다. 새 AI 모델의 개발과 배포를 위한 의무적 라이선스나 사전 승인 제도를 만들지 않는다고 명시했다. 대신 개발사가 출시 전 최대 30일 동안 정부에 먼저 접근 권한을 제공하고 정보를 공유하는 자발적 프레임워크를 마련하는 데 초점을 맞췄다. AI 산업을 직접 통제하기보다 정부와 기업이 협력해 국가 시스템과 핵심 인프라의 사이버 방어 역량을 높이겠다는 구상이다. 오픈AI, CAISI 중심 의무 평가 제안…투명성·예측 가능성 강조 반면 오픈AI는 최상위 프런티어 AI 모델에 대해서는 평가를 의무화해야 한다고 주장했다. AI 관련 위험은 기업의 자율적 약속만으로는 충분히 관리하기 어렵다고 보고 고위험 모델에 한해 공개 전 안전성 평가와 위험 완화 절차를 의무화해야 한다는 입장이다. 다만 오픈AI 역시 정부의 허가제에는 반대한다. 평가와 위험 완화 권고는 의무화하되 출시 승인이나 차단 권한까지 정부가 가져서는 안 된다고 본다. 오픈AI는 이를 위한 평가기관으로 상무부 산하 인공지능표준혁신센터(CAISI)를 미국의 핵심 프런티어 AI 평가기관으로 육성해야 한다고 주장했다. 오픈AI가 제안한 CAISI는 단순 연구 조직을 넘어 첨단 모델의 안전성 평가와 테스트 기준 마련, 독립 평가기관 인증, 정부와 국제 파트너 간 조정 기능까지 맡는 상설 허브에 가깝다. 오픈AI가 문제 삼은 것은 규제 기준의 모호함이다. 행정명령은 고급 사이버 역량을 기준으로 규제 대상 모델의 임계값을 설정하도록 했지만, NSA 등이 기준을 비공개로 운영할 경우 기업 입장에서는 어느 시점부터 정부의 추가 검토 대상이 되는지 예측하기 어렵다는 것이다. 오픈AI는 이 같은 불확실성을 줄이기 위해 기술기관 중심의 표준화된 평가 체계가 필요하다고 보고 있다. 백서의 범위도 행정명령보다 넓다. 트럼프 행정부 문서가 국가 시스템 보호와 AI 기반 사이버 방어 강화에 초점을 맞췄다면, 오픈AI는 독립 감사, 투명성 보고, 중대한 사고 보고 의무, 모델 가중치 보안, 내부고발자 보호 등 보다 포괄적인 연방 차원의 AI 안전 프레임워크를 제시했다. 특히 AI가 AI 개발 자체를 가속하는 재귀적 자기개선(RSI)을 장기 거버넌스의 핵심 위험으로 지목하며, 정부가 이를 지속적으로 추적할 체계까지 마련해야 한다고 주장했다. 오픈AI는 이러한 평가와 감독 기능이 정보기관보다 기술·표준 기관에 있을 때 평가 기준이 더 투명하고 예측 가능해질 수 있다고 강조했다. 트럼프 행정부는 "과거의 불도저식 규제로 미국의 AI 혁신을 질식시키는 것을 거부한다"며 "낡은 규제를 철폐해 기술 성장을 해방하고 글로벌 AI 패권을 굳건히 지켜낼 것"이라고 강조했다. 반면 오픈AI는 "AI가 전 인류에게 혜택을 주려면 기업의 자발적 약속만으로는 턱없이 부족하다"며 "미국 정부는 가장 심각한 위험을 방어하고 기술 발전에 맞춰 진화할 수 있는 강력한 연방 제도와 의무적인 법적 틀을 구축해야 한다"고 주장했다.

2026.06.07 08:13남혁우 기자

티빙, 홈화면에서 '비밀번호 변경' 안내

티빙이 개인정보 유출 사고 수습을 위해 홈 화면에 비밀번호 변경 안내 배너를 띄웠다. 6일 티빙에 따르면, 전날 저녁부터 티빙은 비밀번호 변경 방법 안내 배너를 홈 화면에 선보였다. 티빙은 가입자가 비밀번호를 간편하게 변경하도록 해당 조치를 취했다고 설명했다. 배너를 클릭하면 비밀번호 변경과 연결된 페이지로 전환된다. 티빙은 지난 1일 생년월일, ID, 비밀번호, 성별, 휴대전화 번호, 이메일 등 가입자 개인정보 유출을 확인하고 정부에 신고했다. 전체 가입자에게 메시지를 보내 관련 사실을 통지하고, 비밀변호 변경을 권고했다. 과학기술정보통신부와 티빙 등 민관합동조사단, 개인정보보호위원회는 정보 유출 원인과 경로 등을 조사 중이다. 유출 사고와 관련해 최주희 티빙 대표는 지난 3일 “개인정보 유출 사고로 이용자 여러분께 큰 심려를 끼쳐 드린 점, 진심으로 사과드린다”며 “보안 체계를 원점에서 재점검하여, 다시는 같은 일이 반복되지 않도록 하겠다”고 밝혔다.

2026.06.06 18:40홍지후 기자

CU편의점 택배 온라인 회원 개인정보 유출

CU편의점 온라인 회원 개인정보가 유출됐다. 6일 유통업계에 따르면 BGF네트웍스는 홈페이지 공지와 문자를 통해 신원 미상 해커가 4일 15시 30분경 시스템에 무단 접근해 고객 개인정보를 유출한 정황을 확인했다고 밝혔다. 회사 측은 유출 대상이 온라인 회원 고객 정보에 한정되며, 고객이 택배 발송 과정에서 입력한 수하인 등 제3자 정보는 포함되지 않았다고 안내했다. 유출된 정보는 아이디(ID), 비밀번호, 이름, 생년월일, 성별, CI, 주소, 이메일, 휴대전화 번호 등으로 파악됐다. BGF네트웍스는 사고를 인지한 직후 공격 IP를 차단하고 이상 징후 모니터링을 강화했으며, 보안 정책 전반에 대한 점검과 개선 작업을 진행 중이라고 설명했다. 아울러 개인정보보호위원회와 한국인터넷진흥원(KISA) 등 관계기관에 해당 사실을 즉시 신고하고 긴밀히 협력하고 있다고 밝혔다. 회사 측은 고객들에게 출처가 불분명한 전화나 문자메시지에 주의하고, 문자 내 URL 링크는 함부로 클릭하지 말 것을 당부했다. 또한 동일한 비밀번호를 다른 서비스에서도 사용하고 있다면 즉시 변경해 달라고 요청했다. 이와 함께 회사를 사칭해 금융정보 등을 요구하는 행위에 각별히 유의해 달라고 강조했다. BGF네트웍스는 "고객 정보를 안전하게 보호하지 못한 점에 대해 깊이 책임을 느낀다"며 "재발 방지를 위해 보안 시스템 전반을 재점검하고 관련 대책을 강화하겠다"고 밝혔다.

2026.06.06 13:23안희정 기자

[안광섭 AI 진테제] 미국기업이 중국AI기업에 돈을 보내는 이유

우버(Uber)가 올해 AI 코딩도구 예산을 4개월 만에 전부 소진했다. 약 5000명의 엔지니어가 에이전틱 코딩 도구를 사용하면서 월 사용료가 엔지니어당 150달러에서 많게는 2000달러까지 치솟았고, CTO가 직접 "올해 AI 코딩 도구 예산을 이미 다 썼습니다"라고 시인하는 상황에 이르렀다. 결국 우버는 직원 1인당 월 1500달러의 사용 한도를 설정했다. COO 앤드루 맥도널드는 한 팟캐스트에서 "AI 도구 사용량과 실제 소비자 기능 개선 사이의 연결 고리가 아직 보이지 않습니다"라고 솔직하게 인정하기도 했다. 우버만의 이야기가 아니다. 미국 기업용 지출 관리 플랫폼 램프(Ramp)에 따르면 기업당 AI 토큰 지출은 2025년 1월 이후 13배 증가했다. AI 도구의 성능이 올라갈수록, 그리고 에이전틱 AI처럼 자율적으로 작업을 수행하는 도구가 확산할수록, 토큰 소비량은 기하급수적으로 늘어난다. 문제는 단순하다. 더 많이 쓸수록, 더 많이 나간다.이 비용 압박이 예상 못 한 곳으로 기업들을 향하게 하고 있다. 바로 중국이다. "미국기업들 딥시크에 직접 결제" 램프는 5만 개 이상의 미국 기업이 사용하는 법인카드 및 청구 플랫폼으로, 매달 수십억 달러 규모의 기업 지출 데이터를 추적한다. 램프가 매월 발표하는 '트렌딩 소프트웨어 벤더' 목록은 기업이 특정 소프트웨어 벤더에 처음으로 결제한 건수를 기준으로 순위를 매긴다. 신규 도입의 흐름을 보여주는 선행 지표인 셈이다. 2026년 6월 발표한 이 목록에서 1위를 차지한 것은 중국 AI 스타트업 딥시크(DeepSeek)였다. 이벤트 관리 플랫폼 피드루프(PheedLoop)와 오픈소스 모델 서빙 플랫폼 파이어웍스AI(Fireworks AI)를 제치고 정상에 올랐다. 주목할 것은 결제 방식이다. 램프의 수석 이코노미스트 아라 카라지안(Ara Kharazian)은 "미국 기업들이 딥시크에 직접 결제하고 있습니다"라고 밝혔다. 이는 기업들이 딥시크의 오픈소스 모델을 자사 서버에 직접 올려 쓰는 것이 아니라, 중국에 위치한 딥시크 서버로 데이터를 보내고 받고 있다는 뜻이다. 미중 기술 갈등이 지속되는 상황에서 미국 기업이 자사 데이터를 중국 서버에 직접 전송하는 것은 상식적으로 이해하기 어려운 선택이다. 카라지안은 이를 두고 "기업들이 오픈AI와 앤트로픽의 대안을 찾고 있다는 가장 확실한 신호"라고 해석했다. 물론 절대적 규모로 보면 아직 미미하다. 램프 AI 인덱스 기준으로 올 4월 딥시크의 미국 기업 도입률은 0.1%에 불과했다. 같은 시점에 앤트로픽(Anthropic)은 34.4%, 오픈AI(OpenAI)는 32.3%로 시장을 양분하고 있었다. 딥시크가 시장 판도를 뒤집은 것은 아니다. 그러나 '트렌딩 1위'가 의미하는 것은 신규 진입 속도다. 지금 이 순간, 새로운 선택지로 딥시크를 처음 시도하는 기업이 가장 빠르게 늘고 있다는 뜻이다. 34배의 격차, 무시할 수 없는 숫자 이 선택을 이끈 것은 단 하나, 가격이다. 딥시크는 지난달 플래그십 모델 V4 프로(V4 Pro)의 75% 할인을 영구화했다. 원래 5월 31일 종료 예정이던 프로모션 가격이 그대로 정가가 된 것이다. 현재 V4 프로의 API 가격은 출력 토큰 100만 개당 0.87달러다. 캐시 히트(cache hit, 반복되는 입력을 재활용해 비용을 줄이는 방식) 가격은 100만 토큰당 0.0036달러까지 내려간다. 이 숫자만으로는 감이 잡히지 않을 수 있다. 경쟁사와 비교하면 격차가 선명해진다. 오픈AI의 최신 플래그십 GPT-5.5는 출력 토큰 100만 개당 30달러다. 앤트로픽의 클로드 오퍼스(Claude Opus) 4.7은 25달러다. 딥시크 V4 프로의 0.87달러와 비교하면 각각 약 34배, 약 29배의 차이다. AI 벤치마크 평가 기관 아티피셜 애널리시스(Artificial Analysis)에 따르면 동일한 지능 지수 테스트를 수행하는 데 딥시크 V4 프로는 268달러, 클로드 오퍼스 4.7은 4811달러가 들었다. 같은 작업에 약 18배의 비용 차이가 발생하는 것이다. 이런 가격 격차가 가능한 배경에는 두 가지 구조적 요인이 있다. 첫째, 딥시크 V4 시리즈는 화웨이(Huawei)의 어센드(Ascend) 950 칩 위에서 최적화됐다. 미국의 반도체 수출 통제로 엔비디아(NVIDIA) GPU를 쓸 수 없게 된 상황에서, 오히려 국산 칩 기반의 저비용 추론 인프라를 구축한 셈이다. 둘째, 딥시크는 V4 프로의 장문맥(long-context) 추론 비용을 전작 대비 약 4분의 1 수준으로 낮추는 아키텍처 혁신을 이뤘다고 밝혔다. 가격 인하가 일시적 마케팅이 아니라 비용 구조 자체의 변화에 기반한다는 의미다. 오픈소스 진영의 집단적 추격 딥시크만의 현상이 아니다. 램프의 5월 데이터에서 트렌딩 상위 10개 벤더 중 4개가 AI 추론 플랫폼이었다. 파이어웍스AI, 팔AI(Fal AI), 딥인프라(DeepInfra), 바스트AI(Vast.ai)-모두 오픈AI나 앤트로픽을 거치지 않고, 더 넓고 저렴한 모델 선택지를 기업에 제공하는 플랫폼이다. 카라지안은 이를 두고 "기업들이 어떤 모델이 어떤 작업에 적합한지 선별하기 시작했다는 가장 깨끗한 신호"라고 분석했다. 어려운 문제에는 프론티어 모델을, 나머지에는 저가 모델을 배분하는 '모델 라우팅' 전략이 실무에서 확산되고 있다는 뜻이다. 성능 격차도 빠르게 좁혀지고 있다. AI 법률 에이전트 성능을 측정하는 하비(Harvey)의 리걸 에이전트 벤치마크(LAB)에서 중국 지푸AI(Zhipu AI, 현 Z.ai)의 GLM-5.1은 오픈소스 모델 중 최고점을 기록하며 앤트로픽의 클로드 오퍼스 4.7 바로 아래, 오픈AI의 GPT-5.5와 대등한 수준에 올랐다. 문샷AI(Moonshot AI)의 키미(Kimi) K2.6과 딥시크 V4 프로 역시 GPT-5.5 바로 아래에 자리 잡았다. 법률 업무처럼 정밀도가 요구되는 영역에서도 오픈소스 모델이 "충분히 쓸 만한" 수준에 도달했다는 평가다. 가격이 지정학을 이기는 순간 필자가 GTM(Go-To-Market, 제품의 시장 진입과 확산 전략) 전략을 수립해 온 관점에서 보면, 지금 AI 시장에서 벌어지는 일은 전형적인 범용재화(commoditization)의 초기 신호다. 범용재화는 세 단계를 거친다. 1단계: 제품 간 성능 차이가 줄어든다. 2단계: 가격이 구매 결정의 핵심 변수가 된다. 3단계: 공급자의 브랜드보다 유통 구조와 비용 효율이 경쟁력을 결정한다 . AI 모델 시장은 지금 1단계에서 2단계로 넘어가는 전환점에 있다. 하비 LAB 벤치마크가 보여주듯, 오픈소스 모델과 프로프라이어터리(proprietary, 비공개) 모델의 성능 격차는 좁혀지고 있다. 그리고 가격이 34배 차이 나는 상황에서, 기업의 선택은 놀랍도록 예측 가능하다. 물론 딥시크를 통해 중국 서버로 데이터를 보내는 것은 보안과 규제 측면에서 명백한 리스크가 있다. 유럽에서는 이탈리아가 2025년 1월 딥시크를 차단했고, 독일도 데이터 보호 우려를 이유로 앱스토어 퇴출을 검토한 바 있다. 미국에서도 연방 정부 차원의 규제 논의가 진행 중이다. 그럼에도 기업들이 이 리스크를 감수하는 것은, 비용 압박이 그만큼 현실적이기 때문이다. 램프의 카라지안도 이 추세의 지속성에 대해서는 유보적이었다. 그는 "이 트렌드의 내구성을 과대평가하지는 않겠습니다"라고 밝혔다. 맞는 말이다. 그러나 필자가 보기에 더 중요한 것은 딥시크 자체의 성패가 아니다. 핵심은 가격 압력의 방향이 되돌릴 수 없다는 점이다. 딥시크가 아니더라도, 파이어웍스AI나 딥인프라 같은 추론 플랫폼을 통해 동일한 오픈소스 모델을 미국 내 서버에서 저렴하게 돌리는 경로는 이미 열려 있다. 중국 서버 리스크를 회피하면서도 비용 절감을 추구할 수 있는 선택지가 늘어나고 있다는 뜻이다. 한국 기업이 읽어야 할 신호 이 흐름이 한국 기업에 던지는 시사점은 분명하다. 첫째, AI 모델 조달 전략을 단일 벤더 중심에서 멀티모델 전략으로 전환할 시점이다. 모든 작업에 최고가 프론티어 모델을 쓸 이유가 없다. 정밀도가 생명인 작업과, 속도와 비용이 우선인 작업을 구분해 모델을 배분하는 것이 합리적이다. 둘째, 토큰 비용을 IT 예산의 독립 항목으로 관리해야 한다. 우버의 사례가 보여주듯, AI 도구 도입은 쉽지만 비용 통제는 쉽지 않다. 에이전틱 AI 시대에 토큰 소비량은 인간의 사용 패턴이 아니라 기계의 작업 루프에 의해 결정된다. 사용량 예측 모델과 비용 거버넌스를 지금부터 설계해야 한다. 셋째, 이 가격 전쟁의 수혜자가 될 준비를 해야 한다. 딥시크의 영구 가격 인하 직후, 딥시크는 첫 외부 투자 유치에 나서 약 74억 달러(약 10조 원)를 확보하며 기업가치가 520억~590억 달러로 평가됐다. 텐센트가 약 15억 달러, CATL이 약 7억 달러를 투자했다. 창업자 량원펑이 전체의 40%에 해당하는 약 30억 달러를 직접 출자한 점도 눈에 띈다. 이 투자 구조는 딥시크가 단기 수익이 아니라 시장 점유율 확보를 우선하고 있음을 시사한다. AI 모델의 가격 하락은 당분간 멈추지 않을 가능성이 높다. 범용재화가 진행되면, 가치는 모델 자체가 아니라 모델을 활용하는 응용 계층으로 이동한다. 클라우드 컴퓨팅이 범용재가 되자 그 위의 SaaS 기업들이 가치를 창출한 것과 같은 구조다. AI 모델의 가격이 바닥을 향해 달릴수록, 정작 경쟁력을 결정하는 것은 그 모델 위에서 무엇을 만드느냐가 된다. 한국 기업이 지금 집중해야 할 것은 어떤 모델을 쓰느냐가 아니라, 어떤 문제를 푸느냐다.

2026.06.06 09:33안광섭 컬럼니스트

[박준성의 SW] AI 코딩 에이전트는 주니어 개발자...SW공학 필요

SW공학의 역사 SW 공학(Software Engineering)은 1960년대 후반 미국과 유럽을 중심으로 본격적으로 발전하기 시작했다. 1960년대 IBM system/360용 OS/360 개발 프로젝트는 과도한 납기 지연과 원가 초과를 겪었고, 당시 미국 국방 및 대형 공공 시스템 프로젝트들도 잇따라 납기 지연과 품질 문제를 겪었다. 1968년 NATO가 주관한 국제회의(NATO Software Engineering Conference in Garmisch, Germany)에서 SW 개발의 위기(Software Crisis)를 공식 선언하고, 그 해결책으로 SW 공학의 연구개발이 시작됐다. SW공학이 1960년대 이전의 SW 개발 방식과 다른 점은 시스템 구현 이전에 분석과 설계를 체계적으로 수행하고, 개발 전 과정에서 표준 프로세스, 표준화된 기법과 도구를 활용한다는 것이다. 요구 분석은 개발 명세를 사전에 규명함으로써 요구 결함(Requirement Error)으로 인한 재작업(Rework)을 줄인다. 명확한 인수 기준은 테스트 자동화의 기반이 되며, 자동화된 회귀 테스트는 지속적인 코드 내부 구조 개선(Refactoring)을 안전하게 뒷받침한다. 설계에는 시스템 전체의 아키텍처 설계와 상세 수준의 코드 설계가 있다. 아키텍처 설계는 시스템을 구성하는 컴포넌트 간의 통합 효율을 높인다. 상세 설계와 코드 구조 설계는 코드의 가독성과 변경 용이성을 높여 SW의 장기적인 유지보수성(Maintainability)을 확보한다. 요구 스펙과 SW 설계를 자연어로 표현할 때 발생하는 모호성(Ambiguity)을 제거하기 위해 UML(Unified Modeling Language), BPMN(Business Process Model and Notation), ERD(Entity-Relationship Diagram), ArchiMate, C4와 같은 특수한 그래픽 부호를 사용하는 비주얼 모델링 언어(Visual Modeling Notation)를 국제 및 업계 표준으로 정착시켜 왔다. SW공학은 오늘날 AI 코딩 에이전트 시대에도 여전히 중요하다. AI가 코드를 생성하더라도, 대규모 프로덕션 시스템의 품질과 유지보수성은 결국 체계적인 SW 공학에 의해 좌우된다. SW코딩 자동화의 역사 1980년대 이후 코딩 자동화 기술은 본격적으로 발전해 왔다. 1980년대 말 Texas Instruments가 개발한 IEF(Information Engineering Facility)는 메인프레임 COBOL 코드를 100% 자동 생성하는 CASE(Computer-Assisted Software Engineering) 툴로, 금융·공공 분야의 대규모 엔터프라이즈 시스템 코드를 자동 생성하는 데 활용됐다. 1990년대에는 Unix C, Windows C++, Java 등을 자동 생성하는 다양한 모델 기반 CASE 툴들(Composer, Obsydian, ObjectTeam 등)이 등장했다. 그러나 요구사항 변화에 대한 유연성 부족과 복잡한 모델링 부담으로 인해 1990년대 후반부터 CASE 툴의 인기가 하락하기 시작했다. 2000년대에 들어서는 객체 지향 프로그래밍 언어를 사용하는 웹 애플리케이션의 반복 점증적 개발이 새로운 SW 개발 패러다임으로 확산됐다. UML 모델 기반의 100% 코드 자동 생성을 추구하는 MDA(Model-Driven Architecture) 툴이 개발되었으나 대중적인 개발 패러다임으로 확산되지는 못했다. 대신 Spring, Ruby on Rails, Django 등 오픈 소스 웹 애플리케이션 프레임워크가 개발 시장을 장악했다. 한편 Rational Rose, Sparx EA(Enterprise Architect) 같은 비주얼 모델링 툴은 코드 생성 툴과 분리되었지만, 코드 스켈레톤(Code Skeleton) 생성과 Round-Trip Engineering을 가능하게 해 널리 활용됐다. 2010년대 후반 이후 비주얼 모델 기반으로 애플리케이션을 자동 생성하는 Low-Code 개발 플랫폼(Outsystems, Mendix, Appian, Microsoft PowerApps 등)이 급속히 확산되기 시작했다. (박준성, Fundamentals of Low-Code Development, kosta-online.com 참조) 같은 시기에 템플릿 기반의 시각적 Drag-and-Drop을 통해 WYSIWYG(What You See Is What You Get) 방식으로 애플리케이션을 자동 구성하는 No-Code 개발 플랫폼(Wix, Bubble, AppSheet, Webflow 등)도 급속히 확산되었다. Gartner는 2022년 보고서에서 기업 신규 애플리케이션 개발 중 Low-Code/No-Code(LCNC) 비중이 2020년 25%에서 2026년 75% 수준까지 증가할 것으로 전망했다. (Gartner, Forecast Analysis: Low-Code Development Technologies-Worldwide, 2022). 실제로 2024년에 이미 다수 기업이 Low-Code 개발 플랫폼을 도입하면서 이러한 방향성이 현실화됐다. 오늘날 AI 코딩 에이전트가 코딩 자동화에 큰 관심을 불러일으키고 있지만, 위에서 보았듯이, 코딩 자동화는 새로운 현상이 아니다. LCNC(Low-Code/No-Code) 플랫폼이 이미 애플리케이션의 자동 구축에 널리 활용되고 있다. LCNC 플랫폼은 자유도를 제한한 표준 아키텍처, 메타데이터 모델, 시각적 제약 조건 위에서 동작했기 때문에 높은 생산성과 안정성을 동시에 확보할 수 있었다. 반면 자연어 기반 AI 코딩 에이전트는 훨씬 더 높은 자유도를 제공하지만, 환각(Hallucination)과 구조적 일관성 붕괴라는 새로운 위험을 안고 있다. 따라서 AI 코딩 에이전트가 LCNC를 넘어 엔터프라이즈 프로덕션 시스템 개발의 주류가 되기 위해서는, SW공학적 제약 조건을 에이전트 코딩 프로세스에 강하게 내재화해야 한다. 생성형 AI 기반 코딩 지원 및 자동화의 등장 2020년대 들어 생성형 AI(Generative AI, GenAI) 기반의 Vibe Coding, AI Coding Assistant 및 AI Coding Agent가 확산되고 있다. Vibe Coding은 자연어 프롬프트를 통해 애플리케이션을 빠르게 생성·수정해 가는 실험적 개발 방식이다. 테스트 후 에러가 있으면 자연어로 피드백을 주면서 반복적으로 개선해 나간다. Claude, ChatGPT 같은 범용 AI Chatbot 또는 Lovable, Bolt.new, Replit 같은 전문 Vibe Coding 툴을 사용한다. 오늘날 대부분의 AI 코딩 툴들은 Vibe Coding, AI Coding Assistant, AI Coding Agent 기능을 모두 갖추고 있으며, 일부는 통합 개발 환경(IDE)에 내장되어 있다. GitHub Copilot, Cursor, Amazon Q Developer 등 AI Coding Assistant는 개발자의 코딩을 지원해 생산성을 높이는 데 사용된다. 코드 완성(Code Completion), 코드 생성, 리팩토링, 디버깅, 문서화, 코드 번역 등을 지원한다. Cursor, Claude Code, GitHub Copilot 등 AI Coding Agent는 개발자와 상호작용하며 시스템 목표 구현, 요구사항 개발, 테스트 생성, 오류 수정, 설계 개선, 문서화 등을 계획-실행-검증 루프를 통해 반자율적으로 수행한다. Vibe Coding은 대규모 프로덕션 시스템 구축에는 한계가 있다. 프로덕션 시스템의 구축에 사용할 수 있는 AI Coding Assistant 및 Agent는 LCNC 플랫폼과 비교했을 때 아래 표 1과 같은 특징을 갖추고 있다. AI Coding Agent가 No-Code 개발 플랫폼에 비해 가지는 장점은 템플릿을 커스터마이즈하는 것보다 프롬프트를 통해 UI를 더 자유롭게 설계할 수 있고, 컴포넌트 단위로 수정하고 조립할 수 있다는 점이다. Low-Code 개발 플랫폼과 비교하면 비주얼 모델링의 어려움에서 벗어나 프롬프트나 이미지를 통해 애플리케이션과 데이터베이스를 생성할 수 있고, 벤더 종속적(Proprietary) 프레임워크에 록인(Lock-in)되지 않으며 Next.js, Tailwind, PostgreSQL 등 표준 오픈 소스 프레임워크로 생성해 IDE 기반 개발 환경으로 이관할 수 있다는 점이다. 그러나 주요 LCNC 플랫폼들은 GenAI Foundation Model을 기반으로 AI Coding Assistant/Agent 기술을 툴 내에 융합함으로써 단점을 극복하고 있다. AI Coding Assistant 기술은 개발자의 비주얼 Drag-and-Drop 및 모델링 작업을 지원하는 데 활용하고, AI Coding Agent 기술은 기존 비주얼 모델링 없이도 자율적으로 애플리케이션을 생성하는 데 활용한다. 가트너와 IDC 자료를 기반으로 시장 규모를 비교해 보면, LCNC 시장이 여전히 AI 코딩 툴 시장보다 훨씬 큰 비중을 차지하고 있음을 알 수 있다. AI 코딩 에이전트가 LCNC 개발 플랫폼 대비 경쟁 우위를 확보하려면 결국 비확정적 출력의 문제를 극복해야 한다. 동일한 프롬프트에도 상이한 결과를 생성하는 비결정성(Non-determinism)과 환각(Hallucination) 현상 때문에 테스트 재현성과 코드 변경의 예측 가능성이 약화되고, 그 결과 CI/CD 파이프라인의 안정성이 저하될 수 있다. 또한 보안 리스크, 기술 부채(Technical Debt) 축적, 저작권 및 규제법 위반, 감사 실패(Audit Failure) 등의 문제도 일으킨다. LCNC 플랫폼은 메타데이터, 시각적 모델, 플랫폼 제약 조건을 통해 개발 자유도를 제한함으로써 결정론적(Deterministic) 자동화를 달성했다. 반면 AI 코딩 에이전트는 자연어 기반의 개방형 생성(Open-Ended Generation)을 사용하기 때문에 훨씬 높은 유연성을 제공하지만, 동시에 비결정성과 환각이라는 새로운 위험을 초래한다. LCNC는 제약(Constraint)을 통해 자동화에 성공했다. AI 코딩 에이전트도 엔터프라이즈 프로덕션 시스템 개발의 주류가 되려면 SW공학적 제약과 거버넌스를 내재화해야 한다. SW공학 기반의 AI 에이전트 코딩 AI 코딩 에이전트의 환각 현상과 비결정성(Nondeterminism)을 없애기 위해서는 SW공학적 제약과 자동화 메커니즘을 체계적으로 적용해야 한다. (박준성, AI Agent Coding Patterns, kosta-online.com 참조) ▲테스트 주도 개발(Test-Driven Development, TDD: Kent Beck, Test-Driven Development, 2002 참조): 에이전트가 소스 코딩 전에 테스트 코드를 먼저 작성하도록 컨텍스트 파일(Context File)에 명기한다. SW 변경 후 즉시 자동 테스트를 실시하도록 Hook을 설치한다. 변경 Commit 전에 Test Coverage가 일정 수준에 미치지 못하면 Commit을 못하도록 Hook을 설치한다. Red-Green-Refactoring 기반의 TDD 사이클을 Skill로 등록해 에이전트의 작업 계획(Task Planning)에 포함한다. Red, Green, Refactoring 단계를 별도의 Subagent가 수행하도록 분리한다. ▲지속적 통합(Continuous Integration, CI: Kent Beck, Extreme Programming Explained, 2004; Martin Fowler, Continuous Integration, martinfowler.com, 2006 참조): 에이전트 코딩에서 CI(즉, Agentic CI)는 TDD처럼 자동화된 Quality Gate이다. SW 변경을 리포지토리의 Main Branch에 Merge할 때 자동으로 Commit, 빌드, PR 생성, 단위/통합 테스트, 정적 분석, 보안 점검을 수행한다. 실패할 경우 에이전트는 Merge를 금지하고, Stack Trace를 피드백 받아 오류를 자가 수정(Self-Correct)한다. Agentic CI는 GitHub Actions, Buildkite, CircleCI 같은 CI/CD 플랫폼을 사용해 CI Pipeline을 실행하고, AI 코딩 에이전트를 Pipeline 내에서 여러 스텝(코드 리뷰, 수정, 품질 개선)을 수행하는 데 이용한다. 결과적으로 Trunk-Based Development 전략 하에서 Agentic CI를 운영함으로써 항상 릴리스 가능한 Main Branch를 유지할 수 있다. 위의 TDD와 마찬가지로 컨텍스트 파일, Hook, Skill, Subagent를 보완적으로 활용하여 CI 실패를 조기에 탐지하고 예방할 수 있다. 효과적인 CI 운영을 위해서는 높은 수준의 테스트 자동화가 필요하며, TDD는 이를 구현하는 대표적 방법이다. TDD를 통해 누적된 테스트 코드는 CI 파이프라인에서 자동화된 단위·통합 테스트의 기반이 된다. ▲요구 스펙(Requirement Specification: 박준성, The Complete Guide to Business Analysis, kosta-online.com 참조): AI 에이전트를 포함하는 AI 네이티브 애플리케이션을 구축할 때 경영 성과를 달성하려면 에이전트를 포함한 End-to-End 프로세스를 재발명(Reinvention)해야 한다. 애플리케이션의 비즈니스 도메인에서 사용하는 도메인 개념과 의미 체계를 명확히 정의하고 표준 용어를 사용해 프로세스를 설계해야 한다. 애플리케이션에서 구현해야 할 혁신적인 기능을 사용사례(Use Case)로 명확히 정의하고, 시나리오로 구체화할수록 요구사항의 구현 오류를 줄일 수 있다. (박준성, AI 에이전트 성공의 핵심 조건, kosta-online.com 참조) 이러한 요구 분석은 AI 코딩 에이전트를 사용해 애플리케이션을 개발하기 전에 미리 수행한다. 프로세스 모델은 국제 표준인 BPMN(Business Process Model and Notation)을 이용해 설계할 수 있다. 시맨틱 모델은 종래 UML 클래스 다이어그램으로 작성했지만, AI 코딩 에이전트를 사용할 때는 온톨로지(Ontology)를 병행 활용하는 것이 효과적일 수 있다. 온톨로지는 개념 간의 관계와 제약을 명시적으로 표현하므로, AI 코딩 에이전트가 도메인 의미를 더 정확히 해석하고 일관된 코드를 생성할 가능성이 높다. 아래 '그림 1'은 요구 분석 산출물과 그들 간의 의존 관계를 보여준다. 프로세스 모델, 시맨틱 모델(Business Object Model), 사용사례 모델, UX 모델, 서비스 모델 간의 긴밀한 의존 관계를 정확히 준수해야 일관성 있고 완전한 요구 스펙을 만들 수 있다. 앞에서 1970년대 SW공학 등장 이후, 인간들 사이에서도 자연어의 모호성 때문에 모델링 언어를 만들어 요구 스펙과 SW 설계의 문서화에 사용했다는 사실을 지적했다. AI 코딩 에이전트도 마찬가지로 자연어 프롬프트보다는 더 상세한 Markup Language(Markdown, HTML 등), Serialized Language(JSON, YAML 등), Modeling/Domain Specific Language(UML, BPMN, BDD, User Story, Ontology 등), 프로그래밍 언어(Python, Typescript 등)를 더 안정적으로 처리할 수 있다. 프로세스 모델, 시맨틱 모델 및 사용사례를 AI 코딩 에이전트의 요구 스펙에 반영할 때는 그대로 이미지나 텍스트 형태로 입력할 수도 있고, 사용자 스토리(User Story)와 BDD(behavior-Driven Development)의 Gherkin 문장으로 변환해 입력할 수도 있다. BDD 문장은 생성된 코드의 인수 테스트(Acceptance Test) 기준을 제공한다. (Dan North, Introducing BDD, dannorth.net, 2006) 이러한 변환 자체도 AI 코딩 에이전트에게 위임할 수 있다. 예컨대, 프로세스 모델을 에이전트에 입력할 때 Mermaid.js 같은 다이어그램 DSL로 변환해 제공할 수 있다. 온톨로지는 JSON-LD나 Turtle(.ttl)로 직렬화(Serialize)해서 제공할 수 있다. 사용자 스토리와 BDD 문장이 생성되면 분석가(Business Analyst)가 오류가 없는지 검토해야 한다. 분석자 리뷰를 패스하면 에이전트가 사용자 스토리와 BDD 문장을 기반으로 코드를 작성한다. 앞의 TDD 기법에서 설명했듯이 소스 코딩 이전에 테스트 코드를 작성해야 하므로, 에이전트는 사용자 스토리와 BDD 문장에서 TDD 테스트 코드를 도출한다. BDD 문장 작성에 Cucumber 같은 BDD 프레임워크와 Playwright 같은 E2E 테스트 프레임워크를 사용하는 경우, 에이전트는 Step Definition 파일을 기반으로 테스트 코드를 생성한다. BDD 툴을 사용하지 않는 경우에는 에이전트가 BDD 문장을 직접 TDD 테스트 코드로 변환한다. 이와 같이 효과적인 CI 운영은 TDD 기반 테스트 자동화를 필요로 하고, TDD는 BDD에 의존하고, BDD는 프로세스 모델링, 시맨틱 모델링, 사용사례 분석 등 사전(Upfront) 요구 분석을 통해 정확하게 도출된다. (요구 분석 → BDD → TDD → CI) ▲객체 설계(Object Design: Erich Gamma et al., Design Patterns, 1994; Robert Martin, Design Principles and Design Patterns, 2000 참조): AI 코딩 에이전트는 코드를 Python, Typescript 등 객체 지향 프로그래밍 언어(Object-Oriented Programming Language)로 생성한다. 프로덕션 시스템이 갖추어야 할 중요한 품질 속성에는 가독성(Readability), 변경 용이성(Maintainability), 확장성(Extensibility) 및 테스트 용이성(Testability)이 있다. 이러한 속성을 갖추려면 코드가 객체 설계 원칙을 지키고 객체 설계 패턴을 적용해야 한다. AI 코딩 에이전트가 객체 설계 원칙과 패턴을 일관되게 적용하도록 하기 위해서는, 컨텍스트 파일에 원칙과 패턴을 명시하고, CI/CD 파이프라인에서 아키텍처 규칙 검증(Architectural Fitness Function)을 통해 정적 분석(Static Analysis)을 수행하며, 설계 품질 검토를 담당하는 Subagent를 운영하는 등의 Quality Gate가 필요하다. ▲서비스 지향 아키텍처(Service-Oriented Architecture, SOA: OASIS, Reference Model for Service Oriented Architecture, 2006; 박준성, The Complete Guide to SOA, MSA and Modulith, kosta-online.com): AI 코딩 에이전트를 사용하는 데 있어 중요한 제약 조건은 컨텍스트 윈도우(Context Window)의 크기다. 컨텍스트 윈도우에 필요한 최적의 정보만을 적시에 제공하는 것이 에이전트의 효과와 효율을 높이는 방법이다. SOA는 애플리케이션을 Loosely-Coupled 서비스 단위로 분할하고, 서비스 간에 공개된 표준 API를 통해 연결한다. 따라서 에이전트가 서비스 단위로 독립적으로 코드를 생성할 수 있도록 한다. 에이전트의 컨텍스트가 작은 서비스에 초점을 맞추기 때문에 환각을 줄일 수 있다. 서비스 간 독립성을 높이기 위해서는 애플리케이션 객체 설계 모델에서 하나의 응집된 Business Capability를 실현하고, 일관된 도메인 언어(Ubiquitous Language)를 공유하는 경계인 Bounded Context를 식별해 이를 하나의 서비스로 매핑하는 방법을 취할 수 있다. (Eric Evans, Domain-Driven Design, 2003 참조) SOA 애플리케이션을 구현할 때, 애플리케이션의 릴리스 사이클이 시간 단위 이하로 짧아야 할 때는 Microservice Architecture(MSA)로 구현해 서비스별로 독립적으로 배포할 수 있다. 이 경우 서비스 단위의 독립적 배포와 피드백 루프 최적화가 가능해져 오류를 신속히 수정할 수 있다. MSA는 빠른 릴리스에 적합한 SOA 구현 패턴이지만, 유지보수 및 운영의 복잡성 때문에 Modulith(Modular Monolith)나 SBA(Service-Based Architecture) 구현 패턴을 선호하는 경우도 있다. (Mark Richards and Neal Ford, Fundamentals of Software Architecture, 2020) 한 애플리케이션 안에서 서비스에 따라 독립적으로 배포할 수도 있고 집합적으로 배포할 수도 있다. 아래 그림 2는 에이전트 코딩을 통해 구축한 전자상거래 에이전트 시스템으로, 흑색 테두리 박스는 논리적 서비스, 적색 테두리 박스는 물리적 서비스(배포 단위)를 나타낸다. (박준성, AI 에이전트의 물리적 아키텍처 - Modulith, SBA 및 MSA의 Hybrid 아키텍처, kosta-online.com 참조) AI 에이전트 코딩에서 SOA를 실현하기 위해서는 우선 아키텍트가 SOA 아키텍처를 설계하고, OpenAPI나 Protocol Buffers를 이용해 각 서비스의 API를 정의한다. 에이전트의 프로젝트 구조 파일에서 각 서비스를 독립적인 리포지토리로 정의할 수도 있고, Monorepo를 정의할 수도 있다. Monorepo를 사용한 경우, 정적 분석을 통해 SOA의 서비스 캡슐화(Service Encapsulation) 원칙, 즉 API 이외의 방식으로 다른 서비스에 직접 접근할 수 없다는 원칙을 위반했는지 검증한다. 에이전트는 API Contract를 준수하는 코드를 생성한다. SOA에서는 API의 확장은 허용하지만 하위 호환성을 깨는 변경은 제한하는 것이 중요하다. 이 원칙이 위반됐는지 CI 파이프라인에서 검증하고, 위반한 경우 빌드를 취소한다. 결론 AI 코딩 에이전트는 시니어 분석가/아키텍트/엔지니어가 가이드하고 검증해야 하는 주니어 개발자와 같다.에이전트와 시니어 전문가가 Pair Programming을 하는 것과 같다. 시니어의 역할은 SW 공학의 원칙, 패턴과 베스트 프랙티스를 잘 적용, 현장 사용자가 신뢰할 수 있고 미래에 장기적으로 발전·확장해 나갈 수 있는 애플리케이션을 구축하도록 관여하고 책임을 지는 것이다.

2026.06.06 08:34박준성 컬럼니스트

[SW키트] "보여야 통제한다"…기업 새 과제로 떠오른 '에이전트 거버넌스'

"인공지능(AI) 에이전트가 많아질 수록 기업은 더 큰 과제를 안을 것입니다. 보이지 않는 에이전트를 어떻게 찾을지부터 작동 권한을 어디까지 허용할지, 데이터 접근을 어떻게 감시할지, 문제가 생겼을 때 어떻게 멈출지가 새로운 이슈로 떠올랐습니다. 기업은 AI 에이전트를 업무 생산성 도구가 아니라 관리해야 할 대상으로 봐야 합니다." 네타 하이비 마이크로소프트 시큐리티 AI 보안 부문 파트너 제품 매니저는 4일까지 미국 샌프란시스코에서 열린 '마이크로소프트 빌드 2026'에서 '에이전트 365' 특장점을 소개하며 이같이 밝혔다. AI 에이전트 성능이나 생산성도 중요하지만, 조직 안팎에 흩어진 에이전트를 식별·감시·관리할 수 장치가 필수라는 설명이다. 에이전트 365는 기업 내 AI 에이전트를 등록·감시·통제하는 관리 솔루션이다. 마이크로소프트는 이 제품을 지난해 11월 처음 공개한 뒤 5월 1일 전 세계에서 정식 출시했다. 현재 AI 에이전트는 기업 업무 환경 안으로 깊숙이 들어왔다. 서비스형 소프트웨어(SaaS) 애플리케이션에 기본 탑재된 에이전트부터 개발자가 직접 만든 에이전트, 클라우드 플랫폼 위에서 구동되는 맞춤형 에이전트가 동시에 작동하고 있다. IDC 발표에 따르면 2028년까지 전 세계 조직 내 에이전트 수가 13억 개에 이를 전망이다. 하이비 매니저는 에이전트 증가 속도만큼 관리 체계가 마련되지 못하고 있다는 점을 짚었다. 조직은 에이전트가 어디에 있는지, 누가 만들었는지, 어떤 권한을 갖고 있는지, 실제 어떤 행동을 했는지 모두 확인할 수 없을 것이란 예측이다. 이에 에이전트가 의도한 범위를 벗어나거나, 연결된 도구를 오용하거나, 민감 데이터를 과도하게 공유할 가능성도 관리 대상이 돼야 한다는 주장이다. 그는 이에 발맞춰 '모든 에이전트를 위한 컨트롤 플레인'이 기업 시스템에 구축돼야 한다고 강조했다. 그러면서 '에이전트 365' 필요성을 제시했다. 에이전트 365는 조직 내 에이전트를 등록, 관측하며 정책을 적용하고 위험을 통제하는 관리 플랫폼이다. 하이비 매니저는 에이전트 365가 자사 에이전트만 관리하지 않는다고 말했다. 마이크로소프트 플랫폼에서 만들어진 에이전트뿐 아니라 외부 에이전트, 맞춤형 에이전트, 외부 클라우드 기반 에이전트까지 관리 대삼으로 삼는다고 설명했다. 그는 "이같은 접근은 AI 에이전트 시대 기업 환경이 단일 플랫폼으로 정리되기 어렵다는 현실을 반영한 것"이라고 강조했다. 실제 기업들은 이미 마이크로소프트 365를 비롯한 워크데이, 젠스파크, 아마존 베드록, 구글 버텍스 AI, 랭체인 기반 에이전트를 혼합해 사용 중이다. 그는 "에이전트가 특정 벤더 생태계 안에서만 작동하지 않는 만큼 관리·보안도 이같은 환경을 전제로 설계돼야 한다"고 주장했다. "에이전트, 기업 시스템서 행동하는 주체로" 켄드라 스프링거 에이전트 365 수석 그룹 제품 매니저는 "에이전트가 기업 시스템에서 직접 행동하는 주체 역할을 담당하기 시작했다"고 강조했다. 스프링거 매니저는 에이전트 365 핵심 기능으로 관측, 거버넌스, 보안을 꼽았다. 에이전트 365 관측은 조직 내 어떤 에이전트가 존재하는지 실시간 확인하는 기능이다. 그는 "기업은 숨겨진 에이전트에 보안 정책을 적용하거나 위험을 평가할 수 없다"며 "사고 발생 시 책임 소재를 추적할 수도 없다"고 설명했다. 이어 "에이전트 365는 관측 기능으로 조직 안팎에 보이지 않는 에이전트 존재를 구석구석 확인하는 역할을 한다"고 밝혔다. 거버넌스는 안전한 에이전트 확산을 위한 가드레일이다. 스프링거 매니저는 "에이전트가 어떻게 구축됐든, 누가 만들었든, 위험 수준에 맞는 보호 장치가 일관되게 적용돼야 한다"며 "이는 AI 도입 속도를 늦추기보다 기업이 안심하고 에이전트를 확대하도록 돕는 장치"라고 설명했다. 보안 기능은 에이전트를 직원, 애플리케이션, 데이터 자산처럼 보호해야 한다는 관점에서 출발한다. 스프링거 매니저는 "에이전트는 단순 SW가 아니라 사용자 대신 정보를 조회하고 도구를 실행하며 업무를 처리한다"며 "프롬프트 인젝션, 의도 이탈, 도구 오용, 데이터 유출 같은 새로운 위험을 막는 기능"이라고 소개했다. 스프링거 매니저는 에이전트도 정체성을 갖고 있다고 주장했다. 에이전트가 사용자 대신 권한을 행사하거나, 스스로 업무를 수행할 수 있다는 이유에서다. 그는 "에이전트의 호출 내역이나 권한 관리, 데이터 접근, 도구 실행 기록이 반드시 확인돼야 한다"며 "이는 사고 발생 시 감사와 책임 추적 출발점"이라고 주장했다. "에이전트 365, 식별·감시·통제 핵심" 이날 마이크로소프트는 에이전트 365 구조를 소개했다. 이 솔루션은 '마이크로소프트 엔트라' '디펜더' '퍼뷰' '인튠' 등 기존 보안·관리 제품과 결합된 형태로 이뤄졌다. 기존 보안 정체성 관리는 엔트라, 위협 탐지·차단은 디펜더, 데이터 거버넌스는 퍼뷰, 섀도 AI 탐지는 인튠이 맡는 식이다. '에이전트 365 소프트웨어 개발 키트(SDK)'는 외부 에이전트를 관리 체계 안으로 끌어들이는 역할을 한다. SDK는 기존 에이전트를 에이전트 365 안에서 찾아주거나 에이전트 ID와 관측성, 보안 정책, 도구 연결, 데이터 보안 기능을 붙이는 연결 장치다. 이를 통해 관리자는 조직 내 전체 에이전트·사용자 수, 런타임 시간, 보류 중인 요청, 위험 감지 에이전트, 소유자 없는 에이전트 등을 확인할 수 있다. 특히 소유자 없는 에이전트는 중요한 관리 리스크로 다뤄진다. 에이전트가 조직 안에서 계속 작동하고 있는데 책임자가 없다면, 권한 관리와 사고 대응이 어려워질 수 있어서다. 마이크로소프트는 정책 템플릿도 에이전트 365 핵심 기능으로 제시했다. 엔트라, 디펜더, 퍼뷰, 쉐어포인트 전반 정책을 한 템플릿으로 묶어 에이전트에 적용할 수 있다는 설명이다. 관리자는 에이전트가 어떤 데이터와 도구에 접근하는지 확인한 뒤 위험 수준을 판단하고, 적절한 보호 정책을 적용해 배포를 승인할 수 있다. 마이크로소프트는 섀도 에이전트 관리도 강조했다. 기존에는 직원이나 부서가 개별적으로 AI 도구를 사용하는 섀도 AI가 문제였다면, 앞으로는 관리되지 않는 에이전트가 새로운 위험이 될 수 있다는 이유에서다. 에이전트 365는 이런 섀도 에이전트를 식별하고 차단하거나 관리 체계 안으로 편입하는 방향을 제시할 수 있다는 것이다. 스프링거 매니저는 "AI 에이전트 경쟁은 더 이상 '누가 더 똑똑한 에이전트를 만드느냐'에만 머물지 않는다"며 "기업 환경에서는 '그 에이전트를 누가 볼 수 있고, 누가 승인하며, 어떤 권한으로 움직이고, 문제가 생겼을 때 누가 책임질 수 있느냐'가 핵심 경쟁력이 되고 있다"고 강조했다. 이어 "AI 에이전트 시대 핵심은 자동화 속도가 아니라 통제 신뢰성"이라며 "기업이 에이전트를 얼마나 많이 도입하느냐보다, 그 에이전트를 얼마나 투명하게 보고 안전하게 다룰 수 있느냐가 다음 단계 경쟁력을 가를 가능성이 크다"고 내다봤다.

2026.06.06 08:16김미정 기자

[AI는 지금] 페루, 국가 AI 전략 2030 발표…공공 AI·거버넌스 제도화 속도

페루 정부가 인공지능(AI) 개발과 활용, 거버넌스를 국가 차원에서 관리하기 위한 중장기 전략을 내놨다. 공공기관과 국영기업을 중심으로 AI 도입 원칙을 제도화하고 AI 책임관 제도까지 신설하면서 중남미 공공 AI 시장의 제도화 흐름에 가세한 모습이다. 6일 세계법제정보센터에 따르면 페루 정부는 지난달 '국가 인공지능 전략 2026~2030'을 발표했다. 이번 전략은 AI를 안전하고 포용적이며 윤리적으로 활용하기 위한 국가 로드맵이다. 국가 발전과 국민 삶의 질 향상을 위해 AI 개발·활용 정책을 통합하고 관련 거버넌스를 강화하는 데 초점이 맞춰졌다. 해당 전략은 '장관령 제152-2026-PCM호'를 통해 승인됐다. 적용 대상은 공공행정기관과 국영기업이다. 학계와 민간 부문, 시민사회는 이를 참고 기준으로 활용할 수 있다. 페루 정부는 이번 전략을 통해 국가 AI 개발과 관리에 관한 정책과 조치를 통합·조정할 계획이다. 전략은 네 가지 축을 중심으로 추진된다. 첫 번째는 AI 인재 및 역량 개발이다. 공무원, 교사, 학생의 디지털 역량을 강화해 AI 관련 전문성과 기술 역량을 높이는 것이 목표다. 두 번째는 AI 기반 혁신 및 창업 촉진이다. 공공·사회 문제 해결을 위한 AI 연구 프로젝트와 기술 솔루션 개발을 장려한다. 세 번째는 AI 윤리 및 규제 체계 구축이다. 기본권 보호와 투명성 강화를 중심으로 책임 있는 AI 활용을 위한 지침과 기준을 마련한다. 네 번째는 시민 참여 및 AI 협력 거버넌스 강화다. 정부, 시민사회, 민간 부문, 국제기구 간 대화와 공동 창출 공간을 확대해 포용적 AI 거버넌스를 구축한다는 구상이다. 특히 이번 전략에는 AI 책임관 제도 신설도 포함됐다. AI 책임관은 AI 기술 운영을 조정하고 윤리 기준 준수 여부를 감독하며 관련 프로젝트의 이행을 관리하는 역할을 맡는다. 중앙정부와 지방자치단체, 개별 기관 차원에서 AI 거버넌스의 핵심 기능을 담당하게 된다. 이번 전략은 페루 AI 정책이 민간 자율 활용 단계를 넘어 공공 주도 제도화 단계로 이동하고 있음을 보여준 것으로 평가된다. 또 공공기관과 국영기업을 적용 대상으로 삼은 만큼 향후 행정 자동화, 교육, 보건, 공공 데이터 분석, 민원 서비스, 지역 행정 분야에서 AI 도입 논의가 늘어날 가능성도 있다. AI 업계에는 기회와 부담이 동시에 커질 전망이다. 공공 AI 프로젝트가 확대되면 AI 솔루션 기업, 클라우드 사업자, 데이터 플랫폼 기업, 보안 기업, 컨설팅 업체에 신규 조달·시범사업 기회가 생길 수 있다. 반면 AI 책임관 제도와 윤리·규제 체계가 도입되면서 기업은 기술 성능뿐 아니라 투명성, 설명 가능성, 개인정보 보호, 편향 관리, 감사 체계 등을 함께 입증해야 할 가능성이 커졌다. 한국 기업에도 이번 전략은 중남미 공공 AI 시장 흐름을 살펴볼 참고 사례가 될 수 있다. 우리나라는 그간 전자정부, 공공 디지털 전환, 행정 시스템 구축 경험을 축적해 왔다. 페루가 AI를 국가 행정 효율화와 국민 삶의 질 개선 수단으로 제도화하면서 기존 디지털정부 협력 의제가 AI와 데이터 거버넌스 영역으로 확장될 여지가 생겼다. 예상되는 협력 분야는 AI 민원 응대, 공공문서 자동 분류, 행정 데이터 통합 플랫폼, 교육 AI, 보건의료 AI, 공공기관 대상 AI 교육, 데이터 거버넌스, 클라우드 기반 행정 시스템 등이다. 공무원·교사·학생의 AI 역량 강화를 핵심 축으로 제시한 만큼 에듀테크 기업과 AI 교육 콘텐츠 기업에도 제한적 사업 기회가 생길 수 있다. 클라우드·데이터 인프라 업계에는 간접적으로 협력할 여지가 있다. 공공기관과 국영기업이 AI를 도입하려면 데이터 저장·처리, 보안, 운영 관리 체계가 필요하기 때문이다. 다만 페루가 한국 데이터센터 업계의 즉각적인 대형 투자처로 부상했다고 보기는 어렵다. 업계 관심은 데이터센터 직접 투자보다 공공 클라우드, 데이터 플랫폼, 디지털정부 시스템 고도화 영역에서 형성될 가능성이 크다. 현지 시장 진입을 위해서는 단순 솔루션 판매보다 협력형 접근이 필요할 것으로 보인다. 페루는 정부, 학계, 민간, 시민사회, 국제기구 간 협력 거버넌스를 강조하고 있다. 이에 해외 기업이 페루 시장에 진입하려면 현지 대학, 스타트업, 공공기관과의 공동 프로젝트, 인재 양성, 기술 이전, 공공 문제 해결형 실증사업을 함께 제안하는 방식이 유리할 수 있다. 중남미 AI 정책 경쟁 측면에서도 의미가 있다. 페루가 2030년까지의 국가 AI 전략을 공식화하면서 역내 AI 제도화 흐름에 합류했기 때문이다. 브라질, 칠레, 콜롬비아 등 주요 중남미 국가들도 AI 규제와 전략을 정비하고 있어 향후 역내 공공 AI 시장과 거버넌스 기준이 구체화될 가능성이 있다. 한국 기업 입장에서는 페루가 중남미 공공 AI 시장의 관찰 지점이 될 수 있다. 시장 규모는 브라질이나 멕시코보다 작지만, 공공 AI 전략이 제도화된 국가에서 레퍼런스를 확보할 경우 다른 스페인어권 국가로 확장할 여지는 있다. 그러나 실제 사업 기회는 향후 예산 배정, 부처별 실행 계획, 조달 기준, AI 책임관 권한, 데이터 개방 수준에 따라 달라질 전망이다. 페루 정부는 이번 전략을 통해 AI를 국가 행정 혁신과 국민 삶의 질 개선을 위한 핵심 수단으로 삼겠다는 방침이다. 공공기관과 국영기업을 중심으로 AI 활용 원칙을 정비하고, 민간·학계·시민사회와의 협력을 통해 책임 있는 AI 생태계를 구축하겠다는 구상이다. 페루 정부는 "국가 인공지능 전략 2026~2030은 사람을 중심에 두고 AI를 국가 발전에 활용하기 위한 로드맵"이라며 "책임 있는 기술 발전을 바탕으로 현대적이고 경쟁력 있는 AI 거버넌스를 구축하겠다"고 밝혔다.

2026.06.06 08:00장유미 기자

셀레브라이트, 2026년 6월 10일 예정된 투자자 행사 발표

버지니아주 타이슨스 코너 및 이스라엘 페타티크바, 2026년 6월 5일 /PRNewswire/ -- 6월 5일, 공공 및 민간 부문을 위한 AI 기반 디지털 수사 및 인텔리전스 솔루션 분야의 글로벌 선도기업 셀레브라이트(Cellebrite DI Ltd., NASDAQ: CLBT)가 2026년 6월 10일 두 개의 예정된 투자자 행사에 참가할 계획이라고 발표했다. 날짜: 2026년 6월 10일 행사: 셀레브라이트 AI 테크놀로지 토크(Cellebrite AI Technology Talk) 개요: 취약점 연구부터 내부 활용까지, AI에 대한 셀레브라이트(Cellebrite)의 심층 분석과 수사를 위한 회사의 새로운 에이전트형 AI 플랫폼 제네시스(Genesis) 소개 발표 시간: 미국 동부 표준시 오전 9시 형식: 웹캐스트 행사 URL: https://investors.cellebrite.com/events/event-details/cellebrite-technology-talk 웹캐스트 URL: https://jp-morgan-tech-talk-with-cellebrite-management-oe-live-jun-2026.open-exchange.net/ 진행: J.P. 모건 전무이사 브라이언 에섹스(Brian Essex, CFA) 셀레브라이트 경영진: 제품 및 기술 사장 시벤 람지(Shiven Ramji), 최고 기술 책임자 크리스토퍼 웨이드(Christopher Wade), AI 이노베이션 책임자 에비야타르 라모트(Evyatar Ramot) 날짜: 2026년 6월 10일 콘퍼런스: 미즈호 테크놀로지 콘퍼런스 2026(Mizuho Technology Conference 2026) 발표 시간: 미국 동부 표준시 오전 11시 15분 형식: 파이어사이드 챗 행사 URL: https://investors.cellebrite.com/events/event-details/mizuho-technology-conference-2026 웹캐스트 URL: https://kvgo.com/mizuho/cellebrite-di-ltd-june-2026 셀레브라이트 경영진: 최고재무책임자 데이비드 바터(David Barter), 투자자 관계 및 재무 부사장 앤드류 크레이머(Andrew Kramer) 셀레브라이트 소개셀레브라이트(Nasdaq: CLBT)는 글로벌 디지털 수사 및 정보 솔루션 분야를 선도하는 기업으로 지역사회, 국가 및 기업을 보호하는 것을 사명으로 삼고 있다. 전 세계 7,000여 법 집행 기관, 국방 및 정보 기관, 기업들이 셀레브라이트의 AI 기반 소프트웨어 포트폴리오를 신뢰하며, 이를 통해 법의학적으로 신뢰할 수 있는 디지털 데이터에 더 쉽게 접근하고 이를 실질적으로 활용할 수 있게 됐다. 고객들은 셀레브라이트의 기술 덕분에 매년 약 300만 건의 법적 수사의 속도를 높이고 국가 안보를 강화하며, 운영 효율성과 효과성을 제고하고, 첨단 모바일 조사 및 애플리케이션 보안을 실현하고 있다. 클라우드, 온프레미스 및 하이브리드 배포 방식으로 제공되는 셀레브라이트의 기술은 전 세계 고객이 임무를 수행하고, 공공 안전을 강화하며, 데이터 프라이버시를 보호할 수 있도록 돕고 있다. 자세한 사항은 www.cellebrite.com 및 https://investors.cellebrite.com/investors, 소셜 미디어(@Cellebrite)에서 확인할 수 있다. 투자자 관계앤드류 크레이머(Andrew Kramer)투자자 관계 및 재무 부사장investors@cellebrite.com+1 973.206.7760 미디어빅터 쿠퍼(Victor Cooper)기업 커뮤니케이션 및 콘텐츠 운영 수석 디렉터Victor.cooper@cellebrite.com+1 404.804.5910

2026.06.05 23:10글로벌뉴스

젠슨 황, 홍대서 최태원·구광모·이해진과 '제2 깐부회동'

5일 방한한 젠슨 황 엔비디아 최고경영자(CEO)가 국내 주요 대기업 리더들과 홍대 인근에서 이른바 '제2 깐부회동'을 가졌다. 인공지능(AI) 시대를 주도하는 글로벌 빅테크 수장과 국내 제조·플랫폼 기업 총수가 한자리에 모였다. 황 CEO는 이날 오후 7시 서울 마포구 홍대입구역 인근 삼겹살 전문점 '형님 저요'에서 최태원 SK그룹 회장, 구광모 LG그룹 회장, 이해진 네이버 의장과 만찬을 가졌다. 당초 약속 장소로 서울 성수동 등이 유력하게 거론됐으나 동선과 보안 등을 고려해 최종적으로 홍대가 낙점된 것으로 알려졌다. 황 CEO는 회동 직전 현장에 대기 중이던 기자들과 만나 "오늘 저녁 주요 주제는 많은 성장과 새로운 제품이 될 것"이라며 만찬 테이블에서 다룰 핵심 의제를 시사했다. 아울러 파운드리(반도체 위탁생산) 협력과 관련해 "삼성 파운드리와 많은 파트너십을 갖고 있다"고 직접 언급했다. 재계에서는 이번 만남을 지난해 10월 서울 삼성동에서 열렸던 '깐부회동'에 빗대 '제2 깐부회동'으로 부르고 있다. 황 CEO는 지난해 10월 이재용 삼성전자 회장, 정의선 현대차그룹 회장과 서울 강남 한 치킨 매장에서 '치맥 회동'을 가져 화제를 모았다. 이번 만찬 장소인 '형님 저요' 역시 친근한 연상 작용을 고려해 선택된 것으로 풀이된다. 이날 참석자 중 가장 연장자는 1960년생인 최태원 회장이다. 다음으로 젠슨 황 CEO(1963년생), 이해진 의장(1967년생), 구광모 회장(1978년생) 순이다. 삼겹살과 소주를 앞에 두고 진행된 이번 회동에서 이들은 AI 생태계를 아우르는 협력 방안을 교환한 것으로 알려졌다. 엔비디아와 SK하이닉스의 고대역폭메모리(HBM)4 공급망 협력을 비롯해, LG그룹의 초거대 AI와 차세대 배터리 사업, 네이버의 자체 AI 서비스 전략과 소버린 AI 인프라 구축 등이 논의 테이블에 오른 것으로 관측된다. 황 CEO는 남은 방한 기간 동안 국내 주요 AI·로봇 스타트업 경영진과 비공개 간담회, 주요 기업 사옥 및 대학 연구소 방문 등 한국 AI 생태계를 점검하는 광폭 행보를 이어갈 예정이다.

2026.06.05 20:22전화평 기자

[ZD SW 투데이] 메가존클라우드, 스노우플레이크 리셀 파트너상 수상 外

지디넷코리아가 소프트웨어(SW) 업계의 다양한 소식을 한 눈에 볼 수 있는 'ZD SW 투데이'를 새롭게 마련했습니다. SW뿐 아니라 클라우드, 보안, 인공지능(AI) 등 여러 분야에서 활발히 활동하고 있는 기업들의 소식을 담은 만큼 좀 더 쉽고 편하게 이슈를 확인해 보시기 바랍니다. [편집자주] ◆메가존클라우드, 스노우플레이크 리셀 파트너상 수상 메가존클라우드가 3일(현지시간) 미국 샌프란시스코 모스콘센터에서 열린 '스노우플레이크 서밋 2026'에서 아시아태평양·일본 지역 '올해의 리셀 파트너상'를 수상했다. 이 상은 스노우플레이크 사업 성장에 뛰어난 성과를 거둔 파트너에게 수여되는 것으로 미주, 유럽·중동·아프리카, 아시아태평양·일본 등 각 지역별로 단 한 개 파트너만 선정된다. 메가존클라우드는 고객별 비즈니스 환경과 데이터 활용 수준에 맞춘 제안, 구축 지원, 활용 확대 컨설팅을 통해 스노우플레이크 도입이 실제 업무 성과로 이어질 수 있도록 기여한 점을 높이 평가받았다. 특히 고객별 상황에 맞는 제안과 구축 지원을 통해 스노우플레이크 도입이 실제 업무 성과로 이어질 수 있도록 한 점도 인정받았다. ◆사이냅소프트, '생성AI 선도인재 양성 사업' 워크숍 개최 사이냅소프트가 지난 달 수주한 과학기술정보통신부 주관 ;2026년 생성AI 선도인재 양성 사업'에 대한 1차 워크숍을 지난 4일 본사에서 개최했다. 이 사업은 72억 5000만원 규모로, 기업과 대학이 컨소시엄을 구성해 산업 현장의 수요에 맞는 AI 인재를 육성하고 관련 기술을 공동 연구한다. 주관기관으로 선정된 사이냅소프트는 국민대·이화여자대·중앙대 산학협력단과 컨소시엄을 구성했다. 이번 워크숍은 참여 대학 연구진과 관계자들이 모여 멀티모달 통합 임베딩 및 자가 검증형 실시간 에이전틱 AI 기반 고신뢰 기업 공시 데이터 분석 기술 개발 과제의 세부 운영 계획을 점검하기 위해 마련됐다. 참여 기업과 대학원 연구진은 담당할 구체적인 연구 내용을 공유하고 목표를 확고히 해 성공적인 프로젝트 수행 의지를 다졌다. ◆레노버, FIFA 월드컵 2026 운영 지원 레노버가 FIFA 월드컵 2026을 위한 실시간에 가까운 AI 기반 플랫폼을 구축했다. 초저지연 인터넷 프로토콜 텔레비전(IPTV) 영상 배포, 지능형 콘텐츠 전송, 이벤트 생태계 및 운영 전반에 걸친 미션 크리티컬 의사결정을 지원한다는 목표다. 레노버 솔루션은 IPTV 인프라 내 지연 시간을 5초 이내로 단축해 라이브 경기를 실시간에 가깝게 시청할 수 있도록 돕는다. 특히 레노버 씽크시스템 SR635 V3 서버는 북미 전역 경기장에서 들어오는 대규모 라이브 영상 데이터를 관리한다. 10개 채널을 통해 FIFA 시설 내 1000개 이상의 스크린으로 모든 경기 콘텐츠를 실시간으로 수집·처리·배포하며 IPTV 라이브 피드를 구동할 계획이다. ◆이스트에이드 줌, 리워드 쇼핑 서비스 출시 이스트에이드가 줌(zum)앱에서 상품을 구매하면 'EST포인트'를 적립할 수 있는 '리워드 쇼핑 서비스'를 출시했다. 이번 출시로 줌 앱 이용자는 쇼핑과 함께 자연스럽게 포인트를 모으는 앱테크형 리워드 경험을 누릴 수 있게 됐다. 이번 리워드 쇼핑 서비스는 AI 커머스 네트워크 플랫폼 '몰파이(Mallpie)'를 운영하는 지니웍스와의 협업으로 출시됐다. 몰파이는 광고식별자(ADID) 기반 개인화 추천엔진과 AI 상품 데이터 인프라를 결합해 퍼블리셔 채널마다 사용자에게 최적화된 상품을 노출하는 B2B2C 커머스 플랫폼이다. 현재 삼성월렛 '선물하기'를 비롯한 다수 제휴 채널에 커머스 서비스를 공급 중이다. ◆토스랩, 협업툴 기능 '잔디 프로젝트 2.0' 출시 토스랩이 메신저와 통합된 프로젝트 관리 기능 잔디 프로젝트의 업그레이드 버전인 '잔디 프로젝트 2.0'을 출시했다. 이 서비스는 엔터프라이즈 플랜 이상 고객에게 별도 추가 비용 없이 무료로 제공된다. 개인 업무 파악부터 팀 전체 운영 현황 관리까지 메신저와 통합된 프로젝트 관리 경험이 강화됐다. 잔디 프로젝트 2.0은 개인 중심의 직관적인 UI를 새롭게 도입했다. 구성원은 자신이 참여한 프로젝트와 담당 업무를 별도 검색 없이 한 화면에서 즉시 확인할 수 있다. '이번 주 나의 업무'를 통해 주간 단위 일감 현황도 한눈에 파악할 수 있어 보다 수월한 우선순위 설정과 일정 조율을 지원한다. ◆스타팅파트너스, '스타팅 AI 에이전트' 출시 스타팅파트너스가 채용 핵심 업무를 자동화하는 AI 에이전트를 자사 솔루션 '스타팅'에 탑재했다. 서비스 핵심은 비정형 데이터의 정형화 자동화다. AI 에이전트가 JD·이력서·포트폴리오처럼 형식이 제각각인 데이터를 알고리즘이 처리할 수 있는 형태로 가공한다. 계층별 관계성 분석 기반으로 정형화해 헤드헌터가 기업 영업과 포지션 제안에만 집중할 수 있는 구조를 만들었다. 스타팅 AI 에이전트는 직군별 개인화 키워드 추출, 매칭조건 AI 스크리닝, JD 자동 생성, 조건 분석 상세 매칭 리포트 발행 등 네 가지 핵심 기능으로 구성된다. 특히 키워드 추출 기능은 후보자가 직접 경험 유무를 선택할 수 있게 설계해 실제 역량을 보다 정확하게 파악하도록 돕는다. ◆피치에이아이, 'NRF 아시아 2026' 참가 피치에이아이가 지난 2일부터 4일까지 싱가포르 마리나샌즈베이에서 열린 'NRF 아시아 2026'에 참가해 차세대 리테일 테크를 선보였다. 이 행사는 아시아 리테일 산업 최신 트렌드와 기술 혁신을 한눈에 볼 수 있는 아시아 최대 리테일 전시회로, 글로벌 리테일 관계자와 유망 기술 기업들이 대거 참여했다. 피치에이아이는 이번 전시에서 오프라인 매장 디지털 전환을 선도할 주시분석·타깃광고·결품분석 등 독자 비전 AI 기반 솔루션을 선보여 현장 관계자들의 높은 관심을 받았다. 회사는 싱가포르를 거점으로 아시아 시장 내 브랜드 인지도를 높이고 글로벌 리테일 AI 시장 영역을 확장한다는 목표다.

2026.06.05 16:33한정호 기자

AI가 바꾸는 미래 해군…지능정보화 정책발전 세미나 17일 개최

인공지능(AI)을 기반으로 한 미래 해군력 건설 방향과 유·무인 복합 전투체계 발전 전략을 논의하는 장이 마련된다. AI 기술의 급속한 발전과 미래 해양전장 환경 변화에 대응해 AI 기반 지능정보화, 사이버·전자기, 지휘통제·전투체계 발전 방향을 모색한다는 목표다. 5일 업계에 따르면 오는 17일 서울 용산구 서울드래곤시티에서 '2026 해군 지능정보화 정책발전 세미나'가 개최된다. 대한민국 해군과 해양수산과학기술진흥원, 선박해양플랜트연구소가 공동 주최·주관하는 이번 행사는 'AI 대전환(AX)으로 완성하는 AI 유·무인 복합 첨단해군'을 주제로 열린다. 행사는 김경률 해군참모총장(대장) 개회사와 환영사, AI 및 사이버보안 경진대회 시상식에 이어 박태웅 녹서포럼 의장의 기조연설로 시작된다. 이후 참석자들은 전시부스 관람과 오찬을 마친 뒤 3개 분과 세션으로 나뉘어 전문 발표와 토론을 진행한다. 지능정보화 분과에선 해군 AI 대전환 추진계획과 AI 기반 해양영역인식(MDA) 체계, 최신 데이터 아키텍처와 국방 AI 활용 전략 등이 소개된다. 사이버·전자기 분과에선 생성형 AI 악용 사이버 위협 대응과 해양 무인전력 보안 강화, AI 기반 사이버전자기전 기술 발전 방향 등이 논의된다. 지휘통제·전투체계 분과는 해군 AI 전투체계 발전 방향과 무인체계 적용 방안, AI 전투참모 개발 로드맵, 유·무인 복합전투체계 지휘통신체계 표준화 방안 등이 발표될 예정이다.

2026.06.05 15:30이나연 기자

빗썸, 경찰청과 공조해 8억원 상당 범죄 피해 예방

가상자산 거래소 빗썸이 경찰청과 공조해 8억원 규모 범죄 피해를 예방했다. 빗썸은 지난 4일 경찰청 국가수사본부와 가상자산거래소 간 '피싱범죄 피해예방 및 근절 위한 업무협약식'에서 김현진 빗썸 투자자보호실장이 경찰청으로부터 감사장을 받았다고 5일 밝혔다. 이번 감사장은 피싱범죄 예방을 위한 실시간 공조 체계 구축 및 운영에 대한 성과를 인정받은 결과다. 빗썸은 지난 3월부터 경찰청이 제공한 악성 앱 설치자 정보를 회원 정보와 연결해 '주의대상'으로 등록하는 공조 시스템을 운영 중이다. 이를 통해 빗썸은 이상거래 탐지 대상 66명을 경찰에 실시간 통보하면서 약 8억원 상당 피싱피해를 사전 예방했다. 현재 빗썸은 앱 구동 시 원격제어 앱이 탐지되면 자동으로 거래를 제한하는 보안 체계를 운영 중이다. 여기에 악성 앱 탐지 시 자동경고, 서비스 이용제한이 이뤄지는 시스템을 개발 중이다.

2026.06.05 15:22홍하나 기자

클라이온 'REX', AI 신뢰성 검증 시장 사각지대 해소 나선다

생성형 AI 도입이 확산됨에 따라 'AI 신뢰성' 검증이 기업 가치의 핵심 요소로 떠오르고 있다. 이에 AI 클라우드 전문기업 클라이온은 AI 신뢰성 검증 및 최적화 솔루션 'REX(RAG evaluation eXpert)'를 통해 공공 및 민간 시장 공략을 본격화한다고 5일 밝혔다. REX는 최근 'LLM 기반 RAG 시스템의 실시간 성능 진단을 위한 평가 장치 및 방법'에 대한 핵심 기술 특허 등록을 완료하며 기술적 차별성을 확보했다. 기존 자동화 평가의 한계 극복, '진단과 처방' 중심의 차별화 예전 AI 신뢰성 검증 솔루션들은 대량의 질문 생성과 일괄 채점 등 자동화 효율성에 집중해왔다. 이로 인해 현장에서는 감점 원인 파악과 구체적인 개선 방향 도출을 개발자 직관에 의존해야 하는 한계가 있었다. 또 정확도 측정에만 치우쳐 편향, 차별, 유해 표현 등 안전성 영역 검증이 미흡하다는 지적을 받아왔다. REX는 단순 채점을 넘어 AI가 스스로 성능 저하 원인을 분석하고 구체적인 개선 방향을 제시한다. 다수의 오류를 자동으로 군집화해 문제의 우선순위를 시각화하며 ▲정확성 ▲안전성(유해성·편향) ▲품질(일관성·간결성) ▲검색·생성 품질 등 4대 축, 12개 지표로 입체 진단을 수행한다. 이는 EU AI Act, NIST AI RMF 등 글로벌 AI 거버넌스 표준의 요구사항을 반영하여 한국어 환경에 최적화한 결과다. 완전 폐쇄망 지원으로 공공·금융 데이터 보안 문제 해결 기존 자동화 솔루션의 또 다른 제약은 외부 클라우드나 외부 AI 연동으로 인한 데이터 유출 위험이었다. 이 때문에 시민 민원, 금융 거래, 환자 진료 등 민감 데이터를 다루는 공공, 금융, 의료 현장에서는 도입이 어려웠다. REX는 외부 호출 없이 내부망에서만 구동되는 '완전 폐쇄망 운영'을 지원해 데이터 보안 공백을 해소했다. 아울러 운영 중인 시스템에 직접 연결해 실시간으로 성능 저하를 감지하는 모드, 최적의 조합을 찾는 실험 모드, 외부 AI 서비스 검증 모드 등 세 가지 평가 환경을 모두 제공한다. 또한 문서 업로드만으로 평가용 데이터셋을 자동 생성하고, 노코딩 환경을 지원해 현업 담당자의 운영 편의성을 높였다. 대규모 공공 AX 사업 경험 바탕의 검증된 기술력 REX는 클라이온이 실제 대규모 공공 AI 구축 사업을 수행하며 얻은 실무 경험과 품질 기준을 바탕으로 개발됐다. 클라이온은 다양한 보안 등급과 모델 환경을 다뤄본 핵심 플레이어다. 주요 사업 수행 실적으로는 ▲서울시 인공지능 챗봇 2.0 구축 ▲교육부 독서교육플랫폼 구축·운영 ▲한국교육개발원 플랫폼 통합운영 ▲부산시 인공지능 융합서비스 도입 ▲경기도 홈페이지 생성형 AI 챗봇 ▲DPG 생성형 AI 페르소나 챗봇 등이 있다. 클라이온 관계자는 "REX는 단순한 자동 채점기를 넘어 '측정-진단-처방-재검증'의 선순환 체계를 구축한 솔루션"이라며 "AI 도입 이후 신뢰성 확보와 검증에 어려움을 겪는 기업과 기관에 명확한 기술적 보증서를 제공하겠다"고 밝혔다.

2026.06.05 14:55백봉삼 기자

[AI 고속도로] 국산 클라우드-NPU 연합 생태계 본궤도…정부 육성정책 결실 맺나

국내 클라우드 기업들이 국산 신경망처리장치(NPU)를 서비스 형태로 제공하는 사업에 잇따라 뛰어들면서 정부가 수년간 추진해 온 AI 반도체 육성 정책이 본격적인 상용화 단계에 진입하고 있다. 기술 실증과 연구개발(R&D)을 넘어 실제 클라우드 서비스와 산업 현장으로 확산되며 독자 인프라 생태계 구축에 속도가 붙는 모습이다. 5일 업계에 따르면 KT클라우드와 가비아가 최근 리벨리온 반도체 기반 서비스형 NPU(NPUaaS)를 출시한 데 이어 삼성SDS도 오는 7월 퓨리오사AI NPU를 탑재한 서비스를 선보일 예정이다. 국내 주요 클라우드 사업자들이 국산 AI 반도체를 클라우드 상품으로 제공하며 본격적인 상용화에 나서는 분위기다. 이는 신규 서비스 출시를 넘어 정부 주도 AI 반도체 육성 정책이 실제 시장으로 연결되는 전환점이 될 전망이다. 그동안 국산 NPU는 기술 검증과 실증 사업 중심으로 성장해 왔지만, 최근에는 국내 클라우드를 통해 기업과 공공기관이 손쉽게 활용할 수 있는 서비스 형태로 확산을 앞두고 있다. K-AI 반도체, 실증 넘어 서비스 단계 진입 KT클라우드는 지난 4일 리벨리온의 차세대 NPU '아톰 플러스'를 적용한 공공 전용 NPU 서비스 출시를 발표했다. 국내 NPUaaS 가운데 처음으로 클라우드 보안인증(CSAP)을 획득했으며 공공기관과 지방자치단체가 보안 규제를 충족하면서 국산 AI 반도체를 활용할 수 있도록 설계됐다. 가비아도 지난 4월 리벨리온 '아톰-맥스'를 기반으로 한 NPUaaS를 선보였다. 클라우드 환경에서 NPU를 구독형으로 제공하며 AI 추론 최적화 컨설팅까지 함께 지원할 계획이다. 그래픽처리장치(GPU) 공급 부족과 비용 부담이 커지는 상황에서 추론 중심 AI 서비스 수요를 겨냥한 전략이다. 삼성SDS 역시 다음 달 퓨리오사AI의 2세대 NPU '레니게이드' 기반 NPUaaS를 삼성 클라우드 플랫폼(SCP)에 출시할 예정이다. 엔비디아 GPU 중심 인프라에서 벗어나 고객이 워크로드 특성에 따라 GPU와 NPU를 선택할 수 있는 구조를 구축한다는 목표다. 이 외 다양한 국내 IT서비스 기업들도 국산 NPU 생태계 확대에 동참하고 있다. 롯데이노베이트는 모빌린트와 협력해 휴머노이드와 스마트 인프라 등 피지컬 AI 분야 실증을 추진한다. 포스코DX도 산업용 제어 시스템에 모빌린트 NPU를 적용해 제조 현장 중심의 엣지 AI 구축에 나서고 있다. LG CNS도 국산 NPU 기반 AI 인프라와 서비스 확대를 추진하면서 AI 반도체 활용 범위가 클라우드를 넘어 제조·공공·기업 업무 영역 전반으로 확산되는 상황이다. 최근 AI 인프라 시장이 대규모 학습 중심에서 추론 중심으로 이동하는 것도 이러한 변화 배경으로 꼽힌다. NPU는 추론 작업에서 GPU 대비 전력 효율과 비용 경쟁력이 높아 AI 에이전트와 기업용 생성형 AI 서비스 확산 과정에서 새로운 대안으로 주목받고 있다. 정부 'AI 반도체 팜' 결실 맺기 시작 현재 나타나는 상용화 흐름은 정부가 지난 수년간 추진해 온 AI 반도체 육성 정책과 맞닿아 있다. 대표 사례가 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 추진한 'AI 반도체 팜 구축·실증' 사업이다. 해당 사업은 국산 NPU 기반 고성능 클라우드 인프라를 구축하고 실제 산업 현장에서 성능을 검증하기 위해 2023년부터 3년간 진행됐다. 사업에는 네이버클라우드·KT클라우드·NHN클라우드 등이 참여했으며 리벨리온과 퓨리오사AI가 반도체 공급사로 함께했다. 이들은 총 19.95페타플롭스(PF) 규모 국산 NPU 인프라를 구축하고 의료·번역·챗봇 등 다양한 AI 서비스를 실증했다. 특히 네이버클라우드는 퓨리오사AI와 함께 외국인 근로자를 위한 거대언어모델(LLM) 기반 번역·챗봇 서비스를 실증했으며 KT클라우드와 NHN클라우드는 리벨리온과 협력해 뇌 질환 진단·예측 플랫폼 등을 운영했다. 또 NHN클라우드는 정부 'K-클라우드 프로젝트'를 통해 22PF 이상 규모 국산 NPU 인프라를 구축하며 의료·공공안전 분야 실증을 수행했고 네이버클라우드 역시 국산 NPU 기반 서비스 검증과 운영 경험을 축적하며 상용화 기반 마련에 기여했다. 일부 실증에선 국산 NPU가 외산 GPU 대비 경쟁력 있는 성능을 보인 것으로도 전해졌다. 업계에선 정부 사업이 국산 NPU 성능을 검증하는 데 그치지 않고 클라우드 사업자들이 실제 운영 경험을 축적하는 계기가 됐다고 평가했다. 최근 등장하는 NPUaaS 역시 당시 확보한 운영 노하우와 최적화 경험이 기반이 됐다고 분석했다. 다음 시험대는 공공 AX 수요 창출 다만 국산 클라우드와 NPU 결합 생태계가 본격적으로 성장하기 위해선 안정적인 추가 수요 창출이 필요하다는 지적도 나온다. 현재 정부는 삼성SDS 컨소시엄과 국가AI컴퓨팅센터 구축 사업을 추진하고 있다. 오는 2028년까지 첨단 AI 반도체 1만 5000장 규모 인프라를 구축하는 초대형 프로젝트로, 국산 AI 반도체 연구개발과 실증 환경도 함께 제공할 계획이다. 특히 정부는 센터 내 연구개발 존을 조성해 국산 NPU 시범 운영과 신뢰성 검증을 지원하고 향후 국산 AI 반도체 활용 비중도 확대한다는 방침이다. 공공 AI 전환(AX) 사업 역시 중요한 기반이다. 최근 정부와 지방자치단체가 생성형 AI와 AI 에이전트 도입을 확대하면서 추론 중심 AI 인프라 수요가 빠르게 증가하고 있다. 이같은 공공 사업에서 국산 NPU 활용 사례가 늘어날 경우 클라우드 사업자와 반도체 기업 모두에게 새로운 성장 기회가 될 전망이다. 업계 관계자는 "국산 NPU가 과거보다 성능이 많이 개선된 만큼 이제 기술 검증 단계를 넘어 실제 서비스와 시장 적용 단계에 진입하고 있다"며 "정부와 공공 사업 등에서 의미 있는 수요가 만들어진다면 토종 클라우드와 AI 반도체가 함께 성장할 수 있을 것"이라고 말했다. 배경훈 부총리 겸 과기정통부 장관은 지난 4일 'K-AI 반도체 성장 포럼'에서 "국산 AI반도체는 AI 3대 강국 도약이라는 국정과제 실현과 독자 AI 완성을 위한 핵심 기반"이라며 "본격적인 양산과 상용화를 넘어 실질적인 성과를 낼 수 있도록 정부가 마중물 역할을 수행하며 적극 뒷받침하겠다"고 강조했다.

2026.06.05 14:50한정호 기자

[기고] AI 확산 속 '통제 구조 재설계'가 필요한 이유

인공지능(AI)은 이미 조직 내부에서 조용하지만 강력하게 확산하고 있다. 직원들은 생산성 향상을 위해 여러 생성형 AI 툴을 업무에 활용하기 시작했다. 개발 조직은 외부 API와 서비스형 소프트웨어(SaaS)에 내장된 AI 기능을 자연스럽게 사용하고 있다. 문제는 이같은 활용이 공식적인 승인이나 관리 체계 밖에서 이뤄지는 경우가 많다는 점이다. 최근 발표된 '2026 클라우드플레어 보안 시그널 리포트'에 따르면 직원 98%가 섀도 AI를 포함해 승인되지 않은 애플리케이션을 사용하고 있는 것으로 나타났다. AI 관련 보안 사고를 경험한 조직 97%는 적절한 AI 접근 통제조차 갖추지 못한 것으로 확인됐다. 이는 기술 확산을 넘어 기존 운영 방식 한계를 여실히 보여주는 사례다. AI 도입 속도는 거버넌스 있으며 많은 조직이 사용 현황과 책임 구조조차 명확히 설명하지 못하는 실정이다. 클라우드플레어 리포트는 이를 '실제 사용과 통제 사이의 구조적 격차'라고 정의한다. 이제 AI는 단순한 도입 단계를 넘어 통제 방식과 책임 소재를 근본적으로 재정립해야 하는 국면에 접어들었음을 시사한다. AI 확산 과정에 가장 먼저 드러나는 문제는 거버넌스 구조 한계다. 기존 IT 환경에서는 기술 도입이 엄격한 승인과 검토를 중심으로 이뤄졌지만, AI는 브라우저 확장 프로그램이나 API를 통해 마찰 없이 조직 내부로 자율적으로 침투한다. 그 결과 섀도 AI가 빠르게 증가하며 통제되지 않은 사용이 자리잡았다. 이는 단순한 관리 실패가 아니라 혁신적인 기술 도입 방식과 기존의 정적인 통제 모델 간 구조적 불일치에서 비롯된 문제다. 이런 구조 변화는 가시성과 책임 공백으로 이어진다. 특히 의사결정 속도는 빨라진 반면 결과에 대한 책임 구조는 오히려 희미해지는 '벨로시티 패러독스(Velocity Paradox)'가 발생한다. 다수 기업이 AI 사용 위치와 데이터 기반을 명확히 파악하지 못하고 있으며, 결과적으로 의사결정 설명 가능성과 책임 소지는 약화하고 있다. 더 심각한 점은 이런 공백이 치명적인 데이터 리스크로 직결된다는 사실이다. 데이터 접근이 통제 체계보다 먼저 확장되면서 다양한 서비스와 도구가 기업 데이터에 연결되고 데이터 흐름은 더욱 복잡하고 불투명해지고 있다. 리포트에 따르면 봇 트래픽이 전체 트래픽의 약 30%를 차지하며 공격의 정교함이 더해지는 현시점에서 기업은 AI 활용과 동시에 데이터 유출, 오용, 규제 리스크에 무방비로 노출될 수 밖에 없다. 규제 환경도 전례 없이 강화되는 추세다. 미국서만 한 해 동안 1200개 넘는 AI 관련 법안이 발의될 정도로 AI 거버넌스는 더 이상 선택적인 정책이 아니다. 추적 가능성과 설명 가능성을 중심으로 한 법적 책임 영역이다. 이제 설명 가능성과 추적 가능성은 AI 거버넌스를 평가하는 핵심 잣대로 자리잡았다. 이러한 환경에서 기업은 AI를 단순히 도입하는 차원을 넘어, 이를 실질적으로 통제할 수 있는 구조를 근본적으로 재설계해야 한다. 그렇다면 이 변화는 어디서부터 시작되어야 하는가. 우선 조직 내 AI 활용에 대한 지속적이고 투명한 가시성 확보가 선행돼야 한다. 단순히 어떤 툴을 사용하는지 파악하는 수준을 넘어, AI가 어디에서 어떤 데이터와 연결돼 작동하는지 실시간으로 추적할 수 있어야 한다. AI 사용이 시야에서 벗어난 순간, 통제는 불가능해진다. 데이터 접근과 활용에 대한 통제 체계도 재정립돼야 한다. AI는 본질적으로 데이터 시스템이며, 데이터 흐름이 곧 리스크의 경로가 된다. 많은 조직에서 데이터 접근 권한이 통제 역량보다 빠르게 확장하고 있다는 점이 문제 핵심이다. AI 리스크를 관리하기 위해서는 데이터 흐름을 기준으로 한 결정적 가드레일과 통제 구조가 반드시 뒷받침돼야 한다. 이런 통제 구조는 단순히 리스크를 줄이기 위한 방어 장치에 그치지 않는다. '2026 클라우드플레어 보안 시그널 리포트'에 따르면 AI와 자동화를 보안 운영에 효과적으로 적용한 조직은 보안 침해 대응 시간을 평균 80일 단축하고 사고 대응 비용을 평균 190만 달러 절감한 것으로 집계됐다. 결국 AI 거버넌스는 보안을 위한 비용이 아니라 더 빠르고 안정적인 운영을 가능하게 하는 비즈니스 인프라이자 효율성 기반이 될 수 있다. 마지막으로 기업은 거버넌스를 '상시 작동하는 시스템'으로 전환해야 한다. 과거처럼 도입 여부를 사전에 승인하는 방식으로는 AI의 폭발적인 확산 속도를 따라잡을 수 없다. 대신 실제 사용 과정에서 지속적으로 모니터링하고 AI 활용을 실시간 통제할 수 있는 인프라로서 거버넌스 체계가 구축돼야 한다. AI 시대 경쟁력은 기술 도입 속도만이 아니라 이를 얼마나 안전하고 효율적으로 운영할 수 있는지에서 결정된다. 기업이 던져야 할 질문은 "AI를 사용할 것인가"가 아니라 "AI를 어떻게 통제할 것인가"다. 앞서 제시한 세 가지 핵심 과제를 바탕으로 AI를 단순히 도입하는 수준을 넘어 시스템 스스로 스트레스를 감지하고 회복하는 '자율적 회복력(Autonomic Resilience)'을 갖춘 구조로 재설계하는 기업만이 변화무쌍한 환경 속에서도 리스크를 관리하며 안정적인 성장을 이어갈 수 있을 것이다.

2026.06.05 14:26조원균 컬럼니스트

Prev 11 12 13 14 15 16 17 18 19 20 Next