기업이 AI 도구를 업무에 붙이기 시작하면 보안팀이 관리해야 할 대상도 달라집니다. 예전에는 직원 계정, PC, 서버, API 권한을 중심으로 보면 됐습니다. 이제는 사람 대신 업무를 수행하는 AI Agent가 파일을 읽고, 외부 도구를 호출하고, 사내 시스템에 연결합니다.
이 변화 때문에 Agent 보안 스타트업에 투자금이 모이기 시작했습니다. Cymphony는 최근 Sequoia 등이 참여한 3,000만 달러 투자 유치를 발표했습니다. 이 회사가 풀려는 문제는 비교적 명확합니다. 기업 안에서 직원뿐 아니라 AI Agent와 각종 비인간 계정이 무엇에 접근할 수 있는지 찾아내고 관리하는 일입니다.
문제는 AI가 아니라 접근 권한입니다
AI Agent는 스스로 문서를 찾아 요약하거나, 고객 정보를 조회하고, 업무 시스템에 작업을 요청할 수 있습니다. 업무 입장에서는 편리합니다. 하지만 연결 과정에서 권한을 넓게 부여했다면 이야기가 달라집니다.
Cymphony는 한 기업에서 AI 도구가 접근 가능한 파일이 약 8만5천 개 발견됐다고 밝혔습니다. 이 수치가 모든 기업에 그대로 적용되는 것은 아닙니다. 다만 AI 도구 하나를 연결할 때 “필요한 문서만 보겠지”라고 생각했던 권한이 실제로는 훨씬 넓을 수 있다는 점은 확인할 필요가 있습니다.
보안 관리 대상에 Agent, MCP, Skill이 추가됩니다
기존 보안 관리 대상은 직원, PC, 서버, API 정도로 정리할 수 있었습니다. 앞으로는 여기에 Agent, MCP, Skill이 들어옵니다.
Agent는 사람을 대신해 작업을 수행하는 AI 실행 단위입니다. MCP는 AI가 파일, 데이터베이스, 사내 도구 같은 외부 자원과 연결되는 방식 또는 연결 통로로 이해하면 됩니다. Skill은 Agent가 특정 업무를 처리하도록 만든 기능 단위입니다. 이름은 다르지만 보안 관점에서는 모두 “무엇을 읽고, 어디에 쓰고, 어떤 명령을 실행할 수 있는가”를 확인해야 하는 대상입니다.
기업이 지금 확인할 것은 화려한 보안 도구가 아닙니다
당장 별도의 Agent 보안 제품을 도입해야 하는 회사도 있겠지만, 모든 기업이 그럴 필요는 없습니다. 아직 AI를 제한적으로 쓰는 단계라면 도구를 추가하기보다 현재 연결 상태부터 정리하는 편이 현실적입니다.
사내 AI 도구가 접근하는 저장소와 업무 시스템은 무엇인지, 개인 계정이 아닌 공용 계정이나 서비스 계정을 쓰고 있지는 않은지, 퇴사자나 담당 변경 후에도 권한이 남아 있지는 않은지를 먼저 보시면 됩니다. 특히 문서 저장소와 고객 정보, 소스코드처럼 민감도가 높은 자원은 AI가 실제 업무에 필요한 범위만 읽도록 구분해두는 것이 좋습니다.
AI 도입 속도보다 권한 파악이 앞서야 합니다
Agent 보안 투자가 늘어나는 이유는 AI가 위험해서만은 아닙니다. AI가 실제 시스템에 연결되기 시작했기 때문입니다. 챗봇처럼 답변만 하던 단계에서는 문제가 작게 보이지만, 파일을 읽고 업무를 처리하는 Agent가 늘면 권한 하나의 영향 범위도 커집니다.
AI 도입을 검토하는 기업이라면 Agent를 얼마나 많이 만들 것인가보다, 각 Agent가 무엇에 접근하는지 설명할 수 있는 상태인지부터 점검하는 편이 낫습니다. 보안의 시작은 새로운 솔루션 구매가 아니라, 이미 연결된 권한을 보이게 만드는 일입니다.
