AI 코딩 도구를 도입할 때만 해도 기업의 관심은 대체로 “코드를 얼마나 잘 만들어주는가”에 있었습니다. 그런데 Agent가 파일을 고치고, 패키지 설치 명령을 실행하고, 테스트와 Git 작업까지 직접 처리하기 시작하면 이야기가 달라집니다. 이제는 개발자를 돕는 채팅 도구가 아니라, 실제 작업 권한을 가진 계정에 가까워졌기 때문입니다.
GitHub는 9월 9일 기업용 Copilot Agent의 권한을 중앙에서 관리할 수 있는 기능을 일반 제공했습니다. 기업 관리자는 Agent가 수행하는 행동별로 차단, 사람 승인 필요, 자동 허용 정책을 정할 수 있습니다.
Agent가 실행하는 작업을 항목별로 통제합니다
관리 대상에는 Shell 명령 실행, 파일 읽기, 파일 수정, 외부 네트워크 접근이 포함됩니다. 예를 들어 테스트 실행은 자동 허용하되, 외부에서 패키지를 내려받거나 외부 API를 호출하는 작업은 담당자 승인을 거치도록 설정하는 식입니다.
이 구분은 생각보다 중요합니다. Agent가 npm이나 composer를 실행하면 의존성 설치 과정에서 외부 코드를 받아올 수 있습니다. Git 명령 역시 잘못된 범위에서 실행되면 의도하지 않은 변경이나 이력 조작으로 이어질 수 있습니다. 파일 수정 권한도 운영 설정 파일이나 인증 정보가 있는 경로까지 무제한으로 열어둘 일은 아닙니다.
개인 설정으로 정책을 풀 수 없다는 점이 중요합니다
기업 관리자가 정한 제한은 사용자가 개인 설정에서 임의로 완화할 수 없습니다. 보안 정책이 팀원 각자의 판단에 따라 달라지는 문제를 막는 장치입니다.
실무에서는 “숙련된 개발자라면 괜찮지 않나”라는 생각이 들 수 있습니다. 하지만 AI Agent는 한 번의 요청으로 여러 작업을 연속 실행합니다. 사용자가 명령 하나를 직접 입력하고 결과를 확인하는 방식과는 위험의 크기가 다릅니다. 개발자 개인의 주의만으로 관리하기보다, 조직 정책으로 가능한 행동의 범위를 정해두는 편이 현실적입니다.
도입 기준은 코드 품질보다 실행 범위입니다
AI가 코드를 제안만 하는 단계라면 검토와 반영은 사람이 맡습니다. 이 경우 권한 관리는 비교적 단순합니다. 반면 Agent에게 저장소 수정, 명령 실행, 네트워크 접근을 맡긴다면 도입 검토표도 달라져야 합니다.
어떤 명령을 자동 허용할지, 어떤 폴더는 수정 대상에서 제외할지, 외부 연결은 누가 승인할지를 함께 정해야 합니다. 특히 고객 서비스나 사내 업무 시스템처럼 운영 환경과 연결된 저장소라면, 처음부터 모든 권한을 열어두는 방식은 피하는 편이 좋습니다.
AI 코딩 도구의 경쟁은 이제 생성 결과의 품질만으로 판단하기 어렵습니다. 기업 입장에서는 Agent를 얼마나 안전하게 자동 실행하고, 문제 발생 시 어디서 멈추게 할 수 있는지가 더 중요한 평가 기준이 되고 있습니다. AI Agent도 사실상 하나의 직원 계정처럼 권한과 책임 범위를 관리해야 할 시점입니다.
