Date: 2026-08-13
Topic: AI Cybersecurity
Primary source: Axios
미국 매체 Axios는 8월 12일(한국시간), 대기업 보안 책임자들이 AI를 이용한 사이버 공격에 대응할 예산을 늘리고도 실제 결정을 내리지 못하는 상황을 보도했다. 공격자는 AI로 정찰과 계정 탈취, 흔적 은폐를 빠르게 자동화하는 반면, 기업은 무엇을 AI 위험으로 볼지, 어느 도구를 허용할지, 사고가 나면 누가 책임질지 정하는 데 시간을 쓰고 있다는 내용이다.
이 문제는 단순한 업무 피로가 아니다. CrowdStrike가 올해 공개한 위협 보고서에 따르면 AI를 활용하는 공격자의 활동은 전년보다 89% 늘었고, 침입자가 내부 시스템으로 이동하기까지 걸린 평균 시간은 29분으로 줄었다. 보안 조직이 정책과 도구를 검토하는 동안 공격 속도는 이미 사람의 회의 주기보다 빨라지고 있다는 점에서, 의사결정 지연 자체가 새로운 보안 위험으로 떠올랐다.
What Happened
Axios가 전한 현장의 핵심은 보안 투자가 줄어서 대응이 멈춘 것이 아니라는 데 있다. 많은 기업이 AI 기반 공격에 대비해 예산과 관심을 늘렸지만, 보안팀은 AI 위험의 범위와 책임 구조를 정하는 과정에서 선택지를 좁히지 못하고 있다. Darktrace의 보안·AI 전략 담당 임원은 기업들이 AI 거버넌스를 정의하고 기술을 책임 있게 배치하는 방법을 두고 어려움을 겪고 있다고 설명했다.
결정해야 할 대상도 한꺼번에 늘었다. 외부 공격자가 생성형 AI를 악용하는 위험뿐 아니라 직원의 비인가 AI 사용, 외부 AI 서비스에 입력되는 회사 데이터, 사내 AI 에이전트의 과도한 권한, AI 개발 플랫폼 자체의 취약점까지 같은 회의 테이블에 올라온다. 보안팀은 제품 도입, 데이터 보호, 규제 준수, 사고 대응을 동시에 판단해야 하지만 이를 하나의 우선순위로 정렬할 공통 기준은 아직 충분히 자리 잡지 못했다.
Key Details
CrowdStrike의 2026년 글로벌 위협 보고서는 공격 속도와 공격 대상이 함께 달라지고 있음을 보여준다.
- AI를 활용하는 공격자의 활동은 전년 대비 89% 증가했다. AI는 정찰, 자격 증명 탈취, 탐지 회피 등에 쓰였다.
- 전자범죄 공격자가 최초 침입 뒤 다른 시스템으로 이동하기까지 걸린 평균 시간은 29분이었고, 가장 빠른 사례는 27초였다.
- 공격자는 90곳이 넘는 조직에서 정상적인 생성형 AI 도구에 악성 프롬프트를 입력하거나 AI 개발 플랫폼의 취약점을 이용했다.
- 침입은 신뢰된 계정, SaaS, 클라우드 환경을 거쳐 정상 활동처럼 보이게 진행되기 때문에 기존 경보 규칙만으로 우선순위를 가리기 어려워졌다.
다만 ‘89% 증가’는 전 세계 모든 사이버 공격이 89% 늘었다는 뜻이 아니다. CrowdStrike가 추적한 위협 활동 가운데 AI를 활용한 공격자 활동이 늘어난 비율로 읽어야 한다. 보안업체가 자체 관측 자료를 바탕으로 산출한 수치라는 점도 함께 고려할 필요가 있다.
The Governance Gap
SANS Institute가 7월 발표한 조사에서도 기술 도입과 운영 체계 사이의 간격이 확인된다. 전 세계 보안·IT 실무자 536명과 고위 보안 책임자 57명을 조사한 결과, 응답 조직의 AI 보안 활용률은 1년 사이 50%에서 78%로 높아졌다. 그러나 성숙한 운영 단계에 도달했다고 답한 실무자는 27%에 그쳤다.
또한 응답자의 76%는 보안팀이 기업 AI 거버넌스 역할을 맡고 있다고 답했지만, 절반 이상은 이를 뒷받침할 공식 감사 체계가 없다고 밝혔다. AI 관련 위협 탐지와 대응에서 중대한 한계를 경험했다는 비율도 2025년 45%에서 2026년 63%로 상승했다. 역할은 보안팀으로 넘어왔지만, 판단 기준과 검증 장치는 같은 속도로 따라오지 못한 셈이다.
Core Lens
지금의 병목은 AI 보안 도구를 얼마나 많이 사느냐보다, 어떤 위험을 먼저 줄이고 누가 그 결정을 책임질지 조직이 합의했느냐에 가깝다.
Why It Matters
기존의 ‘경보 피로’가 너무 많은 보안 알림 가운데 진짜 위협을 찾기 어려운 문제였다면, 이번에 드러난 ‘의사결정 피로’는 그보다 한 단계 위에서 발생한다. 허용할 AI 서비스, 보호할 데이터, 자동화할 대응 범위, 사람이 반드시 승인할 작업을 정하지 못하면 새 도구를 도입해도 운영 규칙이 모호해진다. 이 상태에서는 보안팀이 모든 가능성을 검토하느라 정작 가장 위험한 계정과 데이터에 대한 조치를 늦출 수 있다.
해결의 출발점은 완벽한 AI 정책을 한 번에 만드는 것이 아니다. 기업이 실제로 사용하는 AI 시스템과 데이터 흐름을 먼저 파악하고, 위험도가 높은 작업부터 승인 권한과 중단 조건을 정해야 한다. 예를 들어 고객 정보에 접근하는 AI 에이전트와 공개 문서를 요약하는 도구를 같은 기준으로 심사하면 판단 비용만 커진다. 업무 영향과 데이터 민감도에 따라 검토 단계를 나누는 편이 실행 가능성이 높다.
What To Watch
앞으로는 다음 변화가 기업의 대응 속도를 가를 가능성이 크다.
- AI 도구 목록이 아니라 데이터 접근권한과 실행권한을 기준으로 위험을 분류하는지
- 보안팀, 법무팀, 현업 조직 사이에 최종 승인자와 사고 책임자가 정해지는지
- AI 보안 제품의 탐지율뿐 아니라 오탐, 우회 가능성, 사람의 개입 시점을 지속적으로 검증하는지
- 정책 문서가 실제 접근 통제와 감사 로그, 사고 대응 절차로 연결되는지
AI 공격이 곧 모든 해킹을 완전히 자동화한다는 의미로 과장할 필요는 없다. 다만 공격자가 반복 작업을 빠르게 확장하고 AI 시스템 자체까지 노리는 상황에서, 기업이 결정을 미루는 비용은 이전보다 커졌다. 다음 경쟁은 가장 화려한 AI 보안 제품을 고르는 일이 아니라 제한된 시간 안에 위험을 구분하고 실제 통제로 옮기는 능력에서 벌어질 가능성이 높다.