
AI를 활용한 보안 도구 자체 개발을 고민하는 기업을 위한 실무 가이드 어떤 보안 도구를 직접 만들고 구매할지, 개발 이후 검증과 유지보수는 어떻게 고려해야 하는지에 대한 콘텐츠
AI 시대에는 보안을 바라보는 관점과 예산을 배분하는 기준, 필요한 도구를 마련하는 방식이 함께 달라지고 있습니다. 새로운 위험에 대응해야 하는 상황에서 AI 코딩 도구는 자체 개발의 선택지를 넓히고 있습니다. 이 글에서는 저희 팀이 구매와 자체 개발을 나누는 기준, 그리고 직접 만든 통제를 검증하고 운영하며 그 효과를 입증하기 위해 필요한 조건을 정리합니다. |
AI 시대에는 보안을 바라보는 관점부터 달라지고 있습니다. 기존 시스템을 안전하게 운영하는 일뿐 아니라, AI를 활용한 공격과 직원의 AI 사용이 만드는 새로운 위험도 함께 살펴야 하기 때문입니다. 직원이 외부 AI 서비스에 민감한 회사 자료를 입력하는 문제도 그중 하나입니다. 이에 따라 기존 제품만으로 충분한지, 한정된 예산을 어디에 배분할지, 필요한 도구를 구매할지 직접 만들지에 대한 판단도 달라지고 있습니다. [1]
이 글에서는 이런 내용을 다뤄요
• 상용 보안 솔루션을 구매해 온 이유
• AI가 넓힌 자체 개발 범위와 남은 책임
• 구매와 자체 개발을 나누는 판단 기준
• 보안 도구의 검증·운영·증적 관리 조건
이런 분들께 도움이 돼요
• 예산·인력이 한정된 보안 운영·컴플라이언스 담당자
• AI 코딩 도구로 자체 개발을 검토하는 팀
• 점검·심사의 반복적인 증적 정리를 줄이려는 팀
선택의 갈림길에 선 정보보안팀
취약점 대응, 정기 점검, 인증 심사, 증적 관리. 정보보안팀이 해야 할 일은 늘어나는데 예산과 인력이 같은 속도로 늘어나지는 않습니다. 취약점은 공격에 악용될 수 있는 보안 약점을, 증적은 요청·승인·조치가 실제로 이루어졌음을 보여 주는 기록을 뜻합니다. 법규와 인증 요건을 지키는 컴플라이언스 업무에서도 이런 기록이 필요합니다. 새로운 솔루션을 검토해도 우리 환경과 업무 방식에 맞추려면 추가 작업이 필요하고, 도입한 뒤에는 또 하나의 운영 대상이 생깁니다.

이런 상황에서 AI 코딩 도구는 자체 개발을 다시 검토할 계기가 됐습니다. 이전에는 내부 도구의 코드를 작성하고 기존 시스템과 연결하는 데 필요한 인력과 시간을 확보하기 어려웠습니다. 이제는 AI가 구현과 수정을 도우면서 그동안 미뤄뒀던 일들을 직접 시도해 볼 수 있게 됐습니다.
그렇다고 만들 수 있다는 이유만으로 직접 만드는 것이 좋은 선택은 아닙니다. 예를 들어 회사 자료를 필요한 사람만 보게 하고 퇴사자의 접근 권한을 회수하는 장치와 절차를 ‘보안 통제’라고 합니다. 보안 도구는 기능이 동작하는 것에 더해, 잘못된 요청을 막고 장애 상황에서도 정해진 정책을 지켜야 합니다. 그 결과를 확인할 수 있어야 하고, 만든 사람이 자리를 비워도 운영할 수 있어야 합니다. AI가 코드를 작성해 준다고 그 결과의 보안성과 안정성까지 보장되는 것은 아닙니다.
저희 정보보안팀도 이 문제를 고민하고 있습니다. 어떤 기능은 구매하고, 어떤 기능은 직접 만들면서 검증과 유지보수까지 감당할 수 있는 범위를 판단하고 있습니다. 그 과정에서 중요해진 질문은 “우리 팀의 시간과 역량을 어디에 투입해야 보안 수준과 운영 효율을 함께 높일 수 있을까?”였습니다.
이 글은 그 판단 기준과, 직접 만들기로 했을 때 함께 감당해야 하는 일을 정리한 기록입니다.
보안 솔루션 구매가 현실적인 선택이었던 이유
보안팀이 필요한 시스템을 직접 만들기 어려웠던 이유는 구현과 검증에 드는 부담이 컸기 때문입니다. 접근제어나 암호화처럼 업무에 직접 영향을 주는 시스템은 정상적인 기능뿐 아니라 예외 처리, 장애 대응, 보안 검증까지 갖춰야 합니다. 일상적인 보안 업무를 수행하면서 개발과 제품 유지보수까지 맡으려면 별도의 시간과 역량이 필요합니다.
점검과 심사에서 통제의 효과를 설명할 근거도 마련해야 합니다. 상용 제품은 제품 문서, 적용 가능한 인증 및 시험 결과, 기술지원 등을 활용할 수 있습니다. 반면 자체 시스템은 어떤 요건을 충족하고 실제로 어떻게 동작하는지 설명할 자료와 검증 절차를 직접 준비해야 하는 부분이 많습니다. 구매는 이러한 부담의 일부를 공급업체와 나누고, 유지보수와 업데이트를 제공받는 방법이었습니다.
물론 제품을 도입했다고 통제의 효과까지 자동으로 보장되지는 않습니다. 우리 환경에 맞게 설정했는지, 적용 대상이 빠지지 않았는지, 실제로 정책이 지켜지는지는 도입한 조직이 확인해야 합니다. 따라서 구매와 자체 개발을 비교할 때에는 개발과 검증, 유지보수 중 어떤 일을 내부에서 맡을지 구분해야 합니다.
AI활용으로 낮아진 자체 개발의 문턱
AI 코딩 도구는 코드 구현과 수정에 필요한 작업의 일부를 지원합니다. 덕분에 이전에는 개발 여력 때문에 시도하기 어려웠던 내부 도구도 검토할 수 있게 되었습니다. 필요한 기능과 지원 환경을 좁히고, 기존 시스템과 연결하는 방식을 우리 업무 절차에 맞춰 정할 수 있다는 점은 자체 개발의 장점입니다.
이런 변화는 소프트웨어 구매 결정에서도 나타납니다. 2026년 8월 맥킨지 조사에서는 응답자의 32%가 에이전트형 AI 코딩 도구를 활용한 내부 개발이 가능해져 소속 조직이 소프트웨어 제품이나 기능을 하나 이상 구매하지 않기로 했다고 답했습니다. 자체 개발이 구매의 대안으로 검토되고 있음을 보여 주지만, 이 수치가 개발 성공이나 비용 절감까지 입증하는 것은 아닙니다. [2]
다만, 보안도구 개발에 AI를 활용하는 것과 운영 중인 보안 통제의 판단을 AI에 맡기는 것은 구분해야 합니다. AI가 작성한 코드도 검토와 테스트를 거쳐야 하며, 권한과 승인 절차, 정책 적용 방식은 별도로 설계하고 검증해야 합니다. 구현을 지원받더라도 통제의 기준과 결과를 판단할 책임은 운영 조직에 남습니다.
검증하고 운영할 책임은 남아 있어요

구현이 쉬워져도 보안 도구가 답해야 하는 질문은 여전히 남아 있습니다. 허용하지 않은 접근을 실제로 막는지, 권한을 회수한 뒤에도 접근할 수 있는 경로가 남아 있지는 않은지, 정책 적용에 실패했을 때 이를 알아챌 수 있는지 확인해야 합니다. 이런 검증은 정상적인 요청이 한 번 성공했다는 사실만으로 대신할 수 없습니다.
이 기준은 상용 제품에도 똑같이 적용됩니다. 자체 시스템은 설계와 구현에 대한 설명을 더 많이 준비해야 할 수 있지만, 어느 쪽이든 우리 환경에서 통제가 작동한다는 근거가 필요합니다.
참고할 만한 평가 방법도 있습니다. NIST SP 800-53A는 통제를 평가하는 방법으로 자료 검토, 인터뷰, 시험을 제시합니다. 이 관점에서 보면 설계 문서와 운영 기록, 실제 동작 확인은 서로 보완하는 근거입니다. 제품명이나 시연 하나로 모두 대신하기는 어렵습니다. [3]
AI는 테스트 작성이나 문서 정리, 증적 수집도 도울 수 있습니다. 따라서 검증에 드는 노력이 전혀 줄지 않는다고 단정할 필요는 없습니다. 다만 무엇을 검증해야 하는지 정하고, 결과가 충분한지 판단할 책임은 남습니다.
운영도 마찬가지입니다. 배포 이후의 취약점 수정, 외부 서비스 변경 대응, 장애 복구, 담당자 인수인계까지 포함해야 실제 비용이 보입니다. 라이선스 비용이 줄어도 이 일을 맡을 시간이 없다면 지속하기 어렵습니다.
그래서 구매와 자체 개발을 비교할 때는 초기 개발비뿐 아니라, 검증과 운영에 필요한 인력·시간까지 함께 봐야 합니다.
티사이언티픽 정보보안팀이 구매와 자체 개발을 나누는 기준
저희는 필요한 기능이 우리 정책과 환경에 얼마나 밀접한지, 요구되는 품질을 검증할 수 있는지, 지속적으로 운영할 수 있는지를 기준으로 구매와 자체 개발을 나누고 있습니다. 공급업체의 전문 인력과 지원 체계를 활용할 영역과, 내부에서 범위를 정해 운영할 수 있는 영역을 구분하는 방식입니다.
구분 | 구매하는 영역 | 직접 만드는 영역 |
|---|---|---|
주요 판단 조건 | · 커널 수준의 높은 기술력이 필요한가 폭넓은 환경의 호환성 검증과 · 지속적인 탐지 연구·업데이트가 필요한가 | · 지원 범위와 정책을 명확히 정하고 우리 업무 절차에 맞춰 구현할 수 있는가 |
선택의 근거 | · 공급업체의 전문 인력과 검증·지원 체계를 활용할 필요가 큼 | · 제한된 범위에서 필요한 기능을 구현하고 검증·운영할 여지가 있음 |
이 구분이 자체 개발 영역의 위험이 작다는 뜻은 아닙니다. 키 관리에 문제가 생기면 여러 서비스가 데이터를 사용하지 못할 수 있고, 잘못된 접근제어나 네트워크 정책은 업무 전체에 영향을 줄 수 있습니다. 영향 범위는 구매 여부보다 시스템의 권한, 연결 관계, 변경 적용 방식에 따라 달라집니다.
하나의 시스템 안에서 구매와 자체 개발을 함께 선택할 수도 있습니다. 기존 암호 라이브러리나 관리형 서비스를 활용하면서 조직에 필요한 권한 정책, 승인 절차, 연동 기능을 직접 구현하는 방식입니다.
내부 도구는 실제 사용하는 인프라와 DB 엔진을 중심으로 설계할 수 있지만, 상용 제품의 범용성을 불필요한 비용으로만 볼 수는 없습니다. 향후 환경 변화에 대한 대응, 호환성 검증, 업데이트와 기술지원도 함께 제공되는 가치입니다. 자체 개발 범위를 정할 때에는 이 가운데 무엇을 줄일 수 있고, 무엇을 직접 맡아야 하는지 구분해야 합니다.
지원 범위를 유지하는 운영 조건
개발 범위를 좁히려면 실제 운영 환경에서도 그 범위를 관리할 수 있어야 합니다. 특정 DB 엔진만 지원하기로 했는데 다른 엔진이 자유롭게 도입된다면 통제가 적용되지 않는 영역이 생길 수 있습니다. 표준 배포 경로와 생성 권한으로 범위를 관리하고, 예외가 필요할 때에는 도입 전에 통제 방안을 검토해야 합니다. 현재 자산이 정해진 범위를 벗어나지 않았는지도 확인해야 합니다.
유지보수 역시 만든 사람의 의지에만 맡길 수 없습니다. 담당자가 자리를 비웠을 때 누가 장애를 처리할지, 의존하는 서비스나 라이브러리가 바뀌면 누가 수정할지 정해 두어야 합니다. 소스 코드와 함께 배포·복구 절차와 운영 지식을 남기고, 배포 이후의 취약점 수정과 인수인계에 필요한 시간도 확보해야 합니다.
그리고, 작게 시작하더라도 검증을 생략할 수는 없습니다. 저희는 작은 범위에서 먼저 사용하고 검증한 뒤 적용 대상을 넓히는 방식으로 부담을 관리하고 있습니다. 서버 접근제어에서 시작해 DB 접근제어로 확장하는 경우가 그 예입니다. 다만 대상이 달라지면 권한 모델과 장애 조건도 달라질 수 있으므로, 기존 검증 결과를 그대로 적용할 수 있는지 다시 확인해야 합니다.
이러한 관리 항목을 정리할 때에는 안전한 소프트웨어 개발 지침을 참고할 수 있습니다. NIST SSDF는 개발 관련 역할과 책임, 코드 검토와 시험, 배포 이후의 취약점 대응 등을 다룹니다. 내부 보안 도구에도 필요한 항목을 검토해 적용할 수 있습니다. [4]
개발과 유지보수에 쓰는 시간은 다른 보안 업무에 쓰지 못하는 시간이기도 합니다. 라이선스 비용이 줄더라도 운영에 필요한 역량과 시간을 확보하기 어렵다면 구매 범위를 넓히거나 개발 범위를 줄이는 판단이 필요합니다.
통제와 증적을 함께 설계하는 방법
보안 도구를 운영하려면 기능이 제대로 작동한다는 근거도 남아야 합니다. 점검 시점마다 설명 자료를 새로 구성하는 부담을 줄이려면 평소 업무 과정에서 필요한 정보가 쌓이도록 설계하는 것이 좋습니다. 저희 팀은 규제 요건과 통제의 연결, 업무 과정의 기록, 운영 결과의 확인을 함께 고려하고 있습니다.
먼저 어떤 요건에 어떤 통제가 대응하고, 그 통제를 무엇으로 확인할지 연결합니다. 하나의 요건에 여러 통제가 필요할 수 있고, 하나의 통제가 여러 요건에 대응할 수도 있습니다. 저희가 직접 만든 컴플라이언스 관리 도구에서도 규제 요건을 통제와 할 일, 증적까지 이어서 관리하고 있습니다. 이 관계를 추적할 수 있어야 요건이나 시스템이 바뀌었을 때 무엇을 다시 확인할지 파악할 수 있습니다.
다음으로 업무를 수행하는 과정에서 증적이 남도록 합니다. 네트워크 정책 변경이라면 요청 내용, 승인자, 승인된 정책, 실제 반영 결과가 이어져야 합니다. 요청이 승인된 기록과 시스템에 반영된 기록은 구분해야 하며, 로그가 있다는 사실만으로 충분하다고 보아서는 안 됩니다. 필요한 기록이 빠짐없이 남는지, 임의 변경으로부터 보호되는지, 필요한 기간 동안 보관하고 조회할 수 있는지도 확인해야 합니다.
이렇게 축적한 운영 기록은 반복 가능한 시험 결과와 함께 살펴봅니다. 점검 시점의 시연은 동작을 설명하는 데 도움이 되지만, 일정 기간 통제가 지속적으로 작동했는지를 보여 주려면 운영 이력도 필요합니다. 접근제어라면 허용된 사용자의 접속뿐 아니라 회수된 권한으로 접근했을 때 거부되는지도 확인합니다. 승인되지 않은 변경, 정책 적용 실패, 장애 상황에서의 동작도 검증 대상이 될 수 있습니다.
이 근거는 심사 대응에만 쓰이지 않습니다. 통제가 빠진 대상을 찾고, 변경이 제대로 반영됐는지 확인하며, 장애 원인을 추적하는 데에도 활용할 수 있습니다. 기능과 증적을 함께 설계하면 뒤늦게 설명 자료를 만드는 부담을 줄이면서 운영 중에도 통제 상태를 확인할 수 있습니다.
운영 결과로 선택을 다시 판단하기
구매와 자체 개발의 범위를 한 번 정했다고 판단이 끝나는 것은 아닙니다. 자체 시스템을 어느 수준까지 검증해야 충분한 신뢰를 확보할 수 있는지, 도구가 늘어날 때 유지보수 역량을 얼마나 확보할 수 있는지는 계속 확인해야 할 과제입니다. 줄어든 구매 비용과 새로 생긴 운영 부담을 함께 계산하고, 자체 개발의 이점이 줄어들었을 때 구매로 전환하거나 운영을 종료할 기준도 마련해야 합니다.
성과를 평가할 때에도 개발한 도구의 수만으로 판단하기는 어렵습니다. 정책 적용 누락이 줄었는지, 증적 준비 시간이 단축됐는지, 장애와 취약점을 제때 처리하고 있는지를 함께 확인해야 합니다. 이러한 결과가 쌓여야 처음의 선택이 적절했는지 판단하고 구매와 자체 개발의 범위를 조정할 수 있습니다.
마치며
AI 덕분에 정보보안팀이 직접 구현할 수 있는 범위는 넓어졌습니다. 그만큼 필요한 기능을 정의하고, 구매와 개발을 판단하며, 통제의 효과를 확인하는 역할도 중요해지고 있습니다. 이를 지속하려면 개발 속도와 함께 검증 수준과 유지보수 부담을 살피고, 필요한 역량과 운영 시간을 조직 차원에서 확보해야 합니다.
저희 팀도 아직 모든 답을 찾은 것은 아닙니다. 우리 환경에 맞는 통제를 구현하고 그 효과를 확인하면서 선택을 조정해 가고 있습니다. 다음 글부터는 저희가 저희만의 보안 도구를 어떻게 구현해 사용하고 있는지 소개할 예정입니다. 개발 과정의 선택과 운영상의 어려움을 함께 공유하며, 비슷한 고민을 하는 팀들이 각자의 판단 기준을 구체화하는 데 도움이 되고자 합니다.
[참고 자료]
[1] 김영욱, 아이티데일리, [이슈리포트] AI 위협이 바꾸는 보안 시장의 구조, 2026년 10월 30일
https://www.itdaily.kr/news/articleView.html?idxno=242564
[2] McKinsey, The state of AI in 2026: On the road to ROI, 2026년 8월 25일
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
[3] NIST SP 800-53A Rev. 5, Assessing Security and Privacy Controls in Information Systems and Organizations
https://csrc.nist.gov/pubs/sp/800/53/a/r5/final
[4] NIST SP 800-218, Secure Software Development Framework Version 1.1
https://csrc.nist.gov/pubs/sp/800/218/final


