지난 2026년 6월, AI 코딩 에이전트를 겨냥한 새로운 공격 기법이 공개되면서 개발 현장이 술렁였습니다. 이름은 '에이전트재킹(Agentjacking)'​. 개발자가 수상한 링크를 누른 것도, 이상한 파일을 다운받은 것도 아니었습니다. 평소처럼 ‘이 오류 좀 분석해 줘’라고 요청했을 뿐인데, 그 한마디로 AI 코딩 에이전트가 공격자의 명령을 개발자 PC에서 실행해 버렸습니다.​공격의 통로는 개발팀이 흔히 쓰는 오류 모니터링 서비스였습니다. 요즘 코딩 에이전트에는 이런 도구가 연동돼 있어, 개발자가 어제 난 에러를 봐 달라고 하면 에이전트가 직접 에러 내역을 조회하고 수정안까지 내놓습니다. 공격자는 바로 그 조회 대상에 가짜 에러를 심었습니다. ​이 서비스는 전송용 식별자만 맞으면 어디서든 에러를 보낼..

파수 AI가 지난 8월 11일부터 12일까지 서울 삼성동 코엑스에서 열린 ISEC 2026(International Security Conference 2026)에 참가했습니다. 국제 시큐리티 콘퍼런스라는 이름에 걸맞게 국내외 보안 · AI 담당자 들이 한자리에 모여 AI 시대의 보안 흐름을 함께 논의했는데요. 파수 AI 부스와 세션에서 어떤 이야기들이 오갔는지, 그 현장을 소개해 드리겠습니다.​​행사명 : ISEC 2026 (International Security Conference 2026)일시 : 2026년 8월 11일(화)~12일(수) 09:00 ~ 18:00장소 : 서울 삼성동 코엑스 Hall D, 오디토리움, 아셈볼룸주최 및 주관 : ISEC 조직위원회, 한국인터넷진흥원, 한국 CISO 협의..

2026년 발간된 한 글로벌 통신사업자의 연례 데이터 침해 조사 보고서가 눈여겨볼 수치를 내놨습니다. 업무용 기기에서 AI를 일상적으로 사용하는 직원 비율이 1년 만에 15%에서 45%로 늘었다는 것인데요. 그중 67%는 회사 계정이 아닌 개인 계정으로 AI 서비스에 접속하고 있었습니다. 조직이 승인하지 않은 AI 사용, 이른바 섀도우 AI는 DLP 데이터에서 탐지되는 비악의적 내부자 행위 가운데 세 번째로 흔한 유형이 됐고, 전년 대비 4배 증가했습니다.​주목할 부분은 이 행위가 악의적 유출로 분류되지 않았다는 점입니다. 데이터를 빼내려는 시도가 아니라, 업무를 빨리 끝내려는 과정에서 벌어진 일이라는 뜻인데요. 회의 전에 계약서를 요약하고, 막힌 코드의 원인을 찾고, 긴 자료를 정리하는 평범한 업무 흐..

AI 회의록 시대인데, 여전히 반나절이 걸리는 이유는?회의가 끝나면 회의록 정리가 시작됩니다. 요즘엔 회의 중 자동으로 음성을 받아 적고 요약해 주는 AI 회의록 서비스도 다양하게 나와 있는데요. 그럼에도 실무에서 회의록에 드는 시간은 크게 줄지 않았다는 이야기가 많습니다. AI가 뽑아준 초안을 다듬거나, 참석자 발언을 다시 정리하는 작업이 결국 필요하기 때문이죠.​AI가 다 해준다는 시대에, 왜 회의록에는 여전히 반나절이 걸리는 걸까요? 이유는 의외로 단순합니다. 지금까지의 AI 회의록은 '우리 회사'를 모르기 때문입니다. 제품명이 어떻게 발음되는지, 어느 팀의 누가 어떤 프로젝트를 담당하는지, 이 약어가 무엇을 뜻하는지 — 이런 조직만의 언어를 이해하지 못하니, 결국 사람의 손이 다시 필요해지는 겁니..

​우리의 휴대폰 사진첩을 한번 떠올려 볼까요? 몇 천 장에서 많게는 몇 만 장이 쌓여 있어 원하는 사진 한 장 찾으려면 하루 종일 스크롤을 내려야 합니다. 중요한 신분증이나 계약서 사진이 일반 폴더에 방치돼 있기도 하죠. 혼자 쓰는 휴대폰 사진첩도 이 정도인데, 수많은 임직원이 함께 다루는 조직 내 데이터는 어떨까요? 데이터가 다양한 부서나 시스템별로 흩어져 관리되면서 접근 권한 설정, 민감정보 분류가 제대로 이뤄지지 않고 있습니다. 또 이런 데이터가 AI에 그대로 활용되면서 학습 품질 저하, 민감 정보 유출 등 다양한 문제를 발생시키고 있죠.​이 문제를 근본적으로 해결하려면 어떻게 해야 할까요? 어디에 어떤 데이터가 있는지 아는 것, 즉 ‘정확한 데이터 분류’가 중요합니다. 오늘은 잘못된 데이터 분류..

요즘 기업 및 기관의 AI 화두는 '도입 여부'에 있지 않습니다. 대부분의 조직이 이미 AI를 도입하고 예산도 늘렸으니까요. 문제는 도입 이후입니다. 글로벌 컨설팅 기업이 올해 공개한 조사에서도, 생성형 AI와 에이전틱 AI의 투자 대비 수익을 명확히 입증하기 어렵다는 점은 이미 CIO들 사이의 공감대로 자리 잡았다고 언급됐습니다. 여전히 실험 단계에 머무는 조직과 실질적인 가치를 만들어내는 조직 사이에 분명한 격차가 존재한다는 진단이었죠.​이 격차를 가장 선명하게 보여준 자료는 지난해 미국 MIT 연구진이 내놓은 보고서였습니다. 300여 건의 공개 도입 사례와 다수의 경영진 설문을 분석한 결과, 전 세계 기업이 많은 투자를 했음에도 실질적인 가치를 만들어낸 것은 5% 남짓이었다는 내용이었습니다. 여기..