AI 실험에서 자율 운영까지
– 크리스토프 브리게, 스텔라 사이버 AI 및 보안 분석 제품 관리 수석 이사
캘리포니아주 산호세 – 2026년 4월 28일
2026년 초에 무언가 변화가 일어났습니다. 점진적인 변화가 아니라, 마치 스위치를 켜듯 갑자기 바뀌었습니다.
수년간 우리는 인공지능에 대해 이야기해 왔습니다. SOC 자율주행차에 대해 이야기할 때면 늘 5년은 걸릴 거라고, "데이터가 조금 더 필요하다"는 식이었죠. 그러다 MCP(모델 컨텍스트 프로토콜)가 등장했습니다. 에이전트 기반 프레임워크는 데모 단계를 넘어 실질적인 도구로 자리 잡기 시작했죠. 그러자 갑자기 "AI가 보안팀에 도움이 될 수 있을까?"라는 질문이 아니라 "AI로 무엇을 먼저 해야 할까?"라는 질문이 나왔습니다.
제가 직접 운영해 봤기 때문에 잘 압니다.
누구도 예상하지 못했던 주체적 돌파구
달라진 점은 바로 이것입니다. AI 에이전트는 API 접근 권한을 가진 챗봇에서 벗어나 어제의 일을 기억하고, 사용하는 도구를 다룰 줄 알고, 스스로 전화를 걸 수도 있는 실제 동료로 거듭났습니다.
원래 Anthropic Games에서 개발되어 현재 Linux Foundation 산하에서 운영되는 MCP는 이전에는 없었던 것을 제공했습니다. 바로 AI 에이전트가 실제 시스템에 연결할 수 있는 보편적인 방법입니다. 불안정한 통합이나 사용자 정의 코드가 아닌, 표준화된 프로토콜을 통해 모든 AI 에이전트가 모든 도구, 모든 API, 모든 플랫폼과 통신할 수 있게 해줍니다. AI용 USB라고 생각하면 됩니다. 새로운 기능을 연결하기만 하면 에이전트가 바로 사용할 수 있는 것입니다.
At 스텔라 사이버저희 플랫폼에 MCP 지원 기능을 추가했습니다. 이제 AI 에이전트가 Stellar Cyber 인스턴스에 연결하여 즉시 사례 관리 기능에 접근할 수 있습니다. 사례 목록 보기, MITRE 매핑 및 관측 가능 데이터를 포함한 전체 조사 세부 정보 조회, 상태 업데이트, 분석가 배정 등의 작업을 한 번의 API 호출로 수행할 수 있습니다. 이전에는 8번의 클릭과 3개의 탭을 거쳐야 했던 작업이 이제는 가능해졌습니다.
하지만 MCP는 단지 연결 고리일 뿐입니다. 진정한 혁신은 그 위에 있는, 맥락을 기억하고, 여러 단계의 워크플로우를 계획하며, 세션 간에 사용자를 대신하여 작업을 수행하는 에이전트형 AI에 있습니다.
AI 에이전트를 일주일 동안 운영하면서 배운 점
- 기능 관련 고객 이메일 두 통을 작성했습니다. 10통이 넘는 이메일 스레드에서 맥락을 파악하고, 기술 자료를 참조하여 기술적인 세부 사항을 정확하게 작성했습니다.
- 지라 티켓을 접수했습니다. 필수 입력란을 두 번이나 잘못 입력했는데, API를 파악해서 세 번째 시도 만에 성공했습니다.
- 네 명이 참석하는 회의 일정을 잡기 위해 각자의 일정을 확인했습니다. 수요일 오전에 비어 있는 시간이 하나 있었습니다.
- 컨플루언스에 있는 프로세스 문서와 해당 피그마 보드를 검토한 결과, 아무도 알아채지 못했던 다섯 가지 문제점을 발견했습니다.
- Stellar Cyber MCP 서버에서 30,000만 건의 사례를 한 번에 가져왔습니다. MITRE 매핑, 관측 가능 데이터 등 모든 정보를 포함했습니다.
- 새로운 제출물이 있는지 구글 폼을 감시하고, 자동으로 티켓을 생성하고, 새로운 제출물이 들어오면 저에게 알림을 보내는 cron 작업을 설정했습니다. 코드는 전혀 필요 없었고, 10분 정도밖에 걸리지 않았습니다.
이것의 다른 면
여기서부터 상황이 불편해집니다. 제가 방금 설명한 모든 것들을 적들도 똑같이 할 수 있습니다.
AI 에이전트가 티켓팅 시스템에 연결하고, 에스컬레이션 티켓을 읽고, 지식 기반을 상호 참조하고, 탐지 시스템의 허점을 파악할 수 있다면 어떨까요? 이는 여러분이 방어에 취약한 모든 부분을 공략할 수 있는 무료 로드맵과 같습니다. 방어자의 속도를 높여주는 바로 그 에이전트 기능이 공격자에게는 더욱 체계적인 공격 방식을 제공할 수 있습니다.
MCP는 양날의 검과 같다. CrowdStrike 이미 에이전트 기반 AI 배포를 프롬프트 주입 및 권한 상승으로부터 보호하는 방법에 대한 연구 결과가 발표되었습니다. 공격 대상은 이론적인 것이 아닙니다. 에이전트를 유용하게 만드는 바로 그 통합 지점들입니다.
위협 환경의 변화는 바로 속도 우위입니다. SOC 스크립트 기반 공격이 사라지고 있습니다. 에이전트 도구를 사용하는 공격자는 이제 다음과 같은 공격을 수행할 수 있습니다.
- 분석가가 경고를 분류하는 속도보다 더 빠르게 환경을 열거하세요.
- 조직의 상황을 고려한 소셜 엔지니어링 콘텐츠를 생성하세요.
- 응급 환자 분류 결정을 자동화하는 것처럼 측면 이동 결정도 자동화하세요.
- 효과적인 전략을 바탕으로 실시간으로 전술을 조정하세요.
다양한 자동화 기회
1. 기계 속도로 알림 및 사례 분류
이는 가장 명백한 사례이며, Stellar Cyber의 Alert Auto-Triage 기능이 이미 작동하는 영역입니다. 에이전트는 모든 중요 사례에 대해 IP 평판, 행동 이상, 엔티티 관계 및 장치 취약성 등 Verdict Signal Checks를 실행합니다. 그런 다음 True Positive, Benign, False Positive 또는 Inconclusive의 결과를 제공합니다.
새로운 점은 피드백 루프입니다. 분석가가 최종 판단을 번복하면, 그 번복 내용이 학습 신호가 됩니다. 단순히 "언젠가 모델을 재학습시키겠다"는 막연한 의미가 아니라, "다음에 같은 패턴이 나타날 때 시스템이 분석가의 판단을 고려한다"는 의미입니다. 테슬라 FSD도 사람의 개입을 통해 학습합니다. 이 시스템도 마찬가지입니다.
에이전트 기능 향상: MCP에 연결된 에이전트는 이제 사람이 여러 탭을 클릭할 필요 없이 사례 세부 정보를 가져오고, 외부 위협 인텔리전스와 연관시키고, 유사한 패턴에 대한 과거 판정을 확인하고, 완벽한 설명이 가능한 우선순위 결정(트리아지 결정)을 내릴 수 있습니다.
2. 신규 직원 등록 및 온보딩 자동화
요청은 양식을 통해 접수됩니다. 기존 방식에서는 담당자가 제출된 내용을 읽고, 추적 티켓을 생성하고, 필수 조건을 확인한 후 확인 이메일을 발송했습니다. 즉, 네 개의 시스템, 세 번의 컨텍스트 전환, 그리고 한 명의 담당자가 수동으로 데이터를 입력하는 과정이었습니다.
상담원은 정해진 일정에 따라 접수 소스를 모니터링합니다. 새로운 항목이 나타나면, 전체 구조화된 설명이 포함된 티켓을 생성하고, 해당 소스에 참조 정보를 기록하며, 요약 정보가 포함된 알림을 보냅니다. 수동 작업은 전혀 필요하지 않습니다.
에이전트 기반 잠금 해제: 이 패턴은 모든 접수 프로세스에 적용될 수 있습니다. 체험판 요청, 규정 준수 문의, 취약점 공개, 고객 문제 해결 경로 안내 등 "A 소스에서 읽어와 B 시스템에 생성하고 C 채널을 통해 알림"하는 모든 워크플로가 해당됩니다.
3. 탐지 품질 피드백 루프
이 부분이 저를 가장 흥분시키는 부분입니다. 보안 업체들은 "이 탐지 기능이 제대로 작동하지 않습니다"라는 티켓을 엄청나게 많이 쌓아두고 있습니다. 설명은 종종 모호하고, 맥락은 이메일 스레드와 지원 티켓 속에 묻혀 있습니다. 담당자는 요청 내용을 이해하기 위해 제품에 대한 깊이 있는 지식이 필요합니다.
티켓팅 시스템, 지식 기반 및 보안 플랫폼에 접근 권한이 있는 AI 에이전트는 탐지 피드백 티켓을 읽고, 실제 경고 데이터를 추출하고, 문서와 상호 참조하여 다음과 같은 명확한 요약을 생성할 수 있습니다. "이것은 규칙 X의 부분 문자열 일치로 인해 발생한 오탐입니다. 보고자가 수정 사항을 제공했습니다. 다음은 수정된 쿼리입니다."
에이전트 잠금 해제: MCP를 통해 에이전트를 보고 환경에 연결(권한 부여)하면 에이전트가 보고된 문제를 실시간 데이터와 비교하여 검증할 수 있습니다. 더 이상 "스크린샷을 보내주시겠어요?"와 같은 질문이나 3주씩 걸리는 시간 낭비가 없습니다. 에이전트는 보고자가 보는 화면을 그대로 볼 수 있습니다.
4. 다양한 도구를 활용하여 정보를 연결하기
보안 운영 책임자의 역할은 시스템 간의 연결 고리를 만드는 것입니다. 파트너 참여에 대한 이메일 스레드, 탐지 격차에 대한 티켓, 프로세스에 대한 위키 페이지, 워크플로에 대한 디자인 보드, 영업 스레드의 가격 정보 등 이러한 정보는 서로 다른 도구에 존재하며 자동으로 연관되지 않습니다.
AI 에이전트는 이 모든 과정을 처리합니다. "이 파트너의 체험판 진행 상황은 어떻게 되나요?"라고 물으면, 이메일 스레드를 검색하고, 추적 티켓을 확인하고, 접수 양식을 읽어 하나의 답변으로 요약해 줍니다. 탭을 전환할 필요도 없고, "확인해 보겠습니다"라고 말할 필요도 없습니다.
에이전트 기반 잠금 해제: 바로 이 부분에서 MCP의 진가가 발휘됩니다. 모든 시스템은 MCP 서버 역할을 합니다. 에이전트는 데이터가 이메일, Jira 또는 Stellar Cyber에 있는지 여부에 관계없이 모든 시스템과 동일한 프로토콜을 사용합니다.
5. 경고 피로 없는 사전 예방적 모니터링
기존의 모니터링 방식은 "모든 것을 끊임없이 확인하는 것"(비용이 많이 들고, 오류 발생 가능성이 높음) 또는 "누군가 알아차릴 때까지 기다리는 것"(느리고 위험함) 두 가지입니다. AI 에이전트는 세 번째 방식을 제시합니다. 바로 인간 수준의 판단력을 바탕으로 상황을 보고할지 여부를 결정하는, 계획적이고 지능적인 점검입니다.
제 에이전트는 주기적으로 커뮤니케이션 채널을 확인하지만, 단순히 "읽지 않은 메시지가 15개 있습니다"라고 보고하는 데 그치지 않습니다. 긴급도별로 분류하고, 조치가 필요한 항목을 식별하고, 불필요한 정보를 걸러내고, 실제로 주의가 필요한 경우에만 저에게 알림을 보냅니다. 보안 모니터링도 마찬가지입니다. 케이스 대기열을 확인하고, 탐지 범위의 이상 징후를 표시하고, SLA 위반 사항을 모니터링합니다. 그리고 모든 것이 정상일 때는 조용히 있습니다.
에이전트 기반 잠금 해제: 예약된 에이전트가 모델 계층 최적화를 통해 실행됩니다. 일상적인 점검에는 간소화된 모델을 사용하고, 상황에 따라 판단이 필요할 때는 더욱 강력한 모델로 전환합니다. 비용 효율적인 자동화를 구현합니다.
6. 문서화 및 지식 습득
보안팀은 엄청난 양의 내부 지식을 축적하지만, 그 지식은 문서화되지 않는 경우가 많습니다. 특정 방화벽 공급업체의 로그 항목이 예상과 다르게 동작한다는 사실을 아는 분석가는 그 지식을 회사를 떠날 때까지 머릿속에만 간직하게 됩니다.
AI 에이전트는 이러한 지식을 실시간으로 수집하고 구조화할 수 있습니다. 모든 티켓 분류, 모든 상호 작용, 모든 결정은 영구적인 지식 기반의 구조화된 항목으로 저장됩니다. 에이전트는 매일 메모를 유지하고, 핵심적인 통찰력으로 장기 기억을 업데이트하며, 새로운 정보를 기존 지식과 상호 참조합니다.
에이전트 기반 잠금 해제: 에이전트가 작업을 많이 할수록 더 많은 것을 알게 됩니다. 여러 탐지 티켓을 처리한 에이전트는 이제 공급업체별 로그 특성, 통합 예외 상황, ID 상관 관계 누락 등을 이해하게 됩니다. 다음에 관련 티켓이 접수되면 에이전트는 처음부터 다시 시작하는 것이 아니라 이러한 기반에서 출발합니다.
이것이 보안 팀에 의미하는 것
보안 업계는 지난 10년간 탐지 기술 개발에 주력해 왔습니다. 앞으로 10년은 결정의 시대입니다. 무엇이 진짜인지 누가 결정할까요? 누가 그에 대해 무엇을 해야 할까요? 그리고 이러한 결정은 얼마나 빠르게 이루어질 수 있을까요?
에이전트형 AI는 분석가를 대체하는 것이 아닙니다. 분석가에게 더 큰 역량을 부여하는 것입니다. 하루에 20건의 사례를 수동으로 분류하던 분석가가 이제 에이전트가 분류한 200건의 사례를 검토할 수 있게 되면서, 자신의 전문성을 중요한 부분, 즉 특수한 경우, 새로운 공격 방식, 그리고 기계가 아직 판단할 수 없는 부분에 집중할 수 있게 됩니다.
폐쇄형 API와 일회성 AI 요약 기능 뒤에 숨어 있는 벤더들은 뒤처질 것입니다. 승자는 MCP와 같은 프로토콜을 통해 API를 개방하고, 인간의 결정으로부터 실제로 학습하는 피드백 루프를 구축하며, 정확도 지표, 비용 관리 및 거버넌스 체계를 갖춘 제품으로 AI 자동화를 다루는 플랫폼이 될 것입니다.
저희 스텔라 사이버에서 그 시스템을 구축하고 있습니다. MCP 서버는 이미 가동 중이며, 알림 자동 분류 기능도 운영 단계에 있습니다. 그리고 제가 개발한 AI 에이전트가 이 블로그 게시글을 작성하기도 했습니다.
음, 대부분은 그렇죠.
