사내 ChatGPT 정보 유출, 이제 게이트웨이로 막는다: 'AI 게이트웨이'의 등장
2026년 9월 셋째 주, 국내에서만 AI 게이트웨이 관련 발표가 3건 몰렸다. 소프트캠프는 국정원 주최 보안 행사에서 SHIELD AI Gateway를 공개했고, 유라클은 '오르다'를 발표했으며, 수산아이앤티는 생성형 AI 보안 게이트웨이 공동사업을 시작했다. 직원과 외부 LLM 사이에 관문을 세워 프롬프트를 실시간 검사하고 사용을 기록하는 새 보안 계층, 금지 공지문의 시대가 끝나고 통제 인프라의 시대가 시작됐다는 신호다.
왜 이런 제품이 필요한지는 숫자가 말한다. 보안 업계 집계(Second Talent, Unio 등)에 따르면 기업에서 AI 도구에 입력되는 데이터 중 민감정보 비중은 34.8%로 전년(27.4%)보다 늘었고, 직원 27%가 기밀을 공용 AI에 입력한 경험이 있으며, 조직 69%가 금지된 생성형 AI 사용(섀도 AI)을 의심하거나 확인했다. 한국 기업에게는 원형적 사건도 있다. 2023년 삼성전자가 ChatGPT에 소스코드가 입력된 사고 후 사용을 제한했던 일. 그로부터 3년, 시장의 답이 "금지"에서 "관문"으로 바뀌고 있다.
| 발표 | 내용 |
|---|---|
| 소프트캠프 SHIELD AI Gateway | CSK 2026(국정원·국보연 주최, 9/17~18)에서 공개: AI 에이전트의 내부 시스템·데이터 접근 통제, 웹격리 연계 |
| 유라클 오르다(AURDA) | 2026 AI 서밋(9/17) 발표: 모델 라우팅·비용·보안 통제, 소스코드 유출·무단 학습 방지 |
| 수산아이앤티 eSafe AI | 원츠넷과 공동사업 MOU(9/21 보도): 프롬프트 입력·첨부파일·개인정보 유출 탐지/차단, 부서별 권한, 사용 현황 가시화 |
| 글로벌 플레이어 | Cloudflare AI Gateway, Zscaler, Netskope, Palo Alto, Kong, Portkey, LiteLLM(오픈소스) 등 |
AI 게이트웨이란 정확히 무엇인가?
사내 사용자·애플리케이션과 외부 LLM API 사이에 서는 프록시(중계) 계층이다. 모든 AI 요청이 이 관문을 통과하면서 검사·기록·통제된다. 브라우저와 인터넷 사이의 웹 프록시, 이메일과 외부망 사이의 메일 게이트웨이가 하던 역할이 AI 트래픽에서 재현되는 것이다.
핵심 기능은 다섯 가지로 정리된다:
- 입력 검사: 프롬프트와 첨부파일에서 개인정보·기밀 키워드·소스코드를 탐지해 차단하거나 마스킹 (국내 제품들의 중심 기능)
- 권한 관리: 사용자·부서별로 접근 가능한 모델과 기능을 차등 부여
- 감사 로그(누가 언제 어떤 모델에 무엇을 보냈는지 기록)"몰랐다"를 "관리하고 있었다"로 바꾸는 핵심
- 모델 라우팅·비용 통제: 요청을 정책에 따라 적절한 모델로 보내고 사용량·비용을 추적
- 응답 처리(프롬프트 인젝션 필터링, 유해 응답 차단 등 (글로벌 제품군에서 확장 중인 영역)국내 발표들은 아직 입력 검사 중심이다)
왜 지금 한 주에 3건씩 쏟아지나?
수요와 규제가 동시에 임계점을 넘었기 때문이다. 섀도 AI가 통계적 현실이 됐고(조직 69%가 경험), 한국 규제 3종(AI기본법 시행(2026.1.22), 개인정보보호위 생성형 AI 안내서, 공공 망 보안체계(N2SF)의 생성형 AI 모델 포함)이 "기록과 통제"를 요구하기 시작했다.
구도를 정리하면 이렇다. 직원들은 이미 AI를 쓴다. 회사가 허용하든 안 하든. 금지하면 개인 계정과 개인 기기로 숨어들 뿐이고, 그 순간 회사는 가시성을 잃는다. AI 사칭 악성코드 분석에서 봤듯, 섀도 AI의 검색과 설치 과정 자체가 공격 표면이 된다. 반대로 게이트웨이를 세우면 "쓰되, 보이는 곳에서 쓰게" 만들 수 있다. 금지보다 허용+통제가 더 안전하다는 역설이 제품 카테고리로 구현된 것이다.
규제 관점의 의미는 더 직접적이다. EU의 OpenAI 사고 보고 사건이 보여준 원칙(사고 시 "언제 알았고 무엇을 했는가"를 증명해야 한다)에서, 감사 로그는 증명의 유일한 수단이다. AI기본법 체제의 한국 기업에게 게이트웨이는 보안 장비이자 컴플라이언스 증빙 장치다.
AI 보안의 무게중심이 이동하고 있다. "쓰지 마라"는 공지문에서 "여기로 지나가라"는 관문으로. 금지는 가시성을 없애지만, 게이트웨이는 가시성을 만든다.
도입을 검토한다면 무엇을 확인해야 하나?
네 가지를 순서대로 본다. ①현재 사용 실태 파악이 먼저다 ②차단 정책은 좁게, 로깅은 넓게 시작한다 ③게이트웨이 자체가 새 리스크임을 인지한다 ④기술과 함께 사용 문화를 설계한다.
- 실태 먼저: 어떤 팀이 어떤 AI를 어떤 업무에 쓰는지 모르는 상태에서 정책부터 만들면, 실무와 어긋난 규칙이 섀도 AI를 오히려 키운다. 게이트웨이의 가시화 기능을 "감시"가 아니라 "실태 조사" 도구로 먼저 쓰라
- 차단은 좁게(과잉 차단은 업무를 막고 우회를 부른다. 명백한 것(주민번호, 소스코드, 고객 DB)부터 차단하고 나머지는 로깅·경고로 시작해 점진적으로 조인다)안전 필터의 양방향 균형 원칙은 네이버의 유해성×사용성 이중 평가와 같은 논리다
- 관문 자체의 리스크: 모든 프롬프트가 모이는 지점은 그 자체로 최고 가치의 표적이다. 해외에서는 LLM 라우터의 프롬프트 로그 대량 유출이 보도된 바 있다. 게이트웨이의 로그 보관 정책·암호화·접근 통제를 도입 조건으로 확인하라
- 문화 병행: 관문은 실수를 걸러줄 뿐, "무엇을 넣으면 안 되는가"의 판단력은 교육의 몫이다. 게이트웨이가 차단한 사례를 익명화해 교육 자료로 환류시키는 조직이 가장 빨리 성숙한다
하네스 엔지니어링의 언어로 보면 AI 게이트웨이는 조직 차원의 Harness 레이어다. 개인이 검증 에이전트로 출력을 거르듯, 조직은 게이트웨이로 입출력 전체에 고삐를 채운다. 도구는 다르지만 원리는 하나다. 신뢰는 통제 가능성에서 나온다.
한 주 3건의 발표는 우연이 아니라 시장의 합의다. 생성형 AI의 기업 도입이 "쓸 것인가"를 지나 "어떻게 통제된 채로 쓸 것인가"의 단계에 들어섰다는 합의. 삼성 사건의 시대에 답이 금지였다면, AI기본법 시대의 답은 관문이다. 도입 순서만 기억하면 된다. 실태를 보고, 좁게 차단하고, 넓게 기록하고, 교육으로 환류한다. 그리고 게이트웨이가 아무리 좋아져도 변하지 않는 사실 하나. 민감한 것을 넣지 않는 판단력은 여전히 사람이 배워야 하는 역량이다.
참고: 원츠넷·수산아이앤티, 생성형 AI 보안 시장 공략 — 데이터넷 (2026.09.21) · CSK 2026 소프트캠프 SHIELD AI Gateway — 데이터넷 · 유라클 AI 게이트웨이 '오르다' — 전자신문 · Shadow AI Statistics 2026 — Second Talent
이 주제의 전체 그림: 하네스 엔지니어링 총론
금지 공지문 말고, 통제 가능한 AI 활용 체계가 필요하다면
사용 실태 진단부터 게이트웨이 정책 설계, 임직원 판단력 교육까지: AI 보안과 활용을 함께 잡는 체계를 설계합니다.
B2B 기업교육 문의하기