본문으로 건너뛰기
보안 담당자의 판단을 준비하는 AI 에이전트 플랫폼 SAGE
목차

보안 담당자의 판단을 준비하는 AI 에이전트 플랫폼 SAGE (2026-08)

원문 정보

한 건의 답변을 위해 오가던 Confluence·Jira·Slack

“이 데이터를 외부 서비스에 올려도 되나요?” 짧은 질문이지만, 답변까지 확인할 자료는 많습니다. 데이터의 정보 등급과 전송 경로, 사용하려는 서비스에 따라 적용할 규정이 달라지고, 비슷한 상담을 과거에 어떻게 처리했는지와 운영 팀이 알고 있는 최근 반려 사유도 살펴야 합니다.

자료는 한곳에 있지 않았습니다. 규정과 가이드는 Confluence에, 상담 이력과 사실관계는 Jira 티켓에, 처리 노하우는 Slack 히스토리와 담당자의 머릿속에 흩어져 있었습니다. 담당자는 답변 한 건을 쓰려고 이곳들을 오갔고, 숙련도에 따라 답변 품질과 처리 시간의 편차도 크게 벌어졌습니다.

LINE Plus Security R&D팀은 답변 직전까지 자료를 정리해 두는 동료를 만들기로 했습니다. 보안 업무에서는 그럴듯하지만 부정확한 답이 잘못된 판단으로 이어지는 위험이 특히 큽니다. 그렇다고 AI 도입을 미루면 자료를 찾는 반복 업무는 그대로 남습니다. SAGE가 먼저 맡을 일은 읽기와 검색, 근거 수집으로 정하고, 보안 판단과 예외 승인은 사람에게 남겼습니다.

이것이 도입 계획의 1단계입니다. 2단계에서는 여러 에이전트가 역할을 나눠 사람이 직접 손대는 영역을 줄이고, 3단계에서는 충분히 검증된 정형 업무부터 사람의 개입을 최소화하려 합니다. 단계 사이에 뚜렷한 선이 있는 것은 아닙니다. 제한된 범위의 에이전트 협업과 일부 정형 작업 자동화는 이미 시도하고 있지만, 개발기 1편은 사람의 판단 준비를 돕는 1단계에 초점을 둡니다.

검토할 사람과 시점으로 나눈 SAGE의 진입점

SAGE의 진입점은 Jira, Slack, 담당자용 웹입니다. 같은 보안 지식 자산과 공통 AI 오케스트레이션 레이어를 공유하되, 입력을 받는 시점과 결과를 보여 주는 위치가 다릅니다. 각 워크플로 안에서도 세부 작업마다 전담 에이전트가 역할을 나눕니다.

진입점실행 계기와 결과 위치사람의 검토와 책임
보안 상담 어시스턴트티켓 생성·댓글 이벤트에 반응해 Jira에 자동 댓글 게시담당자가 참고 제안을 검토·수정·승인한 뒤 공식 답변으로 연결
보안 운영 안내 어시스턴트채널 메시지에 반응해 Slack 스레드에 1차 안내 게시필요 시 담당자가 이어받아 정정·보완·최종 처리, 안내 자체는 공식 판단이나 승인이 아님
보안 분석 워크벤치담당자가 직접 실행하고 자신의 웹 화면에서 결과 확인실행한 사용자가 결과를 검토하고 실제 업무 활용 여부 판단

누가 언제 결과를 검토하는지가 설계를 나눴습니다. Jira에서는 담당자의 책상 위에 검토 자료를 먼저 놓아 두고, Slack에서는 담당자가 바로 응대하지 못해도 사용자가 안전한 다음 행동을 시작하도록 안내합니다. 워크벤치는 담당자가 필요한 분석을 직접 고르는 자리입니다.

워크플로의 구성과 실행은 Langflow, 추론과 답변 생성은 OpenAI GPT 계열 모델이 맡습니다. 실행 트레이스는 Langfuse에 적재하고, Jira·Confluence 호출은 MCP(Model Context Protocol)로 연결합니다. 과거 상담과 운영 노하우는 OpenSearch 벡터 저장소에서 검색합니다. 모델 크기와 추론 강도도 일괄 지정하지 않았습니다. 가벼운 분류·정규화에는 작은 모델을, 규정 해석이나 복잡한 상담 정리에는 더 큰 모델과 높은 추론 강도를 선택합니다.

팀의 경험에서는 업무를 나눈 효과도 있었습니다. 하나의 에이전트에 모든 질문을 맡겼을 때 흐려지기 쉬웠던 책임과 근거 우선순위를 워크플로마다 정할 수 있었고, 새 부서나 업무가 들어와도 기존 워크플로를 건드리지 않고 추가하기에 유용했습니다. 아래에서 다루는 사내 컴포넌트 이름, 지시문 원문, 규정 문서명과 실제 운영 수치는 보안을 위해 일반화한 설명입니다.

검색의 출발점이 되는 자료와 인덱스

검색 품질은 모델만으로 결정되지 않았습니다. 팀의 경험에서는 모델의 성능보다 자료를 얼마나 잘 정리하고 인덱싱했는지가 더 큰 영향을 줬습니다. 같은 모델도 자료가 검색하기 좋은 형태로 정돈돼 있으면 근거를 정확히 찾았지만, 그렇지 않으면 엉뚱한 문서를 가져오거나 근거를 찾지 못한 채 멈췄습니다.

자료를 관리하는 부서들은 본문을 정리하고 최신 상태로 유지합니다. 개발 팀은 필요한 경우 질문 유형과 규정·문서 묶음을 연결하는 상위 인덱스를 두고, 문서에 흩어진 처리 이력과 맥락을 임베딩해 본문 표현만으로는 찾기 어려운 질문에도 관련 자료가 검색되도록 합니다. 새 사례가 쌓이고 자료도 계속 바뀝니다. 인덱싱과 임베딩을 다듬는 일은 운영 중에도 이어지는, 시간이 많이 드는 작업입니다.

긴 티켓에서 추려 낸 Jira의 검토 자료

보안 상담 티켓은 길기만 한 입력이 아닙니다. 신청 부서, 데이터 항목, 외부 송수신 여부와 첨부 자료가 본문에 들어 있고, 댓글에서 처음 정보를 정정하거나 새 조건을 보태기도 합니다. 다른 티켓과 위키를 가리키는 링크도 곳곳에 있습니다. 담당자는 이 흐름을 다시 읽은 뒤 유사 상담과 규정을 찾고, 더 받아야 할 정보를 정리해야 비로소 분석과 판단을 시작합니다.

보안 상담 어시스턴트가 먼저 끝내 두는 일이 이 준비 과정입니다. 파일럿 운영을 거쳐 2026년 9월 1일 정식 릴리스됐으며, 8월 18일 발행한 원문도 이를 반영해 9월 2일 갱신됐습니다. 실 운영 티켓에 자동 댓글을 게시하지만 모든 출력은 담당자의 검토를 전제로 합니다.

같은 자리에서 쟁점을 찾는 검토 블록

댓글에는 ‘먼저 볼 점’, ‘리스크’, ‘판단 관점’, ‘누락 정보’, ‘담당자 액션’, ‘참고 근거’를 담는 자리를 정해 두었습니다. 담당자가 티켓마다 정보를 다시 정리하지 않도록 하고, 모델이 임의로 답변 분량을 늘리는 일도 막으려는 선택입니다.

표현에도 경계가 있습니다. “가능합니다”·“불가능합니다” 같은 확정 판단, “접수했습니다”·“검토했습니다”처럼 운영 팀이 응대한 것으로 보이는 표현, 추측에 기반한 규정 해석은 금지합니다. AI 댓글을 운영 팀의 공식 답변으로 받아들이는 순간 책임 경계가 흐려지기 때문입니다. 공식 답변으로 이어지려면 담당자의 검토·수정·승인을 거쳐야 합니다.

모든 티켓에 모든 블록을 길게 펼치지는 않습니다. 데이터 흐름, 외부 노출 가능성, 계약·운영 구조, 정보 등급의 모호함 같은 검토 축을 점검해 간단·보통·복잡으로 분류하고 답변 깊이를 조절합니다. 간단한 상담에는 먼저 볼 점과 담당자 액션 한두 건만 짧게 적습니다. 보통 단계에서는 리스크와 판단 관점, 누락 정보를 더하고, 복잡한 상담에는 사전 조건과 추가 상담 트리거, 참고 문서 후보와 유사 사례까지 보강합니다.

경계에 걸린 상담은 낮은 복잡도로 분류합니다. 팀은 복잡도를 과대평가해 긴 답변을 붙이는 편이 짧게 답하는 것보다 담당자에게 더 큰 부담이라고 봤습니다. 평이한 신청에 긴 설명이 달리면 요점을 찾으려고 본문을 다시 읽게 될 수 있습니다. 구체적인 검토 축과 가중치, 임계값은 운영 정책에 속해 원문에서도 추상화했습니다.

위키 본문과 맞춰 본 인용

근거 수집도 필요에 따라 나눴습니다. 외부 송신·국외 이전·위탁 같은 규정 축이 하나라도 걸리면 규정 검토를 호출합니다. 유사 과거 상담 검색은 사례 비교가 담당자의 판단 부담을 줄일 가능성이 높을 때만, 정보 등급 판정은 등급 다툼이 주요 쟁점일 때만 호출합니다. 조항 인용 보강은 1차 근거를 모은 뒤 답변을 마무리하는 단계에서 필요한 경우에만 수행합니다.

검색한 조항 후보를 그대로 붙이지는 않습니다. MCP로 위키 원문을 실시간 조회해 대조하고, 본문 일치를 확인한 인용에만 검증 표시를 붙입니다. 일치 여부를 확인하지 못한 후보는 단정형 인용으로 노출하지 않습니다. 규정·가이드 검증에는 그때 조회한 원문을 쓰고, 임베딩 검색은 과거 상담과 운영 노하우에 사용합니다. 근거끼리 충돌하면 금지 → 조건부 → 추가 확인 필요 → 특이사항 없음 순으로 더 엄격한 근거를 우선합니다.

원문이 가공해 제시한 가상 상담에서는 한 부서가 업무용 대시보드 데이터를 매일 사내 분석용 DB로 가져오려 합니다. 외부로 나가지는 않지만 사내 한정으로 분류된 자료입니다. 어시스턴트는 이 상담을 보통 난이도로 보고, 통신 경로와 암호화, DB 접근 권한, 보관 기간과 삭제 방침 등을 확인 항목으로 정리했습니다.

여기서 답변은 연동 허용 여부를 확정하지 않습니다. 구성도와 데이터 흐름, 항목 목록이 빠졌다면 더 받아야 할 자료로 짚고, 나중에 외부 생성 AI로 데이터가 흘러갈 경로가 있는지도 확인하도록 합니다. 그런 경로가 있다면 사내 시스템 간 연동과는 별도로 검토할 사안입니다. 각 항목에는 관련 규정 링크와 원문 인용을 붙여 담당자와 의뢰자가 정리의 근거를 직접 확인하도록 했습니다.

VPN 증상 뒤의 원인을 찾는 Slack 어시스턴트

Slack의 보안 운영 문의 채널에는 단말 보안, 인증, 외부 저장장치, VPN 관련 질문이 모입니다. 누구나 글과 답글을 볼 수 있는 공개 채널입니다. 담당자가 즉시 응답하지 못하는 시간에도 사용자가 추가 정보를 모으거나 안전한 1차 조치를 시도하고, 적절한 담당자에게 연결되도록 하는 것이 운영 안내 어시스턴트의 역할입니다.

이 채널에서 가장 자주 마주친 함정은 표면 증상과 실제 원인이 다른 경우였습니다. “VPN이 안 돼요”라는 문의 뒤에 단말 보안 솔루션이나 MDM 등록, 계정 상태 문제가 숨어 있을 수 있습니다. 그래서 키워드만 보고 VPN 트러블슈팅으로 보내지 않도록 했습니다. 광범위한 점검 목록을 나열하기보다 해당 문의에 도움이 되는 다음 행동 하나를 안내하는 방향입니다.

이를 위해 검색과 안내 작성을 분리했습니다. 검색 전담 에이전트는 운영 노하우와 과거 상담 임베딩에서 분류, 근거, 바로 실행해도 안전한 조치 후보, 추정 원인을 모읍니다. 이 묶음이 ‘근거 패킷’입니다. 아직 사용자에게 보낼 답변은 쓰지 않습니다.

안내 작성 에이전트는 이 패킷을 받아 사내 규정과 가이드로 다시 검증한 뒤 안내를 만듭니다. 규정 본문이 우선 근거이며 운영 노하우는 이를 보강합니다. 검증하지 못하면 일반적인 안내와 담당 그룹 멘션으로 전환해 사람이 이어받도록 합니다. 운영 노하우가 많이 쌓여도 규정 본문의 뒷받침 없이 곧바로 단정형 답변에 들어가지는 않습니다.

답변은 인사, 본문, 필요한 경우 참고 문서, ‘AI 참고 안내이며 공식 판단이나 승인이 아님’이라는 주의 문구로 구성합니다. 문의와 같은 언어로만 작성합니다. 안내는 사용자에게 먼저 자동 게시되고, 사람은 필요할 때 스레드를 이어받거나 게시된 답변을 주기적으로 검토합니다.

필요한 순간 직접 고르는 보안 분석 워크벤치

워크벤치의 실행 계기는 담당자의 선택입니다. 티켓이나 채널 메시지를 기다리지 않고, 분석할 자료가 생겼을 때 브라우저에서 도구를 골라 실행합니다. 사내 인증 시스템과 연동돼 허가된 보안 담당자만 접근하며, 결과는 실행한 사용자의 화면에만 표시합니다.

현재 제공하는 워크플로는 다음 업무를 맡습니다.

  • 정보 등급(기밀성 구분) 판정: 입력 데이터·문서가 사내 기준상 어느 등급에 해당하는지 후보 제안
  • 유사 사례 검색: 입력한 상담과 비슷한 과거 보안 상담 티켓 검색·비교
  • 보안 규정·프로세스 안내: 일상 언어로 묻는 질문에 결론을 먼저 안내하고 근거 규정의 원문 문장 제시
  • 협력사 보안 준수 사항 체크: 준수 사항을 갖췄는지 살펴보고 보완하거나 추가 확인할 부분 정리

입력부터 서로 다릅니다. 정보 등급 판정에는 짧은 텍스트가 들어가지만, 협력사 준수 사항 점검에는 문서 전체에 가까운 긴 입력이 들어갑니다. 결과 화면도 달라야 하므로 각각 별도 도구로 만들었습니다. 담당자는 분석 결과를 검토해 업무에 활용하며, 현장에서 새로 필요한 도구는 계속 추가할 계획입니다.

다음 답변을 고치는 운영 팀의 피드백

SAGE의 워크플로·채널·도구 구현과 인프라 운영은 Security Development Division이 맡습니다. 업무 정의와 정책 결정, 피드백은 협업하는 보안 부서와 함께 만듭니다. 부서마다 쓰는 규정과 근거 문서, 답변 톤이 다르기 때문에 업무 라인별로 규칙 묶음을 두고 해당 운영 팀의 개선 의견을 반영합니다.

배포만으로 답변이 좋아지지는 않았습니다. 보안 상담 담당자는 사내 정기 설문에서 유용하거나 부족했던 블록, 인용 정확성, 누락된 판단 축 등을 평가합니다. 같은 지적이 반복되면 개발 팀이 답변 정책의 규칙으로 옮기고, 다음 설문에서 결과를 다시 확인합니다.

매주 사례가 규칙으로 바뀌는 피드백 루프

Slack 답변 아래에는 “도움이 됐어요”, “아쉬워요” 버튼이 붙습니다. 이 채널에서는 사람이 답변을 하나씩 사전 승인하지 않습니다. 먼저 게시한 안내와 사용자 반응을 수집한 뒤, 운영 팀이 품질 개선이 필요한 사례를 검토하고 개발 팀이 정책에 반영하는 흐름입니다.

피드백 루프의 네 단계
단계주체산출물
수집시스템(자동)모든 AI 답변과 사용자 반응(좋아요·아쉬워요·무반응), 담당자 호출 클릭 흔적을 관찰성 도구에 적재
리포트시스템(자동, 주 1회)관측 건수, 카테고리 분포, 부정 피드백 사례별 입력·출력·근거를 담은 마크다운 리포트
검토운영 팀부정 피드백 사례마다 문제점 정리, 이상적인 1차 답변안, 개발 팀 전달용 개선 가이드의 3단 코멘트
반영개발 팀답변 정책의 피드백 규칙 갱신, 다음 주 같은 케이스부터 답변이 달라짐

운영 팀은 문제점과 이상적인 1차 답변안, 개선 가이드를 정리합니다. 개발 팀은 이를 답변 정책 안에 따로 마련한 영역의 한 줄짜리 규칙으로 반영합니다. 시스템 지시문 전체를 고치지 않고 해당 규칙만 추가·수정·비활성화해 다른 문의에 미칠 영향을 좁혔습니다.

원문이 실제 규칙을 추상화해 든 예에는 외부 저장장치 신청 거부 문의가 있습니다. 거부 사유를 확인하기 전에 호스트명과 시리얼 번호의 오기재·교차 입력부터 의심하도록 하는 규칙입니다. 운영 팀이 반복되는 실패를 업무 언어로 설명하면, 개발 팀이 다음 답변에 적용할 작은 규칙으로 옮기는 방식입니다.

팀은 주간 답변 건수나 피드백 비율보다 어떤 종류의 답변에 운영 팀의 손이 많이 가는지를 더 깊이 봅니다. 그 패턴은 정책으로 옮길 수 있지만 비율 자체는 규칙이 되기 어렵기 때문입니다. 다루는 데이터와 업무 절차, 책임 경계가 달라지면 선택도 달라질 수 있다는 전제 아래 SAGE를 다듬고 있습니다.

개발기 2편에서는 다음 단계의 진행 상황과 협업 부서 관점의 이야기를 이어갈 예정입니다.

마지막 수정 일자