ESET NeoCortex 출시, 학습 비용 200분의 1 주장에 특화 사이버보안 AI 내세워
ESET는 대규모 범용 추론 모델보다 학습 비용이 최대 200배 낮다는 주장과 함께 NeoCortex를 공개했다. 2026년 10월 27일자로 발표된 ESET NeoCortex 출시는 폭넓은 AI 역량에 의존하는 대신 특화와 엄격히 제한된 운영을 대안으로 제시한다. 이 비용 비교는 공개된 독립 벤치마크가 아니라 내부 연구에 기반한다.
이 모델은 ESET PROTECT 내 LiveCortex를 구동한다. ESET는 이것이 보안 인시던트 해석과 공격 전개 예측을 돕는다고 말한다. “never-go-rogue”라는 표현은 제한된 도구와 인간 감독을 포함하는 운영 설계를 설명한다. 구매자는 이러한 통제 장치를 모델의 분석 정확도와 별도로 평가해야 한다.
Microsoft의 Security Copilot은 유용한 비교 대상이다. 보안 업체들은 이미 반복적인 조사 업무를 줄이기 위해 AI를 활용하고 있다. 핵심 질문은 특화가 어디에서 측정 가능한 이점을 만드는가다. ESET는 학습 효율성을 이 논의에 포함시켰지만, 고객 가치는 조사 품질, 배포 요건, 그리고 오류의 결과에 달려 있다.
ESET NeoCortex 출시는 인시던트 분석을 겨냥한다
이번 발표는 별도 어시스턴트로 제공되는 범용 챗봇이 아니라 보안 플랫폼 내부의 인텔리전스에 관한 것이다.
ESET의 사이버보안 모델 소개는 인시던트 이해를 모델의 목적으로 제시한다. 회사는 환경 내부의 관계와 가능한 변화를 표현하도록 학습된 시스템을 뜻하는 월드 모델도 설명한다. 또한 이 모델이 ESET의 인프라에서 운영된다고 밝힌다.
이 세부 사항은 제품의 의도된 역할을 보여 준다. 그러나 출력 결과를 받은 뒤 분석가의 성과가 얼마나 향상되는지는 입증하지 않는다. 모델이 설득력 있는 인시던트 설명을 생성하면서도 그 뒤따르는 의사결정을 개선하지 못할 수 있으므로, 이 구분은 중요하다.
보안팀에 유용한 분석은 구체적인 질문에 답해야 한다. 어떤 계정이 활동을 시작했는가? 어떤 기기가 프로세스를 실행했는가? 비정상적인 로그인과 이후 민감한 파일 접근 시도는 어떤 증거로 연결되는가?
분석가가 그 연결을 근본 기록까지 추적할 수 있을 때 서술은 운영상 가치를 갖는다. 그렇지 않으면 이 설명은 누군가가 확인해야 하는 또 하나의 해석을 추가할 뿐이다. 유창한 설명도 까다로운 조사 업무를 그대로 남겨둘 수 있다.
이상한 로그인, 낯선 프로세스, 그리고 뒤이은 외부 서버 연결이 포함된 예시 조사를 생각해 보자. 분석가는 이 관찰들이 서로 연관되는지 판단해야 한다. 시간상 근접성만으로는 공통 원인이 입증되지 않는다.
낯선 프로세스는 승인된 관리 도구일 수 있다. 외부 연결은 합법적인 비즈니스 서비스를 지원할 수 있다. 반대로, 평범해 보이는 활동도 계정 권한 및 기기 이력과 함께 살펴보면 의심스러워질 수 있다.
바로 이 지점에서 특화된 인시던트 분석은 신뢰할 만한 목적을 가진다. 관계를 보존하는 시스템은 분석가가 다음에 무엇을 조사할지 결정하도록 도울 수 있다. 그 가치는 이야기를 완결된 것처럼 보이게 하는 데 있지 않고, 증거를 더 쉽게 검토하게 하는 데서 나온다.
이 구분은 독자가 이번 출시를 해석하는 방식도 바꾼다. 일관된 인시던트 요약의 시연은 유용한 인터페이스 역량을 보여 줄 수 있다. 더 나은 의사결정의 증거에는 알려진 결과 및 현실적인 조사 조건에 대한 평가가 필요하다.
따라서 구매자는 인터페이스, 모델, 그리고 주변 탐지 시스템을 분리해서 봐야 한다. 좋은 결과는 여러 구성 요소가 함께 작동한 데 따른 것일 수 있다. 모든 개선을 모델 덕분으로 돌리면 실제로 이점을 제공한 구성 요소가 무엇인지 가려진다.
이러한 분리는 기존 고객에게도 도움이 된다. 이들은 발표가 조사 워크플로를 바꾸는지, 새로운 역량을 도입하는지, 또는 플랫폼 뒤에서 이미 작동하던 기술을 설명하는지 이해해야 한다. 제품명만으로는 이러한 도입 관련 질문에 답할 수 없다.
즉각적인 변화는 ESET가 특화 보안 인텔리전스에 명시적으로 전념했다는 점이다. 더 어려운 평가는 이 전념이 일상 업무를 어떻게 바꾸는지에 관한 것이다. 바로 여기서 학습 비용이라는 헤드라인은 구매자의 운영 우선순위와 맞닿기 시작한다.
학습 효율성은 광범위한 AI 배포에 압박을 가한다
낮은 학습 비용은 더 나은 보안 결과를 지원하거나 이를 제공하는 데 필요한 자원을 줄일 때에만 고객 이점이 된다.
이 비교는 검토할 가치가 있는 가정에 이의를 제기한다. 보안 분석은 언제나 가장 광범위한 가용 모델에 의존해야 한다는 가정이다. 좁게 초점을 맞춘 시스템은 다른 목표를 갖는다. 정의된 조사 작업에서 중요한 관계와 구분을 우선시할 수 있다.
그렇다고 특화가 전체 배포 전반에서 자동으로 더 저렴해지는 것은 아니다. 학습은 작업량의 한 구성 요소일 뿐이다. 활용 가능한 데이터 수집, 통합 유지, 인프라 운영, 결과 검토, 오류 조사에도 자원이 필요하다.
훈련된 모델을 새 입력에 실행하는 과정인 추론은 별도의 운영 부담을 만든다. 효율적인 학습 과정이 효율적인 추론을 입증하지는 않는다. 구매자는 실제로 운영할 전체 워크플로에 관한 증거를 필요로 한다.
압박은 먼저 아키텍처 선택을 설명해야 하는 공급업체에 가해진다. 범용 접근 방식은 보안 작업에 가져오는 역량을 정당화해야 한다. 특화 접근 방식은 더 좁은 범위가 중요한 조사 유연성을 희생하지 않는다는 점을 보여야 한다.
어느 쪽 설명도 모델 크기에만 의존해서는 안 된다. 더 큰 시스템은 낯선 언어나 모호한 증거를 더 효과적으로 다룰 수 있다. 더 작은 시스템은 적은 운영 부담으로 제한된 분류 작업을 수행할 수 있다. 이는 이들 제품에 관한 결론이 아니라 평가 가설이다.
구매자에게 실질적인 비교 기준은 방어 가능한 결론에 도달하는 데 필요한 업무다. 분석가가 출력 결과를 수정하는 데 더 오래 걸린다면 매력적인 모델 수준 지표도 의미를 잃는다. 반대로 반복되는 조사 병목을 제거한다면, 작은 기술적 개선도 중요할 수 있다.
관련 활동을 정확히 묶지만 설명은 빈약한 모델을 상상해 보자. 숙련된 분석가는 이 묶음 기능이 수동 검색을 줄여 주므로 여전히 이점을 얻을 수 있다. 경험이 적은 분석가는 결과를 받아들이기 전에 더 많은 뒷받침 증거가 필요할 수 있다.
또 다른 시스템은 중요한 이벤트를 놓치면서도 모든 단계를 명확히 설명할 수 있다. 출력은 읽기 쉽겠지만 잠재적으로 덜 유용하다. 이러한 가능성은 배포 결정에 단일 헤드라인 비율이 아닌 여러 측정 기준이 필요한 이유를 보여 준다.
ESET NeoCortex 출시는 업데이트 경제성에 대한 질문도 제기한다. 특화가 개발을 더 효율적으로 만든다면, 구매자는 어떤 변화가 제품에 반영되는지 물어야 한다. 더 잦은 출시는 허용할 수 없는 퇴행을 유발하지 않으면서 동작을 개선할 때에만 도움이 된다.
업데이트가 기존에 정상 작동하던 동작을 해치지 않는지 확인하는 회귀 테스트는 이 판단의 일부가 된다. 최근 인시던트에서 개선된 모델이 오래된 패턴에서는 덜 신뢰할 만해질 수 있다. 평가는 두 관점을 모두 보존해야 한다.
조달팀은 공급업체 효율성과 고객 절감 효과도 구분해야 한다. 공급업체는 고객의 운영 경험을 바꾸지 않고도 자체 개발 부담을 줄일 수 있다. 유용한 질문은 배포된 서비스에서 어떤 이점이 나타나는가다.
그 이점은 더 일관된 분석, 더 쉬운 관리, 또는 증거를 수집하는 데 드는 시간 감소의 형태일 수 있다. 이는 관찰 가능한 업무에서 드러나야 한다. 학습 효율성은 이러한 가능성을 조사할 이유를 제공할 뿐, 그것이 이미 발생했다는 증거는 아니다.
특화 모델과 범용 모델은 워크플로에서 만난다
관련 있는 비교는 동등한 조건에서 각 접근 방식이 정의된 보안 작업을 어떻게 처리하는지다.
Microsoft는 보고된 이메일을 평가하고 제출 항목을 분류하기 위해 대규모 언어 모델을 사용하는 피싱 분류 에이전트를 문서화했다. 대규모 언어 모델은 학습 중 습득한 패턴을 바탕으로 언어를 생성하고 해석한다. 이는 제한된 보안 워크플로로 가는 또 다른 경로를 보여 준다.
이는 NeoCortex와의 직접적인 벤치마크를 제공하지 않는다. 이메일 평가와 더 광범위한 인시던트 분석은 서로 다른 입력과 의사결정을 포함한다. 이들의 마케팅 주장을 비교해도 상대적 성능에 관해 밝혀지는 것은 거의 없다.
더 유용한 비교는 시스템 설계에 관한 것이다. 각 제품은 어디에서 증거를 얻는가? 불확실성을 어떻게 표현하는가? 어떤 결정에 승인이 필요한가? 가용한 정보가 확신 있는 결론을 뒷받침하지 못할 때는 어떻게 되는가?
이 질문들은 특화 보안 인텔리전스와 광범위한 모델 역량에 초점을 맞춘 논의를 유지한다. 또한 특화를 사용하는 제품과 범용 모델을 사용하는 제품을 오해의 소지가 있게 구분하는 일을 막는다. 하나의 워크플로는 여러 접근 방식을 결합할 수 있다.
예를 들어 범용 모델은 분석가의 질문을 해석하는 데 도움을 줄 수 있고, 별도 구성 요소는 관련 기록을 검색할 수 있다. 또 다른 구성 요소는 어떤 조치가 발생하기 전에 고정 규칙을 적용할 수 있다. 그 결과 동작은 전체 시스템에 속한다.
이는 좁게 학습된 모델이 모든 작업에서 범용 모델을 능가할 필요가 없다는 뜻이다. 자신에게 할당된 역할을 정당화하면 된다. 마찬가지로 광범위한 추론 역량은 워크플로가 이를 효과적으로 활용할 때에만 중요하다.
예시적인 시스템 간 조사는 이러한 상충 관계를 보여 준다. 분석가는 ID 활동을 기기 이벤트 및 애플리케이션 기록과 연결해야 할 수 있다. 특화 시스템은 그 표현 방식이 해당 조사에 필요한 관계를 보존할 때에만 이점을 가진다.
누락된 범위는 상황을 바꾼다. 핵심 애플리케이션이 가용 데이터에 없다면 모델은 그 공백을 인정해야 한다. 자신감 있는 재구성으로는 플랫폼이 한 번도 수집하지 않은 기록을 대체할 수 없다.
범용 추론도 같은 증거 제약에 직면한다. 지식의 폭이 누락된 활동에 대한 접근 권한을 만들어 주지는 않는다. 설명을 제안할 수는 있지만, 그 제안은 여전히 조직의 환경을 기준으로 검증해야 한다.
따라서 고객은 모델 성능과 함께 통합 범위를 검토해야 한다. 뛰어난 분석 역량을 갖춘 시스템도 불완전한 입력으로 인해 운영상 제한될 수 있다. 관련 증거에 더 잘 접근하게 하는 편이 언어 생성의 또 다른 개선보다 더 큰 가치를 낼 수 있다.
이 비교는 분석가 경험도 고려해야 한다. 전문 조사자를 위해 설계된 시스템은 소규모 팀이 감당하기 어려운 세부 정보를 노출할 수 있다. 단순화된 인터페이스는 일상 업무에는 도움이 되지만 복잡한 사례를 검토하기는 더 어렵게 만들 수 있다.
이러한 차이는 정당한 제품 선택이다. 광범위한 주장이 시스템이 잘 작동하는 조건을 감출 때 문제가 된다. 구매자는 의도된 작업, 지원되는 환경, 그리고 평가의 경계를 알아야 한다.
ESET의 입장은 이 논의에서 특화 전략의 위치를 분명히 한다. 다음 단계는 현실적인 대안과 비교했을 때 그 선택이 어떤 업무를 개선하는지 보여주는 증거다. 브랜드 수준의 비교는 이러한 과업별 평가를 대신할 수 없다.
200배 주장은 재현 가능한 비교가 필요하다
공개된 학습 비용 비율은 구매자가 검토해야 할 기준선과 평가 방법에 따라 의미가 달라지는 내부 결과다.
이번 발표는 해당 비교를 입증하는 재현 가능한 벤치마크 패키지를 제공하지 않는다. 외부 평가자가 반복할 수 있는 특정 기준 모델과 완전한 절차도 제시하지 않는다. 이 주장은 ESET의 주장으로 귀속해 다뤄야 한다.
이러한 한계가 그 수치가 거짓이라는 뜻은 아니다. 다만 독자가 그 수치로부터 도출할 수 있는 결론을 제한한다. 비교는 원래 조건 안에서는 정확할 수 있지만, 헤드라인이 시사하는 것보다 훨씬 좁은 결론만 뒷받침할 수도 있다.
의미 있는 평가는 무엇을 학습 비용으로 산정했는지 규정해야 한다. 하드웨어 소유 비용, 개발 작업, 데이터 준비, 실험 실행은 모두 결과에 영향을 미칠 수 있다. 회계 범위가 다르면 서로 다른 활동을 측정하면서도 비교 가능한 것처럼 보이는 비율이 나올 수 있다.
기준 작업 부하 역시 중요하다. 광범위한 모델을 처음부터 학습하는 일은 기존 모델을 좁은 과업에 맞게 조정하는 일과 다르다. 이 구분이 없으면 독자는 주장된 절감 효과가 어떤 대안을 기준으로 한 것인지 판단할 수 없다.
성능에도 명확한 목표가 필요하다. “더 정확하다”는 표현은 이벤트 분류, 사고 그룹화, 설명 품질 또는 이후 활동의 예측을 뜻할 수 있다. 한 지표의 개선이 모든 지표의 개선을 의미하지는 않는다.
신중한 비교는 동일한 과업과 문서화된 채점 방식을 사용해야 한다. 시스템이 개발 과정에서 어떤 사례를 보았고, 어떤 사례가 평가용으로 남겨졌는지를 설명해야 한다. 그렇지 않으면 익숙한 패턴 때문에 특화 모델이 새로운 사례에서의 실제 성능보다 더 강해 보일 수 있다.
오탐과 미탐도 이 평가에 포함돼야 한다. 오탐은 정상 활동을 위협으로 표시한다. 미탐은 위협을 놓친다. 한 유형의 오류를 줄이는 것이 다른 유형의 오류를 늘리는 대가가 될 수 있다.
이 때문에 경보 감소만 평가하는 데는 실무적 문제가 생긴다. 더 조용한 큐는 더 나은 우선순위 설정을 의미할 수 있지만, 놓친 활동을 가리고 있을 수도 있다. 평가는 무엇이 시야에서 사라졌는지, 그리고 그 누락이 정당했는지를 검토해야 한다.
NIST의 생성형 AI 위험 프로필은 그럴듯하지만 사실이 아닌 생성 콘텐츠인 환각을 위험으로 지목한다. 일반적인 관련성은 분명하다. 설명에는 검증이 필요하다. 이 지침은 NeoCortex에 대한 평가가 아니다.
사고 분석에서 중요한 구분은 관측된 증거와 추론된 맥락 사이에 있다. 모델은 조사자에게 도움이 되는 연결 가능성을 제안할 수 있다. 문제는 인터페이스가 그 연결을 확정된 사건으로 제시할 때 발생한다.
예를 들어, 조사에 계정 접근과 이후 프로세스 실행 사이의 공백이 있다고 가정해 보자. 유용한 시스템은 그럴듯한 관계를 식별하고 확인할 기록을 제안할 수 있다. 하지만 그 관계를 확인된 순서로 조용히 바꿔서는 안 된다.
이것이 예측에 신중한 채점이 필요한 이유이기도 하다. 가능한 공격자 행동을 다수 나열하는 예측은 구체적이고 시의적절한 예측보다 충족되기 쉽다. 구매자는 이후 활동이 발생하기 전에 예측이 얼마나 구체적이었는지 이해해야 한다.
ESET NeoCortex 출시는 구체적인 엔터프라이즈 사용 사례와 매우 큰 효율성 주장을 함께 제시한다는 점에서 주목할 만하다. 그러나 증거의 지위는 여전히 더 제한적이다. 공개적으로 재현 가능한 비교가 있다면 구매자는 구조적 이점과 유리한 내부 테스트 환경을 구분할 수 있다.
“절대 통제를 벗어나지 않는다”는 표현은 보장된 정확성이 아니라 통제를 설명한다
AI 시스템이 할 수 있는 일을 제한하는 것과 그 결론을 검증하는 것은 별개의 보안 요구사항이다.
ESET은 안전장치로 샌드박스 제한, 읽기 전용 도구, 모니터링, 사용량 제한, 킬 스위치, 사람의 검토를 열거한다. 샌드박스는 소프트웨어를 통제된 환경 안에 가둔다. 이는 구체적인 설계 선택이지만, 절대적 안전 표현은 기능 목록만으로 입증할 수 있는 범위를 넘어선다.
예를 들어 읽기 전용 접근은 연결된 시스템을 변경할 수 있는 능력을 제한한다. 그러나 접근 가능한 모든 정보가 검색하거나 공개하기에 적절하다는 점까지 보장하지는 않는다. 접근 범위와 출력 처리 방식은 여전히 별개의 문제다.
시스템은 스스로 작업을 실행하지 않아도 사람에게 영향을 줄 수 있다. 분석가가 잘못된 권고를 받아들이고 대응을 승인할 수 있다. 직접 실행을 제한하면 피해로 이어지는 한 경로는 줄어들지만, 의사결정 지원의 품질은 여전히 중요하다.
OWASP의 프롬프트 인젝션 지침은 필터링을 넘어 최소 권한과 모델 외부의 권한 부여를 포함한 통제를 권고한다. 프롬프트 인젝션은 악성 콘텐츠가 AI 시스템의 행동을 다른 방향으로 유도하려 할 때 발생한다. 이는 일반 지침이며 NeoCortex 취약성의 증거는 아니다.
그 관련성은 보안 업무의 성격에서 비롯된다. 조사자는 잠재적 공격자가 만든 자료를 일상적으로 검토한다. 안전한 설계는 콘텐츠가 그 밖에는 정당한 조사 안에 포함돼 있더라도, 해당 자료와 승인된 지시를 구분해야 한다.
예시로 악성 메시지가 어시스턴트에게 이전 증거를 무시하거나 조사 세부 정보를 공개하라고 지시할 수 있다. 시스템은 해당 텍스트를 분석할 증거로 취급해야 한다. 모델이 읽을 수 있다는 이유만으로 권한을 획득해서는 안 된다.
따라서 가장 유용한 보장은 문서화된 경계다. 시스템은 어떤 도구를 호출할 수 있는가? 어떤 기록에 접근할 수 있는가? 어떤 출력이 환경 밖으로 나가는가? 중대한 활동이 진행되기 전에 어떤 승인이 필요한가?
사람의 감독도 운영상 정의가 필요하다. 검토자가 제안된 조치를 평가할 충분한 증거를 받을 때에만 승인 화면은 도움이 된다. 모호한 설명은 검토를 의미 있는 점검이 아니라 관행적인 확인으로 바꿀 수 있다.
킬 스위치는 구현 방식에 관한 관련 질문도 제기한다. 구매자는 누가 이를 실행할 수 있는지, 어떤 활동이 중단되는지, 그리고 이후 어떤 정보가 계속 제공되는지를 물어야 한다. 통제 수단의 명칭만으로 사고 발생 시의 동작이 입증되지는 않는다.
벤더가 통제하는 인프라에서 호스팅하는 것도 같은 수준의 검토가 필요하다. 이는 책임이 놓이는 위치를 바꾸지만, 구매자에게는 보존, 접근, 격리, 삭제에 관한 계약상·기술상 답변이 여전히 필요하다. 인프라 소유권만으로는 이러한 질문에 답할 수 없다.
조사 메모를 보관하는 팀의 경우 개인 기록과 공유 기록의 구분도 중요하다. 지식 기반 비교는 업무 정리에 관한 맥락을 제공하지만, 보안 증거에는 조직이 승인한 처리가 필요하다.
핵심 분석 관점은 제한된 운영이 경계를 강제할 수 있을 때에만 특화 전략의 논거를 강화한다는 점이다. 구매자는 구체적 통제를 환영하되, 그 동작에 대한 증거를 요구해야 한다. 절대적 표현이 이러한 검토를 대체해서는 안 된다.
출시의 의미를 분명히 할 세 가지 신호
다음으로 유용한 증거는 재현성, 고객 워크플로에서의 성능, 그리고 명시된 운영 경계의 검증에 관한 것이다.
첫 번째 신호는 문서화된 기술 비교다. 공개된 평가는 기준 시스템, 과업, 회계 방식, 성능 지표를 식별해야 한다. 독립적 재현은 특화 전략이 지속적인 효율성 이점을 제공한다는 해석을 강화할 것이다.
그런 세부 정보가 없는 유리한 비율은 현재의 불확실성을 그대로 남긴다. 이는 ESET의 내부 개발 경험에 대한 설명으로서는 여전히 유용할 수 있다. 그러나 배포된 보안 제품을 비교하는 구매자에게는 제한적인 지침만 제공할 것이다.
두 번째 신호는 실제 조사 업무에서 나온 증거다. 고객 평가는 분석가가 탐지 품질을 유지하면서도 더 적은 노력으로 정당화 가능한 결론에 도달하는지 보여줘야 한다. 가장 강력한 보고는 성공 사례뿐 아니라 어려운 사례와 실패도 포함할 것이다.
평가 조건도 중요하다. 엄격하게 통제된 시연에서 나온 결과는 고객의 애플리케이션과 권한 전반에 걸친 성능을 입증하지 않는다. 작업 부하가 제품이 운영될 환경과 닮을수록 증거는 더 설득력을 갖는다.
구매자는 평가 보고서가 모델의 기여와 플랫폼 내 다른 개선을 분리하는지도 지켜봐야 한다. 더 나은 데이터 수집이나 인터페이스 설계는 가치 있는 향상을 만들 수 있다. 고객이 무엇을 도입하는지 이해할 수 있도록, 그러한 향상은 정확히 공로를 인정받아야 한다.
세 번째 신호는 안전 경계와 그 테스트 방식에 대한 명확한 설명이다. 의도적으로 안전하지 않은 행동을 유발하려 시도하는 적대적 테스트는 통제가 악성 입력을 견디는지 확인하는 데 도움이 될 수 있다. 문서는 테스트 범위와 해결되지 않은 한계를 설명해야 한다.
안전장치에 개선이 필요하다는 결과가 전체 아키텍처를 무효화하는 것은 아니다. 벤더가 권한을 축소하는지, 워크플로를 바꾸는지, 남은 노출을 설명하는지가 중요하다. 투명한 대응은 안전성 주장을 더 쉽게 평가할 수 있게 한다.
반대로 기술적 세부 사항 없이 반복되는 절대적 보장은 표현 자체에 대한 신뢰를 약화할 것이다. 구매자에게 필요한 것은 불완전한 조건에서도 관리할 수 있는 시스템이다. 일상적인 평가 질문을 불필요하게 보이게 만드는 약속은 필요하지 않다.
이러한 신호를 종합하면 ESET NeoCortex 출시가 더 경제적인 보안 인텔리전스를 향한 유용한 전환을 의미하는지 분명해질 것이다. 또한 특화 전략이 다른 모델, 고정된 통제 수단 또는 숙련된 분석가의 지원을 필요로 하는 지점도 드러날 것이다.
보안 AI를 평가하는 팀이라면 이번 발표를 구체적인 비교 요청으로 바꿔야 한다. 벤더에게 승인된 데이터를 사용해 대표적인 조사를 검토하도록 요청하라. 관측된 사실과 추론된 관계를 구분하는 출력을 요구하라. 시스템이 불확실한 사례를 포함해 결과를 검증하는 데 필요한 작업을 비교하라. 학습 주장 뒤의 방법과 모든 중대한 권한에 대한 문서를 요청하라. 설명의 유창함보다 팀이 내려야 하는 결정에 평가의 초점을 맞춰라. 어떤 시스템이 증거와 권한을 모두 검토 가능한 상태로 유지하면서 분석가가 정당한 결론에 도달하도록 돕는가?
