기업 AI 지출 급증에 따라 ID 거버넌스가 핵심 과제로 부상

Google News는 기업 AI 지출이 그 이면에서 작동하는 ID를 많은 기업이 관리할 수 있는 속도보다 더 빠르게 증가하고 있다는 경고를 전했다. 이 문제는 더 이상 실험적 챗봇에만 국한되지 않는다. 이제 AI 에이전트는 데이터를 요청하고, 비즈니스 애플리케이션을 호출하며, 자격 증명을 생성하고, 기업 시스템 전반에서 작업을 실행한다.

이러한 확장은 보안의 핵심 질문을 바꾼다. 과거 기업은 어떤 직원이 리소스에 접근할 수 있는지를 결정하는 데 집중했다. 이제는 같은 환경 안에서 사람 사용자, 서비스 계정, 애플리케이션 ID, 자동화 도구, AI 에이전트를 함께 관리해야 한다.

압박은 최고정보책임자, 보안 책임자, ID 팀에 집중된다. 이들은 명확한 소유권, 제한된 권한, 신뢰할 수 있는 감사 추적을 유지하면서도 더 빠른 AI 배포를 지원해야 한다. 에이전트가 작업을 계획하고, 업무를 위임하며, 애플리케이션 경계를 넘나들 수 있을 때 이러한 목표는 자주 충돌한다.

따라서 핵심 문제는 기업이 AI에 더 많이 지출할 것인지가 아니다. 그 지출이 추적되지 않는 권한의 층을 계속 확대하지 않도록 ID 거버넌스가 뒷받침할 수 있는지가 관건이다.

기업 AI 지출 가속화로 달라진 점

기업 AI는 행동을 추천하는 소프트웨어에서 실제 행동을 수행할 수 있는 시스템으로 이동하고 있다.

직원이 챗봇을 사용하는 경우에는 익숙한 거버넌스 문제가 발생한다. 조직은 해당 직원과 애플리케이션이 어떤 정보에 접근할 수 있는지 결정해야 한다. AI 에이전트는 여러 시스템에 연결하고, 자격 증명을 유지하며, 도구를 호출하고, 사람이 모든 단계를 승인하지 않아도 작업을 수행할 수 있기 때문에 더 어려운 문제를 만든다.

이 차이는 에이전트가 운영 워크플로에 들어오면 중요해진다. 고객 서비스 에이전트는 계정 기록을 읽고, 이전 상호작용을 요약하며, 환불 요청을 처리하고, 티켓을 업데이트할 수 있다. 코딩 에이전트는 리포지터리를 검사하고, 개발 도구를 열며, 인프라 변경을 만들고, 검토를 위해 코드를 제출할 수 있다.

각 작업에는 ID가 필요하다. 또한 인증 이후 해당 ID가 무엇을 할 수 있는지 정의하는 권한 부여도 필요하다. 로그인만으로는 에이전트가 전체 고객 데이터베이스를 읽어야 하는지, 아니면 할당된 하나의 작업에 필요한 기록만 읽어야 하는지를 판단할 수 없다.

기존의 ID 및 액세스 관리 시스템은 주로 직원, 계약자, 애플리케이션, 그리고 비교적 예측 가능한 서비스 계정을 중심으로 설계됐다. 일반적으로 관리자가 안정적인 역할을 정의하고 여기에 안정적인 권한 집합을 연결할 수 있다고 가정한다.

AI 에이전트는 이 모델에 부담을 준다. 실행 중 작업이 바뀔 수 있고, 한 에이전트가 다른 에이전트나 서비스에 워크플로 일부를 완료하도록 요청할 수도 있다. 이로 인해 원래 권한이 어디에서 비롯됐는지 파악하기가 더 어려워진다.

기업 지출은 더 많은 자금 지원 프로젝트가 더 많은 연결을 만들기 때문에 긴급성을 높인다. 모든 운영 배포에는 API 키, 서비스 계정, 데이터 커넥터, 모델 엔드포인트, 플러그인, 액세스 정책이 새로 도입될 수 있다. 하나의 AI 애플리케이션처럼 보이는 프로젝트도 내부적으로는 여러 ID를 생성할 수 있다.

Gartner는 2026년 CIO 설문조사 응답자 중 84%가 자사 조직이 연중 생성형 AI 자금을 늘릴 것으로 예상했다고 밝혔다. 제로 트러스트 거버넌스에 관한 논의에서는 AI 생성 정보가 확산됨에 따라 데이터를 검증하고 기존 거버넌스 정책을 업데이트하는 데 초점을 맞췄다.

그러한 지출이 자동으로 안전하지 않은 시스템을 만드는 것은 아니다. 그러나 ID 팀이 발견하고, 분류하고, 모니터링해야 하는 프로젝트 수는 늘어난다. 또한 사업 부서가 성과를 기대하기 전에 통제 수단을 설계할 수 있는 시간도 줄어든다.

Google News 헤드라인은 이러한 변화를 포착하지만, 실제 사건은 하나의 보고서보다 더 광범위하다. 에이전트는 정의된 소유권과 취소 가능한 권한 없이는 안전하게 작동할 수 없기 때문에, ID 거버넌스는 AI 인프라의 일부가 되고 있다.

조직은 더 이상 ID 검토를 최종 규정 준수 점검으로 취급할 수 없다. 설계, 배포, 실행, 폐기 전반에서 ID 관련 결정을 내려야 한다. 그렇지 않으면 폐기된 에이전트가 원래 프로젝트가 끝난 뒤에도 활성 자격 증명이나 권한을 남길 수 있다.

Google News가 AI 통제 공백을 지목하는 이유

지출 급증은 AI에 대한 책임을 지는 주체와 실제로 그 행동을 제약할 수 있는 주체 사이의 통제 공백을 드러낸다.

IBM은 2026년 6월 최고정보책임자와 최고기술책임자를 대상으로 한 연구에서 이 공백을 설명했다. 회사의 AI 통제 연구에 따르면, 설문에 참여한 리더 중 3분의 2는 자신이 완전히 통제하지 못하는 AI 시스템에 대해 책임을 지고 있다고 답했다.

이 결과는 통제 없는 책임이 조직 내 모호성을 낳기 때문에 중요하다. CIO는 기업 AI 프로그램을 총괄할 수 있지만, 개별 부서가 독립적으로 모델을 선택하고, 데이터 소스를 연결하며, 자동화를 만들 수 있다. 보안 팀은 검토나 사고가 발생한 뒤에야 그 결과로 생긴 ID를 발견할 수 있다.

AI 조달도 권한을 분산시킬 수 있다. 한 부서는 이를 에이전트 프로젝트라고 설명하지 않은 채 내장 에이전트가 포함된 애플리케이션을 구매할 수 있다. 또 다른 팀은 모델 API와 여러 기존 자동화 도구를 사용해 내부 워크플로를 구축할 수 있다.

두 배포 모두 비인간 ID를 만들 수 있다. 이러한 ID는 클라우드 플랫폼, 소프트웨어 서비스, 내부 데이터베이스, 개발 환경 전반에 걸쳐 존재할 수 있다. 단일 인벤토리로는 전체 경로를 반드시 포착할 수 없다.

문제는 단순히 계정 수가 아니다. ID 거버넌스는 에이전트가 무엇인지, 누가 소유하는지, 왜 존재하는지, 어떤 리소스에 접근할 수 있는지, 그리고 언제 권한이 만료돼야 하는지라는 다섯 가지 정보를 연결해야 한다.

인간 직원은 이러한 질문 중 여러 가지에 자연스러운 기준점을 제공한다. 관리자가 액세스를 승인하고, 직무 역할이 권한을 제한하며, 퇴사는 오프보딩 절차를 촉발한다. 기업이 별도로 이를 만들지 않는 한 AI 에이전트에는 이에 상응하는 조직상 지위가 없다.

에이전트는 사람 사용자로부터 빌린 권한을 사용할 수도 있다. 이 설계는 배포를 단순화할 수 있지만, 로그가 사람의 행동과 에이전트의 행동을 구분하지 못하면 추적성을 약화시킨다. 공유 자격 증명은 조사자가 어느 워크플로가 이를 사용했는지 알 수 없을 수 있으므로 더 큰 공백을 만든다.

따라서 보안 팀은 양쪽에서 압박을 받는다. 비즈니스 리더는 더 짧은 배포 주기를 원하고, 규제기관과 고객은 민감한 정보에 대한 통제된 액세스를 기대한다. ID 팀은 모든 에이전트 요청을 장기간의 수동 검토로 만들지 않으면서 두 요구를 모두 지원해야 한다.

통제 공백은 지식 시스템에도 영향을 미친다. 기업 지식 기반에 연결된 AI 어시스턴트는 개별적으로는 무해해 보이는 정보를 검색할 수 있다. 그러나 요청한 워크플로가 함께 분석하도록 의도되지 않았던 여러 문서를 결합해 민감한 사실을 추론할 수도 있다.

이 때문에 액세스 제어는 폴더 권한을 넘어 확장돼야 한다. 조직은 사용자, 에이전트, 데이터 소스, 생성된 결과물 사이의 관계를 이해해야 한다. 잘 구조화된 AI 지식 기반은 검색을 개선할 수 있지만, 그 가치는 적절한 경계를 보존하는 데 달려 있다.

AI가 액세스 검토보다 더 빠르게 변화하면 과제는 더욱 어려워진다. 분기별 인증 절차는 특정 목적의 에이전트를 승인할 수 있다. 그러나 몇 주 뒤 개발자는 다른 도구를 추가하거나 새로운 범주의 데이터를 처리하도록 허용할 수 있다.

그러면 정적인 승인은 더 이상 배포된 시스템을 반영하지 못한다. ID 거버넌스는 새로운 통합, 더 넓은 범위, 변경된 위임 경로, 수정된 보존 규칙 등 중대한 변경 사항을 추적해야 한다.

Google News는 예산 증가가 가시화하는 보안 문제를 부각하고 있다. 기업은 AI를 통해 행동할 수 있는 역량에 자금을 투입하고 있지만, 많은 거버넌스 프로그램은 여전히 로그인할 수 있는 능력을 통제하는 데 초점을 맞추고 있다.

AI 에이전트가 권한을 핵심 트레이드오프로 만드는 방식

핵심 트레이드오프는 명확하다. 에이전트는 권한이 확대될수록 더 유용해지지만, 더 넓은 권한은 실패의 결과도 키운다.

텍스트 초안만 작성할 수 있는 에이전트는 운영상 위험이 제한적이다. 고객 파일에 접근하고, 결제 시스템을 호출하며, 인프라를 변경하거나, 외부 메시지를 전송할 수 있는 에이전트는 더 많은 가치를 만들 수 있다. 하지만 오류, 조작 또는 탈취된 자격 증명을 통해 더 큰 피해를 초래할 수도 있다.

최소 권한은 정의된 작업에 필요한 액세스만 부여하는 원칙이다. 역할은 변화하고 권한은 누적되기 때문에 직원에게 적용하는 것만으로도 어렵다. 필요한 작업이 동적으로 전개될 수 있으므로 에이전트에 적용하기는 더 어렵다.

송장 분쟁 해결을 맡은 에이전트를 생각해 보자. 이 에이전트는 송장을 읽고, 주문을 확인하며, 계약을 비교하고, 내부 승인자에게 연락하고, 조정안을 만들 필요가 있을 수 있다. 하지만 모든 송장에 대한 상시 액세스나 자신의 조정을 스스로 승인할 권한을 얻어서는 안 된다.

광범위한 서비스 계정은 이러한 워크플로를 쉽게 구축하게 해 준다. 반면 제한된 범위의 ID는 관리하기 쉽지만 더 정교한 정책 설계가 필요하다. 이러한 긴장은 종종 파일럿이 운영 서비스로 전환된 뒤에야 드러난다.

위임은 또 다른 층위를 더한다. 오케스트레이션 에이전트는 전문 에이전트에 데이터 검색이나 분석 실행을 요청할 수 있다. 기업은 두 번째 에이전트가 모든 권한을 상속할지, 축소된 일부만 받을지, 아니면 한 번의 작업을 위한 임시 액세스를 얻을지를 결정해야 한다.

권한이 여러 에이전트를 거쳐 전달된다면 로그는 그 체인을 보존해야 한다. 조사자는 어떤 사람 또는 서비스가 작업을 시작했는지, 어떤 에이전트가 각 결정을 내렸는지, 어떤 리소스가 사용됐는지, 그리고 결과 행동이 승인된 목적 안에 머물렀는지를 알아야 한다.

McKinsey는 에이전트 중심 기술이 3년 안에 기업 사이버 보안 예산의 최대 15%를 차지할 수 있다고 추정했다. 분석에 따르면 지출은 데이터 보호와 함께 ID 및 거버넌스에 집중될 전망이다.

이 예측은 보안 아키텍처의 변화를 반영한다. 조직은 수년간 네트워크, 기기, 사람 계정을 중심으로 통제를 구축해 왔다. 에이전트형 시스템에서는 에이전트가 이 세 영역 모두에서 작동할 수 있으므로 ID가 핵심 집행 지점이 된다.

지속적 권한 부여는 하나의 가능한 대응책이다. 로그인 시 한 번 액세스를 승인하는 대신, 시스템은 특정 작업이 요청되는 시점에도 계속 허용되는지 평가한다. 이 결정에는 에이전트, 작업, 리소스, 시간, 위험 수준, 원래 사용자 등을 고려할 수 있다.

임시 자격 증명도 노출을 줄인다. 에이전트는 하나의 작업을 위한 자격 증명을 받고, 작업이 끝나면 자동으로 이를 잃을 수 있다. 이 접근 방식은 탈취된 토큰의 가치를 제한하고 오래된 액세스가 무기한 남을 가능성을 줄인다.

어느 기법도 거버넌스 문제 전체를 해결하지는 못한다. 정책 엔진은 여전히 에이전트의 목적과 소유권에 관한 신뢰할 수 있는 정보가 필요하다. 임시 자격 증명도 빠르게 만료된다는 이유만으로 위험할 정도로 광범위할 수 있다.

기업에도 직무 분리가 필요하다. 결제를 제안하는 에이전트가 반드시 이를 승인하거나 실행해서는 안 된다. 영향력이 큰 작업에는 사람의 검토, 서로 다른 권한 아래 운영되는 두 번째 에이전트 또는 결정론적 비즈니스 규칙이 요구될 수 있다.

이러한 통제는 자율성을 낮추며, 완전 자동화된 워크플로를 기대하는 팀에게는 실망으로 다가올 수 있다. 그러나 목표는 최대 자율성이 되어서는 안 된다. 수용 가능한 수준의 증거, 책임성, 복구 수단을 보존하는 범위 내에서 가장 높은 수준의 자율성이어야 한다.

바로 이 지점에서 엔터프라이즈 AI 지출은 ID 거버넌스와 가장 직접적으로 맞닿는다. 자금은 모델, 인프라, 통합 작업에 투입된다. 또한 이러한 시스템이 어떤 작업을 수행할 수 있는지 결정하는 통제 장치에도 투자되어야 한다.

ID 보안 시장에도 자체적인 증거 문제가 있다

벤더 설문조사는 같은 방향을 가리키지만, 수치는 신중하게 해석해야 한다.

보안 제공업체들은 에이전트 도입의 급증과 취약한 ID 통제를 설명하는 여러 연구를 발표했다. 벤더는 고객 환경과 사고 패턴을 관찰하기 때문에 이러한 보고서는 유용한 신호를 제공한다. 동시에 이 보고서는 이를 발행한 조직이 판매하는 제품을 뒷받침하기도 한다.

Teleport는 2026년 엔터프라이즈 연구에서 과도한 권한을 부여받은 AI 시스템이 4.5배 높은 사고율과 연관되어 있다고 보고했다. 또한 회사는 엔터프라이즈 보안 보고서에 따르면, 설문 응답 기업의 92%가 AI를 배포하고 있지만 ID 통제는 그 속도를 따라가지 못하고 있다고 밝혔다.

이 수치를 보편적인 측정치로 받아들여서는 안 된다. 결과는 표본, 질문 문구, 정의, 그리고 응답자가 AI 배포나 보안 사고를 분류하는 방식에 따라 달라진다. 코딩 보조 도구를 실험하는 조직은 에이전트가 프로덕션 시스템을 수정하도록 허용하는 조직과 동일하지 않다.

정확한 비율이 달라지더라도 광범위한 패턴은 여전히 신뢰할 만하다. 기업들은 비인간 ID를 추가하고 있으며, 기존 ID 프로그램 중 다수는 서비스 계정과 API 키의 인벤토리 관리에 어려움을 겪는다. AI 에이전트는 이미 존재하던 이 문제에 더 역동적인 행동을 더한다.

또 다른 한계는 용어다. 벤더마다 AI 에이전트, 머신 ID, 워크로드 ID, 서비스 계정, 비인간 ID 같은 용어를 서로 다르게 사용한다. 하나의 설문조사가 여러 자동화 범주를 함께 묶으면서 에이전트 거버넌스를 측정하는 것처럼 보일 수 있다.

이러한 모호성은 지출 관련 주장에도 영향을 미친다. 한 기업은 업그레이드된 특권 액세스 시스템을 AI 보안 투자로 분류할 수 있다. 다른 기업은 같은 통제 수단을 클라우드 플랫폼 또는 일반 ID 예산을 통해 지원할 수 있다.

IDC는 계획된 전 세계 AI 투자 중 16.7%가 AI 에이전트 보안 및 거버넌스에 배정되었다고 보고했다. CISO 우선순위에 대한 분석에서는 도구 난립, 기술 부채, 역량 격차, 벤더 종속도 구매 결정의 장애물로 지목했다.

이 수치는 구매자의 의미 있는 관심을 보여주지만, 지출이 성숙한 거버넌스를 만들어 내고 있음을 입증하지는 않는다. 조직은 신뢰할 수 있는 ID 인벤토리나 일관된 승인 모델을 구축하지 못한 채 중복되는 도구를 구매할 수 있다.

통합은 여전히 어려운 부분이다. ID 데이터는 ID 제공업체, 클라우드 플랫폼, 시크릿 관리자, 인사 시스템, 애플리케이션 카탈로그, 보안 운영 플랫폼에 분산되어 있을 수 있다. 에이전트 메타데이터는 별도의 개발 또는 오케스트레이션 환경에 존재할 수 있다.

거버넌스 제품은 연결된 시스템이 드러내는 정보만 표시할 수 있다. 승인되지 않았거나 발견되지 않은 AI 사용을 의미하는 섀도우 AI는 이 시야 밖에 남을 수 있다. 직원이 정식 애플리케이션을 등록하지 않은 채 소비자용 AI 도구를 비즈니스 데이터에 연결할 수도 있다.

Okta의 2026년 연구는 경영진의 자신감과 직원 행동 사이의 괴리를 설명했다. 이 연구는 그 격차를 불명확한 정책, 승인되지 않은 AI 도구, 그리고 에이전틱 엔터프라이즈 내의 불충분한 보호 장치와 연결했다.

신중한 결론은 모든 기업이 즉각적인 ID 위기에 직면해 있다는 것이 아니다. 기업들이 에이전트 ID, 그들의 실효 권한, 실제 행동을 측정하는 일관된 시스템을 갖추지 못하고 있다는 것이다.

실효 권한은 할당된 권한보다 더 중요하다. 에이전트는 여러 시스템의 액세스를 결합하거나 허용된 소스 전반에서 정보를 추론할 수 있다. 각 권한은 개별적으로는 합리적으로 보여도, 결합된 역량은 의도한 경계를 넘어설 수 있다.

따라서 테스트는 구성 검토를 넘어야 한다. 보안 팀은 시도된 작업, 거부된 요청, 위임 패턴, 자격 증명 사용, 데이터 이동을 관찰해야 한다. 또한 에이전트가 악의적인 지시를 받거나 손상된 콘텐츠를 마주했을 때 시스템이 어떻게 동작하는지도 테스트해야 한다.

사고 대응은 또 다른 불확실성을 낳는다. 조직은 하나의 에이전트 계정을 비활성화할 수는 있어도, 그와 연관된 모든 자격 증명, 워크플로, 후속 작업을 식별하지 못할 수 있다. 완전한 종료 메커니즘을 구축하려면 사고 발생 전에 의존성 매핑이 필요하다.

증거는 특정 플랫폼이나 통계에 대한 맹목적 신뢰가 아니라 관심 확대를 뒷받침한다. ID 거버넌스는 조직이 누가 에이전트를 소유하는지, 무엇을 할 수 있는지, 그 권한이 어떻게 종료되는지를 입증할 수 있을 때에만 효과를 발휘한다.

거버넌스 전환의 압박을 받는 주체

CIO는 제공 압박을 책임지고, CISO는 위험의 상당 부분을 책임지며, ID 팀은 운영 업무를 떠안는다.

최고정보책임자(CIO)는 AI 투자를 측정 가능한 비즈니스 성과로 전환해야 한다는 기대를 받는다. 이들은 분산된 지출과 호환되지 않는 플랫폼을 통제하면서 프로젝트를 프로토타입 단계에서 벗어나게 해야 한다. 너무 늦게 도입된 거버넌스는 프로덕션 전환을 지연시키거나 비용이 큰 재설계를 강요할 수 있다.

최고정보보안책임자(CISO)는 다른 유인을 마주한다. 이들은 과도한 액세스를 방지하고, 오용을 탐지하며, 사고를 설명해야 한다. 공유 자격 증명을 통해 작동하는 에이전트는 이 세 가지 책임을 모두 약화시킬 수 있다.

ID 및 액세스 관리 팀은 이러한 우선순위 사이에 놓인다. 이들은 디렉터리, 인증, 특권 액세스, 액세스 검토, 계정 수명주기를 이해한다. 그러나 에이전트 오케스트레이션, 모델 행동, 데이터 거버넌스 또는 애플리케이션 설계를 담당하지 않을 수 있다.

기업이 명시적인 책임을 배정하지 않으면 이러한 분업은 공백을 만든다. 모든 프로덕션 에이전트에는 그 목적과 결과를 책임지는 비즈니스 소유자가 필요하다. 또한 통합, 자격 증명, 정책, 모니터링을 유지하는 기술 소유자도 필요하다.

개발자 역시 ID 통제가 아키텍처에 영향을 미치기 때문에 압박을 받는다. 프로토타입은 환경 변수에 저장된 하나의 장기 API 키를 사용할 수 있다. 프로덕션 배포에서는 관리형 시크릿, 범위가 제한된 자격 증명, 순환, 만료, 추적 가능한 요청을 사용해야 한다.

이러한 요구사항은 과소평가하기 쉬운 엔지니어링 작업을 추가한다. 모델은 몇 초 안에 답변을 생성할 수 있지만, 주변 시스템은 승인된 정보를 검색하고, 도구 호출을 검증하며, 결정을 기록하고, 실패를 처리하며, 안전하지 않은 재시도를 방지해야 한다.

엔터프라이즈 구매자는 모델 품질 이상을 검토해야 한다. AI 제품이 에이전트별 개별 ID, 세분화된 권한 범위, 관리자 승인, 내보낼 수 있는 로그, 자격 증명 순환, 즉각적인 권한 철회를 지원하는지 물어야 한다.

벤더가 위임을 어떻게 처리하는지도 물어야 한다. 에이전트가 다른 서비스를 호출할 경우, 고객은 후속 로그에 어떤 ID가 표시되는지와 원래 사용자 컨텍스트가 유지되는지를 알아야 한다.

데이터 소유자도 역할을 맡는다. 액세스 결정은 중앙 보안 팀에만 전적으로 의존할 수 없기 때문이다. 재무, 의료, 고객 또는 엔지니어링 데이터를 책임지는 사람은 허용 가능한 목적과 더 높은 위험의 작업을 정의해야 한다.

법무 및 컴플라이언스 팀은 증거에 관심을 둘 것이다. 에이전트가 최소 권한을 사용한다는 정책 문서는 어떤 권한이 부여되었는지, 누가 승인했는지, 어떤 작업이 발생했는지, 언제 액세스가 만료되었는지를 보여주는 기록보다 설득력이 약하다.

직원들도 거버넌스 전환을 경험한다. 엄격하게 통제되는 에이전트는 더 자주 승인을 요청하거나 권한 내에서 완료할 수 없는 작업을 거부할 수 있다. 승인된 시스템이 사용하기 어렵게 느껴지면 이러한 마찰은 사용자가 승인되지 않은 도구를 선택하도록 부추길 수 있다.

따라서 엔터프라이즈의 대응은 통제와 사용성의 균형을 맞춰야 한다. 정책은 저위험 초안 작성과 고영향 실행을 구분해야 한다. 두 작업에 동일한 승인 절차를 요구하면 가장 중요한 보호를 강화하지 못한 채 지연만 만들 수 있다.

조달 부서는 제품을 그 권한에 따라 분류함으로써 이러한 구분을 뒷받침할 수 있다. 문서를 요약하는 도구는 기록을 편집하거나 외부와 소통하는 도구와는 다른 위험을 제시한다.

이사회는 AI 프로젝트 수보다 노출에 초점을 맞춰야 한다. 공개 정보에 대한 읽기 전용 액세스를 가진 에이전트 10개는 광범위한 프로덕션 자격 증명을 보유한 에이전트 1개보다 운영 위험이 더 낮을 수 있다.

이러한 재구성은 ID 거버넌스를 비즈니스 의사결정으로 만든다. 모든 배포를 동등한 소프트웨어 구매로 취급하는 대신, AI 지출을 자동화되는 작업의 가치와 위험에 연결한다.

따라서 Google News 독자는 ID 거버넌스 이야기를 업무의 재분배로 봐야 한다. 더 많은 AI 지출이 인간의 책임을 없애지는 않는다. 그 책임을 머신 권한을 설계하고, 승인하고, 모니터링하는 사람들에게 옮길 뿐이다.

엔터프라이즈 구매자가 다음으로 주목해야 할 사항

다음 단계는 에이전트 발표의 수가 아니라 ID 적용 범위, 권한 품질, 사고 대응 준비 수준으로 평가될 것이다.

첫 번째 신호는 주요 AI 플랫폼이 상호운용 가능한 ID 표준을 채택하는지 여부다. 현재 기업들은 서로 다른 ID 객체, 로그, 정책 시스템을 통해 각 에이전트 환경을 관리해야 할 위험에 처해 있다.

공통 표준은 조직이 모델 플랫폼, 오케스트레이션 프레임워크, 클라우드 서비스, 비즈니스 애플리케이션 전반에서 에이전트를 일관되게 식별하는 데 도움이 된다. 또한 위임 체인을 더 쉽게 보존할 수 있게 한다.

벤더가 에이전트 ID 지원을 발표하는 것만으로는 충분하지 않다. 구매자는 그 ID가 고유하고, 지속적이며, 소유자에게 귀속되고, 기존 인증 시스템과 호환되는지 검토해야 한다. 또한 후속 애플리케이션이 이를 인식할 수 있는지도 확인해야 한다.

두 번째 신호는 런타임 권한 부여의 품질이다. 많은 플랫폼이 설정 단계에서 액세스를 제한할 수 있지만, 더 적은 수의 플랫폼만이 현재 작업과 컨텍스트에 따라 각 작업을 평가할 수 있다.

런타임 통제는 실질적인 질문에 답해야 한다. 이 에이전트는 이 요청을 위해 이 고객 기록에 액세스할 권한이 있는가? 결과 정보를 회사 외부로 전송할 수 있는가? 재무 작업에는 두 번째 승인이 필요한가?

단기 자격 증명, 작업 수준 범위, 정책 검사, 명확한 거부 기록을 지원하는 제품을 주목해야 한다. 이러한 역량은 ID 거버넌스가 관리 검토에 머무르지 않고 실행 단계로 이동하고 있음을 보여준다.

세 번째 신호는 사고 및 감사에서 나온 증거다. 기업들은 에이전트가 예기치 않게 행동하거나, 조작된 지시를 받거나, 의도된 목적 밖의 권한을 사용할 때 통제가 작동하는지 알게 될 것이다.

유용한 공개 증거에는 상세한 사고 보고서, 규제 조사 결과, 보험 요건, 감사 지침이 포함될 수 있다. 이러한 자료는 조직이 에이전트의 작업을 추적하고 관련된 모든 자격 증명을 신속히 철회할 수 있는지를 보여줄 수 있다.

과도한 권한의 감소는 ID 프로그램이 따라잡고 있다는 주장을 강화할 것이다. 공유 계정이나 불분명한 소유권과 관련된 사고의 증가는 지출이 계속해서 거버넌스를 앞서가고 있음을 보여줄 것이다.

기업은 새로운 표준을 기다리지 않고도 자체적인 현 위치를 측정하기 시작할 수 있다. 운영 환경의 에이전트 수를 집계하고, 소유자를 식별하며, 자격 증명을 매핑하고, 실효 권한을 기록하고, 액세스 만료 시점을 추적해야 한다.

가장 먼저 유용한 지표는 커버리지다. 조직은 발견하지 못한 에이전트를 거버넌스할 수 없다. 인벤토리에는 에이전트가 내장된 구매 애플리케이션, 내부에서 구축한 워크플로, 직원이 만든 자동화가 포함돼야 한다.

두 번째 지표는 권한의 품질이다. 팀은 광범위하거나 영구적인 액세스 권한을 보유한 에이전트의 수, 요청이 거부되는 빈도, 민감한 작업에 추가 승인이 필요한지를 측정해야 한다.

세 번째 지표는 수명주기 성과다. 기업은 에이전트 ID를 생성, 검토, 수정, 중단, 폐기하는 데 얼마나 시간이 걸리는지 파악해야 한다. 절차가 느리면 우회 방식을 부추기고, 폐기 통제가 부실하면 불필요한 액세스 권한이 남게 된다.

최종 시험은 사고 대응 준비 상태다. 팀은 에이전트를 비활성화하고, 자격 증명을 철회하며, 대기 중인 작업을 중단하고, 영향을 받은 리소스를 식별하며, 작업 순서를 재구성할 수 있어야 한다.

이러한 조치는 기업이 기존 ID 시스템을 포기해야 한다는 뜻은 아니다. 많은 조직은 해당 시스템이 머신 ID, 임시 권한, 상세 이벤트 데이터를 지원한다면 현재의 거버넌스 프로세스를 확장할 수 있다.

그러나 에이전트를 단순히 직원형 역할에 배치하는 것만으로는 동적 위임이나 작업별 액세스 문제를 해결할 수 없다. 기업에는 직책뿐 아니라 행동과 목적을 중심으로 설계된 정책이 필요하다.

Google News는 시의적절한 헤드라인을 부각했지만, 더 오래 지속될 이야기는 운영 측면에 있다. 기업의 AI 지출은 기계 속도로 권한을 행사할 수 있는 시스템을 만들고 있다. ID 거버넌스는 이들이 누구의 권한을 사용하는지, 그 범위가 어디까지인지, 언제 종료되는지를 판단해야 한다.

모든 AI 구매자가 다음으로 던져야 할 질문은 구체적이다. 조직은 모든 운영 환경의 에이전트를 명명하고, 소유자를 식별하며, 실효 권한을 설명하고, 관련 없는 업무를 방해하지 않고 그 권한을 철회할 수 있는가? 답이 여전히 불분명하다면, AI 예산은 이미 보안 예산이 해결해야 할 거버넌스 의무를 만들어냈다.