Mave Series A, 기존 보안 도구 전반의 AI 조사 위해 2,800만 달러 유치
Mave는 기업이 먼저 보안 데이터를 중앙화하지 않아도 보안 조사를 자동화할 수 있도록 2,800만 달러 규모의 Series A 투자를 유치했다. 10월 22일 발표된 Mave Series A는 사람이 중대한 대응에 대한 통제권을 유지하는 가운데, 소프트웨어가 기존 도구 전반의 증거를 연결할 수 있다는 구체적인 아키텍처적 가정에 투자한다. 이번 투자로 누적 조달액은 3,400만 달러가 됐다.
긴장 관계는 정보를 수집하는 일과 정당화 가능한 판단에 도달하는 일 사이에 있다. 조직은 유능한 보안 제품을 보유하고도 상충하는 조사 결과를 조정하기 위해 여전히 분석가에게 의존할 수 있다. Mave는 이러한 연결 작업을 자동화하겠다고 제안하며, 그 제품을 의심스러운 활동을 보고하는 시스템과 조치를 취할 책임이 있는 사람들 사이에 배치한다.
Dropzone AI 같은 경쟁사도 이미 자동화된 조사를 추진하고 있으므로, Mave는 보안팀의 신뢰를 두고 이미 형성된 경쟁에 뛰어든다. 이 회사의 기회는 파편화된 도구들이 함께 작동하도록 만드는 데 달려 있다. 중요한 질문은 조사 품질, 운영 권한, 그리고 인간 검토를 고려에 넣었을 때 자동화가 실제로 업무를 줄이는지에 관한 것이다.
Mave Series A가 실제로 지원하는 것
이번 투자는 기존 시스템 전반의 조사 계층과 기술 개발을 병행한 엔터프라이즈 확장을 지원한다.
Red Dot Capital Partners가 이번 라운드를 주도했고 Lumir Growth Partners가 참여했다. 앞선 600만 달러 규모의 시드 라운드는 Dell Technologies Capital과 Emerge Ventures가 주도했다. CTech의 보안 조사 투자 보도는 AI 연구, 엔터프라이즈 제품, 국제 확장을 자금의 예정된 사용처로 지목한다.
신규 라운드와 총조달액의 구분은 중요하다. Mave는 그 규모의 Series A가 아니라 누적 3,400만 달러의 자금 조달을 발표했다. 이 발표는 투자자 지원과 지출 우선순위를 보여 준다. 다만 비교 가능한 조건에서 제품이 경쟁 접근법보다 어떻게 성과를 내는지는 입증하지 않는다.
Mave는 CEO Raziel Oren과 CTO Guy Eshel이 2025년에 설립했다. 까다로운 엔터프라이즈 환경을 겨냥하고 있지만, 이는 회사의 운영 이력이 아직 초기 단계임을 뜻한다. 투자는 개발과 유통을 위한 자원을 제공하지만, 고객은 여전히 이 시스템이 각자의 보안 운영에 적합하다는 증거를 필요로 한다.
Mave Series A는 모델 개발 밖에 있는 업무도 지원한다. 엔터프라이즈 배포에는 안정적인 연결, 권한 관리, 문서화, 지원, 그리고 기반 도구가 변경될 때의 예측 가능한 동작이 필요하다. 조사 제품은 접속하는 모든 시스템의 종속성을 이어받기 때문에 이러한 책임은 중요하다.
설득력 있는 시연은 소프트웨어가 의심스러운 활동에 관한 일관된 설명을 구성하는 모습을 보여줄 수 있다. 지속 가능한 배포는 액세스 정책이 변경되고 도구가 업그레이드되며 조직이 재편된 뒤에도 유용한 결과를 계속 제공해야 한다. 투자자는 이러한 문제를 해결할 역량에 자금을 대지만, 자금 조달 발표만으로 문제가 해결됐음을 보여줄 수는 없다.
상업적 의미도 있다. 기존 시스템 전반에서 작동하는 제품은 구매자가 더 광범위한 인프라 교체를 약속하지 않고도 자동화를 시험할 수 있게 할 가능성이 있다. 따라서 초기 제안은 평가하기 쉬워지지만, 실제 배포 부담은 각 조직에 필요한 통합과 통제에 따라 달라진다.
따라서 이번 라운드에 대한 가장 강한 해석은 구체적이다. 투자자들은 보안 제품 사이의 조사 업무를 자동화하려는 시도에 투자하고 있다. 이는 공급업체가 자동화가 어디서 시작되는지, 어떤 종속성을 도입하는지, 고객이 그에 따른 결정을 어떻게 검증할 수 있는지를 설명해야 한다는 압박을 만든다.
또한 Mave는 기술 및 상업 개발을 함께 추진할 여지도 얻는다. 배포가 반복 가능해지기 전에 영업을 확장하면 지원 자원이 부족해질 수 있다. 연구에만 집중하면 효과적인 제품도 도입하기 까다로워질 수 있다. 발표된 지출 우선순위는 엔터프라이즈 보안 사업을 구축하는 두 측면을 모두 반영한다.
보안 리더들이 직면한 조정 문제
Mave의 제안은 단일 경보 출처가 아니라 보안 도구들을 연결하는 수작업에 압박을 가한다.
보안 운영 센터, 즉 SOC는 위협을 모니터링하고 조사를 조정하는 책임을 지는 팀이자 운영 기능이다. 이들의 업무는 경고를 읽는 것 이상이다. 분석가는 어떤 증거가 서로 관련되는지, 사건이 의심스러운지, 기업이 감당할 수 있는 대응은 무엇인지를 판단해야 한다.
의심스러운 직원 로그인이 관련된 예시적 조사를 생각해 보자. ID 시스템은 인증 활동을 보여줄 수 있고, 엔드포인트 제품은 직원 기기에서의 행위를 기록한다. 자산 인벤토리는 기기 소유자를 식별할 수 있다. 분석가는 이러한 관찰을 같은 사건에 관한 판단으로 연결해야 한다.
이 사례는 공개된 Mave 고객 사건이 아니라 가상의 예시다. 이는 경보를 수집한다고 해서 조사가 자동으로 해결되는 것은 아닌 이유를 보여준다. 각 관찰은 서로 다른 질문에 답하며, 그 답들 사이의 관계가 해당 사건이 에스컬레이션될 가치가 있는지를 결정한다.
보안 정보 및 이벤트 관리 시스템, 즉 SIEM은 보안 이벤트를 중앙 플랫폼에서 수집하고 분석한다. 중앙 수집은 이력을 구축하고 기록 전반을 검색하는 데 도움이 된다. 그러나 구매자는 여전히 조사에 해당 플랫폼 밖의 관련 맥락이 포함되는지 평가해야 한다.
압박은 놓친 위협과 운영 중단을 모두 설명해야 하는 보안 리더에게 먼저 가해진다. 더 빠른 처리는 매력적이지만, 액세스를 비활성화하는 결정은 정상적인 업무를 중단시킬 수 있다. 자동화된 조사는 단지 권고를 더 빨리 전달하는 것이 아니라 그 조치의 근거가 되는 판단을 뒷받침해야 한다.
분석가도 관련된 책임 변화를 맞이한다. 소프트웨어가 증거를 수집하면, 분석가의 주의는 해결되지 않은 가정을 점검하고 예외를 처리하는 쪽으로 옮겨간다. 이러한 변화는 출력물을 검토하는 데 드는 노력이 조사를 수작업으로 재구성하는 것보다 적을 때에만 가치를 만든다.
관리형 보안 서비스 제공업체, 즉 MSSP는 다른 조직을 위해 보안 서비스를 운영한다. 이들에게 조사 자동화는 고객 환경 전반에서의 일관성에 관한 질문을 제기한다. 표준화된 환경에서 잘 작동하는 접근법은 고객이 서로 다른 제품과 액세스 정책을 사용할 때 추가 평가가 필요하다.
이는 즉각적인 구매 질문을 만든다. 제품은 실제로 업무의 어느 부분을 제거하는가? 기록 검색, 관계 식별, 조치 권고, 대응 실행은 서로 별개의 역량이다. 이를 영업 프레젠테이션에서 결합한다고 해서 실제 운영에서 각기 다른 결과를 초래한다는 점이 가려져서는 안 된다.
장기적인 압박은 보안 플랫폼 공급업체에까지 닿는다. 독립적인 조사 계층이 유용해진다면 고객은 기존 제품을 조정할 또 다른 방법을 갖게 된다. 그러면 기존 공급업체는 자사의 연결된 워크플로가 더 나은 증거, 더 단순한 관리 또는 더 명확한 책임성을 제공하는 이유를 입증해야 한다.
이 결과는 도입 여부에 달려 있다. Mave의 자금 조달은 고객이 예산을 옮기거나 기존 프로세스를 교체할 것임을 보여주지 않는다. 이는 회사에 조정 업무가 자체적인 제품 계층을 가질 가치가 있으며, 추가 인터페이스를 넘어 측정 가능한 이점을 제공한다는 주장을 펼칠 자원을 제공한다.
현장 조사는 종속성을 바꾼다
새로운 중앙 저장소를 피하는 방식은 통합 과제를 실시간 액세스, 일관된 해석, 재현 가능한 증거 쪽으로 옮긴다.
Mave는 연결된 도구를 질의하고 현재 맥락을 수집하며 증거가 드러나는 데 따라 조사를 조정하는 시스템을 설명한다. 이 회사가 밝힌 접근법은 새로운 중앙 집중식 텔레메트리 데이터베이스를 요구하지 않는다. 텔레메트리는 시스템이 자신의 작동에 관해 생성하는 활동 기록을 뜻한다.
회사는 에이전트형 보안 운영 발표에서 기존 시스템 전반을 조사하고 승인된 작업을 수행하는 에이전트를 설명한다. 여기서 에이전트는 연결된 도구를 통해 작업을 수행하는 소프트웨어 구성 요소다. 이러한 역량은 독립적으로 확립된 비교 결과가 아니라 회사의 주장에 해당한다.
정보가 이미 존재하는 곳에서 작업하는 것은 매력적인 제안이다. 구매자는 전체 수집 프로세스를 다시 구축하지 않고도 조사 계층이 유용한 맥락에 접근하는지 평가할 수 있다. 아키텍처적 질문은 모든 기록이 어디에 있어야 하는가에서 필요할 때 시스템이 어떤 증거를 검색할 수 있는가로 옮겨간다.
이러한 전환은 검토할 만한 종속성을 만든다. 연결된 도구를 사용할 수 없게 되면, 조사는 불완전한 검색과 의심스러운 활동의 부재를 구분해야 한다. 그렇지 않으면 누락된 답변이 정당화되지 않은 결론으로 이어질 위험이 있다.
같은 문제는 권한에도 적용된다. 제한된 액세스는 보안상 적절할 수 있지만, 시스템이 입증할 수 있는 범위를 좁힌다. 조사는 검토자가 어떤 질문이 아직 답을 얻지 못했는지 이해할 수 있도록 그 경계를 드러내야 한다.
시간은 또 다른 복잡성을 더한다. 현재 정보는 진행 중인 사건을 설명하는 데 도움이 될 수 있고, 과거 기록은 이전에 일어난 일을 재구성하는 데 도움이 된다. 구매자는 특히 조사 중 계정 상태나 기기 구성이 변할 때 제품이 서로 다른 시점에 수집된 관찰을 어떻게 연결하는지 평가해야 한다.
감사 추적, 즉 조사 단계와 증거를 보존한 기록은 검토자가 이러한 관계를 살펴보는 데 도움이 된다. Mave는 질의, 증거, 추론, 조치를 기록한다고 말한다. 실질적인 질문은 이러한 기록이 검토자가 전체 워크플로를 반복하지 않고도 결론을 검증할 수 있게 하는지다.
예를 들어, 권고는 이를 뒷받침하는 관찰과 구별될 수 있어야 한다. 액세스가 취소됐다는 기록은 계정이 침해됐다는 증거와 다르다. 이러한 요소를 분리해 두면 검토자는 이견이 사실, 사실의 해석, 대응 정책 중 어디에 관한 것인지 식별할 수 있다.
이는 입증된 Mave의 한계에 관한 주장이 아니라 평가 기준이다. 조사가 여러 연결 시스템에 의존하기 때문에 이 아키텍처에서는 이러한 질문이 특히 중요해진다. 신뢰성은 언어 모델과 함께 연결과 그 해석까지 포괄해야 한다.
중앙화를 피한다고 해서 데이터 거버넌스 문제가 사라지는 것도 아니다. 구매자는 어떤 정보가 검색되는지, 처리가 어디에서 이뤄지는지, 어떤 조사 기록이 보존되는지에 대해 여전히 명확히 알아야 한다. 이러한 세부 사항은 설계가 조직의 의무에 부합하는지를 결정한다.
따라서 아키텍처적 절충은 기존 데이터베이스와 새로운 AI 중 하나를 고르는 문제보다 더 구체적이다. 중앙 수집과 실시간 조사는 겹치는 요구를 해결한다. Mave의 기회는 기존 환경 전반의 결정을 개선하면서도 남아 있는 공백을 검토 가능하게 만든다는 점을 보여주는 데 있다.
경쟁사들은 조사 품질을 비교 기준으로 만든다
자동화된 조사는 이미 경쟁이 있는 분야이므로, Mave는 구매자가 자체 환경에서 확인할 수 있는 차별화를 제시해야 한다.
Dropzone AI는 유용한 비교 기준을 제공합니다. GeekWire의 AI SOC analysts 보도는 경보를 조사하고 사람의 주의가 필요한 사고를 에스컬레이션하도록 설계된 소프트웨어를 설명합니다. 이는 어느 한 회사가 더 우수하다는 증거가 아니라, 제품 지향점이 겹친다는 점을 보여줍니다.
이 비교는 엔터프라이즈 구매자가 유사한 업무에 대한 여러 접근 방식을 평가할 수 있기 때문에 중요합니다. 반복적인 조사를 줄인다는 폭넓은 약속만으로는 어떤 조건에서 특정 시스템을 우선해야 하는지 알 수 없습니다. 통합 범위, 증거의 품질, 운영 적합성이 그 결정의 핵심 요소가 됩니다.
기존 시스템 전반에서 조사한다는 Mave의 강조점은 구체적인 위치를 부여합니다. 그러나 그 위치는 구현이 이점을 만들어 낼 때에만 차별화가 됩니다. 구매자는 제품이 자신들의 특정 도구 조합, 불완전한 기록, 비정상적인 워크플로를 처리할 수 있는지 확인해야 합니다.
경쟁사 주장에도 Mave에 적용하는 것과 동일한 출처 귀속 원칙이 필요합니다. Dropzone CEO Edward Wu는 CRN에 자사 제품이 기반 서비스를 수행하는 사람의 노동 없이 조사를 제공한다고 말했습니다. 그는 별도로 완료된 업무를 검토하는 내부 인적 품질 관리 기능도 설명했습니다.
CRN의 소프트웨어 전용 조사 논의는 서비스를 제공하는 일과 그 품질을 점검하는 일의 유용한 차이를 부각합니다. 이는 자사 접근 방식에 대한 Wu의 설명입니다. 이것이 Mave가 자체 운영 인력을 어떻게 구성하는지를 입증하는 것은 아닙니다.
구매자의 관점에서 이 차이는 자동화가 운영상 무엇을 의미하는지에 관한 더 폭넓은 질문을 제기합니다. 한 제품은 사람이 어려운 추론을 마무리하는 동안 증거 검색을 자동화할 수 있습니다. 다른 제품은 조사를 자동화하면서도 광범위한 고객 검토를 요구할 수 있습니다. 고객이 결과를 비교하기 전에 두 방식 모두 명확한 공개가 필요합니다.
속도 주장에도 같은 주의가 적용됩니다. 조사 범위를 이해하지 못하면 빠른 판정의 의미는 제한적입니다. 시스템이 관련성이 높은 출처를 더 적게 확인한다면, 더 짧은 완료 시간이 반드시 더 나은 업무를 뜻하지는 않습니다.
비교에는 미해결 사례도 포함되어야 합니다. 불확실성을 명확히 식별하는 제품은 충분한 증거 없이 자신감 있는 답변을 내놓는 제품보다 더 유용할 수 있습니다. 완료된 조사만 평가하면 이러한 차이를 놓치게 됩니다.
이러한 고려 사항은 경쟁 구도를 현실에 기반하게 합니다. Mave와 Dropzone은 동일한 운영 책임을 두고 경쟁하기 위해 꼭 같은 아키텍처를 따를 필요는 없습니다. 핵심 경쟁은 어떤 접근 방식이 보안 팀이 더 적은 총 노력으로 방어 가능한 결정을 내리도록 돕는가에 달려 있습니다.
이는 기존 워크플로가 중요한 기준으로 남는 이유이기도 합니다. 새 제품은 도입하는 인적 검토까지 포함해 고객이 이미 수행하는 방식을 개선해야 합니다. 투자 유치와 데모는 기업이 그 대화에 참여하는 데 도움이 되지만, 실제 배포 결과가 그 자리에 계속 남을지를 결정합니다.
Mave의 Series A는 회사가 이러한 조건에서 경쟁할 자원을 제공합니다. 그러나 이를 근거로 회사를 카테고리 리더라고 부르거나, 자사의 아키텍처가 더 우수한 결과를 낸다고 가정할 수는 없습니다. 그러한 판단에는 투자 자체가 제공하지 않는 비교 가능한 증거가 필요합니다.
추적 가능성은 도움이 되지만, 정확성을 입증하지는 않는다
읽기 쉬운 조사 기록은 책임성을 뒷받침하지만, 그에 담긴 결론은 여전히 독립적인 검토가 필요하다.
Mave는 200개 이상의 SOC에서 운영 중이며, 팀이 자동 실행과 사람의 승인을 관리할 수 있도록 한다고 말합니다. 이러한 내용은 보고된 배포 현황과 의도된 통제를 설명합니다. 조사 정확도에 대한 공통 척도를 제공하거나 각 배포에서 제품이 얼마나 광범위하게 사용되는지를 보여주지는 않습니다.
배포 수는 운영 방식이 크게 다른 조직을 가리킬 수 있습니다. 제한적인 롤아웃과 광범위하게 도입된 워크플로는 서로 다른 수준의 의존도를 나타냅니다. 이런 맥락이 없다면 이 수치는 운영 깊이보다 보고된 도달 범위를 더 명확하게 보여줍니다.
기술적 불확실성은 배포 라벨을 넘어섭니다. 미국 국립표준기술연구소는 자신 있게 생성된 거짓 콘텐츠를 뜻하는 환각을 생성형 AI 위험으로 지목합니다. 해당 기관의 생성형 AI 위험 프로필은 생성된 설명이 사람들로 하여금 잘못된 출력을 신뢰하게 만들 수 있다고도 경고합니다.
이 지침은 Mave에 대한 평가가 아니라 일반적인 위험 프레임워크입니다. 그 관련성은 구매자가 AI가 생성한 조사를 어떻게 해석하는지에 있습니다. 제안된 대응이 접근 권한이나 시스템 가용성에 영향을 미칠 때는 특히, 그럴듯하게 들리는 설명에 뒷받침되는 관찰 결과가 필요합니다.
추적 가능성은 이 문제의 일부를 해결합니다. 검토자는 소프트웨어가 무엇을 확인했는지 살펴보고, 발견 사항을 증거와 대조할 수 있습니다. 그러나 단계 기록만으로 모든 필요한 질문이 제기되었는지, 각 관찰 결과가 올바르게 해석되었는지를 입증할 수는 없습니다.
승인 통제는 다른 문제를 다룹니다. 이는 누가 조치를 승인할 수 있는지를 결정하지만, 그 가치는 검토자가 무엇을 받는지에 달려 있습니다. 뒷받침 증거가 불명확하다면 사람의 승인 단계는 의미 있는 확인이 아니라 행정적 절차가 될 수 있습니다.
따라서 유용한 평가는 제품이 불확실성을 어떻게 전달하는지 살펴봅니다. 누락된 정보, 상충하는 관찰 결과, 모호한 신원은 계속 보이도록 유지되어야 합니다. 구매자는 시스템이 멈추는지, 더 많은 맥락을 요청하는지, 또는 범위가 제한된 결과를 제시하는지 알아야 합니다.
권한에도 유사한 검토가 필요합니다. 기록을 읽을 권한은 기기를 격리하거나 계정을 비활성화할 권한과 다릅니다. 고객은 이러한 책임이 어떻게 분리되는지, 예외 상황이 진행 중인 조사에 어떤 영향을 미치는지 이해해야 합니다.
이러한 질문 중 어느 것도 Mave 제품의 결함을 입증하지는 않습니다. 이는 제품의 의도된 역할을 평가하는 데 필요한 증거를 식별합니다. 허용되는 조치가 더 중대할수록 관찰부터 승인까지의 전체 경로를 검토해야 할 근거도 더 강해집니다.
조사가 끝난 뒤에는 실무적인 지식 관리 문제도 남습니다. 팀은 향후 검토에 도움이 되는 결정, 예외, 설명을 보존해야 합니다. 검색 가능한 지식 베이스는 이러한 문서화 업무를 지원하며, 보안 통제는 운영 접근과 대응을 관리합니다.
핵심 불확실성은 그러한 책임을 포함한 뒤에도 자동화가 노력을 절감하는지 여부입니다. 더 많은 발견 사항을 생성하는 시스템도 분석가에게 상당한 검증 작업을 남길 수 있습니다. 유용한 자동화를 입증하려면 신뢰할 수 있는 조사 업무가 얼마나 완료되는지 보여줘야 합니다.
고객 증거, 운영 경계, 반복 도입을 주시하라
다음으로 유용한 신호는 입증된 결과, 공개된 통제, 그리고 고객이 제품에 대한 의존도를 확대하는지 여부에 관한 것입니다.
향후 몇 달 동안 가장 먼저 주시할 신호는 상세한 고객 증거입니다. 유용한 사례는 운영 환경, 조사 범위, 이전 워크플로, 남아 있는 사람의 개입을 설명해야 합니다. 실명이 공개된 사례는 단순한 총 배포 수보다 주장을 더 쉽게 평가하게 해 줍니다.
가장 강력한 증거에는 일상적인 성공 사례와 함께 어려운 사례도 포함될 것입니다. 검토자는 소프트웨어가 무엇을 처리했는지, 어디에서 도움이 필요했는지, 팀이 그러한 경계를 어떻게 파악했는지 이해해야 합니다. 신중하게 범위를 정한 결과는 모든 경보를 조사한다는 광범위한 주장보다 더 많은 정보를 제공할 수 있습니다.
이러한 공개는 Mave의 아키텍처가 기존 시스템 전반에서 실질적 가치를 만든다는 주장을 강화할 것입니다. 상당한 재구성이나 반복적인 수동 수정의 증거는 그 주장을 제한할 것입니다. 차이는 시스템이 조사 서사를 생성할 수 있는지 여부가 아니라, 얼마나 많은 신뢰할 수 있는 업무를 완료하는지에 있습니다.
두 번째 신호는 운영 경계에 관한 더 상세한 정보입니다. 구매자는 권한, 사용할 수 없는 연결, 보존된 증거, 승인 동작을 설명하는 문서를 살펴봐야 합니다. 이러한 세부 정보는 성공적인 데모 밖에서 플랫폼이 어떻게 동작하는지 평가하기 쉽게 해 줍니다.
명확한 경계는 엔터프라이즈 팀이 불완전한 조건에서도 예측 가능한 동작을 필요로 하기 때문에 Mave의 위치를 뒷받침할 것입니다. 모호한 설명은 통합 부담을 평가하기 어렵게 만듭니다. 이 신호는 회사가 약속한 특정 기능 출시가 아니라 공개된 동작에 관한 것입니다.
세 번째 신호는 반복 도입입니다. 고객이 갱신하고, 조사 범위를 확대하며, 추가 승인 워크플로를 맡긴다는 증거는 운영 의존도가 높아지고 있음을 보여줄 것입니다. 관련 질문은 배포 수 증가와 함께 실제 사용에서 무엇이 달라졌는지입니다.
확대 역시 신중하게 해석해야 합니다. 추가 접근 권한은 신뢰를 반영할 수 있지만, 구매자는 어떤 책임이 여전히 사람에게 남아 있는지 알아야 합니다. 더 완전한 그림은 사용 증가를 검토 노력, 에스컬레이션 품질, 예외 처리와 연결할 것입니다.
이 신호들은 논리적인 순서를 따릅니다. 고객 증거는 유용성을 입증하고, 운영 세부 정보는 그 유용성이 어떻게 유지되는지 보여주며, 반복 도입은 그 방식이 계속 가치를 제공하는지를 나타냅니다. 어느 것도 Mave가 기존 플랫폼을 대체하거나 모든 경쟁사보다 뛰어날 것이라고 예측할 필요는 없습니다.
Mave Series A를 지켜보는 보안 리더라면, 먼저 팀이 신뢰성 있게 완료하기 가장 어려워하는 워크플로부터 살펴보십시오. 증거가 어디에 있는지, 어떤 판단에 사람의 책임이 필요한지, 자동화된 발견 사항이 얼마나 많은 검토를 요구할지를 파악하십시오. 그런 다음 공급업체의 주장을 이 운영 상황과 비교하십시오. 시스템이 멈추거나 에스컬레이션한 사례를 포함해 불확실성을 드러내는 완료된 조사를 요청하십시오. 기록이 제안된 대응을 뒷받침하는지, 다른 분석가도 이를 따라갈 수 있는지 검토하십시오. 다음으로 유용한 단계는 이러한 질문에 답하는 증거를 찾는 것입니다. 조사 프로세스 중 어느 부분을 소프트웨어가 완료하도록 신뢰하시겠습니까? 그리고 그 신뢰를 확대하기 전에 무엇을 확인해야 할까요?
