Tenable AI Security, Tenable One으로 통합되지만 가시성이 곧 통제는 아니다

Tenable AI security는 훨씬 더 어려운 기업 보안 과제가 남아 있는 가운데, 2025년 비공개 프리뷰에서 정식 제공되는 Tenable One 기능으로 전환됐다. AI 애플리케이션을 찾아내는 일은 첫 단계에 불과하다. 보안팀은 노출이 사고로 이어지기 전에 사용자, 데이터, 인프라, 에이전트, 그리고 위험한 행동을 연결해 파악해야 한다.

이번 변화로 Tenable은 기업 AI의 통제 계층을 둘러싼 경쟁이 확대되는 시장에 진입했다. Palo Alto Networks, Microsoft, Cisco 및 신생 AI 보안 벤더들은 서로 겹치는 영역을 공략하고 있다. 이들은 모두 조직이 AI 시스템을 발견하고, 위험을 평가하며, 일상적인 사용 과정에서 정책을 집행하도록 지원하려 한다.

Tenable의 주장은 한 가지 중요한 점에서 다르다. AI를 별도 보안 프로그램이 아니라 노출 관리 내에서 상호 연결된 또 하나의 공격 표면으로 본다. 이 접근 방식은 유용한 맥락을 제공하지만, 동시에 까다로운 검증 과제를 제시한다. Tenable은 통합 가시성이 더 빠르고 집행 가능한 위험 감소로 이어진다는 점을 입증해야 한다.

Tenable One, 이제 AI 공격 표면까지 포괄

중요한 변화는 또 하나의 AI 대시보드가 아니라는 점이다. Tenable은 AI 탐색, 사용 거버넌스, 보호 기능을 더 광범위한 노출 관리 모델에 통합했다.

Tenable은 2025년 8월 6일 Black Hat USA에서 Tenable AI Exposure를 처음 공개했다. 이 출시는 ChatGPT Enterprise와 Microsoft Copilot 같은 엔터프라이즈 플랫폼을 대상으로 했다. 고객 대상 비공개 프리뷰에 들어갔으며, 그해 말 이전 정식 제공이 계획돼 있었다.

해당 발표에서 설명한 제품은 사용자, 교환된 데이터, 위험한 구성, 서드파티 통합, 프롬프트 인젝션, 탈옥 시도를 식별할 수 있었다. 프롬프트 인젝션은 정교하게 작성된 지시문으로 AI 모델을 조작하는 공격이다. 탈옥은 모델의 행동을 제한하는 안전장치를 우회하려는 시도다.

Tenable은 이 기능이 에이전트리스 방식이라고도 밝혔다. 여기서 에이전트리스 배포란 고객이 모든 직원 기기에 모니터링 소프트웨어를 설치하지 않는다는 의미다. 대신 플랫폼은 지원되는 시스템의 통합과 사용 가능한 텔레메트리에 의존한다.

이 설계는 배포 마찰을 줄일 수 있지만, 적용 범위는 여전히 해당 통합이 노출하는 정보에 달려 있다. 에이전트리스 연결만으로는 관리되지 않는 모든 소비자 계정, 로컬 모델, 미등록 애플리케이션을 자동으로 관찰할 수 없다.

초기 AI security launch는 단순 탐색을 넘어서는 데 초점을 맞췄다. Tenable은 가시성을 위험 관리와 정책 집행에 결합하려 했다. 회사는 이를 분리된 제품 범주가 아니라 Tenable One의 확장으로 포지셔닝했다.

2026년 1월 27일 Tenable은 Tenable One AI Exposure의 정식 제공을 발표했다. 확장된 버전은 서비스형 소프트웨어 애플리케이션, 클라우드 서비스, API, 에이전트, 온프레미스 시스템 및 클라우드 환경 전반의 AI를 포괄한다.

이처럼 넓은 범위는 기업 AI가 승인된 하나의 어시스턴트 안에만 존재하는 경우가 드물기 때문에 중요하다. 기업은 조사에는 ChatGPT Enterprise를, 사무 업무에는 Microsoft Copilot을, 고객 애플리케이션 내부에는 맞춤형 모델을 사용할 수 있다. 개발팀은 에이전트를 데이터베이스, 코드 저장소 또는 내부 API에 연결할 수도 있다.

Tenable은 플랫폼이 이러한 구성 요소를 지속적으로 발견하고 그 관계를 매핑한다고 말한다. AI 사용을 ID, 애플리케이션, 인프라, 데이터와 연결할 수 있다. 의도된 결과는 하나의 취약점이 다른 취약점과 어떻게 결합되는지 보여주는 위험 인식 관점이다.

고객 기록에 접근할 수 있는 내부 지원 에이전트를 생각해 보자. 모델 자체는 적절하게 구성돼 있을 수 있지만, 그 뒤의 서비스 계정에는 과도한 데이터베이스 권한이 부여돼 있을 수 있다. 일반적인 AI 인벤토리는 이 에이전트를 승인된 것으로 분류할 수 있다. 노출 매핑은 그 주변의 위험한 ID 및 데이터 경로를 드러내야 한다.

Tenable의 general availability release는 이러한 관계 매핑을 핵심 약속으로 내세운다. 또한 프리뷰 기간에 강조했던 엔터프라이즈 어시스턴트를 넘어 제품 범위를 넓힌다.

연표는 중요하다. 뉴스 피드에 다시 떠오른 헤드라인과 달리, 이는 2026년 8월 제품 데뷔가 아니다. 최초 발표는 2025년 8월에 이뤄졌고, 이어 2026년 1월 정식 제공 버전이 출시됐다.

이 구분은 구매자가 이 소식을 평가하는 방식을 바꾼다. 이제 중요한 질문은 Tenable이 AI 보안 방향을 발표했는지가 아니다. 구매자는 이제 실제 운영 환경의 적용 범위, 통합, 워크플로, 집행 경계가 어떤 모습인지 물을 수 있다.

Tenable AI Security가 독립형 도구에 가하는 압박

Tenable은 AI 위험이 모델 자체의 바깥에서 시작될 때 특히, 구매자가 또 하나의 고립된 콘솔보다 하나의 노출 그래프를 선호할 것이라고 베팅한다.

기업 보안팀은 이미 취약점 스캐너, 클라우드 보안 제품, ID 시스템, 엔드포인트 통제, 데이터 유출 방지 도구, 애플리케이션 테스트 플랫폼을 관리하고 있다. 전용 AI 보안 제품은 또 하나의 탐지 결과 출처를 추가한다. 그렇다고 이를 조사할 팀이 자동으로 늘어나는 것은 아니다.

Tenable의 전략은 AI 보안을 주로 애플리케이션 탐색이나 런타임 필터링으로 보는 벤더에게 압박을 가한다. 이러한 기능은 여전히 중요하다. 그러나 보안팀은 에이전트의 권한, 도달 가능한 자산, 데이터 접근권, 비즈니스 역할을 이해하지 못하면 노출된 에이전트의 우선순위를 정할 수 없다.

이것이 AI 노출을 Tenable One 안에 배치하는 핵심 이점이다. 탐지 결과는 주변 환경에서 맥락을 이어받을 수 있다. 민감한 접근권을 가진 인터넷 노출 서비스에 존재하는 취약한 구성은 더 긴급해진다.

같은 논리는 일반 직원의 사용에도 적용된다. 승인된 어시스턴트에 문서를 업로드하는 행위가 모든 경우에 동일한 위험을 지니는 것은 아니다. 관련 질문은 문서의 민감도, 사용자의 ID, 조직 정책, 플랫폼의 데이터 처리 통제를 포함한다.

Tenable은 플랫폼이 사용 패턴, 교환 데이터, 어시스턴트 행동, 연결된 워크플로를 모니터링할 수 있다고 말한다. 또한 조직 내에서 허용 및 금지되는 AI 활동을 정의하는 허용 사용 정책을 지원한다고 주장한다.

이러한 기능은 실제 소유권 문제를 다룬다. AI 배포는 흔히 사업 부문, 개발자 또는 제품팀에서 시작된다. 보안 담당자는 권한, 통합, 데이터 흐름이 이미 존재한 뒤에야 이를 발견하는 경우가 많다.

인벤토리는 보안팀이 이러한 배포를 찾는 데 도움을 줄 수 있다. 관계 맵은 어떤 시스템이 가장 중요한지 보여줄 수 있다. 이후 정책 집행은 플랫폼이 충분한 텔레메트리와 사용 가능한 통제 지점을 모두 갖추고 있다는 전제 아래 행동을 제한할 수 있다.

마지막 조건은 노출 관리와 단순 보고를 구분한다. 제품은 위험한 구성을 식별하면서도 이를 변경할 수는 없을 수 있다. 의심스러운 프롬프트 활동을 표시하면서도 요청을 차단하지 못할 수 있다. 구매자는 탐지, 권장 조치, 자동 변경, 실시간 집행을 구분해야 한다.

Tenable의 접근 방식은 대규모 설치 기반을 보유한 기존 플랫폼에도 압박을 가한다. Palo Alto Networks는 Prisma AIRS 내에 탐색, 모델 스캐닝, 보안 태세 관리, 레드 팀 테스트, 런타임 보호를 구성해 왔다. 현재 제품은 개발과 운영 전반에서 애플리케이션 및 자율 에이전트를 강조한다.

따라서 Prisma AIRS platform은 단순한 브랜드 인지도가 아니라 범위 측면에서 Tenable에 도전한다. Palo Alto Networks는 AI 통제를 네트워크 및 클라우드 집행과 연결할 수 있다. Tenable은 AI 탐지 결과를 취약점 및 노출 인텔리전스와 연결할 수 있다.

Microsoft는 Copilot, Azure, ID, 엔드포인트, 데이터 거버넌스 제품이 이미 관련 텔레메트리를 생성한다는 점에서 또 다른 전략적 위치를 차지한다. Cisco 역시 AI 보안을 네트워킹 및 애플리케이션 인프라와 연결해 왔다.

이 경쟁 구도가 단순한 승자를 만들지는 않는다. 구매 기준을 기능 수에서 아키텍처 적합성으로 옮긴다. 고객은 어떤 플랫폼이 자신의 환경을 충분히 파악하고 중요한 지점을 통제하는지 결정해야 한다.

이미 Tenable One을 사용하는 조직은 통합을 위한 분명한 운영상 근거를 갖는다. 팀은 클라우드, ID, 운영 기술, 취약점 노출과 함께 AI 탐지 결과를 검토할 수 있다. 기존의 우선순위 설정 및 개선 프로세스도 유지할 수 있다.

다른 보안 플랫폼을 중심으로 운영하는 고객은 더 강한 증거가 필요하다. 통합 Tenable 그래프는 충분한 데이터를 받고 기존 워크플로에 맞을 때만 도움이 된다. 그렇지 않으면 이미 복잡한 스택 안에서 또 하나의 부분적 관점이 될 위험이 있다.

따라서 가장 큰 압박은 독립형 탐색 제품에 가해진다. 식별 기능만으로는 더 광범위한 보안 플랫폼 내의 한 기능이 되고 있다. 전문 벤더는 더 심층적인 테스트, 모델 분석, 데이터 통제 또는 런타임 개입으로 차별화해야 한다.

진짜 경쟁은 맥락과 집행의 대결이다

AI 실패는 시스템 경계를 가로지르므로 Tenable의 메커니즘은 설득력이 있지만, 맥락이 위험한 행동을 멈추는 통제를 대체할 수는 없다.

Tenable은 이 문제를 “AI Exposure Gap”으로 규정한다. 이 표현은 AI 도입 증가와 보안팀이 관련 시스템, ID, 데이터, 행동을 파악할 수 있는 역량 사이의 거리를 설명한다.

이 개념은 많은 사고가 전개되는 방식과 맞아떨어진다. AI 애플리케이션은 피해를 일으키기 위해 새로운 모델 결함을 필요로 하지 않는다. 과도한 권한, 노출된 클라우드 서비스, 취약한 인증, 안전하지 않은 통합 또는 부적절하게 처리된 데이터가 더 단순한 경로를 제공할 수 있다.

이 때문에 노출 관리 모델은 타당하다. 모든 경보를 독립적으로 다루는 대신 취약점의 조합을 찾는다. Tenable은 이론적으로 주변 공격 경로와 잠재적 비즈니스 영향에 따라 AI 이슈의 우선순위를 정할 수 있다.

공격 경로란 공격자가 가치 있는 목표로 이동할 수 있게 하는 연결된 조건의 사슬이다. 과도한 권한을 가진 에이전트 ID는 이러한 사슬의 한 단계가 될 수 있다. 공개 엔드포인트나 탈취된 사용자 계정은 진입 지점이 될 수 있다.

AI 에이전트는 단순히 텍스트를 생성하는 것이 아니라 행동을 취할 수 있기 때문에 위험 수준을 높인다. 에이전트는 문서를 검색하고, 기록을 수정하며, 외부 서비스를 호출하거나 내부 워크플로를 실행할 수 있다. 실질적 위험은 모델의 행동과 부여된 권한 모두에 달려 있다.

Tenable은 AI Exposure가 위험한 통합, 잘못된 구성, 데이터 교환, 조작 시도를 식별할 수 있다고 말한다. 또한 플랫폼이 위험하거나 침해된 에이전트를 격리할 수 있다고도 주장한다. 이러한 주장은 제품 테스트 과정에서 정밀하게 평가할 필요가 있다.

구매자는 격리가 어디에서 이루어지는지 물어야 한다. Tenable은 통합을 통해 구성을 비활성화하거나, 다른 보안 통제를 호출하거나, 운영자에게 경고해 개입하게 할 수 있다. 각 방식은 속도, 신뢰성, 적용 범위가 다르다.

또한 시스템이 정당한 실험과 정책 위반을 어떻게 구분하는지도 물어야 한다. 승인된 환경에서 프롬프트 인젝션을 테스트하는 개발자는 공격자와 유사하게 보일 수 있다. 맥락은 도움이 되지만 자동 분류는 여전히 오탐을 낼 수 있다.

플랫폼의 AI Exposure documentation은 고객이 지원 기능과 릴리스를 확인할 출발점을 제공한다. 팀이 운영 통제를 계획할 때는 광범위한 출시 문구보다 문서가 더 중요하다.

기술적 문제는 눈에 보이는 프롬프트를 넘어선다. 간접 프롬프트 인젝션은 AI 애플리케이션이 처리하는 문서, 웹사이트, 이메일 또는 데이터베이스 레코드를 통해 유입될 수 있다. 공격자의 지시문은 직접적인 사용자 요청으로 나타나지 않은 채 모델의 컨텍스트 일부가 된다.

OWASP 가이드는 프롬프트 인젝션을 대규모 언어 모델 애플리케이션의 주요 위험으로 지목한다. 또한 검색 기반 증강과 모델 맞춤화만으로는 이 문제를 완전히 제거할 수 없다고 지적한다. 즉, 어떤 노출 그래프도 그 자체만으로 근본적인 모델 동작을 없앨 수는 없다.

그렇더라도 Tenable은 주변의 영향을 줄일 수 있다. 권한이 엄격히 제한된 에이전트는 광범위한 접근 권한을 가진 에이전트보다 위험이 작다. 데이터 흐름과 통합 설정을 모니터링하면 조작의 위험을 키우는 조건도 드러낼 수 있다.

여기서 이 글의 핵심적인 상충 관계가 생긴다. Tenable은 환경 전반에 걸친 폭넓은 가시성을 제공하는 반면, 전문화된 제어 수단은 모델 또는 런타임 트랜잭션에 더 가까운 위치에서 작동할 수 있다. 엔터프라이즈 구매자는 흔히 맥락과 개입 수단을 모두 필요로 한다.

광범위한 플랫폼은 과도한 권한을 가진 ID를 통해 에이전트가 민감한 데이터베이스에 도달한다는 사실을 식별할 수 있다. 런타임 보안 계층은 요청을 검사하고 악성 지시문을 차단할 수 있다. ID 시스템은 접근 권한을 회수할 수 있고, 데이터 제어는 정보 공개를 막을 수 있다.

가장 강력한 구현은 이러한 의사결정을 연결한다. 가장 취약한 구현은 조율된 대응 없이 여러 경보만 생성한다. Tenable의 성공은 Tenable One이 그 연결 계층이 되는지, 아니면 주로 분석적 관점에 머무는지에 달려 있다.

이 때문에 ‘단일 플랫폼’이 단서 없이 ‘단일 진실 공급원’을 뜻해서는 안 된다. AI 시스템은 클라우드 제공업체, 모델 벤더, 개발자 플랫폼, 생산성 제품군, 내부 애플리케이션에 걸쳐 있다. 모든 관련 신호나 집행 지점을 소유한 벤더는 없다.

Tenable은 통합 기능과 더 폭넓은 노출 데이터 전략을 통해 이러한 분산된 현실을 인정해 왔다. 과제는 필수적인 세부 정보를 평탄화하지 않으면서 그 신호들을 정규화하는 데 있다. 고수준 위험 점수는 이를 뒷받침하는 증거까지 추적 가능해야 한다.

보안 팀은 이러한 추적 가능성을 요구해야 한다. 분석가는 플랫폼이 한 AI 노출을 다른 노출보다 높은 순위에 둔 이유를 이해할 수 있어야 한다. 또한 어떤 자산, ID, 권한, 데이터 관계가 결과에 기여했는지도 알아야 한다.

설명 가능한 증거가 없으면 우선순위 지정은 또 하나의 불투명한 권고가 된다. 증거는 있지만 조치 경로가 없으면 더 나은 보고서에 그친다. 가치 있는 중간 지점은 맥락, 소유권, 수정 조치, 검증을 연결한다.

Tenable의 주장이 여전히 입증하지 못하는 것

정식 출시는 제품 준비 상태를 보여줄 뿐, 모든 엔터프라이즈 AI 환경에서 완전한 가시성, 정확한 우선순위 지정 또는 입증된 예방을 의미하지는 않는다.

Tenable의 발표는 폭넓은 기능을 설명한다. 그러나 탐지 범위, 탐지 정확도, 오탐률, 수정 시간 또는 차단된 공격에 대한 독립 측정치를 공개하지는 않는다.

이런 부재는 보안 제품 출시에서 흔하다. 그럼에도 구매자가 내릴 수 있는 결론에는 한계가 있다. 지원 기능 목록만으로는 이러한 기능이 서로 다른 아키텍처에서 얼마나 일관되게 작동하는지 입증할 수 없다.

첫 번째 불확실성은 발견 범위다. 승인된 엔터프라이즈 플랫폼은 대체로 관리 API와 감사 기록을 제공한다. 그러나 관리되지 않는 소비자 도구, 브라우저 확장 프로그램, 내장형 어시스턴트, 로컬 모델, 맞춤형 게이트웨이는 관찰하기 훨씬 어려울 수 있다.

네트워크 텔레메트리는 알려진 서비스로의 연결을 드러낼 수 있지만, 암호화된 트래픽은 콘텐츠 검사를 제한한다. 엔드포인트 제어는 로컬 활동을 볼 수 있지만 배포와 권한이 필요하다. 클라우드 커넥터는 구성 데이터를 제공하지만, 지원되는 서비스와 계정 접근 권한에 의존한다.

Tenable의 에이전트리스 접근 방식은 설치 요구 사항을 줄인다. 하지만 이러한 가시성 경계를 없애지는 않는다. 구매자는 지속적 발견에 대한 주장을 받아들이기 전에 각 AI 사용 사례를 구체적인 데이터 소스에 매핑해야 한다.

두 번째 불확실성은 데이터 해석과 관련된다. 플랫폼은 사용자가 파일을 업로드했다는 사실은 탐지할 수 있어도 그 민감도를 이해하지 못할 수 있다. AI 통합을 식별할 수는 있어도 해당 워크플로가 실험 단계인지, 운영에 필수적인지, 또는 이미 폐기됐는지는 알지 못할 수 있다.

정확한 맥락을 위해서는 ID 기록, 데이터 분류, 자산 소유권, 애플리케이션 메타데이터, 비즈니스 우선순위가 필요하다. 이러한 소스는 AI 보안 프로젝트가 시작되기 전부터 불완전한 경우가 많다.

세 번째 불확실성은 프롬프트 수준 검사다. 프롬프트 모니터링은 민감한 직원 또는 고객 정보를 다른 시스템에 노출할 수 있다. 조직은 보안 텔레메트리 자체에 대해 명확한 보존, 접근, 마스킹, 데이터 레지던시 및 감사 정책을 마련해야 한다.

이는 어려운 균형을 만든다. 콘텐츠 가시성을 높이면 안전하지 않은 공유와 조작 탐지 능력이 개선될 수 있다. 동시에 보안 플랫폼이 수집하는 민감한 자료의 양도 증가할 수 있다.

네 번째 불확실성은 집행이다. Tenable은 AI Exposure가 AI 특화 공격을 차단하고 위험한 에이전트를 격리할 수 있다고 말한다. 고객은 지원 플랫폼 중 어떤 것이 실시간 차단을 허용하고, 어떤 것이 탐지 또는 권장 조치만 제공하는지 검증해야 한다.

지연 시간도 중요하다. 예약된 동기화 이후에 업데이트되는 제어 수단은 에이전트의 즉각적인 도구 호출을 막을 수 없다. 여전히 조사와 수정 조치를 지원할 수는 있지만, 이는 다른 보안 결과다.

다섯 번째 불확실성은 우선순위 지정의 품질이다. 노출 관리는 기술적 심각도를 도달 가능성 및 비즈니스 맥락과 결합하는 데 달려 있다. AI는 기존 취약점 점수가 포착하도록 설계되지 않은 행동 요인을 도입한다.

인프라 권한이 낮은 에이전트라도 고가치 의사결정에 영향을 줄 수 있다. 시스템 접근 권한이 없는 챗봇도 민감한 텍스트를 공개할 수 있다. 기술적으로 노출된 모델이 합성 테스트 데이터만 처리할 수도 있다.

Tenable은 모든 AI 발견 사항을 심각도 최고 경보로 만들지 않으면서 이러한 차이를 고려해야 한다. 보안 팀은 이미 과도한 발견 사항으로 어려움을 겪고 있다. 엄격한 순위 지정 없이 또 하나의 대규모 인벤토리를 추가하면 그 부담은 더 커질 것이다.

업계 가이드는 질문을 정의하는 데 도움이 될 수 있지만, 벤더의 구현을 검증할 수는 없다. NIST AI 프레임워크는 AI 위험 업무를 거버넌스, 매핑, 측정, 관리 중심으로 구성한다. 생성형 AI 프로필은 이 기술을 위한 위험과 권장 조치를 추가한다.

이러한 기능은 Tenable의 서사와 밀접하게 맞닿아 있다. 그러나 프레임워크 정렬이 제품 효과를 인증하는 것은 아니다. 조직에는 여전히 테스트, 거버넌스, 사고 대응 프로세스, 인간의 책임성이 필요하다.

Tenable의 원래 발표는 ChatGPT Enterprise와 Microsoft Copilot도 강조했다. 현재 제품은 AI 플랫폼과 에이전트 전반에 걸친 더 폭넓은 지원을 제시한다. 구매자는 정확한 지원 서비스, 기능 깊이, 지역별 제공 여부를 확인해야 한다.

지원 라벨은 큰 차이를 숨길 수 있다. 한 통합은 ID와 구성을 노출하는 반면, 다른 통합은 프롬프트 활동과 집행 기능을 제공할 수 있다. 조달 팀은 필드, 조치, 업데이트 빈도, 장애 시 동작을 비교해야 한다.

보안 책임자들은 플랫폼 구매를 AI 거버넌스의 종착점으로 여기는 일도 피해야 한다. 제품 소유자는 허용 가능한 사용 방식을 정의해야 한다. 법무 및 개인정보보호 팀은 데이터 요구 사항을 설정해야 한다. ID 팀은 권한을 제한해야 하며, 개발자는 더 안전한 에이전트 작업을 설계해야 한다.

Tenable One은 그 작업의 일부를 조율할 수 있다. 조직의 위험 허용 수준을 결정할 수는 없다. 또한 배포 후 모든 안전하지 않은 애플리케이션 설계를 바로잡을 수도 없다.

전략의 성패를 보여줄 세 가지 신호

다음 단계는 또 다른 AI 기능 목록이 아니라 통합의 깊이, 검증된 위험 감소, 경쟁 대응을 통해 평가해야 한다.

첫 번째 신호는 확대된 운영 환경 지원 범위다. Tenable은 어떤 AI 플랫폼, 클라우드 서비스, API, 에이전트 프레임워크가 심층 지원을 받는지 문서화해야 한다. 중요한 세부 사항은 통합 개수 자체가 아니다.

구매자는 각 연결이 무엇을 관찰하고 변경할 수 있는지 알아야 한다. 유용한 공개 정보에는 이용 가능한 ID 데이터, 구성 적용 범위, 프롬프트 가시성, 정책 조치, 동기화 시점, 수정 옵션이 포함된다.

더 깊은 지원 범위는 Tenable의 통합 노출 관리 주장을 강화할 것이다. 얕은 텔레메트리를 제공하는 긴 커넥터 목록은 이를 약화할 것이다. 보안 팀은 새 인벤토리 소스뿐 아니라 집행 가능한 조치를 추가하는 릴리스 노트를 찾아야 한다.

두 번째 신호는 측정 가능한 운영 개선이다. Tenable은 AI 맥락이 우선순위 지정을 바꾸고, 조사 시간을 줄이거나, 위험한 행동을 예방한다는 고객 증거를 제시해야 한다.

가장 유용한 증거는 배포 전후 워크플로를 비교하는 방식일 것이다. ID, 클라우드, AI 노출을 결합한 사례가 어떻게 영향이 낮은 발견 사항보다 앞서 처리됐는지 보여줄 수 있다. 또한 팀이 해당 경로를 얼마나 빠르게 해소했는지도 문서화할 수 있다.

독립적인 테스트는 고객 인용문만으로는 얻기 어려운 무게를 갖는다. 연구자들은 반복 가능한 시나리오 전반에서 발견 범위, 공격 탐지, 정책 집행, 오탐을 평가할 수 있다.

강력한 결과는 Tenable이 개별 도구가 놓친 의미 있는 노출을 찾아낸다는 점을 보여줄 것이다. 또한 분석가가 과도한 수작업 없이 발견 사항을 이해하고 수정 조치를 완료할 수 있다는 점도 보여줘야 한다.

세 번째 신호는 경쟁 보안 플랫폼의 대응 방식이다. Palo Alto Networks는 이미 Prisma AIRS를 통해 보안 태세, 모델, 런타임, 레드팀, 에이전트 보안 기능을 제공한다. 다른 벤더들도 AI 제어 수단을 ID, 데이터, 엔드포인트, 네트워크 또는 클라우드 텔레메트리와 연결할 수 있다.

경쟁사가 같은 노출 중심 언어를 채택한다면 Tenable의 프레이밍은 검증을 얻게 된다. 경쟁사가 더 강력한 집행 기능을 제공하는 반면 Tenable이 분석에 집중한다면 시장은 런타임 제어에 더 가까운 플랫폼을 선호할 수 있다.

파트너십은 그 결과를 좌우할 것이다. 어떤 노출 관리 플랫폼도 모든 모델, 에이전트 프레임워크, 데이터 저장소, 비즈니스 애플리케이션을 기본적으로 통제할 수는 없다. Tenable에는 타사 텔레메트리와 수정 인터페이스에 대한 신뢰할 수 있는 접근이 필요하다.

개방형 인터페이스는 아키텍처 종속으로부터 고객을 보호하기도 한다. 엔터프라이즈는 여러 모델 제공업체와 개발 스택을 사용할 것이다. 이들은 기반 서비스가 바뀌어도 유지되는 보안 정책을 필요로 한다.

보안 책임자가 당장 취할 조치는 통제된 평가다. 승인된 어시스턴트, 맞춤형 애플리케이션, 도구 접근 권한을 가진 에이전트를 포함해 실제 AI 워크플로 몇 가지를 선택하라. 각 ID, 데이터 소스, 권한, 외부 연결을 문서화하라.

그다음 발견, 맥락, 탐지, 집행, 수정 조치를 각각 따로 테스트하라. 잘못된 구성, 과도한 권한, 금지된 데이터 전송, 통제된 프롬프트 인젝션 시나리오를 도입하라. Tenable이 어느 단계를 관찰하고 어느 단계를 변경할 수 있는지 기록하라.

개인정보보호 및 거버넌스 팀도 이 평가에 포함하라. 프롬프트 모니터링과 활동 수집은 자체적으로 민감한 기록을 만들 수 있다. 광범위한 배포 전에 보존, 접근 제어, 마스킹, 감사, 지역별 처리 방식을 확인하라.

마지막으로 결과를 클라우드, ID, 데이터, 생산성 플랫폼에 이미 존재하는 제어 수단과 비교하라. 통합은 사각지대를 제거하거나 대응 시간을 단축할 때에만 가치를 만든다. 새 대시보드 하나만으로는 어느 쪽도 달성하지 못한다.

Tenable One은 엔터프라이즈 AI를 나머지 사이버 보안과 연결하는 위험 계층이 될 수 있을까? 그 아키텍처는 신뢰할 만한 경로를 제공한다. 이제 구매자는 그 경로가 집행 가능하고 측정 가능한 위험 감소로 이어진다는 증거를 요구해야 한다.