AI에 있어서 인내심은 미덕이다

ChatGPT가 출시된 지 거의 2년 동안 생성적 인공 지능은 사회를 바꿀 수 있는 고상한 기대에서 최근 주식 시장 조정을 촉진하는 것까지 전체적인 기술 과대 광고 주기를 거쳤습니다. 그러나 특히 사이버 보안 산업 내에서는 주변의 흥분이 생성형 AI (genAI)는 여전히 정당한 주장입니다. 하지만 투자자와 분석가들이 예상했던 것보다 이 분야를 완전히 바꾸는 데는 더 오랜 시간이 걸릴 수 있습니다.

과대광고의 변화의 가장 명확하고 최근의 징후는 다음과 같습니다. 블랙햇 미국 컨퍼런스 8월 초, 제품 출시, 시연, 그리고 전반적인 화제 조성에서 생성 AI가 차지하는 비중은 매우 미미했습니다. 불과 4개월 전 RSA 컨퍼런스에 같은 업체들이 참석했던 것과 비교하면, Black Hat의 AI에 대한 집중도는 미미했습니다. 이는 중립적인 관찰자들이 업계가 발전하고 있거나 AI가 상품화되었다고 생각할 수 있는 근거가 됩니다. 하지만 사실은 그렇지 않습니다.

제가 말하고자 하는 바는 다음과 같습니다. 사이버 보안 산업에서 생성적 AI를 적용하는 혁신적 이점은 일반적인 챗봇이나 데이터 처리 모델에 AI를 빠르게 계층화하는 것에서 나오지 않을 것입니다. 이것들은 보다 진보적이고 효율적인 사용 사례의 빌딩 블록이지만, 현재로서는 보안 산업에 특화되어 있지 않으며, 결과적으로 고객을 위한 최적의 보안 결과의 새로운 물결을 주도하지 못하고 있습니다. 오히려 AI가 보안 산업에 제공할 실제 혁신은 AI 모델이 보안 사용 사례에 맞게 사용자 지정되고 조정될 때 일어날 것입니다.

보안 분야의 현재 일반 AI 사용 사례는 대부분 다음을 사용합니다. 신속한 엔지니어링 그리고 검색 증강 생성이는 본질적으로 다음을 가능하게 하는 AI 프레임워크입니다. 큰 언어 모델 (LLM)은 학습 데이터 외부의 추가 데이터 리소스를 활용하여 생성 AI와 데이터베이스 검색의 가장 좋은 부분을 결합합니다. 이러한 것의 유용성은 사용 사례와 공급업체의 기존 데이터 처리가 사용 사례를 얼마나 잘 지원하는지에 따라 크게 다릅니다. "마법"이 아닙니다. 이는 의료 진단 및 법률 작업과 같이 인터넷에서 널리 사용되지 않는 독점 데이터와 전문 지식이 필요한 다른 애플리케이션에도 해당합니다. 회사에서 생성 AI 사용 사례를 최적화하기 위해 데이터 처리 파이프라인과 데이터 액세스 시스템을 조정할 가능성이 높아 보입니다. 또한 생성 AI 회사는 특별히 조정된 모델의 개발을 장려하고 있지만 이것이 품질과 세부 사항이 필수적인 용도에서 얼마나 잘 작동하는지는 아직 알 수 없습니다.

하지만 보안 산업에서 이러한 전문화가 효과를 발휘하는 데는 몇 가지 이유가 있습니다. 가장 큰 이유 중 하나는 이러한 모델을 사용자 지정하려면 교육 중에 사이버 보안과 AI의 주제 전문가인 많은 사람이 참여해야 하기 때문입니다. 이 두 산업은 충분한 인재를 고용하는 데 어려움을 겪고 있습니다. 사이버 보안 산업은 전 세계적으로 약 400만 명의 전문가가 부족합니다. 세계 경제 포럼 (World Economic Forum), 로이터는 가까운 미래에 AI 관련 직책에서 50%의 채용 격차가 있을 것으로 추정합니다.

풍부한 전문가가 없다면 보안 컨텍스트 내에서 작동하도록 AI 모델을 조정하는 데 필요한 정확한 작업이 느려질 것입니다. 이러한 모델을 훈련하는 데 필요한 데이터 과학을 수행하는 데 드는 비용도 사용자 지정 AI 모델링에 대한 연구를 수행할 리소스가 있는 조직의 수를 제한합니다. 최첨단 AI 모델에 필요한 처리 능력을 감당하려면 수백만 달러가 필요하며, 그 돈은 어딘가에서 나와야 합니다. 조직에 AI 사용자 지정에 대한 연구를 촉진할 리소스와 팀이 있더라도 실제 진전은 하룻밤 사이에 이루어지지 않습니다. 보안 실무자와 분석가에게 도움이 되도록 AI 모델을 가장 잘 증강하는 방법을 알아내는 데는 시간이 걸리고, 모든 새로운 도구와 마찬가지로 보안 관련 자연어 프로세서, 챗봇 및 기타 AI 지원 통합이 도입되면 학습 곡선이 있을 것입니다.

생성적 AI는 여전히 사이버 보안의 세계를 새로운 패러다임으로 전환할 태세에 있으며, 적대자와 위협 행위자가 활용하는 공격적 AI 역량이 위협을 탐지하고 모니터링하도록 구축된 보안 제공자의 AI 모델과 경쟁하게 될 것입니다. 이러한 전환을 촉진하는 데 필요한 연구 개발은 일반 기술 커뮤니티가 예상했던 것보다 시간이 좀 더 걸릴 것입니다.