SandboxAQ, Switch AI 에이전트 플랫폼에 신뢰 및 투자수익률(ROI) 도구 추가

SandboxAQ는 2026년 10월 19일, AI 에이전트를 도입하는 기업을 위한 Switch AI 플랫폼을 확장한다고 발표했다. 에이전트를 찾아내고 테스트하며 보호하는 Switch Trust와 각 에이전트의 비용과 가치를 추적하는 Switch ROI를 새롭게 선보였다.

캘리포니아주 팰로앨토에 본사를 둔 이 회사는 두 제품이 오픈소스 Switch Rooms 제품을 확장하며, 조직이 사용하는 에이전트와 모델, 공급업체에 관계없이 에이전트의 위험을 평가하고 비즈니스 가치를 측정하며 성능을 조정할 수 있는 공급업체 중립적 도구라고 밝혔다. 발표에서는 에이전트를 엔터프라이즈 AI의 1세대와 대조했다. 발표에 따르면 1세대 엔터프라이즈 AI는 주로 좌석 수, 사용량, 토큰 소비량으로 측정됐다. 반면 에이전트는 의사결정을 내리고 행동을 수행하며 사람과 함께 일할 수 있으므로 감독과 책임성에 대한 새로운 기대를 낳는다고 회사는 설명했다.

Switch Rooms는 Slack, Microsoft Teams, Discord 및 기타 업무 도구에서 직원과 AI 에이전트를 연결해, 팀이 선택한 에이전트와 함께 일하면서 공유 맥락과 기록, 지식에 대한 소유권은 계속 유지할 수 있게 한다. SandboxAQ는 기업이 맥락에 대한 통제권을 포기하지 않고 AI 에이전트와 모델, 공급업체를 선택하고 변경할 수 있어야 한다는 전제 아래, 2026년 8월 Commons Clause가 적용된 Apache 2.0 오픈소스 제품으로 Switch를 출시했다.

Switch Trust: 에이전트 발견, 테스트 및 보호

발표에 따르면 Switch Trust는 발견, 검사, 평가, 모니터링의 네 단계를 통해 에이전트 보안과 거버넌스를 제공한다. Switch Trust 제품 페이지에는 누가 개발했는지와 관계없이 모든 에이전트에 이 제품을 적용할 수 있다고 나와 있다.

발견 단계에서는 연결된 환경과 코드 저장소 전반에서 실행되는 에이전트, 모델, 도구, MCP 서버 및 종속 항목을 목록화한다. 여기에는 보안팀이 존재조차 모를 수 있는 에이전트도 포함된다. 각 항목의 소유권, 출처, 종속 항목, 발견 사항 및 심각도를 기록해 팀이 현재 보유한 에이전트 현황을 파악할 수 있도록 한다.

검사 단계에서는 코드와 클라우드 환경의 에이전트에서 보안 취약점을 찾고, 정적 분석과 AI 지원 분류를 결합해 오탐을 걸러낸다. 취약점 심각도 점수를 매기고, 지원되는 발견 사항을 OWASP 에이전트 보안 범주에 대응시키며, 수정 방안을 권고한다.

평가 단계에서는 에이전트에 직접 연결해 적대적 테스트와 기능 테스트를 실행한다. 테스트 항목에는 프롬프트 인젝션, 탈옥, 데이터 유출, 지시 준수 여부가 포함된다. 각 공격에는 통과 또는 실패 결과가 부여되고, 이 결과는 종합 상태 점수에 반영된다. 팀은 기본 제공 테스트와 함께 자체 평가 항목도 추가할 수 있다. 제품 페이지에 따르면 테스트에 실패한 에이전트는 통과할 때까지 출시가 보류된다.

모니터링 단계에서는 프로덕션 환경의 에이전트를 보호한다. 팀은 소프트웨어 개발 키트를 통해 에이전트를 등록하며, 이 키트는 프롬프트와 응답, 모델 호출, 지연 시간, 세션 및 정책 이벤트를 비롯한 에이전트 활동을 기록한다. Switch Rooms에서 실행되는 에이전트에는 보호 정책이 자동으로 적용된다. 실제 상호작용 중에는 정책이 프롬프트 인젝션, 비밀 정보, 개인 식별 정보, 유해성 및 탈옥을 탐지한다. Trust는 발생 상황의 증거를 보존하면서 안전하지 않은 동작을 차단하거나, 민감 정보를 가리거나, 알림을 보내거나, 로그에 기록할 수 있다. 제품 페이지에 따르면 보호 장치는 각 에이전트에 입력되는 정보와 에이전트에서 출력되는 정보를 모두 확인하며, Switch Trust는 각 에이전트가 수행한 작업과 이를 승인한 사람을 단일 기록으로 관리한다.

Switch ROI: 에이전트별 비용 및 가치 측정

발표에 따르면 Switch ROI는 모든 에이전트의 비용과 창출한 가치를 측정하고, 비용을 낮추고 성능을 개선하기 위한 구체적인 권고안을 제공한다. Switch ROI 제품 페이지에는 공급업체에 관계없이 모든 에이전트를 한곳에서 관리하고, 좌석 기반 요금과 사용량 기반 청구, 여러 공급업체에 분산된 AI 지출을 통합한다고 나와 있다.

측정 기능은 예산과 지출 속도, 알림을 활용해 개별 에이전트와 세션, 작업 단계별 지출 및 성능을 추적하고 과도한 지출을 조기에 파악하도록 한다. 토큰이나 API 호출과 같은 인프라 지표를 세는 대신, 지출을 해결한 티켓 수, 단축된 풀 리퀘스트 처리 시간, 자동화된 작업 등의 성과와 연결한다.

가치 입증 기능은 각 에이전트가 창출하는 가치를 비용과 비교한다. Switch는 사람의 기준 성과를 설정하고 에이전트 지출을 자동으로 추적하며, 성과당 비용과 순투자수익률 등의 수치를 측정한다.

최적화 기능은 낭비되는 지출을 찾아 무엇을 수정하거나 다른 경로로 전환하거나 줄일지 판단한다. 에이전트별 권고안을 예상 월간 절감액의 범위와 신뢰도에 따라 순위를 매긴다. 발표에서는 권고안이 다루는 문제로 부적절한 모델 선택, 제공되지만 사용되지 않는 도구, 캐시하는 대신 다시 전송되는 맥락, 작업을 반복하는 재시도와 루프, 작업에 필요한 수준보다 긴 출력 등을 꼽았다. 제품 페이지에 따르면 권고안은 모델 선택, 미사용 도구, 답변 길이, 캐싱의 네 가지 비용 개선 영역을 다룬다. 성능 개선 기능도 출시 예정이라고 밝혔으며, 품질 검사 기준을 통과하는 경우 에이전트가 룸의 맥락을 유지하면서 더 저렴한 모델로 작업을 옮기는 방법을 설명했다.

Mount Sinai West 및 경영진 발언

발표에 따르면, Mount Sinai West의 MSW Lab은 의사들이 AI 에이전트를 활용해 임상용 애플리케이션을 만들 수 있도록 하는 프레임워크인 G Board를 구축하기 위해 Switch Trust를 사용하고 있다. Mount Sinai West 심장내과 책임자이자 Icahn School of Medicine at Mount Sinai의 심장학 및 인공지능 부교수인 Jeffrey Bander 박사는 SandboxAQ의 발표에서 이렇게 말했다. “MSW Lab에서는 의사들이 AI 에이전트와 함께 실제 의료 소프트웨어를 개발하므로, 에이전트가 안전하게 작동한다는 점을 입증해야 합니다.” Bander는 Switch AI가 연구소의 일상 업무에 신뢰를 구축할 방법을 제공해, 의사들이 AI 보안 전문가가 되는 대신 임상 문제에 집중할 수 있게 해 준다고 말했다.

발표에 따르면 Gartner는 에이전트형 AI 프로젝트의 40% 이상이 2027년 말까지 취소될 것으로 전망했다. Switch ROI 제품 페이지는 이와 별도로 2026년 6월 24일자 KPMG Global AI Pulse 설문조사 데이터를 인용했다. 응답자 2,145명을 대상으로 한 이 조사에 따르면, AI 투자수익률을 확립한 리더는 7%였으며 AI 비용을 명확히 파악하고 있는 리더는 그렇지 않은 리더보다 투자수익률을 보고할 가능성이 5배 높았다.

SandboxAQ에서 Switch AI 총괄 책임자를 맡고 있는 Mohammed Aboul-Magd는 신규 채용을 피할 수 있으리라 예상하고 AI에 지출했지만, 결국 정규직 직원 한 명을 채용하는 것보다 비용이 더 커진 사례를 많은 사용자에게서 확인했다고 말했다. 그는 AI를 도입하는 것만으로는 투자수익이 생기지 않는다며, 팀은 각 에이전트의 비용과 산출물을 파악하고 이를 개선하는 방법도 알아야 한다고 말했다. 그는 이것이 바로 Switch ROI가 해결하도록 설계된 문제라고 설명했다.

SandboxAQ의 CEO인 Jack Hidary는 기업에서 수백, 어쩌면 수천 개의 AI 에이전트가 직원들과 함께 일하게 될 것이라고 말했다. 그는 기업이 자격과 비용, 성과를 알지 못한 채 직원 1,000명을 채용하지는 않을 것이며, 에이전트에도 같은 기준을 적용해야 한다고 말했다. 또한 기술이 발전함에 따라 기업은 축적해 온 지식을 잃지 않으면서 더 나은 에이전트와 모델로 전환할 수 있어야 한다고 덧붙였다.