Sean Roche, Obsidian Security 제품 마케팅 및 가치 분석 담당 선임 이사 — 인터뷰 시리즈

Sean Roche는 Obsidian Security의 제품 마케팅 및 가치 분석 담당 선임 이사로, SaaS 보안, AI 보안, 시장 진출 전략에 관한 부서 간 협업을 이끌고 있습니다. 회사 최초의 통합 활용 사례 체계를 만드는 데 핵심 역할을 맡아 영업, 마케팅, 고객 성공 부서가 측정 가능한 사업 성과를 향하도록 조율했습니다. 생성형 AI와 AI 에이전트 보안 솔루션 출시도 총괄했습니다. 이전에는 Forter, Aviatrix, Okta에서 리더십 역할을 맡아 사업 가치 자문, 가격 전략, 고객 가치 분석, 경영진을 위한 투자수익률 분석을 전문으로 했습니다. 사이버보안, 기업용 소프트웨어 전략, 금융 연구를 아우르는 경력을 바탕으로 기술 역량을 기업 고객의 측정 가능한 사업 성과로 전환해 왔습니다.

Obsidian Security는 현대적인 클라우드 환경에서 SaaS 애플리케이션, AI 에이전트, 신원, 기업 시스템 통합을 보호하는 사이버보안 기업입니다. 통합 플랫폼을 통해 위협 탐지, SaaS 보안 태세 관리, 데이터 접근 통제, 핵심 업무 애플리케이션의 위험 활동 모니터링을 지원합니다. 대상에는 Microsoft 365, Salesforce (CRM ), Slack 등의 클라우드 서비스가 포함됩니다. 최근에는 AI 에이전트 보안으로 영역을 넓혀 자율 AI 시스템이 SaaS 플랫폼, 데이터, 업무 흐름과 실시간으로 상호작용하는 방식을 기업이 파악하도록 돕고 있습니다. CrowdStrike (CRWD ), Okta, Cylance, Carbon Black 출신 보안 리더들이 설립했으며, 복잡해지는 클라우드와 에이전트형 AI 환경을 위한 종합 SaaS·AI 보안 플랫폼을 지향합니다. (출처) (출처)

사업 가치, 위험 전략, SaaS 보안이 만나는 영역에서 경력을 쌓으셨고, 현재 Obsidian Security에서 가치 분석과 제품 마케팅을 이끌고 계십니다. AI 기반 SaaS 생태계의 보안에 주목하게 된 계기는 무엇이며, OpenClaws 같은 새로운 에이전트 기술에 대한 Obsidian의 접근은 어떻게 다릅니까?

제 경력 내내 가장 큰 공백은 보안 체계가 볼 수 없는 곳에 있었습니다. 실제 침해가 바로 그곳에서 발생하기 때문입니다. 분리되거나 관리되지 않는 시스템이 기존 통제로는 잡아내지 못하는 위험을 만드는 사건을 보았습니다. 대형 플랫폼에 연결하는 최신 연동 수단이나 일반적인 보안 가시성 밖의 연결에서도 같은 문제를 직접 경험했습니다. IT팀이 비활성화했다고 생각한 뒤에도 연결이 남아 있는 경우가 있었습니다. 이런 경험은 우리가 보호했다고 여기는 시스템 내부뿐 아니라 시스템 사이의 접점에 얼마나 많은 위험이 있는지 보여주었습니다.

이 현실은 섀도 IT에서 섀도 AI로 옮겨가고 있습니다. 새로운 도구와 에이전트 기반 업무 흐름이 거버넌스 전략이 따라갈 수 있는 속도보다 빠르게 나타나고 확산됩니다. 많은 보안 접근은 모든 것을 하나의 통제 계층으로 중앙화하려 합니다. 하지만 분산 환경에서는 이 모델이 무너집니다. 특히 중요한 데이터와 활동이 우리가 소유하지도, 완전히 통제하지도 못하는 타사 애플리케이션 안에서 이뤄질 때 그렇습니다.

이것이 제가 AI 기반 SaaS 생태계 보안에 집중하게 된 이유이자 Obsidian의 접근이 설득력 있는 이유입니다. SaaS 침해 건수는 300% 증가했지만 대부분의 조직은 애플리케이션 사용 방식을 충분히 파악하지 못합니다. 우리가 메우려는 공백은 바로 그것입니다. 기업 안에서 실제로 무슨 일이 일어나며 어디에 위험이 노출되는지 이해하도록 하는 것입니다. OpenClaws 같은 에이전트 기술이 성숙할수록 이 접근은 더욱 중요해집니다. 위험은 에이전트가 특정 데이터에 접근할 수 있는지뿐 아니라 무엇에 접근하고 얼마나 빠르게 행동할 수 있는지에도 달려 있습니다.

OpenClaws 같은 에이전트형 AI 시스템이 NVIDIA (NVDA ) GTC 이후 큰 관심을 받고 있습니다. 보안 위험 측면에서 이전 AI 도구와 근본적으로 어떻게 다릅니까?

비인간 신원이 무엇인지, 어떻게 보호해야 하는지 이해하는 일이 보안팀에 매우 중요해졌습니다. 현재 IT 보안 사건의 68%가 기계 신원과 관련되며, 설문에 참여한 기업의 절반은 관리되지 않는 비인간 신원 때문에 보안 침해를 겪었습니다. 보안 업계는 주로 SaaS 보안 태세 관리와 인간 신원 거버넌스에 집중했고, 그동안 비인간 신원은 보이지 않는 곳에서 늘어났습니다. 조직이 관리자 권한을 가진 AI 에이전트를 대규모로 배포하면서 거버넌스 공백은 심각한 문제가 됐습니다.

OpenClaws 같은 시스템은 진정한 에이전트형 AI의 가능성과 위험을 함께 보여줍니다. 좁고 감독되는 업무 흐름을 벗어나 실제 환경에서 실질적인 자율성을 발휘하는 AI를 보는 초기 사례 중 하나입니다.

이런 역량이 더 쉽게 제공되면 위험도 빠르게 변합니다. 비전문가도 중요한 시스템과 상호작용하고 잠재적으로 악용하기 쉬워지기 때문입니다. 사람들은 이미 API 키, 기본 제공 통합, 타사 애플리케이션을 통해 AI 에이전트를 SaaS에 연결하며 위협이 발생할 영역을 넓히고 있습니다. 에이전트를 활용하는 업무 흐름이 하나 늘 때마다 접근 경로도 여러 갈래로 늘어납니다.

최근의 Vercel 침해는 이 커지는 위협을 보여줍니다. 타사 앱을 승인하면 그 인프라에 관여하는 모든 주체, 즉 클라우드 제공업체, 개발자, 이들이 연결한 서비스까지 암묵적으로 신뢰하게 됩니다. 대부분의 조직은 실제로 무엇에 동의했는지 모릅니다. 에이전트형 AI의 무분별한 사용은 이 문제를 확대합니다.

많은 AI 에이전트는 행동을 제한할 실질적인 기술 통제 체계 없이 작동합니다. 활동을 식별할 흔적이 없거나 보호 경계가 약하면 에이전트가 무엇을 했고 어디에 접근했으며 무엇을 바꿨는지 사후에야 알기 쉽습니다. 이 조합이 이전 AI 도구와 근본적으로 다른 위험을 만듭니다.

OpenClaws가 넓은 권한과 자율성 때문에 새로운 공격 표면을 열 수 있다고 말씀하셨습니다. 기업에서 이 위험이 구체화되는 실제 상황을 설명해 주시겠습니까? 

OpenClaws의 위험은 에이전트가 분리된 작업에서 실제 운영 환경으로 옮겨가는 순간 구체화됩니다. 이미 벌어지고 있는 일입니다.

대부분의 조직은 올바른 사람이 에이전트에 접근하고 에이전트가 예상대로 행동하는지 확인합니다. 하지만 한 에이전트가 다른 에이전트와 상호작용하기 시작할 때의 상황까지 생각하는 조직은 드뭅니다.

여기서 공격 표면이 급격히 넓어집니다. Slack 메시지나 Jira 작업 같은 한 시스템의 출력이 다른 시스템의 행동을 시작하는 신호가 됩니다. 리더는 이런 상호작용에 대한 통제를 잃고 일관된 가시성과 감사 기록을 유지하지 못합니다. 에이전트는 동시에 여러 SaaS API에 연결되는데, 그중 상당수에는 적절한 게이트웨이나 보안 장치가 없습니다.

평균적인 기업은 이미 수백 개의 에이전트를 운영하며, 그 수는 지난 1년 사이 거의 100배 늘었습니다. 실제로 조사하면 38%가 중간, 높은 수준 또는 심각한 위험을 지닙니다. 대부분은 담당 소유자가 문서화돼 있지 않고, 일부는 이미 없어진 계정이 만들었지만 운영 시스템에 활성 커넥터가 남아 있으며 실행 이력은 전혀 없습니다.

이 공백을 메우려면 애플리케이션 내부를 깊이 들여다봐야 합니다. 자격 증명이 각 시스템과 데이터세트에서 어떤 행동을 허용하는지, 이를 호출할 수 있는 각각의 주체에게 무엇을 허용하는지 알아야 합니다. 맥락이 없으면 절반의 그림만 봅니다. 리더는 탐지에서 실행 중 강제 통제로 전환해야 합니다. 피해 뒤가 아니라 행동이 완료되기 전, 바로 실행되는 순간에 차단해야 합니다.

많은 조직은 이미 SaaS 보안이 충분하다고 생각합니다. 에이전트형 AI가 등장하면 이런 가정은 어디서 무너집니까?

많은 조직은 SaaS 보안을 이미 “해결했다”고 생각하지만 에이전트형 AI 도입이 빨라지면서 그 가정이 도전받습니다. 보안은 종종 완료 표시를 하는 항목처럼 취급됩니다. 예산을 승인하고 도구를 배포하면 문제가 해결됐다고 여깁니다. 그러나 환경의 기반인 SaaS API는 실제로 완전히 통제된 적이 없습니다. API 계층에서 무엇이 일어나고 어떤 SaaS 자산끼리 통신하는지 기업이 볼 수 있는 범위가 매우 제한적이기 때문입니다.

여기에 구조적인 맹점이 있습니다. 기업은 신원과 엔드포인트를 보호해도 API를 통해 SaaS 데이터에 어떻게 접근하고 어떤 행동을 하는지 명확히 보지 못합니다. 많은 조직은 여전히 공개 인터넷에서 중요 시스템으로 직접 연결하면서 그 아래 API 상호작용의 규모와 행동을 충분히 이해하지 못합니다.

에이전트형 AI는 이 공백을 드러내고, 팀이 해결하는 속도보다 빠르게 문제를 만들며 API 논의를 촉진합니다.

여러 시스템에서 데이터에 접근하고 이동하며 행동할 수 있는 자율 AI 에이전트를 다룰 때 기업은 거버넌스를 어떻게 생각해야 합니까?  

지금 AI 도입을 늦추고 싶은 리더는 없습니다. 더 빨리 움직이거나 측정 가능한 성과를 보여달라는 압력이 커지고, 심지어 토큰 사용량까지 평가에 들어가기 때문입니다. AI 도입 지시는 최고경영진에게서 직접 내려오는 경우가 많습니다. CEO가 이사회나 공개적인 이해관계자에게 진전을 보고하면서 신속한 도입 압박은 더욱 커집니다. “AI를 위해서라면 어떤 대가도 감수한다”는 태도가 기본이 되면 잘못된 설정과 과도한 권한을 기존 거버넌스 주기로 충분히 빠르게 바로잡기는 현실적으로 어렵습니다.

에이전트 시스템은 수정될 때까지 기다리지 않습니다. 시스템을 찾고 행동을 연결하며 여러 SaaS 애플리케이션에서 몇 초 만에 업무 흐름을 실행합니다. 인간이 알아차리기도 전에, 개입은 고사하고 열 단계 이상을 마치는 경우가 많습니다.

따라서 거버넌스는 개발 주기 초기에 문제를 발견하는 것만이 아니라 에이전트가 실제 행동하는 순간 통제하는 일로 바뀌고 있습니다. 오용이 일어난 뒤에만 통제한다면 보안 리더는 에이전트를 효과적으로 관리할 수 없습니다.

에이전트가 SaaS 시스템을 가로질러 자율적으로 결정하는 환경에서 이런 위협을 막을 유일하게 실현 가능한 방식은 실행 중 거버넌스입니다. 사후 탐지를 넘어 권한 상승, 과도한 데이터 접근, 정책 위반을 조직에 영향이 생기기 전에 탐지하고 차단해야 합니다. 통제는 OWASP 표준과 업계 모범 사례에 맞아야 하며 에이전트가 명확하고 집행 가능한 경계 안에서 행동하도록 해야 합니다. 그래야 혁신을 저해하지 않으면서 에이전트형 AI 도입 속도를 따라갈 수 있습니다.

기술적으로 에이전트형 AI가 SaaS 환경에 가져오는 취약점 중 가장 간과되는 것은 무엇입니까?

새 SaaS 도구를 도입하면 AI 기능이 조용히 추가되거나 기본으로 켜져 있음을 발견하는 경우가 많습니다. 이런 기능에는 기존 SaaS 기능에서 보안팀이 기대하던 수준의 설정 통제나 감사 가능성이 없는 경우가 많습니다. 행동이 발생하면 사람이 시작했는지 자율 에이전트가 시작했는지 구별하기 어렵습니다. 많은 기업은 AI 기능을 끌 수도 없습니다. 기능이 SaaS 애플리케이션 자체에 내장돼 있기 때문입니다.

이 모호성은 보안과 거버넌스의 큰 맹점입니다. 내장된 AI 기능이 사용자를 대신해 결정할 때 조직은 의도를 추적하거나 결정 논리를 이해하고, 특정 행동을 무엇이 촉발했는지 확인할 명확한 방법이 없는 경우가 많습니다.

SaaS 자체의 AI 공급망을 고려하면 위험은 더 커집니다. 내장된 AI 기능은 공급망 상위 단계의 모델, 서비스, 타사 통합에 의존하는 경우가 많습니다. 그중 어느 부분이 침해되거나 성능이 저하되거나 조작되면 SaaS 내부의 AI가 신뢰받던 업무 애플리케이션을 공격 경로의 적극적인 참여자로 만들 수 있습니다.

SaaS 안의 AI 계층은 사실상 자체 공급망이 됐습니다. 별도로 모니터링하고 관리해야 하는 새로운 위험 유형을 도입한 것입니다. 내장 AI 시스템의 행동과 의존하는 데이터를 보지 못하면 조직은 커져가는 SaaS 공격 표면의 일부를 볼 수 없습니다.

사업 가치와 위험을 정량화하는 일을 폭넓게 해오셨습니다. 기업은 보호되지 않은 AI 에이전트가 가져오는 재정적·평판상 위험을 어떻게 측정해야 합니까?  

AI 에이전트가 오용되거나 침해를 일으키면 즉각적인 영향은 사건 자체뿐 아니라 뒤따르는 조직의 반응도 포함합니다. 리더가 신중해지면서 기업이 AI를 도입하고 확장하려는 속도가 느려집니다. 신뢰가 깨지면 애초 가치를 만들던 혁신 동력을 다시 가동하기가 훨씬 어려워집니다.

영향은 내부 팀을 넘어 외부 이해관계자에게도 이어집니다. 이사회, 고객, 주주는 책임 있는 배포를 기대합니다. 자율 에이전트와 관련된 실패는 맡겨진 이익을 보호할 책임과 평판의 문제가 됩니다. 보안을 처음부터 설계에 포함하지 않으면 사고 이후에야 통제와 안전을 논의하게 되고, 이는 기업 전체의 의사결정을 늦춥니다.

흔히 간과되는 구조적인 재정 위험도 있습니다. AI 에이전트가 초래할 수 있다고 여겨지는 피해 범위가 커지면 기업은 자본 배분에 보수적이 됩니다. 사고 가능성에 대비해 자금을 보류하거나 투자를 늦추기도 합니다.

이 관점에서 AI 에이전트 보안은 순수한 위험 완화만의 문제가 아니라 매출과 성장의 문제이기도 합니다. 에이전트가 관리되고 정해진 범위 안에 있다는 확신으로 AI를 배포하는 기업은 더 빨리 움직입니다. 그런 확신이 없는 기업은 자연스럽게 속도를 늦춥니다. 2026년에는 속도와 신뢰를 결합하는 능력이 강력한 경쟁력이 되고 있습니다.

빠른 AI 도입과 책임 있는 배포 사이에는 긴장이 있습니다. 위험을 높이지 않고 혁신하려는 기업에 균형 잡힌 전략은 어떤 모습입니까?  

현재 AI 도입과 책임 있는 배포 사이의 가장 큰 공백 중 하나는 소통입니다. 많은 기업이 SaaS 전반에서 AI를 적극 사용하지만 사용 방식과 보호 장치를 외부에 명확하고 일관되게 설명하지는 않습니다. 이런 불투명성은 고객과 파트너가 실제 통제를 이해하는 대신 최악을 가정하게 하므로 위험을 높일 수 있습니다.

균형 잡힌 접근은 책임 있는 AI 사용을 내부 규정 준수 업무만이 아니라 가치 제안의 일부로 봅니다. 기업은 AI를 어떻게 관리하는지, 무엇을 할 수 있고 없는지, 민감한 시스템과 상호작용할 때 어떤 보호 장치가 있는지 명확히 설명할 수 있습니다. 이런 명확성은 신뢰를 만들고 안전한 AI 확장을 돕습니다.

SaaS 환경의 AI 사용을 분명히 설명하고 체계적이며 관찰 가능한 방식으로 통제됨을 보여주는 기업은 인식되는 위험을 높이지 않고 더 빨리 혁신할 수 있습니다.

더 많은 기업이 에이전트형 AI를 실험하고 있습니다. 보안팀은 다음 침해 사고로 뉴스에 등장하지 않기 위해 지금 어떤 조치를 취해야 합니까?  

에이전트형 AI는 새로운 위험을 도입할 뿐 아니라 조직이 아직 보지 못하는 위험도 가속합니다. 실제로 섀도 AI는 평균 침해 비용을 67만 달러 더 높입니다. 근본 문제는 가시성입니다. 조직이 AI 사용 위치와 시스템 상호작용 방식을 모르면 사고를 탐지하고 피해를 억제하는 데 더 오래 걸립니다. 재정적·규제상 영향이 직접 커지는 것입니다.

첫 조치는 기업 전반의 가시성을 확보하는 일입니다. 보안팀은 승인된 AI와 승인되지 않은 AI 사용을 애플리케이션 수준뿐 아니라 AI가 실제로 결정하거나 결정에 영향을 주는 업무 흐름에서도 분명히 파악해야 합니다.

가시성을 얻으면 이를 집행 가능한 정책으로 바꿔 실제 업무 시스템에 내장해야 합니다. 사업 부서와 AI 사용 방식을 합의한 뒤 문서에서 엔드포인트, SaaS 플랫폼, 에이전트 시스템의 기술적 통제로 옮겨야 합니다. 실행 경로에 통제를 일찍 배치할수록 섀도 AI나 자율 에이전트로 인한 고비용 사고와 억제하기 어려운 사고의 가능성이 낮아집니다.

에이전트형 AI 시스템이 기업 인프라에 더 깊이 통합될 때 보안 환경은 어떻게 발전할 것으로 보십니까?

기업은 AI 기반 위협에 대응하기 위해 AI를 위해 설계된 보안을 필요로 할 것입니다. 이런 시스템은 기계 속도로 작동해야 하며 보안 운영을 근본적으로 바꿉니다. 인간은 계속 과정에 참여하지만 전략적 감독에 집중하며 AI가 아직 갖추지 못한 맥락 이해와 판단을 제공합니다.

보안팀의 구조도 바뀝니다. 팀이 반드시 작아지는 것은 아니지만 담당 범위는 크게 넓어집니다. 자동화와 AI 도구 덕분에 한 보안 전문가가 훨씬 큰 영역을 책임지게 됩니다.

에이전트 환경에서는 모니터링과 탐지만으로 부족합니다. 실제 집행 장치가 필요합니다. 기능을 켜고 끄거나 행동을 실시간으로 제한하고, 비정상적으로 작동하거나 기업의 다른 부분을 위험에 빠뜨릴 수 있는 시스템을 분리하는 스위치 같은 구조를 만들어야 합니다. AI 공급망의 위험은 너무 커서 아키텍처에 비상 정지 장치를 빼놓을 수 없습니다.

앞으로 AI는 계속 빨라져 인간의 속도와 역량을 넘어설 수도 있습니다. 하지만 논의에는 위험뿐 아니라 기회도 포함돼야 합니다. 아이를 기르는 것처럼 AI는 성장하고 실수하며 우리를 넘어설 가능성도 있습니다. 승자는 AI를 대규모로 받아들이면서 안전하고 신뢰할 수 있게 배포하는 통제 체계를 만드는 조직일 것입니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶은 독자는 Obsidian Security를 방문해 주세요.