메타넷·스켈터랩스, 똑똑한 AI보다 중요한 건 ‘통제’

[바이라인네트워크 기획 시리즈 / AI 에이전트 플랫폼⑦]

기업의 AI 에이전트 도입은 짧다면 짧고, 길다면 긴 여정이다. 그리고 완주하기 힘든 여정이기도 하다. 출발선을 긋는 것부터 힘들고, 목표 지점을 잡는 것도 힘들다. AI 에이전트 여정에 존재하는 어려움은 무엇이고, 어떻게 여정을 계획해야 하며, 또 어떻게 여정을 진행할 것인가. 많은 질문이 시중을 뒤엎고 있다. 현재 AI 에이전트 프로젝트에서 발견되는 공통의 문제점과 그 해결 방안, 기술적 논쟁을 분석하고, 현재와 앞으로 AI 사업자의 시장 경쟁 양상을 전망해본다.

최근 엔터프라이즈 인공지능(AI) 시장에서 IT 인프라·컨설팅 역량과 AI 코어 기술력의 결합이 필수 생존 전략으로 떠오르고 있다. 기업의 성공적인 인공지능 전환(AX)을 위해서는 단순히 우수한 AI 모델을 도입하는 것을 넘어, 인프라 구축부터 전사 정책 적용까지 아우르는 통합 역량이 요구된다. 이 지점에서 대형 IT 서비스 전문 그룹 ‘메타넷(Metanet)’과 대화형 AI 전문 기술 기업 ‘스켈터랩스(Skelter Labs)’의 유기적인 파트너십이 시너지를 내고 있다.

메타넷이 글로벌 컨성팀펌과 협력하여 기업 고객의 AX 전략을 수립하고 AI 과제를 도출하면, 스켈터랩스가 해당 과제의 핵심인 AI 코어 엔진과 플랫폼 개발을 전담한다. 여기에 메타넷디지털, 메타넷글로벌 등 그룹 계열사들이 클라우드 인프라 구축과 시스템 통합(SI)을 지원하며 기획부터 개발, 딜리버리까지 ‘엔드투엔드(End-to-End)’ 서비스를 제공하는 구조다.

이러한 협업 체계를 바탕으로 메타넷과 스켈터랩스는 기업들이 AI 에이전트를 실무에 투입할 때 겪는 현실적인 장벽을 해결하는 데 집중하고 있다. 기업의 생성형 AI 도입이 확산하면서 AI 에이전트를 실제 업무에 적용하려는 시도가 늘고 있지만, 막상 실무에 투입되는 순간 ‘누가, 어떤 문서와 도구에, 어떤 조건으로 접근하는가’를 시스템적으로 보장해야 하는 난관에 부딪힌다. 기존 사내 시스템과 달리 공용 계정을 사용하는 에이전트는 사용자의 권한 밖 정보까지 유출하거나 잘못된 시스템 작업으로 이어질 위험이 존재하기 때문이다.

스켈터랩스는 이러한 현장의 고객 불편 사항을 정조준해 엔터프라이즈 AI 에이전트 오케스트레이션 플랫폼을 제공한다. 이 솔루션은 기업 내 여러 AI 에이전트가 만들어지고 배포되며 서로 협업하는 전 과정을 하나의 통제된 기반 위에서 운영하게 해주는 플랫폼이다.

스켈터랩스는 AI 에이전트 플랫폼을 ▲신원 ▲정책 ▲AI 게이트웨이 ▲자산까지 4개의 계층으로 구성했다.

신원 계층은 기업의 사내 통합 인증 체계(SSO·IDP)와 직접 연결돼 현재 로그인한 최종 사용자가 누구인지를 식별하고, 이 정보를 에이전트 실행의 마지막 단계인 검색 및 도구 호출까지 끊김 없이 전파하는 역할을 한다. 정책 계층은 신원 계층에서 전달받은 사용자 정보를 기준으로 특정 문서, 도구, 에이전트 단위의 접근 권한(ACL)을 엄격하게 판정해 권한 밖의 정보 접근을 원천 차단한다. AI 게이트웨이 계층은 사내에 배포된 모델이나 외부 API를 포함한 모든 대규모 언어모델(LLM) 호출과 에이전트 간 호출이 반드시 지나는 단일 관문으로 사용자 및 부서별 비용 집계, 예산 한도 설정, 모델 라우팅, 보안 가드레일을 일괄적으로 적용한다. 자산 계층은 문서 검색 인덱스, MCP 도구, 워크플로우와 에이전트, 프롬프트, 스킬 등 에이전트를 구성하는 모든 AI 자산을 등록하고, 이를 전사·팀·개인 단위로 나누어 공유 및 격리 범위를 체계적으로 관리하는 저장소 역할을 수행한다.

AI 에이전트 플랫폼의 또 다른 기술적 특징은 최종 사용자의 신원을 기준으로 한 접근 제어와 4단계 방어 계층이다. ▲데이터·검색증강생성(RAG) 무결성 ▲입력·출력 가드레일 ▲에이전트 행위 통제 ▲게이트웨이 자원 보호까지 4단계의 방어 구조를 통해 아키텍처 수준에서 정보 유출을 원천 차단한다.

데이터·RAG 무결성은 청크의 무단 변조를 막고 문서 등록 과정에서 프롬프트 인젝션이나 숨김 문자를 사전에 필터링해 악의적인 조종을 방지한다. 입력·출력 가드레일은 프롬프트 인젝션 공격을 차단하고, 한국형 개인정보 패턴과 API 키, 사내 IP 및 내부 도메인 등을 마스킹해 비밀정보와 개인정보 유출을 철저히 막는다. 에이전트 행위 통제는 위험 등급별로 사람의 승인(HITL)을 거치도록 강제하고, 격리된 샌드박스 환경에서 코드를 실행해 무한 루프나 권한 밖의 도구가 실행되는 것을 통제한다. 게이트웨이 자원 보호는 사용자 및 키 단위로 토큰 한도와 요청 횟수를 제한하고, 비정상적인 소비 패턴이나 자원 고갈 공격을 사전에 탐지해 차단한다.

기업 환경에 맞춘 사용자별 맞춤 환경도 강점이다. 에이전트를 개발하고 활용하는 환경도 사용자 역할에 맞춰 3가지로 세분화했다. 일반 임직원이 자연어로 질문하고 문서를 확인하는 ‘AI 포털(AI Portal)’, 비개발자를 위한 로우코드 방식의 에이전트 빌더와 개발자를 위한 프로코드 빌더를 모두 지원하는 ‘AI 스튜디오(AI Studio)’, 사용량 추적과 예산 한도 및 가드레일을 중앙 관리하는 ‘관리자 포털(Admin Portal)’을 제공한다. 이를 통해 검증된 AI 자산을 부서 간 안전하게 재사용하고 호환할 수 있다.

실제 국내 대기업에 전사 AI 에이전트 활용을 위한 AI 플랫폼을 구축한 사례도 있다. 이 프로젝트는 그룹 차원에서 공통 AI 기반을 마련하고, 각 조직이 이를 활용해 에이전트를 개발 및 운영할 수 있도록 지원했다.

스켈터랩스는 인프라부터 에이전트 개발·실행, 데이터와 모델 관리, 보안과 운영 관리까지 필요한 기능을 하나의 플랫폼으로 구성하되, 각 기능이 독립적으로 교체되거나 확장할 수 있도록 설계했다. 업무 요구나 보안 정책이 바뀌었을 때 전체 시스템을 수정하는 부담을 줄이고 필요한 부분만 유연하게 변경하기 위해서다.

또 임직원이 활용하는 AI 포털과 현업 담당자 및 개발자가 에이전트를 만드는 ‘에이전트 빌더(Agent Builder)’를 구축하고, 이를 기존 사내 로그인 및 권한 관리 체계와 연동했다. 사용자 권한에 따라 AI의 데이터 접근과 업무 수행 범위를 제한하고, 사후 변경이나 삭제가 불가능한 실행 이력을 남겨 문제 발생 시 명확하게 추적할 수 있는 환경을 마련했다. 나아가 기업이 플랫폼을 직접 개발하고 운영할 수 있도록 AI 내재화 로드맵, 운영 인수 환경, 사용자 역할별 교육훈련 체계까지 종합적으로 제공하며 전사 AI 도입 과정에서 발생하는 반복 업무와 운영 부담을 크게 낮췄다.

서종훈 스켈터랩스 CTO는 “AI 에이전트 도입의 병목은 단순 모델 성능이 아니라 통제에 있다”며 “팀마다 서로 다른 대규모 언어모델(LLM)을 직접 호출하면 어디에서 비용이 발생하는지 파악하기 어렵고 가드레일도 제각각이어서 회사 전체의 통제 수준을 일정하게 유지하기 어렵다”고 짚었다.

서 CTO에 따르면 과거 AI 시장이 파운데이션 모델 자체를 직접 학습하는 등 성능을 높이는 데만 집중했다면, 에이전트 시대에는 오픈AI와 클로드 같은 이미 검증된 개방형 모델을 기업 환경에서 얼마나 유연하고 안전하게 통제할 수 있는지가 핵심이다. 개방형 표준을 따르는 AI 에이전트 플랫폼은 쿠버네티스 기반으로 온프레미스와 프라이빗 클라우드 환경 모두에 배포할 수 있으며, 특정 모델이나 클라우드에 종속되지 않는 개방형 아키텍처를 자랑한다.

이어 그는 “자체적인 모델을 강화해 내세워서 승부를 보는 시대는 지났다고 본다”며 “에이전트 시대에는 최고의 성능을 가진 개방형 모델들을 기업 환경에 맞춰 자유롭게 끼웠다 뺐다 할 수 있는 유연한 플랫폼 환경을 구축하는 것이 핵심”이라고 설명했다.

더불어 서 CTO는 끊임없이 진화하는 기술 생태계 속에서 플랫폼 본연의 역할을 거듭 강조했다. 그는 “모델과 도구는 빠르게 바뀌고 있으며, 플랫폼은 그 변화를 막는 계층이 아니라 흡수하는 계층이 되어야 한다”며 “특정 모델이나 클라우드에 종속되지 않는 개방형 표준을 통해 기업의 AI 자산을 안전하게 운영하는 것이 무엇보다 중요하다”고 강조했다.

[1편 AI 에이전트, 긴 여행의 시작…출발선은 어디인가 바로가기]
[2편 기업 AI 에이전트의 성공은 어떻게 이뤄질까 바로가기]
[3편 AI 에이전트의 긴 여정, 안전벨트는 준비됐나 바로가기]
[4편 미래의 AI 에이전트 플랫폼은 어디로 흘러갈까 바로가기

글. 바이라인네트워크
<김원민 기자>wmkim627@byline.network