직원이 회사 몰래 쓰는 AI, Shadow AI

직원들이 승인 없이 개인 계정으로 쓰는 Shadow AI는 정보 유출 위험을 남깁니다. 전면 금지 대신 어떤 AI가 얼마나 쓰이는지부터 파악하는 방법을 정리했습니다.

회의록을 정리하고 영어 메일을 다듬고 코드의 오류를 찾는 데 직원들은 이미 AI를 씁니다. 문제는 그 대부분이 회사가 승인하지 않은 툴이라는 점입니다. 회사 계정도 아니고 IT 부서가 목록을 가진 것도 아닙니다. 각자 자기 ChatGPT 계정에 로그인해서 각자 필요한 순간에 씁니다. 이렇게 조직의 관리 밖에서 개인적으로 쓰이는 AI를 Shadow AI라고 부릅니다.

Shadow AI는 이미 대부분의 회사에 있습니다

Shadow AI는 특별히 위험한 회사에서만 생기는 일이 아닙니다. LayerX Security의 2025년 기업 생성형 AI 보안 리포트에 따르면 기업 내 생성형 AI 접속의 71.6%가 회사 계정이 아닌 개인 계정에서 일어난다고 합니다 (The Enterprise GenAI Data Security Report 2025: How Enterprises Consume GenAI Tools, 2025). 직원이 AI를 쓰는 대부분의 순간이 회사의 인증·관리 체계 바깥에서 이뤄지는 것입니다. 같은 리포트는 직원의 상당수가 AI 프롬프트에 데이터를 붙여넣고 그 대부분이 관리되지 않는 개인 계정에서 일어난다고 밝혔습니다.

붙여넣는 내용도 가볍지 않습니다. Cyberhaven의 분석으로는 직원이 ChatGPT에 붙여넣는 데이터의 11%가 기밀 정보였다고 합니다 (11% of data employees paste into ChatGPT is confidential, 2023). 고객 명단, 아직 공개되지 않은 재무 자료, 내부 코드 같은 것들이 여기 들어갑니다. 대부분은 악의가 아니라 그저 일을 빨리 끝내려는 것뿐입니다. 다만 회사 입장에서는 어떤 정보가 어떤 외부 서비스로 나가는지 아무도 모르는 상태가 됩니다.

무엇이 쓰이는지조차 회사는 모릅니다

Shadow AI의 진짜 어려움은 문제를 파악할 수단이 없다는 데 있습니다. 승인된 툴이라면 어떤 데이터가 오가는지 정책을 걸 수 있지만, 개인 계정으로 쓰는 AI는 회사의 데이터 유출 방지 장치나 방화벽을 그냥 지나갑니다. 무엇이 쓰이는지 목록조차 없으니 위험을 가늠할 출발점이 없는 셈입니다.

이 공백은 조사에서도 드러납니다. Kiteworks의 2026년 데이터 보안 전망은 Shadow AI가 주요 보안 위험으로 꼽히면서도 이를 파악할 도구를 갖춘 회사는 드물어 통제 수준이 "매우 취약"하다고 평가했습니다 (Shadow AI: When Everyone Becomes a Data Leak Waiting to Happen, 2026). 사내 AI 사용을 한곳에서 관리할 체계를 가진 회사는 절반이 되지 않고, 나머지는 부분적이거나 사실상 아무것도 못 보는 상태라는 것입니다. 정보 유출이 걱정된다면서도 정작 무엇이 쓰이는지는 모르는, 흔한 상황입니다.

전면 금지는 대개 역효과를 냅니다

이 상황에서 가장 먼저 나오는 대응은 금지입니다. 회사 데이터를 외부 AI에 넣지 말라는 공지를 내리고 접속을 막는 것입니다. 하지만 금지만으로는 잘 풀리지 않습니다. AI가 실제로 일을 빠르게 해 주기 때문에 직원들은 쓰던 것을 멈추는 대신 회사가 안 보는 곳에서 계속 씁니다. 회사 계정으로 쓰던 사람도 개인 계정과 휴대폰으로 옮겨 갈 뿐입니다. 앞의 LayerX 리포트가 기업이 사내 AI 사용의 89%를 전혀 들여다보지 못한다고 밝힌 것도 같은 맥락입니다.

결과적으로 사용량은 그대로인데 파악은 더 어려워집니다. 막을수록 사용은 더 깊이 숨습니다. 금지가 무의미하다는 뜻은 아닙니다. 다만 무엇이 쓰이는지 모르는 채로 내리는 금지는 문서상의 규칙으로 끝나고 실제 사용은 그대로 이어집니다. 순서가 잘못된 것입니다.

먼저 무엇이 쓰이는지 파악해야 합니다

그래서 필요한 것은 통제에 앞선 파악입니다. 어떤 AI가 얼마나 쓰이는지를 먼저 데이터로 확인해야 그다음 판단이 가능합니다.

오피오는 근무 중 사용한 프로그램과 접속한 도메인을 시간 단위로 기록합니다. 이를 통해 조직 안에서 어떤 AI가 얼마나 쓰이는지를 사람별·팀별로 확인할 수 있습니다. ChatGPT나 Claude 같은 서비스가 얼마나 쓰이는지, 특정 팀에 사용이 몰려 있는지, 반대로 거의 쓰지 않는 팀은 어디인지가 데이터로 남습니다.

여기서 초점은 개인을 들여다보는 것이 아니라 어떤 툴이 조직에서 쓰이고 있는지를 파악하는 데 있습니다. 수집 항목은 도입하는 회사가 켜고 끌 수 있고, 기록은 근무자가 제출 전에 직접 확인·편집합니다. 목적은 어디까지나 조직 차원의 사용 현황을 근거로 삼는 데 있습니다.

파악한 다음에는 기준을 세울 수 있습니다

무엇이 쓰이는지 알면 대응은 훨씬 단순해집니다.

첫째, 실제로 많이 쓰이는 툴을 공식적으로 도입할 수 있습니다. 이미 절반이 개인 계정으로 ChatGPT를 쓰고 있다면, 이를 기업용 요금제로 옮기는 것만으로 입력한 데이터가 학습에 쓰이지 않도록 하고 접근을 관리 범위 안에 둘 수 있습니다. 숨어서 쓰던 것을 드러난 곳으로 옮기는 것입니다.

둘째, 어떤 정보를 어디까지 넣어도 되는지 기준을 세울 수 있습니다. 막연히 "AI에 회사 자료를 넣지 말라"가 아니라 실제로 쓰이는 툴과 업무를 근거로 구체적인 선을 그을 수 있습니다. 무엇이 쓰이는지 알고 만든 규칙이라야 직원도 납득하고 지킵니다.

셋째, 팀별 격차를 확인하고 확산 방향을 잡을 수 있습니다. 어떤 팀은 AI를 능숙하게 쓰고 어떤 팀은 거의 손대지 않는다면, 앞선 팀의 방식을 다른 팀에 옮기는 근거가 됩니다. Shadow AI를 파악하는 일은 위험을 줄이는 데서 그치지 않고 조직이 AI를 어떻게 쓰고 있는지를 이해하는 출발점이 됩니다.