섀도 AI — ChatGPT 한 곳에서만 DLP 위반 4억 1천만 건

규모 — 측정된 수치

Verizon DBIR 2026 — 내부자 위협 항목에 들어왔다

• 업무용 기기에서의 정기적 AI 사용이 1년 만에 15% → 45%
• 사용자의 67%가 회사 계정이 아닌 개인 계정으로 AI에 접근
• IBM 집계 기준 관련 침해의 추가 비용 평균 67만 달러
• 생성형 AI 업로드와 관련된 DLP 이벤트 858,440건을 분석한 결과, 소스코드가 압도적 1위, 이어 이미지, 정형 데이터 순

직원은 실제로 무엇을 하나

LayerX의 브라우저 텔레메트리 데이터는 더 구체적이다.

• 직원의 45%가 업무에 생성형 AI를 적극 사용
• 그중 77%가 회사 데이터를 프롬프트 창에 붙여넣는다
• 비승인 사용자 기준 하루 평균 14회 붙여넣기, 그중 최소 3회에 민감 정보 포함
• 생성형 AI가 회사 → 개인으로의 데이터 이동 경로 중 32%를 차지하는 단일 최대 채널

Netskope Threat Labs의 유럽 데이터 기준 유출 내용물 구성은 규제 대상 데이터 59%, 소스코드 15%, 지식재산 13%, 자격증명 · API 키 12%다.

왜 기존 DLP가 놓치는가

거버넌스 공백이 오히려 벌어지고 있다

AI 관련 사고를 겪은 조직 중 68%가 AI 거버넌스 정책이 없었다. 전년의 63%에서 오히려 늘었다. 섀도 AI 사고가 두 배 이상 증가하는 동안 정책 수립이 따라가지 못한 것이다.

세계경제포럼 2026 전망에서 생성형 AI로 인한 데이터 유출은 AI 관련 최대 우려 사항으로 34%를 기록해 적대적 AI(29%)를 앞섰다. Gartner는 2026년 말까지 섀도 AI 사고가 세 배로 늘고, 기업 AI 지출의 25~35%가 IT 가시성 밖에서 발생할 것으로 전망한다.

차단은 답이 아니다

2023년 삼성 사례 이후 확인된 패턴은 명확하다. 사후적 금지는 실패한다. 유럽 텔레메트리에서 통제가 있음에도 직원의 43%가 여전히 개인 AI 앱에 접근한다.

강제 차단은 업무를 DLP도 신원 통제도 없는 개인 휴대폰과 노트북으로 밀어낼 뿐이다. 가시성이 0이 되는 쪽이 더 위험하다.

실무 대응 — 권고되는 통제

• ☐ 승인 앱 레지스트리 운영 — 목록에 없으면 정의상 섀도 AI
• ☐ 회사 SSO 전용 접근 강제 (개인 계정 사용 차단이 핵심 — 67%가 개인 계정)
• ☐ 브라우저 계층 DLP 도입 — 붙여넣기를 보려면 브라우저에 있어야 한다
• ☐ 신원 인식 기반 AI 모니터링
• ☐ 소스코드 유출 우선 대응 — DBIR 기준 압도적 1위 항목
• ☐ 데이터 분류 체계와 연계 — 등급별 AI 입력 허용 범위 정의
• ☐ 사내 배포형 LLM 제공 — 승인된 대안이 없으면 섀도 AI는 사라지지 않는다
• ☐ AI 거버넌스 정책 문서화 (사고 조직의 68%가 없었다)