메타넷·스켈터랩스, 기업 AI 통제 협력

메타넷과 스켈터랩스는 기업이 AI 에이전트를 업무에 적용할 때 생기는 권한 관리와 보안 문제를 해결하기 위해 협력하고 있습니다. 메타넷 그룹의 글로벌 컨설팅펌 AT커니가 고객사의 인공지능 전환(AX) 전략과 과제를 세우고, 스켈터랩스가 AI 핵심 엔진과 플랫폼을 개발합니다. 메타넷디지털과 메타넷글로벌은 클라우드 인프라와 시스템 통합을 맡아 기획부터 개발, 제공까지 이어지는 서비스를 구성합니다.

기업 에이전트는 공용 계정으로 작동할 경우 사용자의 권한을 넘어선 정보에 접근하거나 시스템을 잘못 조작할 위험이 있습니다. 스켈터랩스의 엔터프라이즈 AI 에이전트 오케스트레이션 플랫폼 벨라(BELLA)는 에이전트의 생성·배포·협업을 통제된 환경에서 관리합니다. 벨라는 신원, 정책, AI 게이트웨이, 자산의 4개 계층으로 구성됩니다. 신원 계층은 사내 통합 인증(SSO·IDP)과 연결해 최종 사용자를 식별하고, 정책 계층은 사용자 정보를 바탕으로 문서·도구·에이전트별 접근제어목록(ACL)을 적용합니다.

AI 게이트웨이는 사내 모델과 외부 API를 포함한 대규모 언어모델(LLM) 호출 및 에이전트 간 호출이 거치는 관문입니다. 이곳에서 사용자·부서별 비용 집계와 예산 한도, 모델 라우팅, 보안 가드레일을 적용합니다. 자산 계층은 문서 검색 인덱스, MCP 도구, 워크플로, 에이전트, 프롬프트, 스킬을 등록하고 전사·팀·개인별 공유 및 격리 범위를 관리합니다.

벨라는 사용자 신원 기반 접근제어와 4단계 방어 체계도 갖췄습니다. 데이터·검색증강생성(RAG) 무결성 단계에서는 데이터 청크의 무단 변경을 막고 문서 등록 때 프롬프트 인젝션과 숨김 문자를 걸러냅니다. 입력·출력 가드레일은 프롬프트 인젝션을 차단하고 한국형 개인정보 패턴, API 키, 사내 IP와 내부 도메인을 마스킹합니다. 에이전트 행위 통제 단계는 위험도에 따라 사람의 승인(HITL)을 요구하고, 격리된 샌드박스에서 코드를 실행해 무한 루프와 권한 밖 도구 실행을 제한합니다. 게이트웨이 자원 보호 단계는 사용자·키별 토큰 한도와 요청 횟수를 설정하고 비정상 소비나 자원 고갈 공격을 탐지해 차단합니다.

사용자 역할에 맞춘 환경은 3가지입니다. 일반 임직원용 AI 포털은 자연어 질문과 문서 확인을 지원하고, AI 스튜디오는 비개발자용 로우코드 빌더와 개발자용 프로코드 빌더를 제공합니다. 관리자 포털은 사용량과 예산 한도, 가드레일을 중앙에서 관리합니다. 검증된 AI 자산을 부서 간 안전하게 재사용하고 호환할 수 있도록 설계됐습니다.

메타넷과 스켈터랩스는 국내 대기업의 전사 AI 에이전트 플랫폼 구축 사례도 진행했습니다. 그룹 공통 AI 기반을 마련해 각 조직이 에이전트를 개발하고 운영하도록 지원했으며, 인프라·에이전트 실행·데이터와 모델·보안·운영 기능을 하나의 플랫폼에 담았습니다. 각 기능은 독립적으로 교체하거나 확장할 수 있어 업무 요구나 보안 정책이 바뀌면 필요한 부분만 변경하도록 설계했습니다. AI 포털과 에이전트 빌더를 기존 사내 로그인 및 권한 체계에 연동했고, 사용자 권한에 따라 데이터 접근과 업무 수행 범위를 제한했습니다. 사후 수정·삭제할 수 없는 실행 이력도 남겨 문제를 추적할 수 있게 했습니다. 기업이 플랫폼을 직접 개발·운영하도록 AI 내재화 로드맵, 운영 인수 환경, 역할별 교육훈련도 제공했습니다.

서종훈 스켈터랩스 CTO는 AI 에이전트 도입의 병목이 모델 성능보다 통제에 있다고 말했습니다. 팀별로 서로 다른 LLM을 직접 호출하면 비용 발생 지점을 파악하기 어렵고 가드레일도 달라져 회사 전체의 통제 수준을 일정하게 유지하기 어렵다는 설명입니다. 그는 과거에는 파운데이션 모델 학습과 성능 향상이 중심이었다면 에이전트 시대에는 검증된 개방형 모델을 기업 환경에서 유연하고 안전하게 통제하는 것이 중요하다고 밝혔습니다.

스켈터랩스에 따르면 벨라는 개방형 표준을 따르며 쿠버네티스 기반으로 온프레미스와 프라이빗 클라우드에 배포할 수 있고, 특정 모델이나 클라우드에 종속되지 않습니다. 서 CTO는 모델과 도구가 빠르게 바뀌는 만큼 플랫폼은 변화를 흡수해야 한다고 말했습니다. 그는 개방형 표준을 통해 기업의 AI 자산을 안전하게 운영하는 것이 중요하다고 강조했습니다.

메타넷과 스켈터랩스는 기업이 AI 에이전트를 업무에 적용할 때 생기는 권한 관리와 보안 문제를 해결하기 위해 협력하고 있습니다. 메타넷 그룹의 글로벌 컨설팅펌 AT커니가 고객사의 인공지능 전환(AX) 전략과 과제를 세우고, 스켈터랩스가 AI 핵심 엔진과 플랫폼을 개발합니다. 메타넷디지털과 메타넷글로벌은 클라우드 인프라와 시스템 통합을 맡아 기획부터 개발, 제공까지 이어지는 서비스를 구성합니다.

기업 에이전트는 공용 계정으로 작동할 경우 사용자의 권한을 넘어선 정보에 접근하거나 시스템을 잘못 조작할 위험이 있습니다. 스켈터랩스의 엔터프라이즈 AI 에이전트 오케스트레이션 플랫폼 벨라(BELLA)는 에이전트의 생성·배포·협업을 통제된 환경에서 관리합니다. 벨라는 신원, 정책, AI 게이트웨이, 자산의 4개 계층으로 구성됩니다. 신원 계층은 사내 통합 인증(SSO·IDP)과 연결해 최종 사용자를 식별하고, 정책 계층은 사용자 정보를 바탕으로 문서·도구·에이전트별 접근제어목록(ACL)을 적용합니다.

AI 게이트웨이는 사내 모델과 외부 API를 포함한 대규모 언어모델(LLM) 호출 및 에이전트 간 호출이 거치는 관문입니다. 이곳에서 사용자·부서별 비용 집계와 예산 한도, 모델 라우팅, 보안 가드레일을 적용합니다. 자산 계층은 문서 검색 인덱스, MCP 도구, 워크플로, 에이전트, 프롬프트, 스킬을 등록하고 전사·팀·개인별 공유 및 격리 범위를 관리합니다.

벨라는 사용자 신원 기반 접근제어와 4단계 방어 체계도 갖췄습니다. 데이터·검색증강생성(RAG) 무결성 단계에서는 데이터 청크의 무단 변경을 막고 문서 등록 때 프롬프트 인젝션과 숨김 문자를 걸러냅니다. 입력·출력 가드레일은 프롬프트 인젝션을 차단하고 한국형 개인정보 패턴, API 키, 사내 IP와 내부 도메인을 마스킹합니다. 에이전트 행위 통제 단계는 위험도에 따라 사람의 승인(HITL)을 요구하고, 격리된 샌드박스에서 코드를 실행해 무한 루프와 권한 밖 도구 실행을 제한합니다. 게이트웨이 자원 보호 단계는 사용자·키별 토큰 한도와 요청 횟수를 설정하고 비정상 소비나 자원 고갈 공격을 탐지해 차단합니다.

사용자 역할에 맞춘 환경은 3가지입니다. 일반 임직원용 AI 포털은 자연어 질문과 문서 확인을 지원하고, AI 스튜디오는 비개발자용 로우코드 빌더와 개발자용 프로코드 빌더를 제공합니다. 관리자 포털은 사용량과 예산 한도, 가드레일을 중앙에서 관리합니다. 검증된 AI 자산을 부서 간 안전하게 재사용하고 호환할 수 있도록 설계됐습니다.

메타넷과 스켈터랩스는 국내 대기업의 전사 AI 에이전트 플랫폼 구축 사례도 진행했습니다. 그룹 공통 AI 기반을 마련해 각 조직이 에이전트를 개발하고 운영하도록 지원했으며, 인프라·에이전트 실행·데이터와 모델·보안·운영 기능을 하나의 플랫폼에 담았습니다. 각 기능은 독립적으로 교체하거나 확장할 수 있어 업무 요구나 보안 정책이 바뀌면 필요한 부분만 변경하도록 설계했습니다. AI 포털과 에이전트 빌더를 기존 사내 로그인 및 권한 체계에 연동했고, 사용자 권한에 따라 데이터 접근과 업무 수행 범위를 제한했습니다. 사후 수정·삭제할 수 없는 실행 이력도 남겨 문제를 추적할 수 있게 했습니다. 기업이 플랫폼을 직접 개발·운영하도록 AI 내재화 로드맵, 운영 인수 환경, 역할별 교육훈련도 제공했습니다.

서종훈 스켈터랩스 CTO는 AI 에이전트 도입의 병목이 모델 성능보다 통제에 있다고 말했습니다. 팀별로 서로 다른 LLM을 직접 호출하면 비용 발생 지점을 파악하기 어렵고 가드레일도 달라져 회사 전체의 통제 수준을 일정하게 유지하기 어렵다는 설명입니다. 그는 과거에는 파운데이션 모델 학습과 성능 향상이 중심이었다면 에이전트 시대에는 검증된 개방형 모델을 기업 환경에서 유연하고 안전하게 통제하는 것이 중요하다고 밝혔습니다.

스켈터랩스에 따르면 벨라는 개방형 표준을 따르며 쿠버네티스 기반으로 온프레미스와 프라이빗 클라우드에 배포할 수 있고, 특정 모델이나 클라우드에 종속되지 않습니다. 서 CTO는 모델과 도구가 빠르게 바뀌는 만큼 플랫폼은 변화를 흡수해야 한다고 말했습니다. 그는 개방형 표준을 통해 기업의 AI 자산을 안전하게 운영하는 것이 중요하다고 강조했습니다.