AI 인프라는 이미 있는데, 섀도우 AI는 왜 계속 생길까요
사내 추론 서버가 있다고 해서 직원이 계약서 초안을 외부 채팅 앱에 붙여넣지 않는 건 아닙니다. 부족한 건 인프라가 아니라, 한 사람의 실제 업무에서 그 인프라까지 이어지는 통로입니다.
숫자로 보는 섀도우 AI
AI 사용자 중 자기 계정의 AI 도구를 업무에 그대로 가져와 쓰는 비율 — Microsoft·LinkedIn의 2024 Work Trend Index는 이를 BYOAI라 부릅니다.
미승인 AI 도구 사용자 중 고객정보·인사자료·내부 문서 같은 민감 데이터를 그대로 입력했다고 답한 비율.
섀도우 AI가 원인 중 하나로 지목된 유출 사고의 평균 추가 비용 — 전체 유출 사고의 5건 중 1건에 섀도우 AI가 관여했다는 IBM 리서치결과입니다.
의지의 문제가 아닙니다
이미 gpustack·Ollama·OpenAI-compatible 게이트웨이로 사내 추론 엔드포인트를 갖춘 회사도 적지 않습니다. 직원들이 사내 인프라 안에서만 AI를 쓰게 하려는 목적으로 도입한 경우가 대부분입니다. 그런데도 직원들은 여전히 다른 탭의 외부 채팅 앱을 켭니다.
사내 서버 성능이 부족해서가 아닙니다. 공용 엔드포인트는 누구 개인의 것도 아니기 때문입니다. 그 엔드포인트를 자신의 실제 폴더, 실제 반복 업무에 연결하는 작업은 결국 각자가 직접 해야 하고, 대부분은 그 연결 작업을 끝까지 하지 않습니다. 그래서 승인된 인프라는 놀고, 같은 업무는 통제할 수 없는 곳에서 계속 처리됩니다.
이것이 인프라-활용 간극입니다 — 추론 엔드포인트가 존재하는 것과, 한 사람의 실제 업무가 실제로 거기까지 닿는 것 사이의 거리입니다. 섀도우 AI는 그 거리를 기본값으로 메웁니다. 부주의해서가 아니라, 그 자리에 먼저 서 있는 대안이 없었기 때문입니다.
간극을 메우는 방법
Filer는 폴더마다 로컬에서 실행되는 AI 에이전트를 붙여, 이미 설정된 추론 엔드포인트 — 로컬 AI, Frontier AI(API key), 또는 회사의 gpustack/Ollama/OpenAI-compatible 서버 — 와 바로 통신하게 합니다. 보안 경계는 File Explorer 에서 이미 눈에 보이는 그 폴더 경계 그대로입니다 — 에이전트는 자신이 지정된 폴더만 볼 수 있고, 직원이 매일 이미 판단 기준으로 삼는 그 경계와 정확히 같습니다.
직원이 따로 정당화해야 할 새 구독도, 회사가 통제하지 않는 곳으로 나가는 데이터도, 새로 배워야 할 별도 워크스페이스도 없습니다 — 이미 쓰던 그 폴더에 에이전트가 붙어 그 폴더를 지켜보고, 검색하고, 대신 처리할 뿐입니다. 승인된 인프라는 더 이상 직원이 따로 찾아가야 하는 대상이 아니라, 파일이 있는 바로 그 자리에서 이미 돌아가고 있는 것이 됩니다.
간극이 실제로 드러나는 곳
아래 사례 모두 사내 추론 엔드포인트는 이미 있습니다 — 없는 건 그 사람의 폴더에서 엔드포인트까지 이어지는 통로뿐입니다:
- 애널리스트가 매주 벤더 보고서 폴더를 요약하는 반복 업무 — 예전에 외부 채팅 앱에 그대로 붙여넣던 바로 그 종류의 작업입니다.
- 상담 담당자가 이미 공유 폴더에 있는 과거 티켓을 근거로 답변 초안을 작성 — 기억에 의존해 외부 도구에 상황을 다시 설명하는 대신입니다.
- 과거 작업을 근거로 초안을 쓰는 모든 사람 — 제안서, 사고 후기, 온보딩 문서. 예전에는 무엇이 입력됐는지 확인할 수 없는 외부 도구가 가장 빠른 길이었습니다. 실제 동작을 보려면 similar-draft 유스케이스를 참고하세요 — 같은 구조를 실제로 시연합니다.
필요한 것
- 회사가 이미 통제하는 추론 엔드포인트 — 로컬 AI, Frontier AI(API key), 또는 사내 LLM 서버
- 반복 업무가 이미 놓여 있는 폴더를 가리키는 Filer 폴더
- 새 계정도, 새 구독도, 따로 기억해야 할 새 창구도 없음