물리 보안 플랫폼이 AI에 대비하려면 무엇이 필요할까요?

AI 기반 기술을 검토하는 많은 기업이 AI를 활용해 효율성과 의사 결정의 질을 어떻게 높일 수 있을지 고민하고 있습니다. 그러나 AI 도구 도입에 앞서 답해야 할 더 중요한 질문이 있습니다. 보안 플랫폼이 이를 지원할 준비가 되어 있을까요?

AI에 대한 관심이 커지면서 물리 보안 팀은 AI 기반 기능을 출입통제, VMS 등 핵심 시스템과 함께 활용할 방법을 모색하고 있습니다. 하지만 데이터가 저장된 시스템과 실제 업무를 수행하는 시스템이 연결되어 있지 않아 AI 도입 프로젝트가 어려움을 겪기도 합니다. 애플리케이션마다 별도로 연동해야 한다면 AI를 확장하기가 어렵고 비용도 많이 듭니다.

그렇기 때문에 성공적인 AI 도입은 플랫폼 자체에서 시작됩니다. 장기적인 성공은 어느 한 가지 AI 기능으로 결정되지 않습니다. 보안 플랫폼이 기술 발전에 맞춰 변화하고, AI 기반 도구가 실질적인 가치를 창출할 수 있도록 적절한 기반을 제공하느냐에 달려 있습니다.

 

물리 보안 플랫폼이 AI를 도입할 준비가 되었는지 어떻게 알 수 있을까요?

AI를 도입할 준비가 된 플랫폼은 AI가 주목받기 훨씬 전부터 탄탄한 기반 위에 구축되어 왔습니다. 개방성과 확장성을 갖춘 융합형 플랫폼이라면 새로운 기술도 안정적으로 지원할 수 있습니다.

각종 설정 작업 때문에 시스템 구축 기간이 얼마나 늘어날 수 있는지 생각해 보세요. 새 카메라를 프로비저닝하는 데는 상당한 시간과 인력이 들 수 있습니다. 특히 현장 전체에 템플릿을 적용하지 않고 설정을 하나씩 조정해야 한다면 더욱 그렇습니다.

일관되고 체계적인 플랫폼에서는 설정 템플릿 적용, 여러 시스템에 걸친 정보 조회, 관련 운영 상황 정보 제시 등의 작업도 더 쉬워집니다. AI 기반 기능이 이러한 업무 흐름을 간소화하는 데 도움이 될 수 있지만, 그 가치를 뒷받침하는 것은 결국 플랫폼 자체의 설계입니다.

폐쇄형 단일 도메인 플랫폼은 AI가 활용할 수 있는 맥락 정보를 제한해 AI의 가치를 떨어뜨릴 수 있습니다. VMS, 출입통제, 침입 감지 시스템이 공통 데이터 모델 없이 분리되어 있다면 시스템 간 연관성이 정의되어 있지 않으므로 AI가 상황을 이해하는 데 활용할 정보가 제한됩니다.

나중에 공통 데이터 모델을 추가하는 것은 처음부터 융합형으로 설계된 플랫폼을 확장하는 것보다 훨씬 어렵습니다. 따라서 AI 기술을 검토할 때는 어떤 AI 기능보다도 플랫폼이 중요하다는 점을 기억하세요. 먼저 솔루션이 얼마나 개방적인지부터 살펴보는 것이 좋습니다.

 

물리 보안 AI에 개방형 아키텍처가 중요한 이유는 무엇인가요?

새로운 AI 모델과 에이전트 기술이 기존 조달 절차로는 따라가기 어려울 만큼 빠르게 등장하고 있기 때문에 개방형 아키텍처가 중요합니다. 지금은 혁신적으로 보이는 기능도 금세 표준이 될 수 있습니다. 플랫폼을 얼마나 오래 운영할 수 있는지는 보안 플랫폼이 기술 발전에 맞춰 유연하게 변화하느냐에 달려 있습니다.

개방형 아키텍처를 활용하면 기존에 사용하던 시스템을 교체하거나 이미 투자한 비용을 포기하지 않고도 새로운 기술을 도입할 수 있습니다.

개방형 API와 상호 운용성을 기반으로 플랫폼을 구축한 공급업체의 솔루션이라면 새로운 기술을 기존 기술과 연동하고 업무 흐름을 여러 기술 전반으로 확장할 수 있습니다. 이렇게 하면 변화에 유연하게 대응할 수 있습니다. 연동이 폐쇄형 생태계에 묶이지 않으므로 새로 등장하는 AI 기반 도구도 더 쉽게 도입할 수 있습니다.

공급업체에 다음 사항을 꼭 확인하세요.

• 이 플랫폼을 기존 기술과 연동할 수 있나요?
• 개방형 API, SDK, 표준 연동 방식을 지원하나요?
• 향후 AI 프로젝트를 추진하려면 기존 투자 자산을 교체해야 하나요?
• 플랫폼 아키텍처가 요구 사항 변화에 적응할 수 있는 역량을 보장하나요?

AI 기술이 어떻게 진화할지 정확히 예측할 수 있는 사람은 없습니다. 향후에도 다양한 선택지를 확보하려면 과거의 결정이 미래의 가능성을 제한하지 않는 플랫폼을 선택하세요.

다음으로 고려할 요소는 융합입니다. 개방형 플랫폼은 AI 기반 도구를 안전하게 연결할 수 있도록 지원하고, 융합은 이러한 도구가 활용할 수 있는 맥락 정보를 제공합니다.

 

물리 보안 AI에 융합형 데이터가 필요한 이유는 무엇인가요?

물리 보안 인시던트는 하나의 시스템 안에서만 발생하는 경우가 거의 없습니다. 하나의 사건에 관한 데이터가 여러 시스템에서 수집되므로 AI가 당시 상황을 이해하려면 이 모든 정보에 접근할 수 있어야 합니다.

늦은 밤 출입도어에서 출입증 인증이 거부된 상황을 떠올려 보세요. 출입도어 위에 설치된 카메라에는 그 앞에 서 있던 사람의 모습이 촬영되었습니다. 잠시 후 위층에서 침입 감지 센서의 알람이 울렸습니다. POS 단말기까지 관련되어 있다면 또 다른 시스템이 얽히게 됩니다. 즉, 사건의 전모를 파악하는 데 필요한 정보가 여러 시스템에 분산되어 있고, 각 시스템은 기록을 따로 보관합니다. 이 정보를 일일이 모아 전체 상황을 파악하는 것은 운영자의 몫입니다.

융합형 시스템을 갖추면 사건의 전체 맥락을 훨씬 쉽게 파악할 수 있습니다. 비정상적인 출입 이벤트를 감지하는 AI 도구가 해당 도어의 관련 카메라 영상까지 보여 줄 수 있다면 훨씬 유용합니다. 또한 해당 구역의 알람 기록과 같은 시간대의 IoT 센서 상태도 불러올 수 있어야 합니다.

융합형 시스템을 갖추면 운영자는 필요한 정보를 한곳에서 확인하고 충분한 근거를 바탕으로 의사 결정을 내릴 수 있습니다. AI는 관련 정보를 찾아 모으는 데 도움을 줄 수 있지만, 그러려면 우선 융합형 데이터 환경이 갖춰져 있어야 합니다. 최종 해석 및 조치는 여전히 사람의 몫입니다.

융합은 지금 당장 구축할 수 있는 기능을 뒷받침합니다. 이어지는 내용에서는 기존 플랫폼을 재구축하지 않고도 확장성을 활용해 새로운 AI 도구가 등장할 때마다 추가하는 방법을 살펴보겠습니다.

 

확장 가능한 플랫폼으로 AI 어시스턴트와 에이전트에 어떻게 대비할 수 있을까요?

확장 가능한 물리 보안 플랫폼이라면 아직 존재하지 않는 기능에도 대비할 수 있습니다. 20년 전만 해도 대부분의 기업은 대규모 언어 모델, AI 어시스턴트, 에이전트를 염두에 두지 않았습니다. 오늘날 AI에 가장 잘 대비된 플랫폼은 대개 AI가 시장의 우선순위가 되기 훨씬 전부터 진화를 염두에 두고 설계된 플랫폼입니다.

확장성을 갖추면 SI 업체와 기술 파트너가 변화하는 운영 요구 사항에 맞춰 솔루션을 확장하고 맞춤화할 수 있습니다.

혁신은 한 공급업체에서만 나오는 경우가 드물기 때문에 이러한 확장성이 중요합니다. 새로운 아이디어는 파트너와 고객으로 이루어진 생태계가 협력하여 각자의 운영 환경에서 발생하는 실제 문제를 해결하는 과정에서 탄생합니다. 결국 모든 것은 플랫폼으로 귀결됩니다. 확장성 없이는 혁신이 지속되기 어렵습니다.

다음 사항을 점검해 보세요.

• 플랫폼을 얼마나 쉽게 확장할 수 있나요?
• 성숙한 API 또는 SDK 생태계를 제공하나요?
• 이 플랫폼을 기반으로 직접 개발할 수 있나요?
• 플랫폼 아키텍처가 미래의 혁신을 지원하나요?

기업이 최신 기술을 원하는 것은 당연하지만, 책임감 있게 사용하는 것이 중요합니다. 그렇다면 혁신에 대한 책임성은 무엇으로 확보할 수 있을까요? 그 답은 거버넌스에 있습니다. 거버넌스는 신뢰를 구축하는 바탕이기도 합니다.

 

거버넌스는 물리 보안 운영에서 사람이 AI를 통제하도록 어떻게 보장하나요?

AI가 무엇을 할 수 있는지 못지않게 어떤 작업까지 허용해야 하는지도 중요합니다. 바로 이런 이유로 거버넌스가 필수적입니다. 거버넌스 없이 방치하면 AI의 이점과 기능이 오히려 문제가 될 수 있습니다.

이렇게 생각해 보세요. AI를 연동하면 네트워크에 인증을 거쳐 접속하는 클라이언트가 하나 더 추가되는 셈입니다. 사용자, 애플리케이션, 시스템에 적용하는 것과 동일한 통제 조치를 AI 기반 업무 흐름에도 적용해야 합니다.

사람의 감독은 여전히 프로세스에서 매우 중요한 부분입니다. AI 모델은 정보를 분석하고 상관관계를 파악해 필요한 정보를 제시할 수 있습니다. 그러나 이를 해석하고 운영, 안전, 규정 준수 또는 보안에 영향을 미치는 결정을 내릴 책임은 여전히 사람에게 있습니다.

이러한 사람의 감독이 신뢰를 유지하는 핵심입니다.

책임 있는 AI 도입을 위해서는 다음과 같은 명확한 안전장치가 필요합니다.

• 사람이 중요한 조치를 확인하고 승인합니다.
• 역할 기반 및 최소 권한 접근 제어로 AI 레이어가 접근할 수 있는 대상을 제한합니다.
• 종합적인 감사 로그로 AI가 수행한 조치와 제시한 권고 사항을 기록합니다.
• 새로운 AI 기반 기능을 도입하기 전에 철저한 검토와 적합성 심사를 실시합니다.

거버넌스가 뒷받침되지 않는 개방성은 곧 위험 노출입니다. 오류가 심각한 결과로 이어질 수 있는 물리 보안 환경에서 이러한 시스템은 사람의 의사 결정을 지원하고 그 역량을 강화해야 합니다.

 

AI에 대비된 물리 보안 플랫폼을 고를 때 무엇을 살펴봐야 할까요?

도구나 기능 하나를 추가하는 것만으로 AI를 활용할 준비가 갖춰지는 것은 아닙니다. 오늘날의 AI 기술이 주목받기 훨씬 전부터 오랜 세월에 걸쳐 정교해진 설계 원칙이 그 기반이기 때문입니다.

개방형 아키텍처, 융합, 풍부한 SDK는 AI의 등장 때문에 만들어진 것이 아닙니다. 이러한 요소는 성숙한 플랫폼의 기반으로서 AI와 무관하게 발전해 왔으며, 이제 요구 사항의 변화에 맞춰 AI 기반 기능과 미래 기술을 지원할 수 있게 해 줍니다.

미래의 성장을 돕는 다음 네 가지 기반을 바탕으로 앞으로 다가올 가능성을 열린 마음으로 맞이하세요.

• 개방형 아키텍처로 선택의 자유를 지키고 가능성을 열어 둡니다.
• 융합형 데이터로 사건의 맥락을 더 쉽게 파악할 수 있습니다.
• 확장 가능한 생태계로 미래 기능에 적응할 수 있습니다.
• 거버넌스와 사람의 감독으로 신뢰를 유지합니다.

플랫폼이 최신 AI 모델이나 어시스턴트를 지원한다고 해서 AI를 활용할 준비가 되었다고 할 수는 없습니다. 중요한 것은 보안 운영이 기술 발전에 맞춰 적응할 수 있는 기반 위에 구축되어 있느냐입니다.