Agentic Workflow Automation이란 무엇인가?
2025년 말, Anthropic은 중국 정부 지원 그룹으로 추정되는 위협 행위자가 AI가 오케스트레이션한 사이버 스파이 활동 캠페인을 시작했으며, 이 캠페인에서는 agentic AI가 대부분의 작업을 자체적으로 수행해 어떤 인간 팀도 대응할 수 없는 속도로 움직였다고 공개했습니다. 방어자도 기계 속도로 운영해야 합니다.
정적인 방어 플레이북은 누군가가 미리 작성한 단계만 실행합니다. Agentic workflow automation은 인간이 정의한 정책 아래에서 도구와 시간 전반에 걸쳐 다단계 보안 작업을 계획하고 실행하는 자율적이고 목표 지향적인 AI입니다. Agentic 시스템은 한 번도 본 적 없는 경고를 추론하고, 사용자의 환경에 대해 가설을 검증한 다음, 정책을 준수하는 대응을 권고하거나 실행합니다.
이 기능은 측정 가능한 운영 실패를 해결합니다. arXiv의 AgentSOC 학술 프레임워크에 따르면 엔터프라이즈 보안 운영 센터(SOC)는 하루에 100,000건이 넘는 경고를 수신하며, 그중 거의 70%는 조사되지 않은 채 남아 있습니다. 이는 규칙 기반 오케스트레이션으로는 메울 수 없는 격차입니다. 규칙 기반 접근 방식은 누군가가 예상한 조건을 넘어 일반화할 수 없기 때문입니다. Agentic AI는 플레이북이 존재하지 않는 위협을 조사합니다.
Agentic Workflow Automation이 사이버보안에 중요한 이유
오늘날의 SOC는 세 가지 압력이 동시에 수렴하는 상황에 직면해 있습니다.
- 경고 볼륨은 이미 분석가가 검토할 수 있는 수준을 초과하고 있어 실제 위협이 조사되지 않은 대기열에 남아 있습니다
- 지속적인 분류 작업 부담은 번아웃과 이직을 유발하며, 숙련된 인력이 떠나면서 커버리지 격차를 더 확대합니다
- 공격자는 점점 더 자체 운영을 자동화하고 있으며, 경고별 분류로는 따라갈 수 없는 속도로 다단계 공격을 연쇄적으로 수행합니다
기계 속도 문제를 인력 채용만으로 해결할 수는 없습니다. Agentic 방어 시스템은 인력의 비례적 증가 없이 그 속도에 맞출 수 있으며, 이것이 agentic workflow automation을 선택 사항이 아닌 운영상 필수 요건으로 바꾸는 요소입니다.
Agentic Workflow Automation의 핵심 구성 요소
Agentic workflow automation은 의사결정 루프를 구동하는 몇 가지 상호 연결된 요소로 구성됩니다. 각 구성 요소는 고유한 기능을 담당합니다. 이들이 무엇인지 이해하면 공급업체가 agentic이라고 주장할 때 무엇을 검증해야 하는지 알 수 있습니다.
| 구성 요소 | Agentic 루프에서의 기능 | 공급업체 주장에 대해 검증할 사항 |
| AI 에이전트 | 각각은 자율적으로 운영되는 계산 개체로서 목표를 향해 인지하고 추론하며 위험 기반 조치를 계획하고, 경고를 정규화하고, 컨텍스트를 보강하며, 가설을 생성하고, 정책을 준수하는 대응을 실행합니다 | 한 번도 본 적 없는 경고에 적응합니까, 아니면 사전 정의된 로직만 실행합니까? |
| 오케스트레이션 계층 | 작업 분해와 공유 컨텍스트를 관리하며, 복잡한 목표를 전문화된 여러 에이전트에 걸친 하위 작업으로 분할합니다 | 작업이 여러 에이전트와 도구에 걸칠 때 컨텍스트와 상태는 어떻게 유지됩니까? |
| 추론 및 언어 계층 | LLM과 Chain-of-Thought 프롬프팅을 사용해 침해 지표(IoC)를 식별하고, 조치가 API와 타사 시스템을 넘나들기 전에 사고 영향을 평가합니다 | 모델의 추론은 조치를 트리거하기 전에 어디에서 검증됩니까? |
| Human-in-the-loop 제어 | SOC를 감독된 자율성 상태로 유지합니다. 에이전트는 권고를 제공하고 수작업을 줄이는 반면, 분석가는 킬 스위치와 감사 로깅을 통해 감독 권한을 유지합니다 | 어떤 조치에 인간의 승인이 필요하며, 분석가는 작업 도중 에이전트를 어떻게 중단합니까? |
| 피드백 및 학습 루프 | 격리 성공률과 분석가 재정의를 사용해 시간이 지남에 따라 모델을 개선함으로써 의사결정 품질을 사용자의 위험 허용 범위에 맞춥니다 | 어떤 신호가 재학습에 사용되며, 재정의는 이후 동작을 어떻게 바꿉니까? |
Cloud Security Alliance (CSA)의 MAESTRO 프레임워크는 오케스트레이션 계층의 프롬프트 인젝션과 에이전트 간 권한 상승을 포함해 각 계층의 위험을 지적합니다. SentinelOne의 Prompt Security는 해당 계층에 초점을 맞춰 런타임에서 프롬프트 인젝션, 탈옥, 무단 에이전트 작업을 차단합니다. CSA는 또한 에이전트 거버넌스 분석에서 멀티 에이전트 시스템이 초래하는 책임성 격차를 지적합니다. 이러한 요소들이 함께 시스템이 작동할 때 실행되는 대응 루프를 형성합니다.
Agentic Workflow Automation의 작동 방식
Agentic workflow automation을 배포할 때는 지속적인 대응 루프를 구축하는 것입니다.
- 인지 단계는 API와 데이터베이스에서 정보를 수집합니다
- 추론 및 계획 단계는 목표를 설정하고 문제를 마일스톤으로 분해합니다
- 조치 단계는 API 호출과 같은 기능을 실행합니다
- 성찰 단계는 결과를 관찰하고, 오류로부터 학습하며, 전략을 조정합니다
SentinelOne은 이 루프를 자사 플랫폼에 매핑합니다. Singularity AI SIEM은 기본 및 타사 텔레메트리를 수집하고 상관 분석하여 인지 계층에 공급하며, Autonomous Response는 분석가를 기다리지 않고 확인된 결과에 대해 조치합니다.
AgentSOC 학술 프레임워크는 이를 감지-추론-행동 주기로 공식화합니다.
- 경고는 엔터프라이즈 컨텍스트로 정규화되고 보강됩니다
- 시스템은 여러 공격 가설을 생성하고 검증합니다
- 방어 조치는 순위가 매겨지고, 플레이북으로 합성되며, 정책에 따라 평가됩니다
- 승인된 조치가 실행되고, 결과가 모니터링되며, 후속 주기를 위해 지식 저장소가 업데이트됩니다
에스컬레이션 로직은 경계를 정의합니다. 실용적인 3계층 모델은 알려진 패턴의 오탐을 종료하기 위해 에이전트가 자율적으로 작동하도록 합니다. 의심되는 실제 양성에 대한 격리 조치에는 경량의 인간 검토를 적용하고, 프로덕션 시스템이나 임원 계정에 영향을 미치는 대응 조치에는 인간의 승인을 요구합니다.
CISA의 공동 지침은 중요한 의사결정, 안전 임계값, 페일세이프 동작, 수동 재정의 메커니즘에 대해 human-in-the-loop 감독 제어를 요구합니다. 각 작업에 적합한 감독 모드를 선택하는 것이 핵심 설계 결정입니다. 이 설계를 올바르게 수행하면 그 효과는 사고 라이프사이클 전반에서 나타납니다.
Agentic Workflow Automation의 주요 이점
Agentic workflow automation은 모든 SOC에서 가장 희소한 두 자원인 분석가 시간과 대응 시간을 절감합니다. 이점은 사고 대응 라이프사이클 전반에 걸쳐 누적됩니다.
| 이점 | 운영상 무엇이 달라지는가 | 근거 |
| 더 빠른 해결, 더 낮은 MTTR | 자율 분류와 초기 분석은 수동 대기열을 기다리지 않고 보강 및 증거 수집을 수행합니다 | IDC Business Value 연구에 따르면 Purple AI 고객은 위협 식별 속도가 63% 빨라지고 MTTR이 55% 감소했습니다 |
| 경고 피로 감소 | 에이전트는 Tier-1 조사 라이프사이클 전체를 수행하고, 오탐을 억제하며, 저위험 사례를 종료하고, 관련 경고를 단일 사고로 그룹화합니다 | 2024 MITRE ATT&CK Evaluations에서 SentinelOne은 지연 없이 100% 탐지를 달성했으며 평가된 공급업체 중앙값보다 경고 수가 88% 적었습니다 |
| 더 많은 분석가 처리 역량 | Agentic 시스템은 대규모 캠페인 중 볼륨 급증을 긴급 인력 충원이나 초과 근무 없이 흡수합니다 | NIST IR 8596은 AI 에이전트가 네트워크를 모니터링하고 방어 조치를 검증함으로써 사이버보안 인력을 보강하고 인간의 업무 부담을 줄일 수 있음을 확인합니다 |
| 더 높은 품질의 탐지 결과 | 에이전트는 이상 징후를 표시하고, 인간 및 다른 도구보다 더 빠르게 의심스러운 행위를 상관 분석하며, 경고를 공격 내러티브로 연결합니다 | NIST IR 8596은 AI가 이상 탐지와 행위 상관 분석을 통해 위협 탐지를 강화한다고 언급합니다 |
경고 대기열을 정리하는 동일한 자율성은 잘못된 추론에도 똑같이 빠르게 작동할 수 있으며, 대규모 환경에서는 잘못된 판단이 누군가가 알아차리기 전에 확산됩니다. 이점과 위험은 같은 기능에서 비롯되므로, 아래의 한계가 실제로 이점이 유지되는지를 결정합니다.
Agentic Workflow Automation의 과제와 한계
Agentic 시스템은 예측 가능한 방식으로 실패하며, 이러한 실패 모드를 무시하는 것이 좋은 배포가 사고로 바뀌는 방식입니다. arXiv의 학술 조사는 이를 명확히 지적합니다. 에이전트는 반복적이고 범위가 명확한 작업에서는 잘 수행되지만, 새로운 공격, 모호한 신호, 도메인 직관이 필요한 전략적 의사결정에서는 여전히 신뢰성이 낮습니다.
에이전트 권한을 확대하기 전에 네 가지 한계 영역을 면밀히 검토해야 합니다. 먼저 신뢰성입니다. 경고 처리의 상당 부분을 자동화하는 시스템은 깨끗한 데이터, 안정적인 워크플로, 성숙한 프로세스에 의존하며, 이러한 요소가 없으면 오류는 해결되지 않고 누적됩니다. 잘못된 입력은 자율적인 잘못된 출력으로 이어집니다. 동일한 주의는 증강 모델에도 적용됩니다. 여기서 agentic AI는 처리 역량 확장 수단으로 작동하지만, 감독, 예외 처리, 도메인 판단을 위해서는 여전히 분석가가 필요하며, 기술 저하와 신뢰 보정은 여전히 해결되지 않은 과제로 남아 있습니다.
정확성은 그 자체로 위험을 수반합니다. CISA 지침은 실제 양성의 기본 비율과 비교한 오류율을 포함해 AI가 정확한 결과를 생성하지 못하는 상태를 이해할 것을 강조합니다. 자율성은 또한 노출 범위를 확대할 수 있습니다. UC Berkeley CLTC 연구진은 고급 에이전트가 개인화된 조작 콘텐츠를 대규모로 생성할 수 있다고 경고하며, 이는 자율성이 통제를 앞지를 때 더 커지는 위험입니다.
일반적인 Agentic Workflow Automation 실수
가장 큰 피해를 초래하는 실수는 거버넌스 실패입니다. 팀은 통제보다 기능을 더 빠르게 배포하며, 문제가 발생하는 지점은 바로 그 격차입니다.
| 실수 | 왜 역효과가 나는가 |
| 공식적인 자율성 분류 부재 | 계층 분류가 없으면 에이전트에는 이에 상응하는 감독 의무가 부여되지 않습니다. CSA Agentic Profile은 어떤 에이전트가 존재하는지, 어떤 권한을 보유하는지, 어떤 도구에 접근하는지, 그리고 그 권한이 언제 검토되거나 철회되는지를 추적합니다. |
| 감독을 단일 승인 클릭으로 취급 | 실제 감독은 사람과 AI 사이의 구조화된 관계입니다. 즉, 투명성, 위험에 맞는 감독, 명확하게 할당된 책임이 필요합니다. |
| 배포 후 거버넌스를 덧붙임 | 감독은 사후에 덧붙이는 것이 아니라 처음부터 설계에 포함되어야 합니다. NIST AI RMF는 책임성이 핵심 설계 기능이 되도록 govern, map, measure 프로세스를 초기에 배치합니다. |
| 신뢰를 확보하기 전에 자율성 확대 | 작게 시작하십시오. 피싱 분류는 범위를 넓히기 전에 적절한 첫 번째 사용 사례입니다. |
이 모든 실수는 하나의 습관으로 귀결됩니다. 기능 이후에 통제를 추가하는 것입니다. 이를 방지하는 규율은 이제 각 팀이 즉흥적으로 만들어내는 것이 아니라 표준 기관에 의해 문서화되어 있습니다.
Agentic Workflow Automation 모범 사례
건전한 agentic 배포는 자율성에 맞춰 감독을 확장하고, 그 후 확장하기 전에 신뢰를 입증합니다. 아래의 사례는 NIST, CISA, CSA 지침에 직접 매핑할 수 있습니다.
- 위험 비례형 감독을 적용하십시오. NIST AI Risk Management Framework (AI RMF)는 투명성, 위험 수준에 맞는 감독, 명확하게 정의된 책임성을 강조합니다. 감독 강도는 자율성 계층과 결과의 심각도에 따라 확장됩니다.
- 공식적인 책임 구조를 수립하십시오. 에이전트 인벤토리, 승인 정책, 사고 대응에 대한 소유권을 지정하십시오. CSA는 agentic 거버넌스 지침에서 타사 검증이 단기 요구사항일 때 관리 시스템 프레임워크로 ISO 42001을 권장합니다.
- 실시간 에이전트 레지스트리를 유지하십시오. 더 높은 자율성 배포의 경우, ID 시스템과 통합된 실시간 레지스트리를 유지하십시오. 지속형 및 일시적 하위 에이전트에 대해 보유 권한, 접근 가능한 도구, 위임 관계, 철회 일정을 추적하십시오.
- 교차 기능 위원회를 구축하십시오. 거버넌스에는 보안 팀을 넘어서는 작업이 필요합니다. 사용 사례를 승인하고 새로운 위험을 평가하기 위해 법무, 컴플라이언스, 리더십의 의견이 필요합니다.
이를 일회성 설정이 아니라 상시 운영 관행으로 취급하십시오. 자율성은 측정된 단계로 확장되며, 각 단계는 이전 단계의 증거를 통해 확보됩니다. 즉, 유지되는 격리율, 감소하는 재정의율, 검토를 견디는 감사 추적이 필요합니다. 이를 올바르게 수행하는 팀은 이미 SOC 운영 방식을 바꾸고 있습니다.
Agentic Workflow Automation의 미래
보안 팀은 프로덕션 워크플로에 agentic 시스템을 배포하기 시작했으며, 표준 기관은 이러한 배포를 더 안전하게 만들기 위해 노력하고 있습니다.
이에 따라 분석가의 역할도 변화합니다. 수동 실행은 자율 워크플로 감독, 정책 설계, 에스컬레이션 튜닝, 보다 많은 사전 예방적 위협 헌팅, 그리고 에이전트가 어떻게 사고하고 함께 작동할지에 대한 의사결정으로 대체됩니다. 분석가는 점점 더 human-over-the-loop 모드에서 작업하게 됩니다.
Security orchestration, automation, and response (SOAR)는 여전히 더 광범위한 사이버보안 위험 관리 프로그램 내에서 역할을 가지며, 이는 NIST SP 800-61r3가 CSF 2.0 프레임워크 아래에서 설명합니다. Agentic 플랫폼은 오케스트레이션을 구성 요소로 흡수하고 그 위에 추론 기능을 추가할 것으로 예상해야 합니다. SOAR 대체 플랫폼을 평가할 때는 조건이 변할 때 새로운 시나리오를 추론하는지, 아니면 단지 더 빠른 플레이북만 실행하는지 확인하십시오. NIST는 안전하고 상호운용 가능한 에이전트를 위한 업계 주도 기술 표준을 구축하기 위해 AI 에이전트 표준을 발표했습니다. 이러한 표준 작업은 배포 신뢰도에 영향을 미칩니다.
SentinelOne으로 보안 워크플로 자동화
SentinelOne은 인간 수준의 추론과 agentic 워크플로를 결합해 악성 행위를 식별하고, 중요한 작업을 자동화하며, 기계 속도로 대응하는 인텔리전스 패브릭인 Autonomous Security Intelligence (ASI)를 통해 agentic workflow automation을 실행합니다. 이를 통해 방어자는 규모와 속도 측면의 인간 한계 없이 human-in-the-loop 이점을 확보할 수 있습니다.
Singularity Platform은 Behavioral AI를 사용하며 위협을 자율적으로 찾아 차단하는 Autonomous Response Engine을 실행합니다. 1-click rollback 기능은 시스템을 감염 이전 상태로 복원하여 랜섬웨어 암호화를 되돌립니다.
Purple AI는 자연어 질문을 사용자의 데이터 전반에 대한 구조화된 헌팅으로 전환하여 조사를 가속화합니다. 컨텍스트 기반 경고 요약을 제공하고 다음 단계를 제안하므로 분석가는 운영자에서 의사결정자로 전환할 수 있습니다. IDC Business Value 연구에 따르면 Purple AI 고객은 위협 식별 속도가 63% 빨라지고 평균 대응 시간(MTTR)이 55% 감소했습니다.
Singularity Hyperautomation은 이러한 결과를 조치로 전환합니다. SentinelOne의 노코드 자동화 엔진은 Singularity Platform에 내장되어 있으며 Singularity AI SIEM 및 Purple AI와 긴밀하게 통합되어, 확인된 탐지가 대기열에 쌓이는 대신 정책에 바인딩된 다단계 대응을 트리거합니다. 분석가는 사전 구축된 템플릿과 150개 이상의 통합을 사용해 드래그 앤 드롭 캔버스에서 워크플로를 구축하며, human-in-the-loop 승인 게이트가 고영향 의사결정을 통제합니다. 이는 판정에서 격리까지의 루프를 기계 속도로 닫는 대응 계층입니다.
취약한 오케스트레이션을 대체하려는 팀을 위해 Singularity Data Lake and AI SIEM은 Open Cybersecurity Schema Framework (OCSF)를 사용해 기본 및 타사 텔레메트리를 수집하고 정규화하는 페타바이트 규모 데이터 레이크 기반의 클라우드 네이티브 SIEM을 제공합니다. 이를 통해 에이전트는 상관된 컨텍스트를 확보할 수 있습니다. 이 플랫폼은 기존 SIEM 솔루션보다 최대 100배 빠른 탐지를 제공합니다. SentinelOne 데모를 요청하고 자체 워크플로에 대해 플랫폼을 평가하여 차이를 직접 측정해 보십시오.
핵심 요약
Agentic workflow automation은 인간이 정의한 정책 아래에서 다단계 작업을 계획, 추론, 실행하는 자율 AI를 보안 팀에 제공합니다. 이를 통해 경고 피로를 줄이고, MTTR을 낮추며, 현재 인력 규모로 기계 속도 공격자에 대응해 확장할 수 있습니다.
이 기능은 실제이며 점점 더 많이 배포되고 있지만, 거버넌스, 자율성 분류, 위험에 맞는 감독이 SOC를 강화할지 아니면 공격 표면을 확대할지를 결정합니다. 제대로 구현하면 방어자에게 다시 우위를 돌려줍니다. 작게 시작하고, 신뢰를 보정한 다음, 확장하십시오.
FAQ
Agentic workflow automation은 사람이 각 단계를 직접 수행하기를 기다리는 대신, 사용자가 정의한 정책에 따라 시작부터 종료까지 다단계 보안 작업을 담당하는 AI입니다. SOC에서는 일상적인 분류 및 조사 작업을 처리하고, 판단이나 승인이 필요한 경우에만 분석가에게 에스컬레이션합니다.
그 효과는 적용 범위 확대에 있습니다. 그렇지 않으면 대기열에 머물 작업이 처리되고, 분석가는 중요한 의사결정에 시간을 집중할 수 있습니다.
생성형 AI는 프롬프트에 대한 응답으로 콘텐츠를 생성하고 거기서 멈춥니다. Agentic AI는 여러 단계에 걸쳐 목표를 추구하며, 어떤 도구를 호출할지 결정하고, 결과에 적응하며, 각 단계마다 프롬프트 없이 작업을 실행합니다. SOC에서 생성형 AI는 경고를 요약할 수 있습니다.
Agentic 시스템은 경고를 조사하고, 가설을 검증하며, 정책을 준수하는 대응을 자율적으로 권장하거나 실행합니다.
자율성은 하나의 스펙트럼입니다. Cloud Security Alliance는 표준 생성형 AI 동작부터 독립적인 적대적 보안 테스트와 감독 위원회 검토가 필요한 완전 자율 운영까지의 단계를 정의합니다.
자율성 수준은 결과의 심각도에 맞춰야 합니다. 알려진 오탐은 에이전트가 자동으로 종료하도록 하고, 격리 조치에는 경량 검토를 요구하며, 운영 시스템이나 임원 계정에 영향을 주는 모든 작업에는 사람의 승인을 의무화해야 합니다.
NIST AI Risk Management Framework는 Govern, Map, Measure, Manage 기능을 중심으로 구성되며, CSA Agentic Profile은 이를 자율 배포에 맞게 확장합니다. 국가 사이버보안 기관들과 공동 발행한 CISA의 공동 지침은 중요한 의사결정에 대한 human-in-the-loop 통제, 안전 임계값, 장애 안전 메커니즘을 요구합니다.
NIST IR 8596은 모든 AI 시스템의 행동에 대한 인간의 책임을 부여하므로, 거버넌스는 에이전트가 행동하기 전에 소유권을 정의해야 합니다.
피싱 분류입니다. 자율성을 확대하기 전에 신뢰를 구축할 수 있도록 작게 시작하세요. 피싱 경보는 대량으로 발생하고, 식별 가능한 패턴을 따르며, 자율적으로 처리될 때 영향 반경이 작습니다. 이러한 특성 때문에 피싱 분류는 에이전트 신뢰성을 보정하는 데 유용합니다.
차단 성공률과 분석가 재정의를 추적하세요. 이러한 지표가 입증되면 적절한 감독 게이트와 함께 에이전트의 범위를 더 높은 결과를 수반하는 워크플로로 확장하세요.
