3부. 도구 선택
3.3. 보안·데이터 반출 기준
고객사 미공개 정보를 다루는 실무자를 위해, 회사 정책·익명화·학습 거부 설정이라는 세 관문을 순서대로 세웁니다.
앞 챕터는 첫 구독 후보를 클로드와 챗지피티로 좁히고, 마지막에 질문 하나를 남겨 두었습니다. 결제 버튼을 누르기 전에 먼저 정할 것이 있다고.
실무에 AI를 처음 붙일 때 가장 흔한 장면이 있습니다. 손에 쥔 자료를 채팅창에 그대로 붙여 넣는 순간입니다. 이번 달 정산표, 고객사 계약서, 증빙 PDF 한 뭉치.
그런데 붙여 넣기 직전에 손이 잠깐 멈칫합니다. 이거, 그냥 올려도 되나.
그 멈칫함이 맞습니다.
도구를 무엇으로 고를지보다 먼저 정해야 할 것은, 무엇을 올려도 되는가입니다.
지난 챕터에서 잠시 접어 둔 이 질문을 이제 펼치겠습니다.
1. 왜 도구보다 이걸 먼저 정하나 — 우리가 다루는 건 남의 미공개 정보다
우리가 매일 여는 파일은 성격이 조금 다릅니다.
블로그 초안이나 개인 메모라면 어디에 올리든 큰 문제가 없습니다. 하지만 회계·재무 실무자의 손에 들린 자료는 대개 남의 것입니다. 고객사의 재무제표, 아직 공시되지 않은 실적, 인수합병 검토 자료. 하나같이 미공개 정보입니다.
여기에 개인정보까지 얹히면 무게는 더 무거워집니다. 급여대장의 주민등록번호, 계약서에 적힌 담당자 연락처 같은 것들입니다.
게다가 회계사는 직무상 비밀유지의무를 집니다. 업무로 알게 된 남의 정보를 함부로 밖으로 내보내지 않을 의무입니다. 이건 취향이 아니라 직업의 전제입니다.
그래서 데이터를 외부 AI 서비스에 올리는 일은 성능 이전의 문제입니다.
외부 AI 서비스는 결국 남의 서버입니다. 채팅창에 자료를 붙여 넣는 순간, 그 정보는 내 컴퓨터를 떠나 그 회사의 서버로 넘어갑니다. 모델이 아무리 똑똑해도, 애초에 올리면 안 되는 것을 올렸다면 그건 성능과 무관한 사고입니다.
저는 그래서 어떤 도구를 고를지보다 이 경계를 먼저 정해야 한다고 생각합니다. 순서가 바뀌면, 좋은 도구를 골라 놓고 정작 사고를 치게 됩니다.
2. 그럼 AI를 아예 못 쓰나 — 회사 정책이 먼저, 그다음 익명화
그렇다고 회계·재무 실무자는 AI를 포기해야 한다는 말은 아닙니다. 경계를 정한다는 건 안 쓰는 게 아니라, 어떻게 쓸지를 정하는 일입니다.
푸는 순서는 둘입니다. 먼저 회사 정책, 그다음 익명화입니다.
첫째, 내 판단보다 조직의 정책이 앞섭니다.
소속 법인이나 회사에 AI 사용 규정이나 보안 정책이 있다면, 그것이 개인의 판단보다 먼저입니다. 어떤 도구는 되고 어떤 도구는 막혀 있는지, 무엇을 올려도 되고 무엇은 안 되는지 이미 선이 그어져 있을 수 있습니다.
있으면 그 선을 따르고, 없으면 스스로 보수적인 쪽에 섭니다. 저는 애매하면 올리지 않는 쪽을 원칙으로 둡니다.
둘째, 그 선 안에서는 익명화로 씁니다.
정책이 허용하는 범위 안이라면, 자료에서 '누구인지'를 떼어 내고 올립니다. 고객사명은 A사로, 사람 이름은 익명으로 바꾸고, 사업자등록번호나 주소 같은 식별정보는 지웁니다.
치환은 거창할 것 없습니다. 문서의 찾아 바꾸기로 회사명과 사람 이름만 걸러 내도 대부분 해결됩니다.
여기서 오해하기 쉬운 지점이 있습니다. 익명화는 자료를 통째로 뭉개는 게 아닙니다.
금액, 계정과목, 거래 구조, 비율 같은 판단 재료는 대개 그대로 남겨도 됩니다. AI가 분석해야 할 알맹이가 바로 그 숫자와 구조입니다. 떼어 내는 건 '이게 누구의 숫자인가'를 알려주는 꼬리표뿐입니다.
| 무엇인가 | 예시 | 어떻게 |
|---|---|---|
| 누구인지 드러내는 식별정보 | 고객사명·사람 이름·사업자등록번호·주소 | 지우거나 'A사'·'익명'으로 치환 |
| 판단에 필요한 재료 | 금액·계정과목·거래 구조·비율 | 대개 그대로 남겨도 무방 |
식별정보를 떼면 AI는 여전히 숫자를 분석하지만, 그게 누구의 자료인지는 알지 못합니다.
3. 익명화했으면 끝인가 — 이 서비스가 내 입력을 학습하는지 확인하라
식별정보를 떼어 냈다고 마음을 놓기엔 한 가지가 더 남았습니다. 익명화한 자료를 올린 다음, 그 서비스가 내 입력을 어떻게 다루느냐입니다.
핵심은 하나입니다. 이 서비스가 내가 넣은 내용을 자기 모델을 학습시키는 데 쓰는가.
여기서 3.1의 이야기가 다시 걸립니다. 유료를 첫 단계로 두라고 했던 이유가 기능에만 있는 게 아닙니다.
무료 플랜에서는 입력한 내용이 모델 학습에 쓰일 수 있습니다. 내가 넣은 남의 재무 정보가 모델을 학습시키는 데 섞여 들어간다는 뜻입니다. 반면 주요 서비스들은 대체로 유료·업무용 플랜에서 입력을 학습에 쓰지 않도록 보장하거나, 학습에서 빼는 옵트아웃(opt-out, 학습 거부) 설정을 따로 제공합니다.
다만 여기서 특정 회사의 정책을 단정하지는 않겠습니다. 보장의 범위도, 옵트아웃이 기본값인지 아닌지도 서비스마다 다르고, 정책은 수시로 바뀝니다.
그래서 방법은 결국 하나입니다. 결제하기 전에 그 서비스의 데이터 정책을 직접 확인하고, 학습 거부 설정을 직접 켜 두는 것.
메뉴 이름은 서비스마다 다르지만, 대개 설정의 '데이터 관리'나 '개인정보' 항목에 '내 데이터로 모델을 개선하도록 허용' 같은 스위치가 숨어 있습니다. 결제와 같은 자리에서 이 스위치를 함께 점검하시기 바랍니다.
여기까지가 자료를 올리기 전에 통과해야 할 세 관문입니다.
올리기 전에 통과해야 할 세 관문 — 하나라도 걸리면 멈춘다
4. 결국, 올리기 전에 묻는 습관 하나
정책을 확인하고, 식별정보를 떼고, 학습 설정을 점검하고. 매번 이 셋을 떠올리는 건 번거롭습니다.
그래서 이 모두는 결국 습관 하나로 굳습니다. 자료를 올리기 전에 '이 데이터를 이 서비스에 올려도 되는가'를 먼저 한 번 묻는 것.
이 질문은 중국 모델을 쓸 때만 나오는 게 아닙니다. 클라우드에 올라가는 모든 AI에 똑같이 걸립니다. 무료든 유료든, 서구 모델이든 오픈웨이트든, 자료가 내 컴퓨터를 떠나는 순간 이 질문은 늘 먼저 와야 합니다.
이걸로 3부가 닫힙니다. 3부에서 우리는 지갑을 열고, 첫 도구를 고르고, 데이터를 어디까지 올릴지 선을 그었습니다. 도구와 지갑과 보안, 실행에 필요한 준비는 여기까지입니다.
준비는 끝났습니다. 이제 실제로 써 볼 차례입니다.
이어지는 4부는 실전 활용을 다섯 단계로 나눈 로드맵입니다. 처음부터 어려운 걸 붙잡을 필요는 없습니다. 다음 챕터에서는 그중 문턱이 가장 낮은 1단계, 대화만으로 쓰는 챗봇형 도구부터 손에 쥐어 보겠습니다.
이 커리큘럼 그대로 팀·조직 교육이 필요하신가요? 실무자 눈높이의 강의·워크숍으로 진행합니다.