협력사 AI 보안 점검표 30항목: 계약 후에 진짜 확인해야 할 것들

계약서에 도장을 찍었다.

보안 서약서도 받았고, ISO 27001 인증서 사본도 파일에 들어와 있다. 그런데 두 달 뒤, 협력사 담당자가 우리 회사 고객 응대 스크립트를 그대로 ChatGPT에 붙여넣어 정리하고 있다는 사실을 우연히 알게 된다. 계약서 어디에도 그걸 하지 말라는 문장은 없었다. 이 지점에서 필요한 것이 협력사 AI 보안 점검표입니다.

이 글을 처음부터 끝까지 읽을 필요는 없습니다. 점검표 30항목과 채점 기준만 필요하다면 본문 중간의 표부터 보시고, 사내 배포용 양식이 급하면 실무 템플릿 자료실에서 먼저 받아 쓰셔도 됩니다.

핵심 요약

• 협력사 AI 보안 점검표의 차별점은 계정·망 보안을 넘어 ‘어떤 데이터가 어떤 LLM API로 나가는가’를 추적하는 항목의 존재 여부
• 30개 항목의 6개 영역 구분: 접근통제, 데이터 전송, 암호화·보관, 로그와 사고대응, 법규와 계약, AI 모델 자체 리스크 — 협력사 유형별 적용 범위 차등
• 항목당 0·1·2점 채점 후 60점 만점 기준 A~D 등급 판정, 정성적 지적이 아닌 재계약 여부 의사결정 근거로 전환
• AI기본법·개인정보보호법상 위탁 사고 책임의 상당 부분은 위탁자(원청) 귀속, NDA·DPA의 AI 특약 없이는 계약서만으로 면책 불가

협력사 AI 보안 점검표가 필요해지는 순간은 대개 비슷합니다. 벤더 선정은 꼼꼼히 했는데, 정작 그 벤더가 업무 중에 어떤 AI 도구를 쓰는지는 아무도 묻지 않았다는 걸 뒤늦게 깨달을 때입니다. 계약은 시작점일 뿐이고, 사고는 계약 이후의 운영 단계에서 납니다.

그래서 이 글은 선정과 계약이 아니라 ‘계약 이후’를 다룹니다. 규제산업 AI 도입 완벽 가이드: 금융·의료·제약 실무자를 위한 2026 로드맵이 도입 전체의 지도라면, 여기서는 협력사 관리라는 한 구역만 확대해서 봅니다.

이 글을 다 읽으면 협력사 유형에 맞는 점검표를 그대로 복사해 다음 주 점검 회의에 쓸 수 있습니다. 점수화 기준으로 등급을 판정하고, 미흡 항목의 조치 방향과 계약 특약 문구까지 직접 작성하게 됩니다.

근거는 두 갈래입니다. 하나는 개인정보보호위원회의 AI 개인정보보호 자율점검표와 ISO 27001·42001, NIST AI RMF의 항목 구조를 대조한 것이고, 다른 하나는 40곳 이상의 기업·기관에서 AI 교육을 하며 반복해서 들은 실무 질문입니다. 특히 규제 산업일수록 질문이 구체적이었습니다.

계약서에 사인했는데 왜 또 점검해야 하나요?

보안 조항까지 다 넣고 도장을 찍었으니 이제 됐다고 느끼죠. 그 안도감, 오래가지 않습니다.

계약서가 약속하는 건 계약 시점의 보안 수준입니다. 정작 사고는 6개월 뒤, 마감에 쫓긴 협력사 실무자가 우리 회사 자료를 개인 계정 ChatGPT나 Claude 창에 붙여넣는 순간부터 시작됩니다.

그 순간 우리 데이터는 계약서가 정의한 경로 밖으로 나갑니다. 로그도 남지 않고, 우리는 알 수도 없습니다.

협력사발 유출 경로는 대체로 넷 중 앞의 셋으로 수렴합니다. 우리가 승인하지 않은 재하청 인력이 데이터에 접근하는 경우, 회사 계정 대신 개인 AI 도구를 쓰는 섀도우 AI, 그리고 운영 데이터를 그대로 복제해 테스트 환경으로 빼내는 관행입니다.

세 경로 모두 계약서에 금지되어 있습니다. 금지 조항이 있다는 것과 지켜지는지 확인한다는 것은 다른 일입니다.

결재선에 앉아 있던 시절을 떠올리면, 체결된 계약서를 다시 펼쳐본 기억이 많지 않습니다. 검토는 서명 전에 몰리고, 서명 후에는 아무도 그 파일을 열지 않죠. 협력사 AI 보안 점검표가 필요한 이유가 정확히 거기 있습니다.

그래서 이 글은 선정과 계약 단계를 다루지 않습니다. 벤더를 어떻게 고르고 계약서에 무엇을 넣을지는 AI 솔루션 벤더 선정 기준에서 이미 정리했고, 전체 그림은 규제산업 AI 도입 가이드에 있습니다.

여기서 다루는 건 계약 이후의 운영 단계입니다. 제3자 리스크 관리와 AI 공급망 보안이 실제로 굴러가는지, 분기마다 무엇을 확인해야 하는지가 전부입니다.

협력사 AI 보안 점검표는 일반 IT 보안 점검표와 무엇이 다른가요?

이미 쓰던 협력사 보안 점검 양식이 있을 겁니다. 거기에 ‘AI 사용 여부’ 한 줄만 추가하면 될 것 같죠. 그 한 줄로는 아무것도 걸러지지 않습니다.

기존 점검표가 놓치는 3가지 축

일반 IT 보안 점검표는 계정, 망 분리, 서버, 단말을 봅니다. 자산이 어디 있고 누가 접근하느냐의 문제죠.

AI 점검표의 축은 데이터 흐름입니다. 프롬프트로 무엇이 나가고, 그게 학습에 쓰이고, 로그로 어디까지 남느냐를 봅니다.

그래서 세 축이 새로 붙습니다. 첫째는 데이터 외부 전송 경로입니다. LLM API를 타고 나가는 항목이 무엇인지, 목록으로 존재하는지가 핵심입니다.

둘째는 모델 학습 재활용 여부입니다. 같은 서비스라도 요금제와 설정에 따라 입력값이 학습에 쓰일 수도, 안 쓰일 수도 있습니다.

셋째는 프롬프트 인젝션처럼 AI에만 있는 취약점입니다. 외부 문서를 읽는 에이전트라면, 그 문서가 곧 공격 벡터가 됩니다.

한 제약사 사업부 교육을 맡았을 때 요청사항 첫 줄이 이랬습니다. ‘민감정보를 AI에 넣지 말라는 당부로 시작해달라’는 것. 이미 부서용 AI 앱까지 만들어 쓰는 조직이었는데도 그랬습니다. 데이터 전송 통제는 성숙도가 높을수록 더 신경 쓰는 영역입니다.

협력사 유형별로 점검 강도가 달라지는 이유

모든 협력사에 같은 30항목을 같은 무게로 물으면 현장이 지칩니다. 유형에 따라 위험의 무게중심이 다릅니다.

협력사 유형	위험 무게중심	우선 점검 영역
SaaS형 AI 벤더	전송 — 우리 데이터가 벤더 인프라와 하위 모델로 흘러감	데이터 전송, AI 모델 리스크
데이터 처리 위탁사	보관 — 원본을 직접 저장·가공함	암호화·보관, 법규·계약
컨설팅·개발 외주사	인력 — 사람이 계정과 파일을 들고 움직임	접근 권한, 로그·사고대응

AI 외주 보안 체크리스트를 설계할 때 이 분기가 먼저입니다. 내부 데이터 등급 체계가 아직 없다면 AI 데이터 거버넌스 구축 쪽을 먼저 손보는 편이 순서상 맞습니다.

바로 쓰는 협력사 AI 보안 점검표 30항목

점검표는 많이 봤는데 막상 협력사에 보낼 문서가 없죠. 아래를 그대로 복사해 쓰면 됩니다.

각 항목 뒤에 받아야 할 증빙을 붙였습니다. 답변만 받으면 전부 ‘예’로 돌아옵니다. 증빙을 요구하는 순간 진짜 상태가 드러납니다.

영역 1~3: 접근 권한·데이터 전송·암호화와 보관(15항목)

• ☐ 1. 최소 권한 원칙에 따른 권한 매트릭스 존재 — 증빙: 권한 부여 대장
• ☐ 2. 우리 데이터 접근 계정과 협력사 내부 계정 분리 — 증빙: 계정 목록
• ☐ 3. 퇴사·전환 인력 계정 회수 기한 명시와 이행 — 증빙: 최근 3개월 회수 이력
• ☐ 4. 재하청 인력 명단과 사전 동의 절차 — 증빙: 재위탁 승인 공문
• ☐ 5. 관리자·원격 접속 계정 MFA 적용 — 증빙: 콘솔 설정 화면
• ☐ 6. LLM API로 전송되는 데이터 항목 목록화 — 증빙: 데이터 흐름도
• ☐ 7. 개인정보·영업비밀 데이터 마스킹 및 비식별 규칙 — 증빙: 규칙서와 처리 전후 샘플
• ☐ 8. 프라이빗 엔드포인트 또는 온프레미스 구성 여부 — 증빙: 아키텍처 구성도
• ☐ 9. 입력값 학습 재활용 opt-out 설정 — 증빙: 설정 화면, 해당 약관 조항
• ☐ 10. 개인 계정 ChatGPT·Claude 업무 사용 금지 등 섀도우 AI 차단 정책 — 증빙: 사내 규정, 차단 정책 캡처
• ☐ 11. 전송 구간·저장 데이터 암호화 적용 — 증빙: 암호화 정책서
• ☐ 12. 보관 기간 만료 후 파기 절차 — 증빙: 파기 확인서
• ☐ 13. 백업·로그 저장 리전과 해외 이전 여부 — 증빙: 리전 설정, 국외이전 고지문
• ☐ 14. 테스트·개발 환경으로의 운영 데이터 반출 통제 — 증빙: 테스트 데이터 생성 절차서
• ☐ 15. 협력사 단말 반출 통제(DLP) 및 예외 승인 — 증빙: DLP 정책, 예외 승인 이력

영역 4~6: 로그와 사고대응·법규와 계약·AI 모델 리스크(15항목)

• ☐ 16. 감사 로그 보존 기간 최소 1년 — 증빙: 로그 보존 정책
• ☐ 17. 프롬프트·응답 로그 접근 권한자 명단 관리 — 증빙: 권한자 목록
• ☐ 18. 침해 사고 인지 후 통지 시한 규정 — 증빙: 계약 조항, 비상연락망
• ☐ 19. 정기 취약점 진단과 모의해킹 주기 — 증빙: 최근 진단 보고서 요약본
• ☐ 20. 프롬프트 인젝션·CVE 보고 체계 — 증빙: 취약점 보고 절차서
• ☐ 21. 개인정보보호법상 위탁 고지 및 위탁 문서 — 증빙: 위탁 계약서, 홈페이지 고지 화면
• ☐ 22. AI기본법 대응 현황(고영향 여부 판단, 표시 의무) — 증빙: 판단 근거 문서
• ☐ 23. DPA·NDA에 AI 특약 반영 — 증빙: 해당 조항 사본
• ☐ 24. ISO 27001·ISMS-P·ISO 42001 인증 현황과 적용 범위 — 증빙: 인증서와 Scope 명세
• ☐ 25. 재위탁 사전 동의 조항과 실제 이행 상태 — 증빙: 재위탁 현황표
• ☐ 26. 사용 모델·버전 고지와 변경 시 통보 절차 — 증빙: 모델 목록, 변경 이력
• ☐ 27. 산출물 출처 검증 및 할루시네이션 점검 절차 — 증빙: 검토 기록 샘플
• ☐ 28. 자동화 처리에서 사람이 개입하는 지점 명시 — 증빙: 업무 흐름도
• ☐ 29. 편향·오작동 모니터링 지표와 주기 — 증빙: 모니터링 리포트
• ☐ 30. AI 산출물의 지식재산권과 책임 귀속 — 증빙: 계약 조항

24번에서 ISO 27001 인증서만 받고 넘어가는 경우가 많습니다. 인증서보다 중요한 건 적용 범위입니다. 우리 업무를 수행하는 조직과 시스템이 그 범위 안에 있는지를 봐야 합니다.

19번은 협력사 자체 점검 결과로 받으면 의미가 옅어집니다. SK쉴더스 EQST 같은 외부 전문 조직의 진단 보고서를 요구하는 편이 낫고, 기업 정보보안 점검 항목과 대조해보면 누락이 눈에 들어옵니다.

21번과 22번은 국내 법규 축입니다. 개인정보보호위원회가 배포한 AI 개인정보보호 자율점검표를 협력사에 함께 보내면 설명할 일이 줄어듭니다.

30항목이 많게 느껴진다면, 유형별로 우선 영역 두 개만 먼저 돌려도 됩니다. 사내 승인 절차와 묶어 운영하려는 경우엔 AI 도입 컴플라이언스 검토의 40항목 체크리스트와 번호를 맞춰두면 중복 질의가 사라집니다.

우리 협력사는 어떤 유형인가요? 유형별로 골라 쓰는 분기 점검표

30항목을 한 번에 들이밀면 협력사가 먼저 지칩니다. 그 걱정은 타당합니다.

점검표는 전부 채우는 문서가 아니라 유형별로 잘라 쓰는 문서입니다. 협력사 AI 사용 관리의 출발점은 “이 회사가 우리 데이터를 어디에 두는가”를 한 문장으로 정리하는 일입니다.

SaaS형 AI 벤더: 데이터 전송과 학습 재활용이 핵심

SaaS형 벤더는 데이터가 밖으로 나갑니다. 그래서 리전, 하위처리자(subprocessor) 목록, 테넌트 격리, 모델 업데이트 공지 체계가 필수 항목이 됩니다.

특히 모델 업데이트 공지는 자주 빠집니다. 어제까지 미국 리전에 없던 기능이 오늘 붙어 데이터 경로가 바뀌어도, 통지 조항이 없으면 알 방법이 없습니다.

데이터 처리 위탁사·컨설팅 외주사: 인력과 반출 통제가 핵심

위탁사는 보관이 문제고, 외주사는 사람이 문제입니다. 위탁사에는 개인정보 위탁 고지와 DPA, 파기 증명서, 접근 로그 제출 주기를 요구합니다.

컨설팅·개발 외주사는 상주 인력이 개인 계정 ChatGPT에 코드를 붙여넣는 순간이 실제 위험입니다. 보안 서약서와 프로젝트 종료 후 데이터 회수 확인서가 여기서 무게를 갖습니다.

점검 영역	SaaS형 AI 벤더	데이터 처리 위탁사	컨설팅·개발 외주사
데이터 전송·학습 재활용	필수(리전·학습 opt-out·테넌트 격리)	필수(전송 경로 목록화)	필수(개인 계정 AI 도구 사용 금지)
접근통제·인력	선택(관리자 계정 MFA만)	필수(계정 분리·퇴사자 회수)	필수(상주 인력 명단·보안 서약서)
보관·파기	필수(백업 리전·보관 기간)	필수(파기 증명서)	필수(종료 후 코드·문서 회수)
로그·사고대응	필수(침해 통지 시한·프롬프트 로그 권한)	필수(접근 로그 제출 주기)	선택(반출 로그 표본 점검)
계약·인증	필수(하위처리자 목록·ISO 인증)	필수(위탁계약 보안 조항·DPA)	선택(NDA AI 특약)

재하청이 발생하면 범위는 자동으로 넓어집니다. 2차 협력사가 우리 데이터에 직접 접근하면, 그 회사에도 동일 유형의 필수 항목을 그대로 적용하는 편이 안전합니다.

사전 동의 없이 재위탁이 일어났다면 그 자체가 벤더 리스크 평가의 감점 사유입니다. 계약 단계의 기준은 AI 솔루션 벤더 선정 기준에서 따로 다뤘습니다.

여기까지 읽고 “우리 조직은 지금 어느 단계지?”가 궁금하다면 — 17문항 5분 정밀 진단으로 AMI 점수, 8차원 중 어디가 병목인지, 90일 로드맵이 담긴 리포트가 바로 메일로 옵니다. 품의서에 그대로 첨부할 수 있는 형식입니다. 무료 진단 시작하기 →

점검 결과를 어떻게 판정하죠? 60점 만점 위험도 점수표

점검표를 돌리고 나면 늘 같은 질문이 남습니다. “그래서 이 협력사는 괜찮은 건가요?”

표시만 해두면 판단이 사람마다 갈립니다. 점수로 바꿔야 재계약 회의에서 쓸 수 있는 언어가 됩니다.

항목별 0·1·2점 배점 기준

배점은 단순합니다. 미흡 0점, 부분 충족 1점, 증빙 문서까지 확인되면 2점입니다. 30항목이니 총점은 60점입니다.

여기에 치명 항목 5개를 따로 둡니다. 학습 데이터 재활용 opt-out, 퇴사자 계정 회수, 침해 통지 시한, 재위탁 사전 동의, 개인 계정 AI 도구 차단입니다.

이 다섯 중 하나라도 0점이면 총점과 무관하게 D등급으로 내립니다. 55점을 받아도 예외는 없습니다.

A~D 등급과 등급별 조치 시나리오

등급	점수	조치	기한·재점검
A	54점 이상	정상 운영	연 1회 정기 점검
B	42~53점	개선 권고 통지	6개월 후 재점검
C	30~41점	시정 요구	30일 내 시정계획서, 90일 내 재점검
D	29점 이하 또는 치명 항목 0점	신규 데이터 제공 중단	시정 확인 전까지 연동 보류

결재하는 쪽에 앉아 품의서를 승인하고 반려해본 입장에서 말하면, 임원이 보는 건 문장이 아니라 숫자의 변화입니다. 작년 38점이 올해 49점이면 그 협력사는 관리되고 있다는 뜻입니다.

그래서 점수 이력은 연 단위로 쌓아두는 편이 좋습니다. 제3자 리스크 관리는 한 번의 진단이 아니라 추이로 증명됩니다.

점검 항목을 우리 회사 기준으로 다시 짜야 한다면 고영향 AI 리스크 평가의 30분 자가진단 체크리스트가 배점 설계에 그대로 쓰입니다.

협력사가 사고를 내면 우리 회사도 책임지나요? 법규 매핑표로 확인하기

가장 많이 듣는 질문입니다. 답은 아쉽게도 “대체로 같이 집니다”입니다.

개인정보보호법은 위탁자에게 수탁자 관리·감독 의무를 둡니다. 사고가 나면 수탁자의 과실이어도 위탁자의 감독 부실이 함께 판단됩니다.

개인정보보호법·AI기본법·ISO 27001/42001 대조표

점검 영역	국내 법규	표준·프레임워크
위탁·재위탁 통제	개인정보보호법(위탁 고지·관리감독), ISMS-P 인증 기준	ISO 27001 공급자 관계, GDPR 제28조 DPA
데이터 전송·학습 재활용	개인정보보호법(국외 이전·목적 외 이용)	GDPR 국외 이전, NIST AI RMF Map
고영향 AI 고지·설명	AI기본법(고영향 AI 의무·투명성)	ISO 42001 AI 경영시스템, NIST AI RMF Govern
로그·사고 통지	개인정보보호법(유출 통지·신고)	ISO 27001 사고관리, NIST AI RMF Manage
AI 특화 위험관리	AI기본법(위험관리 방안 마련)	ISO 42001 AI 영향평가

위탁 사고 시 책임 소재와 면책의 한계

AI기본법도 구조가 비슷합니다. 고영향 AI에 해당하는 서비스를 협력사에 맡겨도, 이용자에게 고지하고 위험을 관리할 의무는 우리 회사에 남습니다.

“계약서에 다 써뒀다”가 면책이 되지 않는 이유가 여기 있습니다. 필요한 건 조항이 아니라 감독했다는 기록, 즉 점검 일자와 증빙이 붙은 점검표입니다.

한 제약사 사업부 강의는 요청부터 결이 달랐습니다. 민감정보를 AI에 입력하지 말라는 당부로 시작해달라는 것이었습니다. 규제 산업일수록 요청이 구체적인데, 그 구체성은 대개 감사에서 무엇을 요구받았는지에서 나옵니다.

ISO 42001은 ISO 27001의 확장판이 아닙니다. 27001이 정보의 기밀성과 무결성을 다룬다면, 42001은 모델의 편향·설명가능성·AI 영향평가까지 경영시스템으로 관리합니다.

공공 기준을 바로 확인하려면 개인정보보호위원회의 인공지능 개인정보보호 자율점검표가 가장 가까운 근거 문서입니다. AI기본법 쪽 준비 순서는 AI 기본법 기업 대응 글에 단계별로 정리해뒀고, 위탁 데이터의 흐름 자체를 다시 설계해야 한다면 AI 데이터 거버넌스 구축이 이어지는 다음 문서입니다.

NDA와 위탁계약에 넣을 AI 특약, 어떤 문장으로 쓰나요?

점검표를 돌려서 C등급이 나왔다고 칩시다. 그다음이 막막합니다.

점검 결과는 계약 문서에 얹히지 않으면 그냥 메모로 남습니다. 협력사가 바뀌어야 할 이유가 문서에 없기 때문입니다.

그래서 점검표와 계약서는 한 쌍으로 움직입니다. 점검 항목이 계약 조항의 근거가 되고, 계약 조항이 다음 점검의 기준이 됩니다.

바로 쓰는 AI 특약 샘플 조항 5개

아래 문구는 기존 NDA나 DPA(개인정보 처리 위탁계약) 뒤에 붙이는 형태로 씁니다. 사내 법무 검토를 거치는 것을 전제로, 항목 구조만 참고하면 됩니다.

1. 생성형 AI 입력 금지 데이터 범위 — “수탁자는 위탁자로부터 제공받은 개인정보, 미공개 재무정보, 임상·환자 관련 자료를 외부 생성형 AI 서비스에 입력할 수 없다.” 금지 대상을 열거하지 않으면 현장에서 ‘이건 되는 줄 알았다’가 나옵니다.
2. 학습 데이터 재활용 금지 및 opt-out 확인 의무 — “수탁자가 사용하는 LLM API는 입력 데이터의 모델 학습 재사용을 차단하는 설정을 적용하고, 위탁자 요구 시 설정 화면 또는 벤더 확인서를 제출한다.” 설정은 계정 단위라 사람이 바뀌면 풀립니다.
3. 재위탁·하위처리자 사전 서면 동의 — “수탁자는 재하청 인력 및 하위처리자 투입 시 명단과 업무 범위를 사전에 서면으로 통지하고 동의를 받는다.” 협력사발 유출의 다수가 우리가 모르는 2차 협력사에서 시작됩니다.
4. 보안사고 통지 시한과 로그 제출 의무 — “수탁자는 인지 후 24시간 내 통지하고, 요청일로부터 5영업일 내 관련 감사 로그와 프롬프트 로그를 제출한다.” 시한이 없으면 통지는 늘 사후에 옵니다.
5. 점검 수용 의무와 계약 해지권 — “위탁자는 반기 1회 보안 점검을 실시할 수 있으며, 시정 요구 후 30일 내 미이행 시 계약을 해지할 수 있다.” 개인정보보호법상 관리·감독 의무를 증빙하는 근거가 여기서 나옵니다.

기존 계약에 추가할 때의 순서

이미 진행 중인 계약이 대부분일 겁니다. 본계약을 다시 열 필요는 없습니다.

부속합의서 한 장을 추가하고, 상주·투입 인력의 보안 서약서를 AI 조항이 들어간 버전으로 갱신하는 순서가 현실적입니다. 구매팀 정기 계약 갱신 시점에 맞추면 마찰이 줄어듭니다.

협력사가 조항을 거부하는 경우도 있습니다. 그때는 계약을 깨는 대신 제공 데이터의 범위를 줄이거나, 작업 구간을 우리 쪽 망 안으로 옮기는 선택지가 남습니다. 조항과 데이터 범위는 맞바꿀 수 있는 카드입니다. 계약 단계에서 확인할 항목은 AI 솔루션 벤더 선정 기준에 정리해두었습니다.

이런 신호가 보이면 즉시 점검하세요: 협력사발 AI 유출 red flag

정기 점검은 반기에 한 번입니다. 사고는 그 사이에 납니다.

그래서 점검표만큼 중요한 게 ‘점검 사이의 눈’입니다. 아래 신호가 보이면 주기와 무관하게 수시 점검을 겁니다.

실제 사고 유형 기반 red flag 8가지

• 산출물에 개인 계정 AI 도구 사용 흔적이 보인다 — 문서 메타데이터, 특정 서비스 고유의 문체·서식
• 산출물 품질이 갑자기 급변했다 — 담당자 교체나 무통보 재하청 신호
• 재하청 인력 명단을 요청했는데 두 번 이상 미제출
• 감사 로그 제출이 지연되거나, 기간이 잘려서 온다
• 보안 담당자가 공석이거나 연락 창구가 영업 담당자 한 명뿐
• 원본 데이터를 개인 PC로 내려받은 기록이 있다
• 데이터 보관 리전이 바뀌었는데 고지가 없었다
• 벤더가 모델이나 엔진을 교체했는데 통보가 없었다

섀도우 AI는 생각보다 단순한 방법으로 잡힙니다. 사내 네트워크 도메인 로그에서 AI 서비스 접속 기록을 보고, 산출물 메타데이터를 확인하고, 자진 신고 창구를 열어두는 것. 처벌보다 신고가 쉬운 구조가 탐지율을 올립니다.

분기·연간 점검 운영 루틴 설계

주기는 셋으로 충분합니다. 신규 계약 시 1회, 반기 정기 1회, 변경·사고 발생 시 수시.

실행 주체는 나눠야 굴러갑니다. 보안팀이 점검 실행(R), 구매팀이 계약 반영(A), HRD가 교육 연계(C), 현업 팀장이 통보 대상(I)입니다. 기록은 점검표 원본과 증빙 자료를 한 폴더에 묶어 3년 보관하면 감사 대응이 수월해집니다.

한 제약사 사업부 교육에서는 강의 시작을 ‘민감정보를 AI에 입력하지 말라’는 당부로 열어달라는 요청을 받았습니다. 이미 부서용 앱까지 만들어 쓰는 조직이었는데도 그랬습니다. 점검에서 나온 red flag를 사내 교육 사례로 바꿔 쓰면, 협력사 관리가 우리 직원 교육으로 되돌아옵니다.

점검 결과를 교육 콘텐츠로 재활용하는 설계는 규제산업 AI 사내교육 설계에서, 부서 간 역할 분담은 AI 도입 컴플라이언스 검토 절차와 함께 보면 겹치는 일을 줄일 수 있습니다. 협력사 점검이 실효를 가지려면 우리 조직의 기준선부터 서 있어야 하는데, 그 수준을 가늠하기 어렵다면 AI 데이터 거버넌스 구축의 자가진단표가 출발점이 됩니다.

협력사 점검 항목의 기본 뼈대는 SK쉴더스가 정리한 기업 정보보안 체크리스트와도 상당 부분 겹칩니다. AI 고유 항목만 얹는다고 생각하면 부담이 줄어듭니다.

자주 묻는 질문

협력사가 몰래 AI 도구를 쓰는지 어떻게 확인하나요?

세 가지를 겹쳐서 봅니다. 네트워크 도메인 로그에서 생성형 AI 서비스 접속 기록을 확인하고, 납품 산출물의 메타데이터·문체 변화를 점검하고, 계약에 ‘사용 AI 도구 사전 신고 의무’를 넣는 방식입니다. 기술적 탐지만으로는 개인 휴대폰이나 사외망 사용을 잡지 못합니다. 그래서 불이익 없는 자진 신고 창구가 실질적으로 가장 많이 걸러냅니다. 적발보다 신고가 싸다는 신호를 먼저 주는 편이 결과가 낫습니다.

협력사가 ISO 27001 인증을 받았으면 AI 보안도 안전한가요?

아닙니다. ISO 27001은 정보보안 경영체계의 운영 여부를 인증하는 규격이라, 프롬프트에 어떤 데이터가 들어가는지, 그 입력이 모델 학습에 재활용되는지, 프롬프트 인젝션에 어떻게 대응하는지는 인증 범위 밖입니다. AI 고유 리스크를 보려면 ISO 42001 취득 여부나 내부 AI 관리 절차를 별도로 확인해야 합니다. ISMS-P 역시 개인정보 흐름 중심이라 모델 리스크를 대신 보증하지 않습니다. 인증서는 출발점이지 결론이 아닙니다.

협력사 AI 보안 점검은 얼마나 자주 해야 하나요?

계약 개시 시 1회, 이후 반기 정기, 변경·사고 발생 시 수시가 기본선입니다. 재하청 인력이 새로 투입되거나 협력사가 쓰는 LLM API·모델 버전이 바뀌면 정기 주기와 무관하게 점검을 돌립니다. 등급별로는 차등을 둡니다. A등급은 연 1회로 줄여도 무리가 없고, C등급 이하는 시정 후 30일 내 재점검이 필요합니다. 모든 협력사를 같은 주기로 보면 담당자가 먼저 지칩니다.

점검 결과 협력사가 기준을 충족하지 못하면 어떻게 조치하나요?

한 번에 계약을 끊는 대신 네 단계로 압력을 올립니다. 시정계획서 요구, 신규 데이터 제공 범위 축소, 신규 업무 배정 중단, 계약 해지 순입니다. 중요한 건 각 단계마다 기한을 못 박는 것입니다. ‘조속히’가 아니라 ’30일 내 제출, 미제출 시 자동으로 다음 단계’라고 적어야 실무가 움직입니다. 조치 이력은 그대로 남겨두면 다음 점검의 비교 기준이 되고, 감사 때 관리·감독 증빙으로도 쓰입니다.

AI기본법상 협력사의 AI 활용으로 발생한 사고, 원청 회사도 책임지나요?

상당 부분 남습니다. 개인정보보호법은 위탁자에게 수탁자에 대한 관리·감독 의무를 지우고, AI기본법상 고영향 AI 관련 의무도 업무를 맡겼다는 이유로 사라지지 않습니다. ‘계약서에 썼다’는 방어는 약합니다. 실제로 힘을 갖는 건 점검을 언제 했고 무엇을 지적했으며 협력사가 어떻게 시정했는지가 남은 기록입니다. 자세한 의무 구조는 AI 기본법 기업 대응 정리에서 함께 확인할 수 있습니다.

마무리

점검표를 다 읽고 나면 보통 같은 생각이 듭니다. 우리 회사에 이걸 돌릴 사람이 있나.

• 계약서 조항이 아니라 점검 기록이 실제 방어선
• 협력사 유형별로 무게중심이 다른 분기 점검
• 등급과 기한이 붙어야 움직이는 시정 절차

지금 당장 할 수 있는 건 하나입니다. 데이터를 가장 많이 넘기는 협력사 한 곳을 골라, 30항목 중 치명 항목 5개만 먼저 물어보는 것.

다섯 개면 메일 한 통 분량입니다. 전수 점검은 그다음에 해도 늦지 않습니다.

그런데 여기서 대개 막힙니다. 점검은 보안팀 일인데, 협력사와 매일 붙어 있는 건 현업이고, 예산과 인력을 쥔 건 또 다른 부서입니다. 결재하는 쪽에 앉아 있어 보니, 이런 건의는 ‘누가 하느냐’가 비면 대부분 다음 분기로 넘어갑니다.

그래서 점검표보다 먼저 필요한 게 품의서인 경우가 많습니다. 협력사 관리와 사내 AI 교육을 묶어 올리는 흐름은 규제산업 AI 사내교육 설계 쪽에 정리해두었고, 벤더를 새로 고르는 단계라면 AI 솔루션 벤더 선정 기준이 앞단을 맡습니다.

이미 한 번 반려당한 상태라면 빈 양식보다 채워진 문서가 빠릅니다. 가상 기업 ‘한결식품’ 시나리오로 전 칸을 채운 품의서 완성 예시본과, ‘보안은?’ ‘내년에 하자’ 같은 반려 사유 5가지별 재상신 문구가 그대로 들어 있습니다. 협력사 위험도 배점표는 이 글에 두고, 결재선에서 쓸 문장은 파일에서 가져가는 식으로 나눠 쓰면 됩니다.

AI 교육 도입 서류 3종 무료로 받기 — 전 칸을 채운 품의서 완성 예시본과 반려 사유 5가지별 재상신 문구 포함 (편집용 DOCX)

협력사 점검은 더 큰 그림의 한 조각입니다. 도입 순서 전체가 궁금하다면 규제산업 AI 도입 완벽 가이드: 금융·의료·제약 실무자를 위한 2026 로드맵에서 이어서 보면 됩니다.

이 내용을 우리 회사 상황에 맞춰 이야기하고 싶다면 — 문의를 남겨 주세요. 24시간 안에 대표가 직접 답하고, 문의하신 분께는 전자책 《우리 회사 AI는 왜 2단계에서 멈췄을까》를 무료로 드립니다. 먼저 보고 결정하고 싶다면 다음 무료 라이브 특강을 예약해 두세요. 날짜가 잡히면 가장 먼저 알려드립니다.