Google AI 생태계의 데이터 개인정보 보호와 보안: NotebookLM Enterprise와 Antigravity의 보안 격리 메커니즘

“핵심 제품의 기술 문서를 그 AI 도구에 업로드해 분석해도 될까요?”

회의실에서 CTO가 보안 책임자를 돌아봤습니다. 보안 책임자는 안경을 고쳐 쓰고 3초간 침묵한 뒤 말했습니다. “그들의 데이터 처리 계약을 확인해야 합니다.”

기업 AI 컨설팅 현장에서 수없이 마주치는 장면입니다. CTO는 AI가 가져올 효율 향상의 기회를 보고, CISO는 데이터 유출 위험을 봅니다. 양쪽 모두 일리가 있고, 모두가 하나의 답을 기다립니다.

이 질문에는 정답이 없습니다. 하지만 Google이 NotebookLM Enterprise와 Antigravity에 적용한 보안 메커니즘을 제대로 이해하면 최소한 더 많은 정보를 바탕으로 결정을 내릴 수 있습니다.

이 글은 AI를 도입하면서도 보안의 마지노선을 지켜야 하는 기업 의사결정자를 위한 글입니다. NotebookLM이 데이터를 어떻게 처리하는지, Antigravity의 로컬-클라우드 아키텍처는 어떻게 구성되는지, VPC-SC 같은 도구가 API 호출을 어떻게 보호하는지 살펴봅니다.

홍보 문구 없이 기술적 사실과 컴플라이언스 고려 사항만 다룹니다.

NotebookLM Enterprise: 데이터가 경계를 벗어나지 않는다는 약속

먼저 Google의 기업용 지식 관리 AI 도구인 NotebookLM부터 살펴보겠습니다.

핵심 질문은 이렇습니다. 내가 업로드한 문서를 Google이 모델 학습에 사용할까요? 사람이 검토할까요? 다른 사용자에게 유출될 가능성은 없을까요?

공식 약속(Workspace Enterprise 버전)

Google Workspace Admin Help 문서에 따르면 Enterprise 사용자에게는 다음과 같은 정책이 적용됩니다.

• 모델 학습에 사용하지 않음: 업로드한 콘텐츠, 쿼리, 모델 응답은 생성형 AI 모델 학습에 사용되지 않습니다.
• 사람의 검토 없음: 사람 검토자가 내용을 확인하지 않습니다.
• 엔터프라이즈급 데이터 보호: NotebookLM은 2025년 2월 Google Workspace의 핵심 서비스가 되었으며 Workspace의 엔터프라이즈급 데이터 보호 약관을 적용받습니다.

이는 개인용 버전과 본질적으로 다릅니다. 개인용 버전 약관에는 피드백을 제공할 경우 “사람 검토자가 쿼리, 업로드 콘텐츠, 모델 응답을 검토할 수 있다”고 적혀 있습니다. 기업에는 받아들이기 어려운 위험입니다.

데이터 저장 위치

Bay Tech Consulting의 분석에 따르면 NotebookLM Enterprise의 데이터는 Google Workspace 인프라에 저장되며 고객과 체결한 계약 조건을 따릅니다. 즉, 데이터 레지던시와 컴플라이언스는 Workspace의 엔터프라이즈 계약으로 보장됩니다.

Railway - 현대적인 배포 플랫폼, 번거로운 운영 없이 몇 분 만에 라이브

지금 시작 →광고

데이터 보존

• 쿼리는 저장되지 않습니다.
• 업로드한 자료, 저장한 메모, 오디오 개요는 사용자가 직접 삭제할 때까지 저장됩니다.
• 삭제 후에는 Google Workspace의 표준 삭제 절차를 따릅니다.

실질적인 의미

금융, 의료, 법률 같은 민감한 산업에서도 내부 문서를 비교적 안심하고 NotebookLM에 맡길 수 있다는 뜻입니다. 단, 개인용 버전이 아니라 Workspace Enterprise 버전을 사용해야 합니다.

하지만 “비교적 안심할 수 있다”는 말이 “절대적으로 안전하다”는 뜻은 아닙니다. Google은 법적 요구, 보안 필요, 서비스 품질 개선을 이유로 여전히 데이터에 접근할 수 있으며, 다만 이러한 접근은 엄격하게 통제되고 감사됩니다.

Gemini API의 데이터 거버넌스

NotebookLM은 내부적으로 Gemini 모델을 호출합니다. 위험을 평가하려면 Gemini API의 데이터 처리 방식을 이해하는 것이 중요합니다.

데이터 사용의 세 단계

1. 소비자용(Consumer):

• 보안, 모니터링, QA, 악용 방지를 위해 데이터가 기록되고 저장될 수 있습니다.
• 사람의 검토가 이루어질 수 있습니다.
• 서비스 개선에 데이터가 사용될 수 있습니다.

2. Workspace 버전:

• Workspace 데이터 처리 계약을 따릅니다.
• 모델 학습에 사용하지 않습니다.
• 사람의 검토는 악용 조사 같은 특정 상황에서만 이루어집니다.

3. Enterprise 버전(Gemini Enterprise/Cloud):

• 가장 엄격한 데이터 격리를 제공합니다.
• 데이터 레지던시(Data Residency)를 보장합니다.
• 고객 관리 암호화 키(CMEK)를 지원합니다.
• VPC Service Controls를 지원합니다.

GDPR 컴플라이언스

Gemini는 유럽 사용자를 위해 리전별 데이터 레지던시를 보장합니다. 저장 상태의 데이터는 지정된 리전에 위치해 GDPR 요건을 충족합니다. 다만 모델 추론 과정에는 리전 간 호출이 필요할 수 있으며, 이는 현재의 기술적 제약입니다.

핵심 권장 사항

기업에 엄격한 컴플라이언스 요건이 있다면 무료 소비자용 버전을 상업적 용도로 사용하지 마십시오. 최소한 Workspace Enterprise를 사용하고, 가능하면 Gemini Enterprise Cloud 버전을 사용하는 것이 좋습니다.

Antigravity의 로컬-클라우드 아키텍처

Antigravity는 Google의 Agent-First IDE로, 보안 아키텍처가 NotebookLM과 다소 다릅니다.

실행 모델

Google Codelabs의 설명에 따르면 Antigravity는 하이브리드 아키텍처를 사용합니다.

• 로컬 실행: 코드 편집, 파일 작업, 로컬 스크립트는 사용자 컴퓨터에서 실행됩니다.
• 클라우드 추론: AI 모델 호출(Gemini 3)은 Google 서버로 전송되어 처리됩니다.
• 선택적 자체 호스팅: Enterprise 버전은 일부 구성 요소를 VPC 내에서 실행할 수 있습니다.

이것이 의미하는 것

사용자가 Agent에 클라우드 모델이 필요한 작업을 명시적으로 요청하지 않는 한, 소스 코드는 기본적으로 클라우드에 전송되지 않습니다. 예를 들면 다음과 같습니다.

• 로컬 코드 자동 완성? 로컬에서 처리합니다.
• Gemini 3를 호출해 코드 생성? 클라우드로 전송합니다.
• Agent에 전체 코드베이스 분석 요청? 일부 메타데이터를 업로드해야 할 수 있습니다.

코드 보안 전략

기업에서 Antigravity를 사용할 때는 다음 전략을 권장합니다.

1. 민감한 코드 저장소 격리: 핵심 알고리즘과 키 관리 코드를 Antigravity가 관리하는 프로젝트에 넣지 않습니다.
2. 네트워크 격리: VPC-SC(뒤에서 자세히 설명)를 사용해 Agent가 접근할 수 있는 외부 서비스를 제한합니다.
3. 감사 로그: 작업 로그를 활성화해 Agent가 수행한 작업과 호출한 API를 기록합니다.

엔터프라이즈 배포 아키텍처

Augment Code의 분석에 따르면 Antigravity Enterprise는 Cloud Run 아키텍처를 지원하며 다음 서비스와 연동됩니다.

• 저장소 콘텐츠용 Cloud Storage
• 코드 메타데이터와 검색용 BigQuery
• 엔터프라이즈 보안을 위한 VPC Service Controls 및 IAM 통합

이 아키텍처를 사용하면 기업은 Antigravity의 일부 구성 요소를 프라이빗 클라우드 환경에서 실행하면서 클라우드 AI 기능을 유지할 수 있습니다.

VPC Service Controls: 보안 경계 구축

VPC Service Controls(VPC-SC)는 데이터 보안 경계를 구축하기 위해 Google Cloud가 제공하는 보안 기능입니다.

Vultr - 고성능 NVMe 클라우드 서버, 전 세계 32개 노드, Docker 원클릭 배포

요금 보기 →광고

핵심 개념

VPC-SC를 사용하면 “서비스 경계”(Service Perimeter)를 정의할 수 있습니다. 이 경계 안에서는 다음 규칙이 적용됩니다.

• 데이터가 자유롭게 이동할 수 있습니다.
• 외부 접근은 차단되거나 엄격하게 감사됩니다.
• Google 내부 서비스도 경계 규칙을 준수해야 합니다.

AI 워크로드에서의 활용

Gemini, NotebookLM, Antigravity를 사용하는 기업은 VPC-SC로 다음을 구현할 수 있습니다.

1. 데이터 유출 방지: 코드와 문서가 개인 Google 계정으로 실수로 동기화되지 않도록 합니다.
2. API 호출 제한: 특정 VPC에서만 Gemini API를 호출하도록 허용합니다.
3. 모든 접근 감사: 누가 언제 어떤 방식으로 AI 서비스에 접근했는지 기록합니다.

구성 예시

# 간소화한 VPC-SC 구성 개념
title: "AI Services Perimeter"
resources:
  - projects/my-enterprise-project
restrictedServices:
  - gemini.googleapis.com
  - notebooklm.googleapis.com
  - storage.googleapis.com
ingressRules:
  - from:
      identities:
        - serviceAccount:[email protected]
    to:
      operations:
        - "*"

실제 배포 권장 사항

InfoQ의 실무 보고에 따르면 기업 규모로 VPC-SC를 배포할 때는 다음이 필요합니다.

1. 단계적 구현: 먼저 테스트 환경에서 검증한 뒤 프로덕션으로 확장합니다.
2. 서비스 매핑: 의존하는 모든 Google 서비스를 파악해 예기치 않은 차단을 방지합니다.
3. 긴급 우회(Break-glass) 전략: 비상 상황에 대비한 우회 메커니즘을 마련합니다.
4. 지속적인 모니터링: VPC-SC 로그를 SIEM과 통합해 이상 징후를 실시간으로 경고합니다.

기업의 AI 도입을 위한 컴플라이언스 체크리스트

지금까지 여러 내용을 살펴봤습니다. 그렇다면 실제로 AI 도구가 기업에 적합한지 어떻게 평가해야 할까요?

데이터 분류 평가

먼저 AI에 입력할 데이터를 분류합니다.

• 공개 데이터: 제품 공식 웹사이트 콘텐츠, 이미 공개된 문서 — 위험도 낮음
• 내부 데이터: 기술 문서, 프로젝트 계획 — 위험도 중간, 서비스 약관 확인 필요
• 민감 데이터: 고객 정보, 재무 데이터, 핵심 알고리즘 — 위험도 높음, 추가 보호 필요

공급업체 평가 체크리스트

각 AI 도구에 대해 다음 질문을 확인하십시오.

데이터 학습 정책:

• 모델 학습에 사용하지 않는다는 명확한 약속이 있나요?
• 계약 수준의 보장인가요, 아니면 사용자 약관에만 명시되어 있나요?
• 사람의 검토가 이루어지는 조건은 무엇인가요?

데이터 레지던시:

• 지정된 리전에 저장할 수 있나요?
• 전송 중 데이터가 암호화되나요?
• 저장 상태의 암호화 방식은 무엇인가요?

컴플라이언스 인증:

• SOC 2?
• ISO 27001?
• GDPR 컴플라이언스 선언?
• 산업별 인증(예: HIPAA, PCI-DSS)?

엔터프라이즈 기능:

• SSO/SAML을 지원하나요?
• 감사 로그를 지원하나요?
• 세분화된 권한 제어를 지원하나요?
• 데이터 내보내기/삭제를 지원하나요?

도입 전략

1단계: 파일럿(Pilot)

• 민감하지 않은 프로젝트를 선정해 시험합니다.
• 사용 정책과 교육 자료를 마련합니다.
• 사용 현황과 피드백을 모니터링합니다.

2단계: 통제된 확산

• 더 많은 팀으로 확대합니다.
• VPC-SC 등의 보안 조치를 구현합니다.
• 사고 대응 프로세스를 마련합니다.

3단계: 전면 도입

• 표준 워크플로에 통합합니다.
• 지속적으로 컴플라이언스를 감사합니다.
• 비용과 보안의 균형을 최적화합니다.

맺음말

글을 시작할 때의 회의실 장면으로 돌아가 보겠습니다.

KiloClaw - 기업용 매니지드 OpenClaw, AI Agent 오케스트레이션 및 스마트 라우팅

시작하기 →광고

CTO가 묻습니다. “핵심 제품의 기술 문서를 그 AI 도구에 업로드해 분석해도 될까요?”

이제 보안 책임자는 조금 더 세밀한 답을 내놓을 수 있습니다.

“NotebookLM Enterprise라면 데이터가 경계를 벗어나지 않고 학습에도 사용되지 않으므로 컴플라이언스 위험을 통제할 수 있습니다. 하지만 핵심 알고리즘 문서는 먼저 비식별화된 버전으로 테스트할 것을 권합니다. 또한 데이터가 실수로 유출되지 않도록 VPC-SC를 구성해야 합니다.”

“Antigravity도 사용할 수 있지만 민감한 코드 저장소는 격리해야 합니다. 개발자가 핵심 코드는 로컬에서 처리하고 AI는 주변 기능을 보조하도록 해야 합니다.”

이는 “사용할 수 있다” 또는 “사용할 수 없다”라는 이분법적 답이 아닙니다. 위험 등급, 기술적 조치, 컴플라이언스 프로세스를 종합적으로 판단하는 문제입니다.

AI 전환의 압박은 사라지지 않을 것입니다. 경쟁사는 이미 AI를 사용하고, 고객은 더 빠른 제품 개선을 기대하며, 내부 팀에는 효율 도구가 필요합니다. 하지만 보안과 컴플라이언스의 마지노선도 포기할 수 없습니다. 한 번의 데이터 유출로 인한 비용이 AI가 가져온 모든 이익을 넘어설 수도 있기 때문입니다.

핵심은 이러한 긴장 속에서 균형점을 찾는 것입니다. 도구의 보안 메커니즘을 정확히 이해하고, 적절한 사용 정책을 수립하며, 필요한 기술적 통제를 구현해야 합니다.

Google의 AI 생태계(NotebookLM, Antigravity, Gemini Enterprise)는 엔터프라이즈 보안 측면에서 비교적 성숙한 편입니다. 명확한 데이터 처리 계약, VPC-SC 같은 기술적 통제 수단, 컴플라이언스 인증을 갖추고 있습니다.

그러나 최종적으로 보안은 기업의 책임입니다. 도구 제공업체는 기능을 제공할 뿐이며, 어떻게 사용하고 보호할지는 기업의 결정에 달려 있습니다.

이 글이 회의실에서 더 많은 정보를 바탕으로 답을 내리는 데 도움이 되기를 바랍니다.