Anthropic AI와 IBM, 50억달러 '버그 헌팅 동맹'으로 소프트웨어 취약점 탐지 체계를 재구성함

Anthropic의 AI 모델과 IBM의 엔터프라이즈 개발·메인프레임 역량이 결합되며, 취약점 탐지·수정이 인공지능 중심 자동화 체계로 전환되는 산업 구조 변화가 본격화되고 있다.

Dark Reading 보도에 따르면 Anthropic는 Claude 계열 생성형 AI를 활용해 소스코드의 취약점을 자동 탐지·분석하는 기능을 고도화하고 있으며, IBM은 향후 5년간 약 50억달러를 투입해 자체 AppScan, QRadar, 메인프레임 개발 도구와 Anthropic AI를 통합하는 대규모 프로그램을 추진함으로써, 기존 정적 분석·동적 분석 툴을 보조하는 수준을 넘어 대규모 코드베이스를 상시 스캔하는 ‘AI 기반 안전성 점검 플랫폼’을 구성하려 하고 있다.
이 협력은 Legacy COBOL 시스템부터 클라우드 네이티브 애플리케이션, 컨테이너 기반 마이크로서비스까지 IBM 고객 환경 전체에서 Anthropic 모델을 API 형태로 호출하여 버그와 취약점을 찾는 구조를 목표로 하며, AI가 제시한 수정안은 DevSecOps 파이프라인을 통해 자동 반영되도록 설계함으로써, 개발팀·보안팀·운영팀 간 협업 비용을 줄이고 취약점 노출 기간을 단축하는 것을 핵심 성과로 내세우고 있다.
기사에 따르면 IBM은 50억달러 투자 계획을 통해 수천 명의 보안 엔지니어와 개발자를 Anthropic 기반 자동화 프로젝트에 재배치하고, Fortune 500 고객군에 이 서비스를 프리미엄 옵션으로 제공함으로써 고부가가치 보안 서비스 매출을 확대할 계획이며, Anthropic는 IBM의 메인프레임·금융·공공 고객 데이터에 접근해 AI 안전성·취약점 탐지 성능을 학습하는 자산을 확보함으로써, AI 보안 분야에서 OpenAI, Google DeepMind와 차별화된 입지를 구축하려 한다.
AI 기반 취약점 탐지·수정 체계가 표준화될 경우, NIST의 안전한 소프트웨어 개발 프레임워크, 미국 사이버 보안 행정명령, EU의 사이버 레질리언스 법안이 요구하는 ‘보안 내장 설계’를 보다 정량적으로 입증할 수 있는 도구가 확산되는 효과를 가져오며, 한국의 공공·금융 시스템에서도 대형 외국 벤더의 AI 보안 플랫폼을 채택할지, 국산 모델과 도구를 육성해 자주적인 버그 헌팅 체계를 구축할지에 대한 전략적 선택이 중요한 정책 의제로 떠오르게 된다.
한국 정부는 소프트웨어 개발 기업과 공공 IT 프로젝트에서 AI 기반 취약점 분석 도구 사용을 허용할 때, 데이터 국외 이전·모델 학습 재사용·소스코드 기밀 유지에 대한 명확한 규칙을 마련해야 하며, 동시에 국내 AI 기업과 보안 벤더가 Anthropic·IBM과 동일한 수준의 ‘자동화 취약점 진단’ 역량을 확보할 수 있도록 R&D·규제 샌드박스를 지원하여, 국가 안보와 산업 경쟁력 관점에서 외국 AI 플랫폼에 대한 과도한 의존을 줄이는 방향으로 정책을 설계해야 한다.