전직 직원 MacBook에서 발견된 시뮬레이션 기록

3월에 실행된 LTspice(전기 공학 시뮬레이션 도구) 기록이 이번 사건의 핵심 단서가 됐다. Apple은 최근 법원에 제출한 문서에서 OpenAI로 이직한 전직 시니어 시스템 전기 엔지니어 창 리우(Chang Liu)의 MacBook 포렌식 결과, 기밀 회로 도면 파일이 사용된 정황을 확인했다고 밝혔다.

사건의 발단은 리우가 지난 1월 Apple을 떠나 OpenAI에 합류하면서 시작됐다. Apple 측 주장에 따르면, 리우는 퇴사 후 보안 버그를 악용해 내부의 기밀 엔지니어링 파일들을 다운로드했다. 이후 제출된 포렌식 분석 결과, 리우는 해당 파일들을 이용해 LTspice에서 시뮬레이션을 수행했으며, 당시 주고받은 메시지에서 자신의 AI '에이전트'가 LTspice 실행법을 배우고 결과까지 검토할 수 있게 됐다고 언급한 것으로 드러났다.

증거의 범위는 노트북 한 대에 그치지 않는다. 리우가 Mac mini를 사용해 도면 작업을 수행했고, 이 데이터가 iCloud를 통해 MacBook으로 동기화된 사실이 확인됐다. 이에 Apple은 해당 Mac mini에 대한 접근 권한까지 추가로 요청하며, 상대측이 증거를 은폐하거나 무시하고 있다는 점을 들어 신속한 증거 개시(expedited discovery) 절차를 강하게 압박하고 있다.

AI 학습의 비가역성과 새로운 법적 쟁점

AI 에이전트가 정보를 학습하는 방식은 기존의 단순 파일 유출과는 차원이 다른 리스크를 만든다. Apple이 이번 소송에서 특히 우려하는 지점은 영업 비밀이 AI 모델이나 에이전트의 학습 데이터로 입력되었을 때 발생하는 '비가역성'이다.

전통적인 기밀 유출은 파일을 삭제하거나 접근 권한을 회수함으로써 피해를 어느 정도 제어할 수 있었다. 하지만 영업 비밀이 AI 모델의 가중치(Weights)에 반영되어 학습될 경우, Apple은 이를 "되돌릴 수 없고 지속적으로 전파되는 사용(irreversible and continually propagating uses)"이라고 정의했다. 즉, 모델이 한 번 학습한 지식은 특정 부분만 선택적으로 삭제하기 어렵고, 모델의 응답을 통해 간접적으로 기밀 정보가 외부로 흘러나갈 가능성이 크다는 논리다.

이는 AI 채택 흐름 속에서 '데이터 오염'과 '지식 재산권 보호'가 충돌하는 지점을 정확히 짚고 있다. 기업이 AI 에이전트를 도입해 업무 효율을 높이는 과정에서, 입력된 데이터가 모델의 성능 향상에 기여하는 순간 그 데이터는 더 이상 단순한 '입력값'이 아니라 모델의 '일부'가 된다. 이번 사건은 AI 모델의 학습 메커니즘 자체가 기업의 영업 비밀 보호 체계를 무력화하는 도구가 될 수 있음을 보여주는 사례다.

기업 보안의 새로운 관찰 지점: '학습 경로' 추적

퇴사자의 기기 회수라는 기존의 보안 관행은 이제 AI 학습 경로를 추적하는 수준으로 확장되어야 한다. 한국의 AI 실무자와 기업 보안 담당자가 이번 사례에서 주목해야 할 점은 '무엇을 가져갔는가'보다 '그 데이터를 어디에 입력해 무엇을 학습시켰는가'를 증명하는 것이 더 어려워졌다는 사실이다.

앞으로 기업들은 AI 에이전트 도입 시 다음과 같은 제약 조건과 검증 신호를 관리해야 한다. 우선, 내부 데이터가 외부 AI 모델의 학습에 사용되는지 여부를 결정하는 '학습 제외(Opt-out)' 설정의 실효성을 검증해야 한다. 특히 이번 사례처럼 개인적인 AI 에이전트를 구축해 내부 도구(LTspice 등)와 연결해 사용하는 경우, 데이터가 모델의 가중치로 전이되는 경로를 차단할 기술적 장치가 필요하다.

또한, 전직 직원이 활용한 AI 에이전트의 로그나 학습 이력을 법적으로 어떻게 확보하고 증명할 것인지에 대한 거버넌스 수립이 시급하다. 단순한 파일 전송 기록뿐 아니라, 특정 프롬프트나 데이터셋이 모델의 응답 성능에 영향을 주었는지를 판별하는 '모델 포렌식' 영역이 기업 보안의 새로운 과제로 부상할 가능성이 높다. 결국 AI 시대의 영업 비밀 보호는 물리적 파일의 통제가 아니라, 데이터가 지식으로 변환되어 모델에 고착되는 과정을 관리하는 일로 옮겨가고 있다.