AI 생성 스캠으로부터 사용자를 보호하는 앱을 출시했다

내 목소리와 똑같이 말하는 AI 전화를 어떻게 구분할 수 있을까. 정교해진 딥페이크 음성으로 지인을 사칭하는 사기가 늘면서 실시간으로 진위 여부를 가려낼 도구가 필요해졌다. Savi Security(AI 보안 솔루션 기업)가 이러한 AI 생성 스캠을 차단하기 위해 iPhone과 Android용 앱을 출시했다.

이 앱은 텍스트와 이메일, 그리고 전화 통화를 통해 전달되는 정교한 AI 사기를 막는 것을 목표로 한다. Savi Security는 최근 700만 달러의 시드 투자를 유치했으며, 화요일에 정식으로 서비스를 선보인다. 사용자는 이를 통해 단순한 메시지 차단을 넘어 다양한 통신 채널에서 유입되는 AI 생성 공격을 통합적으로 방어한다.

가장 핵심적인 장치는 실시간 통화 모니터링 기능이다. 사용자가 의심스러운 통화 중에 앱의 라이브 에이전트를 청취자로 추가하면 시스템이 즉시 개입한다. 에이전트는 통화가 진행되는 동안 사기 여부를 식별할 수 있는 행동적 징후(behavioral tells)를 실시간으로 감지해 사용자가 속지 않도록 돕는다.

이 기능은 통화가 종료된 후 기록을 분석하는 방식이 아니라, 대화가 이어지는 도중에 사기 징후를 포착한다는 점에서 실효성을 갖는다. 라이브 에이전트가 청취자로 참여해 상대방의 행동 패턴을 분석함으로써, 사용자가 통화 도중 현재 상황이 사기(grift)임을 즉각적으로 인지하게 만든다.

투자금과 참여 투자자가 보여주는 신호

과연 이 기술은 시장에서 얼마나 실질적인 방어 기제로 평가받고 있을까. Acrew Capital이 주도하고 Magnify Ventures, TTCER, Resolute Ventures가 참여한 이번 투자 라운드를 통해 700만 달러 규모의 시드 투자가 확보되었다. 초기 단계의 보안 솔루션이 거액의 자본을 유치했다는 점은 AI 기반 음성 사기 대응 체계가 단순한 기술적 시도를 넘어 시장의 핵심 요구 사항으로 자리 잡았음을 방증한다.

Savi Security는 사용자 확보와 서비스 확장을 위해 가족 구성원 전체를 포괄하는 무제한 요금제를 도입했다. 월 8달러, 연간 결제 시 63달러라는 가격 정책을 통해 주 계정 보유자가 자녀, 배우자, 부모 등 기술 지원이 필요한 가족 구성원 전체를 보호할 수 있는 구조를 마련했다. 사용자 수에 제한을 두지 않는 정책은 개별 기기마다 보안을 적용해야 하는 번거로움을 줄이고, 가구 단위의 통합적인 AI 보안망을 구축하는 데 집중하고 있다.

를 기반으로 하며 AI 게이트웨이 구조를 채택했다

35억 달러라는 숫자는 AI 사기가 더 이상 가상의 위협이 아님을 증명한다. FTC(미국 연방거래위원회)는 2025년 사칭 스캠으로 인한 피해액이 이 규모에 달하며, 이는 2020년과 비교해 3배나 급증한 수치라고 밝혔다. 특히 Malwarebytes(글로벌 보안 소프트웨어 기업)의 연구 결과에 따르면 Z세대가 다른 세대보다 텍스트 스캠의 표적이 되는 빈도가 더 높았으며, 그중 약 25%가 실제로 속아 넘어간 것으로 나타났다. 디지털 환경에 가장 익숙한 세대조차 정교해진 AI 공격의 실질적인 피해자가 되고 있다는 점은 보안 설계의 시급성을 더한다.

이러한 공격을 실시간으로 차단하기 위해 Savi Security는 Google의 Gemini를 기반으로 하되 AI 게이트웨이 구조를 채택했다. AI 게이트웨이는 서로 다른 AI 모델들을 연결해 필요에 따라 최적의 모델을 선택해 사용할 수 있게 하는 중계 계층을 의미한다. 현재는 주로 Gemini를 활용하고 있지만, 이 구조를 통해 음성 감지 전용 옵션과 같은 특정 목적의 AI 모델을 필요할 때 즉시 도입해 유연하게 활용할 수 있도록 구축했다. 단일 모델의 성능에만 의존하지 않고 상황에 맞는 최적의 도구를 즉각 교체하며 대응하는 방식이다.

실시간 음성 분석 보안 서비스의 성패는 탐지 정확도를 유지하면서 모델을 얼마나 빠르게 최적화하느냐에 달려 있다. Savi Security의 사례는 특정 모델에 종속되지 않고 최신 모델이나 특화 모델로 즉각 전환할 수 있는 확장성 있는 설계의 실무적 가치를 보여준다. 보안 솔루션을 구축할 때 단일 LLM(거대언어모델)을 그대로 사용하는 대신, 기능별 모델 스위칭이 가능한 게이트웨이 계층을 두는 것이 안정적인 방어 체계를 만드는 구조적 기준이 된다. 이는 모델 업데이트 주기마다 전체 코드를 수정하지 않고 게이트웨이 설정만으로 대응 가능한 유연한 아키텍처를 확보하는 길이다.

일상의 짧은 음성 파일이 범죄의 도구가 되는 환경에서 실시간 탐지는 가장 즉각적인 방어선이 된다. Savi Security의 사례는 특정 모델의 성능보다 모델을 유연하게 교체할 수 있는 AI 게이트웨이 구조가 보안 서비스의 지속 가능성을 결정한다는 사실을 보여준다. 결국 AI 보안의 핵심은 단일 알고리즘의 고도화가 아니라 변화하는 공격 패턴에 맞춰 모델을 스위칭하는 아키텍처 설계 능력에 있다. 실시간 음성 분석과 모델 스위칭 게이트웨이를 결합한 구조적 설계 기준을 통해 보안 시스템의 유연성을 확보해야 한다.