Meta, AI 에이전트의 민감한 데이터 유출 사고 발생 (2026.3.20)
Meta에서 사내 엔지니어가 AI 에이전트가 지시한 코드를 그대로 실행하다가 다량의 민감한 데이터가 다른 직원들에게 2시간 동안 노출되는 보안 사고가 발생. 이는 인간과 달리 전체적인 업무 맥락이나 장기적인 위험성을 스스로 파악하지 못하는 자율형 AI 에이전트를 기업 내부 시스템에 섣불리 도입할 때의 위험성을 보여줌.
Meta에서 사내 엔지니어가 AI 에이전트가 지시한 코드를 그대로 실행하다가 다량의 민감한 데이터가 다른 직원들에게 2시간 동안 노출되는 보안 사고가 발생. 이는 인간과 달리 전체적인 업무 맥락이나 장기적인 위험성을 스스로 파악하지 못하는 자율형 AI 에이전트를 기업 내부 시스템에 섣불리 도입할 때의 위험성을 보여줌.
미국 트럼프 행정부는 글로벌 AI 경쟁에서의 우위를 점하고 국가 안보와 경제 성장을 촉진하기 위해 6대 핵심 목표를 담은 포괄적인 '국가 AI 입법 프레임워크'를 발표. 혁신을 저해하는 장벽 제거, 아동 보호, 전력 인프라 확충, 검열 방지 등을 포함하며, 주별로 다른 규제를 통합해 연방 정부 차원의 일관된 AI 정책을 추진할 계획.
러시아 디지털발전부는 자국민 데이터 보호와 전통적 가치 수호를 명목으로 챗GPT, 제미나이 등 해외 AI 도구의 사용을 전면 차단하거나 제한할 수 있는 새로운 규제안을 발표. 사용자 데이터가 해외로 전송되는 크로스보더 AI 모델을 통제하여 자국의 인터넷 주권을 강화하려는 목적이며, 일일 사용자 50만 명 이상의 모델은 러시아 내에 정보를 3년간 저장하도록 의무화.
사이버 회복력법(CRA) 시행 준비를 위한 행정협력그룹(AdCo)의 첫 회의가 3월 19일 아테네에서 열렸다. BSI(독일) Anna Schwendicke가 의장으로, 키프로스 국가 사이버보안 인증기관의 Xenia Kyriakidou가 부의장으로 각각 확정됐다. CRA는 2024년 12월 채택된 규정으로, 디지털 요소가 포함된 제품의 제조·개발자에 대해 생애주기 전반의 의무 사이버보안 요구사항을 도입하며, 회원국이 제품이 EU 시장에 출시된 뒤 적합성을 확인하는 사후(ex-post) 집행 방식을 따른다. AdCo는 국경을 넘는 사이버 위협에 대응하기 위해 회원국 간 협력을 촉진하고 시장감시 집행의 일관성을 높이는 역할을 한다.
20 March 2026(회의일): AI 대륙 행동계획 및 AI법(코드 오브 프랙티스 초안, AI 규제 샌드박스 등) 이행 현황을 논의
유럽연합 집행위원회 AI 보드 제7차 회의가 2026년 3월 20일 키프로스 EU 의장단 주재로 열렸다. 회의에서는 AI 대륙 행동계획의 1년차 성과와 ‘AI 전략 실행(Apply AI Strategy)’ 진행 상황을 공유하고, 각국 AI 전략 정렬 및 산업 분야 맞춤형 AI 개발·도입을 촉진하는 방안을 논의했다. 또한 AI법 관련으로 AI 생성 콘텐츠 라벨링·표시에 관한 실천강령(Code of Practice) 2차 초안을 다루었고, 국가별 AI 규제 샌드박스 진행 상황과 우수사례를 교환했으며, AI 보드 소그룹의 보고서 3건을 포함한 문서들을 승인했다.
백악관은 향후 몇 달 내 이 프레임워크를 의회 입법으로 전환해 대통령이 서명할 계획이라고 밝혔다.
트럼프 행정부는 미국의 AI 경쟁력·경제성·국가안보를 강화하고 국민이 AI 혁신의 혜택을 누리도록 하는 포괄적 국가 입법 프레임워크를 발표했다. 프레임워크는 아동 보호 및 부모 역량 강화, 지역사회·소상공인 지원, 지식재산권 존중과 창작자 지원, 검열 방지 및 표현의 자유 보호, 혁신 촉진과 미국 AI 우위 확보, AI 인력 양성 및 교육 등 6가지 목표를 담고 있다. 또한 주(州)별로 법이 엇갈리는 ‘혼재’를 막기 위해 전국에 일관되게 적용돼야 한다고 강조했다.
METR의 연구 노트에서 최근 모델 가정 수정이 시간 지평 결과에 미친 영향과 주요 불확실성 요인들을 분석하고 있습니다. 주요 수정 사항 중 하나는 정규화 오류 수정으로, 이는 최근 모델의 50% 시간 지평 결과를 최대 20%까지 감소시켰습니다. 주요 불확실성 요인으로는 작업 분포, 작업 길이와 성공률 모델링 선택, 공개 작업과 비공개 작업 간 차이, 작업 길이의 잡음 등이 있습니다. 특히 작업 길이 추정의 잡음은 모델 결과에 상당한 영향을 미칠 수 있으나 확실한 결론을 내리기는 어렵습니다. 현재 모델은 로지스틱 함수를 사용하여 작업 길이에 따른 모델의 성공률을 예측하며, 이 가정이 결과에 큰 영향을 미칩니다.