[태그:] AI 위험 관리
-
AI 서비스 로그를 남길 때 개인정보를 줄이는 방법
AI 서비스를 운영하면 로그가 필요합니다. 장애 원인을 찾고, 모델 비용을 계산하고, 품질 문제를 분석하고, 보안 이벤트를 조사하려면 기록이 있어야 합니다. 하지만 AI 서비스 로그는 일반 웹 로그보다 훨씬 민감할 수 있습니다. 사용자가 프롬프트에 이…
-
AI 서비스 평가에서 위험 관리 프레임워크를 함께 보는 방법
AI 서비스를 평가할 때 하나의 프레임워크만 보면 빈틈이 생기기 쉽습니다. NIST AI RMF는 AI 위험을 넓게 구조화하는 데 유용하지만, 생성형 AI 서비스라면 허위 출력, 프롬프트 공격, 데이터 유출, 저작권 문제를 더 구체적으로 봐야 합니다….
-
AI 도구 도입 전 NIST AI RMF 활용법
AI 도구를 도입할 때 가장 먼저 볼 것은 기능 목록이 아닙니다. “어떤 업무에 쓰는가”, “누구에게 영향을 주는가”, “실패하면 무엇이 손상되는가”, “운영 중 어떻게 측정하고 멈출 것인가”를 먼저 봐야 합니다. NIST AI RMF는 이 질문을 체…
-
AI 서비스 팀을 위한 ISO IEC 42001 이해
ISO/IEC 42001을 처음 보면 표준 이름부터 어렵습니다. "AI 관리 시스템"이라는 말도 막연합니다. 그래서 많은 글이 "책임 있는 AI를 위한 국제 표준" 정도로 소개하고 끝납니다. 하지만 AI 서비스를 실…
