자동화는 되는데, 보안에 대한 고
2026.10.21
이번 3회차 스터디에서 관심이 가지게 된 부분은 보안이었습니다. 자동화를 하면서 무분별하게 노출되는 데이터를 걱정하시는 분은 아마도 많을 것으로 사려되고 저 또한 그런 상황이라 금번 회차도 유심히 듣게 되었던 거 같습니다.
이번에 진행한 업무 자동화
제가 자동화하려는 업무는 회사에서 반복적으로 처리하는 견적 관련 이메일을 정리하고 Excel 파일로 만드는 작업입니다.
기존에는 이메일을 확인하고, 제품명과 수량, 가격, 납기 등의 정보를 추출한 다음 Excel에 정리하는 일을 수작업으로 진행했습니다.
메일 한 건을 처리하는 데 약 20분 정도 걸리는 작업입니다.
이런 반복적인 일을 줄여보고자 n8n을 활용해 견적 자동화 워크플로우를 구성했습니다.
현재 사내 이메일에 직접 접근하기 어려운 상황이라 다음과 같은 방식으로 진행하고 있습니다.
사내 이메일 → 개인 Gmail 전달 → n8n 수집 → 견적 정보 추출 → Excel 생성 → 업로드
자동화는 하루 두 번, 오후 8시와 새벽 4시에 실행하도록 설정했습니다.
해외 거래처의 업무 시간을 고려한 것으로, 실시간 처리는 포기했지만 정해진 시간에 업무가 자동으로 처리된다는 장점이 있습니다.
오히려 일정한 처리 루틴이 생긴다는 점에서는 나쁘지 않은 선택인 것 같습니다.
그런데 실제 업무에 적용하려고 하니 예상하지 못했던 문제가 생겼습니다.
바로 보안과 데이터 처리 문제였습니다.
보안 문제 해결 첫 번째 사례는 더미 데이터...
회사 업무에는 고객사 정보, 제품 가격, 발주 수량 등 외부로 공개하기 어려운 정보들이 포함되어 있습니다.
이런 정보를 외부 AI에 그대로 전달하는 것은 아무래도 부담스러웠습니다.
그래서 생각한 방법이 실제 정보를 더미(Dummy) 데이터로 변경한 다음 AI로 처리하고, 결과를 다시 원래 데이터로 복원하는 방식이었습니다.
실제로 해보니 생각보다 번거로운 부분이 많았습니다. 더미 데이터를 만드는 데 약 1~2분, 다시 복원하는 데도 비슷한 시간이 필요했습니다. 무엇보다 복원 과정에서 실수가 발생할 가능성이 있다는 점이 신경 쓰였습니다.
물론 기존에 수작업으로 약 20분이 걸리던 업무와 비교하면 여전히 시간 절약 효과는 있습니다.
하지만 자동화를 하려고 시작했는데, 매번 더미 데이터를 만들고 복원하는 새로운 작업이 생긴 셈입니다.
하기 싫은 일을 줄이려고 자동화를 시작했는데, 또 다른 하기 싫은 일이 생겼습니다.
이 부분은 앞으로 개선이 필요할 것 같습니다.
학습 및 기술 부분
기존 n8n 견적 자동화 워크플로우 점검 및 개선
Gmail을 이용한 견적 이메일 수집 및 Excel 파일 생성
오후 8시, 새벽 4시 정기 실행을 통한 배치 자동화 구성
AI 연동 시 발생할 수 있는 정보 보안 문제 검토
민감한 정보를 더미 데이터로 변환하고 복원하는 방식 적용
더미 데이터 처리 과정의 시간 소요 및 오류 가능성 확인
외부 AI 서비스의 대안으로 로컬 LLM 활용 방안 검토
기존 Ubuntu 및 Docker 환경에 Ollama 설치
Qwen3 기반 로컬 LLM 실행 환경 구축 시도
깨달은 점
1. 자동화가 된다고 모든 문제가 해결되는 것은 아니었습니다.
1주 차와 2주 차에는 AI를 이용해서 무엇을 할 수 있는지가 가장 큰 관심사였습니다.
그런데 실제 회사 업무에 적용해 보니 자동화가 가능하다는 것과 실무에서 안정적으로 사용할 수 있다는 것은 조금 다른 문제였습니다.
특히 보안이나 데이터의 정확성은 단순히 편리하다는 이유만으로 넘어갈 수 없는 부분이었습니다.
스터디장님의 보안에 대한 말씀도 이런 고민을 하고 있던 시점이라 더욱 와닿았습니다.
AI를 잘 활용하는 것도 중요하지만, 안전하게 활용하는 방법을 고민하는 것 역시 중요한 공부라는 생각이 들었습니다.
2. 자동화를 위한 자동화가 되어서는 안 되겠습니다.
더미 데이터를 이용한 방식은 어느 정도 효과가 있었습니다.
20분 정도 걸리던 작업을 줄일 수 있었으니 분명 의미가 있습니다.
하지만 데이터를 변환하고 복원하는 과정에 시간과 노력이 들어가고, 그 과정에서 실수할 가능성까지 생겼습니다.
자동화의 목적은 사람의 일을 줄이는 것인데, 새로운 수작업이 계속 생긴다면 본래의 목적과는 조금 멀어지는 것 같습니다.
이번 경험을 통해 단순히 작업이 자동으로 실행되는 것보다 전체 과정에서 사람의 개입을 얼마나 줄일 수 있는지가 중요하다는 것을 느꼈습니다.
3. 결국 로컬 LLM까지 관심이 이어졌습니다.
보안 문제를 해결할 방법을 고민하다 보니 자연스럽게 로컬 LLM에 관심을 갖게 되었습니다.
외부 AI 서비스를 사용하는 대신, 회사 내부 컴퓨터에서 AI 모델을 직접 실행하면 민감한 정보를 외부로 보내지 않고 처리할 수 있지 않을까 하는 생각이었습니다.
그래서 기존에 n8n을 설치해 놓았던 Ubuntu 컴퓨터에 Ollama를 설치하기 시작했습니다.
처음에는 별도의 고성능 서버가 필요할 것이라고 생각했는데, 기존 컴퓨터의 CPU와 메모리를 활용해 로컬 LLM을 실행할 수 있다는 점이 흥미로웠습니다.
물론 아직 처리 속도와 정확도를 검증해야 하고, 로컬에서 실행한다고 모든 보안 문제가 해결되는 것도 아닙니다.
그래도 직접 구축하고 시험해 볼 수 있다는 점에서 또 하나의 가능성을 발견한 것 같습니다.
생각해 보면 처음에는 단순히 이메일을 정리하고 싶어서 시작한 공부가 어느새 서버, Docker, n8n, API, LLM까지 이어지고 있습니다.
4. 함께 공부하니 기술뿐 아니라 방향도 점검하게 됩니다.
이번 스터디는 기술적인 내용보다 서로의 사례를 살펴보는 시간이 많았습니다.
처음에는 새로운 기술을 배우는 시간이 적어서 조금 아쉬울 수도 있겠다고 생각했지만, 오히려 다른 분들의 경험을 통해 제 자동화를 돌아볼 수 있었습니다.
혼자 공부했다면 어떻게든 기능을 완성하는 데만 집중했을 것 같습니다.
하지만 함께 공부하면서 보안 문제도 다시 생각하고, 지금 만들고 있는 것이 실제로 도움이 되는 방향인지 점검할 수 있었습니다.
기술적인 질문뿐 아니라 이런 고민을 함께 나눌 수 있다는 것도 스터디의 장점인 것 같습니다.
앞으로의 계획
이제 마지막 4주 차를 앞두고 있습니다.
우선 현재 구축 중인 Ollama와 n8n을 연동하여 외부 AI를 사용하지 않고도 견적 정보를 추출할 수 있는지 확인해 보고 싶습니다.
특히 기존 더미 데이터 방식과 비교하여 처리 시간, 정확도, 사람의 개입이 얼마나 줄어드는지를 살펴볼 생각입니다.
이후에는 개인적인 일정 관리나 업무 내용 정리, 프로젝트별 진행 상황 취합, 주간 보고서 작성 등으로 활용 범위를 넓혀보고 싶습니다.
처음 스터디를 시작할 때 목표는 단순했습니다.
"내가 하기 싫은 일을 자동화해서 조금 더 여유를 갖자."
아직 그 목표에 완전히 도달한 것은 아니지만, 적어도 어떤 부분을 자동화할 수 있고 어떤 부분을 조심해야 하는지는 조금씩 알아가고 있는 것 같습니다.
이번 3주 차는 새로운 기술을 많이 배웠다기보다, AI 자동화를 실제 업무에 적용하려면 무엇을 더 고민해야 하는지 알게 된 시간이었습니다.
4주 차에는 지금까지의 경험을 바탕으로 조금 더 실용적이고 안전한 자동화에 가까워지고 싶습니다.



