개인정보보호위원회가 2025년 8월 생성형 AI 개인정보 처리 안내서를 공식 발간하면서 CPPG 출제 범위가 실질적으로 확장됐습니다. AI 수명주기별 법적 근거, 적법성 판단 기준, 프라이버시 거버넌스까지 새롭게 다뤄야 할 영역이 생겼습니다. 이 글에서 변경된 출제 흐름과 핵심 개념을 한 번에 정리합니다.
왜 지금 AI 규정이 CPPG에 들어오는가
3과목까지 수명주기 단계를 무난하게 따라오다가, 생성형 AI 관련 내용이 나오는 순간 많이들 멈추더라고요. 기존 CPPG 커리큘럼에 없던 개념이 갑자기 등장하는 느낌이라 당황하는 게 당연합니다.
개인정보보호위원회는 LLM 기반 AI 서비스가 대규모 개인정보를 처리하면서 발생하는 법적 공백을 메우기 위해 2025년 8월 공식 안내서를 발간했습니다. 이 안내서는 단순 가이드라인이 아닙니다. 개인정보보호법 제3조, 제15조, 제28조의2, 제37조의2 등 실정법 조항을 직접 연결해 해석한 문서이기 때문에 시험에서도 조항 연계형 문제로 출제될 가능성이 높습니다.
이건 직접 겪어보면 체감되는데, 기존 4과목 안전성 확보조치 기준에서 다루던 암호화·접근통제 개념이 AI 환경에서 어떻게 적용되는지를 묻는 방식으로 문제가 확장됩니다. 단순 암기보다 맥락 이해가 중요해진 이유입니다.
이 부분이 핵심입니다. AI 관련 법규는 기존 개인정보보호법 체계 위에서 작동하는 확장 해석이지, 완전히 새로운 법 체계가 아닙니다. 기존에 배운 적법근거, 목적 명확성, 안전조치 개념을 AI 맥락에 대입하는 훈련이 필요합니다.
생성형 AI 수명주기와 단계별 개인정보 쟁점
공식 안내서는 생성형 AI 개발·활용을 다섯 단계로 구분합니다. 각 단계마다 개인정보 보호 관점에서 확인해야 할 쟁점이 다릅니다.
| 단계 | 주요 활동 | 개인정보 핵심 쟁점 |
|---|---|---|
| 목적 설정 | AI 개발 목적 구체화 | 처리 목적 명확화, 적법근거 확보 |
| 전략 수립 | 개발 방식 결정 | 개인정보 영향평가(PIA), PbD 적용 |
| AI 학습 및 개발 | 데이터 수집·전처리, 미세조정 | 가명·익명처리, 적대적 공격 대응 |
| 시스템 적용 및 관리 | 배포·운영 | AUP 작성, 정보주체 권리 보장 |
| AI 프라이버시 거버넌스 | 전사 관리체계 운영 | CPO 중심 내부 관리, 레드티밍 |
실무에서 보면, 이 다섯 단계가 선형으로 진행되는 것처럼 보이지만 실제로는 거버넌스 구축이 목적 설정 단계부터 함께 시작되어야 합니다. 시험에서도 거버넌스가 특정 단계에만 국한된다고 혼동하면 틀립니다.
LLM 개발 방식 분류와 개인정보 책임 범위
안내서는 LLM 기반 AI 개발 방식을 세 가지로 구분합니다. 서비스형 LLM, 기성 LLM 활용, 자체 개발입니다. 방식에 따라 개인정보 처리에 대한 책임 범위가 달라지기 때문에 구분이 중요합니다.
서비스형 LLM을 사용하는 경우에는 데이터가 외부 서버로 전송되면서 국외이전 문제가 발생할 수 있습니다. 기업용 API 라이선스(Enterprise API)를 사용해야 입력 데이터가 학습에 재활용되지 않도록 계약적으로 통제할 수 있습니다. 개인용 라이선스와 기업용 라이선스의 차이를 묻는 문제가 충분히 나올 수 있습니다.
자체 개발 방식은 수명주기 전 과정을 직접 책임지는 만큼 데이터 수집부터 배포까지 모든 단계에서 개인정보 보호 의무가 적용됩니다.
수집 출처별 적법근거 판단 기준
이 영역이 AI 관련 출제의 핵심 축입니다. 생성형 AI 학습에 사용되는 개인정보는 출처에 따라 적법근거를 다르게 검토해야 합니다.
공개된 개인정보 수집
인터넷에서 스크래핑으로 수집하는 공개된 개인정보는 동의나 계약 기반 적법근거를 적용하기 어렵습니다. 이 경우 개인정보보호법 제15조 제1항 제6호, 즉 정당한 이익 조항이 실질적인 검토 대상이 됩니다.
정당한 이익 조항 충족을 위해서는 세 가지 기준을 모두 통과해야 합니다.
- 목적의 정당성: AI 개발·활용에서 발생하는 사업적·사회적 이익이 존재할 것
- 처리의 필요성: 해당 개인정보를 처리하지 않으면 목적 달성이 어려울 것
- 이익형량: 개인정보처리자의 이익이 정보주체의 권리보다 명백히 우선할 것
특히 이익형량 단계에서 기술적·관리적 안전조치와 정보주체 권리보장 방안을 마련하는 것이 핵심 요건입니다. 안전조치 없이 이익형량 충족을 주장하면 법적으로 인정받기 어렵습니다.
이용자 개인정보 재사용
기존에 수집한 이용자 개인정보를 AI 학습에 활용하는 경우는 수집 목적과의 관련성에 따라 세 가지 경로로 나뉩니다.
| 활용 맥락 | 적용 조항 | 핵심 요건 |
|---|---|---|
| 당초 수집 목적 범위 내 서비스 개선 | 제15조 제1항(동의·계약·정당한 이익) | 수집 당시 목적 범위 이내 |
| 합리적 관련성 있는 신규 서비스 | 제15조 제3항(추가적 이용) | 예측가능성·이익형량·안전조치 종합 검토 |
| 목적과 무관한 신규 서비스 | 제18조 제2항 또는 가명처리 | 별도 동의 또는 가명·익명처리 필요 |
추가적 이용 조항(제15조 제3항)이 인정되려면 예측가능성을 높이기 위한 이용자 고지, opt-out 기능 제공, 개인정보 필터링 절차 운영 등이 병행되어야 합니다. 실제 개인정보보호위원회 결정례에서도 이 요소들이 충족됐는지를 기준으로 판단했습니다.
기술적 보호조치, AI 환경에서 달라지는 것
기존 4과목에서 배운 암호화, 접근통제, 접속기록 관리 개념이 AI 환경에서 어떻게 적용되는지 이해하는 게 중요합니다. 완전히 새로운 개념이 아니라 기존 개념의 확장입니다.
데이터 전처리와 가명·익명처리
AI 학습 데이터에 포함된 개인정보는 수집 직후 가명·익명처리하는 것이 원칙으로 권장됩니다. 특히 주민등록번호, 고유식별정보, 계좌번호, 신용카드번호는 학습 전 삭제하거나 가명·익명화 처리해야 합니다. 이 의무는 기존 안전성 확보조치 기준의 암호화 의무와 연결됩니다.
비정형 데이터에 대한 가명처리는 규칙이나 정규표현식만으로는 정확도에 한계가 있어, LLM 모델을 활용해 패턴 기반으로 개인정보를 탐지하고 마스킹하는 방식이 권장됩니다.
입출력 필터링
실무에서 보면, 데이터와 모델 수준에서 보호조치를 적용해도 시스템 운영 환경의 취약점은 별도로 관리해야 합니다. 입력 필터는 사용자가 제공하는 프롬프트에서 고유식별정보 형식의 텍스트를 탐지해 제거하고, 출력 필터는 AI 응답에 포함된 개인정보를 감지해 치환하거나 경고 문구를 삽입합니다.
미세조정과 모델 수준 안전조치
SFT, RLHF, DPO, GRPO 같은 미세조정 기법들이 안내서에 등장합니다. 시험에서 각 기법의 기술적 세부사항을 묻기보다는, 미세조정이 프라이버시 리스크를 낮추는 안전장치 역할을 한다는 맥락을 이해하는 것이 우선입니다.
적대적 공격(adversarial attack)에 대한 대응도 모델 수준에서 다뤄야 합니다. 최근 연구에서 의료 특화 LLM을 대상으로 한 실험에서 보안장치를 우회해 민감정보에 접근할 수 있는 확률이 80%에 달한다는 결과가 나왔습니다. 이 수치는 안내서에 직접 인용된 내용으로, 사례형 문제에 활용될 수 있습니다.
AI 프라이버시 거버넌스 구조
거버넌스 항목은 시험에서 관리적 보호조치와 연결해 출제됩니다. CPO(개인정보보호책임자) 중심의 내부 관리체계가 생성형 AI 목적 설정부터 배포·관리까지 전 과정에 걸쳐 작동해야 한다는 것이 핵심입니다.
CPO는 CAIO(최고인공지능책임자), CISO(정보보호최고책임자)와 긴밀하게 협력해야 하며, AI 기획·개발 초기 단계부터 개입해야 합니다. 사후에 참여하는 구조로는 PbD(Privacy by Design) 원칙을 충족하기 어렵습니다.
레드티밍은 AI 시스템이 어떤 위험을 일으킬 수 있는지 사전에 점검하는 모의 공격 테스트입니다. OWASP 같은 표준 프레임워크를 활용해 멤버십 추론 공격, 모델 역전 공격, 프롬프트 인젝션 등을 테스트하고, 결과를 문서화해 관련 부서에 보고하는 절차를 갖춰야 합니다.
실무 팁: 개인정보 영향평가(PIA)를 자율적으로 수행한 사실이 확인되면 과태료·과징금 감경이 가능합니다(기준금액의 10% 이내, 1차 조정 금액의 30% 이내). 단, 법령상 의무적으로 수행해야 하는 경우는 감경 대상에서 제외됩니다.
자동화된 결정에 대한 정보주체 권리도 중요한 출제 포인트입니다. 개인정보보호법 제37조의2에 따라 완전히 자동화된 시스템이 권리·의무에 중대한 영향을 미치는 결정을 내리는 경우, 정보주체는 거부권, 설명요구권, 검토요구권을 행사할 수 있습니다.
흔한 오해와 시험에서 자주 틀리는 포인트
설마 AI 관련 규정을 모두 새로운 법으로 이해하고 계신 건 아니죠? 이 부분에서 정말 많이들 틀립니다.
생성형 AI 개인정보 처리 안내서는 새로운 법이 아닙니다. 기존 개인정보보호법 조항을 AI 맥락에서 해석한 지침입니다. 조항 번호와 원칙을 연결하는 구조를 그대로 유지하면서 공부해야 합니다.
추가적 이용 조항(제15조 제3항)이 인정되면 동의 없이 무제한으로 활용 가능하다고 오해하는 경우도 있습니다. 틀렸습니다. 합리적 관련성, 예측가능성, 이익의 부당한 침해 가능성, 안전조치 네 가지 요건을 종합적으로 충족해야 하고, 지속적으로 발생하는 경우에는 개인정보 처리방침에 판단 기준을 공개하고 CPO가 준수 여부를 점검해야 합니다.
공개된 개인정보라면 자유롭게 AI 학습에 사용할 수 있다는 생각도 잘못됐습니다. robots.txt나 CAPTCHA로 스크래핑 거부 의사를 표시한 콘텐츠를 학습하면 정보주체의 합리적 예견가능성을 인정받기 어렵고, 정당한 이익 조항의 이익형량 판단에서 불리하게 작용합니다.
학습 체크리스트
- 생성형 AI 수명주기 다섯 단계와 각 단계의 개인정보 쟁점 매핑 완료
- LLM 개발 방식 세 가지(서비스형, 기성 LLM, 자체 개발)와 책임 범위 구분
- 정당한 이익 조항(제15조 제1항 제6호) 세 가지 충족 요건 암기
- 추가적 이용 조항(제15조 제3항) 네 가지 요건 및 CPO 점검 의무 확인
- 이용자 개인정보 재사용 세 가지 경로별 적용 조항 정리
- 기업용 API 라이선스와 개인용 라이선스의 데이터 처리 차이 이해
- 입출력 필터링의 역할과 적용 시점 확인
- 자동화된 결정(제37조의2)에 따른 정보주체 세 가지 권리 암기
- 개인정보 영향평가 자율 수행 시 과태료·과징금 감경 요건 확인
- CPO·CAIO·CISO 협력 체계와 AI 개발 초기 개입 원칙 이해
지금 바로 적법근거 판단 흐름도를 직접 그려보세요. 수집 출처별로 어떤 조항이 적용되는지 손으로 정리해두면 사례형 문제에서 실수가 확연히 줄어듭니다.
AI 관련 규정을 공부하면서 기존에 배운 개인정보보호법 조항과 연결이 잘 됐나요? 추가적 이용 조항이나 정당한 이익 조항 중 어느 쪽이 더 헷갈리셨나요?
다음 글 추천: CPPG 4과목 개인정보 보호조치 핵심 정리 / CPPG 3과목 개인정보 라이프사이클 관리 총정리
본 포스팅은 정보 전달 목적이며, 실제 적용 시 발생하는 책임은 사용자에게 있습니다.