오픈소스 서밋 코리아 2026이 8월 11일 서울 파르나스 호텔에서 막을 올렸습니다. 지난 예고 글에서 기조연설 라인업과 트랙 구성을 정리했는데, 이번에는 실제로 무대에서 어떤 이야기가 나왔는지를 정리합니다. 키워드는 하나로 모입니다. AI가 오픈소스 보안에 쏟아내는 보고서를 사람이 어떻게 감당할 것인가, 그리고 한국이 그 생태계에서 어디쯤 서 있는가입니다.
리눅스재단이 본 한국
짐 젬린(Jim Zemlin) 리눅스재단 CEO는 기조연설에서 재단 참여 개발자가 2026년에 100만 명을 넘어섰다고 밝혔습니다. 한국은 오픈소스 기여 순위에서 세계 6위에 올랐고, 개발자 참여는 전년 대비 45만 명 늘었습니다.
젬린 CEO는 정부가 독자 AI 모델 개발을 지원하고 국내 기업들이 자체 LLM 구축에 나서는 흐름이 오픈소스 생태계와 맞물리면서 한국의 AI 기술 독립성이 강화되고 있다고 평가했습니다. 오픈웨이트 모델과 오픈소스 소프트웨어가 국가의 디지털 주권과 직결된다는 것이 발표의 핵심 논지였습니다. 여기에 2027년이면 개인용 AI 워크로드의 절반가량이 클라우드가 아닌 개인 기기에서 실행될 것이라는 전망도 덧붙였습니다.
“AI는 패턴 매칭일 뿐”
리눅스 커널 유지관리를 책임지는 그렉 크로아-하트만(Greg Kroah-Hartman)의 기조연설은 AI 보안 도구에 대한 현장의 온도를 그대로 보여줬습니다. 그는 LLM이 하는 일을 “특정한 형태의 패턴을 찾는 것”으로 규정했습니다. 코드 역시 패턴이므로 AI가 취약점을 잘 찾아내는 것은 당연하지만, 그것이 곧 분석은 아니라는 것입니다.
문제는 정확도입니다. AI를 활용한 취약점 분석 결과 가운데 25~33%가 오탐, 즉 실제로 존재하지 않는 문제였습니다. 그는 모델이 만들어낸 가짜 취약점이 “정말 무섭고 정말 설득력 있게” 보인다는 점을 경고했습니다. 진짜와 가짜를 가르는 일은 결국 사람이 코드를 읽어야 하고, 메인테이너의 시간은 그만큼 갈려 나갑니다.
대응책으로는 보고서에 초기 패치를 함께 제출하도록 요구하는 방식이 언급됐습니다. 버그를 발견했다고 주장하려면 고치는 코드까지 같이 내라는 것으로, 이 조치만으로 근거가 빈약한 보고가 3분의 1가량 걸러졌다고 전해집니다. 운영 측면의 권고도 이어졌습니다. 보안 분석용 모델은 외부 클라우드 API 대신 로컬 워크스테이션에서 작은 모델로 돌릴 것, 민감한 보안 정보를 업로드하지 말 것, 신뢰할 수 없는 AI 프로세스에 관리자 권한을 주지 말 것 등입니다.
1,250만 달러와 Scrutineer
메인테이너의 부담을 덜기 위한 재단 차원의 대응도 진행 중입니다. 리눅스재단은 앤트로픽·AWS·GitHub·구글·구글 딥마인드·마이크로소프트·오픈AI로부터 1,250만 달러의 보조금을 받아 알파-오메가(Alpha-Omega)와 OpenSSF를 통해 집행하고 있습니다. 여기서 나온 도구가 저장소를 훑어 취약점을 찾되 메인테이너에게 가는 알림 피로를 줄이는 것을 목표로 하는 Scrutineer입니다.
다만 크로아-하트만은 돈만으로 해결될 문제가 아니라는 입장을 분명히 했습니다. AI가 만들어내는 보고서의 양 자체가 이미 사람의 처리 능력을 넘어섰고, 필요한 것은 이를 분류하고 처리하는 실질적인 인력과 도구라는 것입니다.
개방형 모델과 폐쇄형 데이터의 모순
다른 기조연설에서도 비슷한 문제의식이 이어졌습니다. 발키(Valkey) 프로젝트의 네이트 브라운(Nate Brown)은 오픈웨이트 AI 모델을 채택하면서 데이터 계층은 폐쇄형으로 유지하는 것은 기술적 모순이라고 지적했습니다. 프리야 나그푸르카르(Priya Nagpurkar) IBM 리서치 부사장은 자율 에이전트 인프라를 주제로, IBM이 분산 추론 오케스트레이션 기술을 CNCF에 기여한다고 밝혔습니다.
국내 개발자에게 남는 것
이번 서밋에서 반복해서 확인된 것은 두 가지입니다. 하나는 AI 취약점 스캐너를 돌려 보고서를 대량으로 던지는 행위가 더 이상 기여로 받아들여지지 않는다는 점입니다. 커널을 포함한 주요 프로젝트에 보고를 넣으려면 재현 방법과 수정 패치까지 준비하는 것이 사실상 최소 요건이 됐습니다. 다른 하나는 온디바이스·로컬 실행으로 무게중심이 옮겨가고 있다는 점입니다. 보안 분석을 로컬 소형 모델로 돌리라는 권고와 2027년 개인 AI 워크로드 절반이 기기에서 돌 것이라는 전망은 같은 방향을 가리킵니다.