어디에나 에이전트: 정보의 흐름 - Negative Star Innovators 블로그

우리의 논지는 모든 인간이 결국 개인 생활과 업무에서 디지털 및 물리적 영역에 걸쳐 AI 에이전트를 지휘하게 될 것이라는 것이다. 육체 노동조차 로봇에 의해 자동화되고 인간이 지휘하는 에이전트에 의해 조율될 것이다. 많은 에이전트가 지속적인 인간의 감독이 거의 또는 전혀 없이 상시 작동하며, 사람이 설정한 후에도 오랫동안 다른 에이전트에 작업을 위임하고 정보를 교환할 것이다. 이러한 에이전트는 인간이 수동으로 관리하거나 이해할 수 없는 규모로 업무를 수행하고 정보를 교환할 것이다. 이러한 에이전트가 교환하는 방대한 양의 정보를 이해하기에는 인간의 시간이 단순히 충분하지 않을 것이다. 에이전트와 상호작용이 추가될 때마다 정보가 제3자에게 흘러갈 수 있는 범위가 넓어지며, 위험한 영향을 초래한다.

우리는 에이전트가 통화에 참여하고, 과거 녹음을 검색하고, 메시지를 관리하고, 문서를 검색하고, 카메라를 작동하고, 구매를 수행하고, 로봇을 제어하고, 협상에서 사람을 대리함으로써 일상생활의 모든 측면을 중개하게 될 것이라고 믿는다. 흔히 각 당사자가 자체 에이전트를 보유하게 될 것이다. 채용 면접에서 고용주의 에이전트는 대화를 전사하고 분석하는 동안, 지원자의 에이전트는 관련 경력을 검색하고 고용주의 주장을 평가하며 지원자에게 조언할 수 있다. 계약 협상에서 각 당사자의 에이전트는 제안된 조건을 자체 우선순위와 대조하여 검토하고, 위험을 표시하며, 관련된 사람들이 최종 계약을 승인하기 전에 수정안을 제안할 수 있다.

당신이 직접 에이전트를 사용하지 않더라도, 다른 사람 및 조직과 공유한 정보는 당신이 통제하지 않는 에이전트에 의해 처리될 수 있다. 이러한 에이전트는 이 데이터를 보유하고 분석하며, 여기에서 새로운 정보를 도출하고, 그 결과에 따라 행동할 수 있게 될 것이다.

어떤 정보가 유출될 수 있는가

유출되어 우리를 겨냥해 사용될 수 있는 정보는 개인 식별 정보(Personally Identifiable Information, PII)와 자격 증명을 훨씬 뛰어넘는다.

기밀 기록 및 액세스 자격 증명
본질적으로 사적인 정보이거나 계정, 자산, 신원 또는 사적 통신에 액세스하는 데 사용될 수 있는 정보다. 여기에는 PII, 비밀번호, 인증 토큰, 전화번호, 주소, 계정 및 결제 정보, 재무 및 법률 기록, 사적 통신, 고객 계정 및 거래 기록이 포함된다. 이러한 위험은 개인과 조직 모두에 적용되며 기존의 PII 정의를 훨씬 뛰어넘는다.
사적 맥락, 계획 및 노하우
의도, 역량, 방법, 관계 또는 축적된 지식에 대해 드러내는 내용에서 민감성이 비롯되는 정보다. 기업의 경우 여기에는 제품 전략, 독점적 방법, 연구, 비공개 가격 전략 및 상업 조건, 공급업체 관계, 소싱 전략, 협상된 조건, 독점 소스 코드, 고객 인텔리전스, 내부 문서 및 운영 노하우가 포함된다. 개인의 경우 여기에는 사적 프로젝트, 미공개 창작물, 취미, 관심사 및 여가 활동, 개인 및 직업적 계획, 가족·사회적·직업적 관계, 개인적 의무와 일상, 그리고 기타 사적 맥락이 포함된다. 이러한 정보의 공개는 조작적 마케팅, 표적 사기, 평판 또는 관계 훼손, 협상력 상실, 또는 생계, 자율성 또는 안전에 대한 위협을 가능하게 할 수 있다.
민감한 인간 데이터 및 추론
생체, 생리 및 행동 데이터와 이에서 도출된 추론은 우리의 신원을 확인하고, 정신적 및 신체적 건강, 선호와 혐오를 추론하며, 특정 상황에서 우리가 어떻게 행동할 가능성이 있는지 예측하는 모델을 구축하는 데 사용될 수 있다. 예를 들어 연구자들은 표준 비디오 카메라가 미세한 생리적 변화를 포착하여 심박, 혈압, 혈중 산소 포화도, 호흡수, 심박 변이도 및 나이와 같은 신체 건강 지표를 신체 접촉 없이 측정할 수 있음을 입증했다 [1] [2] [3]. 정신 및 인지 건강 영역에서는 짧은 오디오 녹음에서 추출한 “음성 바이오마커”가 말하기 속도, 음높이, 제로 크로싱 비율, 어휘 선택과 같은 미묘한 청각적 특징을 분석하여 치매, 우울증, 불면증 및 불안이 있는지 나타낼 수 있다 [4] [5] [6] [7]. Wi-Fi 및 RF 레이더 신호는 무선 주파수가 인체에서 반사되는 방식을 측정하여 벽을 통과해서도 우리의 정확한 신체 위치, 수면 단계, 호흡수 및 심박을 감지할 수 있다 [8] [9] [10]. 인간의 보행은 또 다른 민감한 데이터 스트림을 제공한다. 걸음 패턴은 개인을 식별하는 데 사용될 수 있고, 보행 속도는 고령자의 생존과 관련이 있으며, 보행 특징은 신경학적 장애, 인지 부하, 피로 및 수면 부족을 나타낼 수 있다 [11] [12] [13] [14] [15] [16]. 또한 생리학적 아이트래킹(동공 확장, 응시 지속 시간 및 시선 패턴 평가)과 같은 모달리티는 우리의 인지 부하를 평가하고, 작업별 문제 해결 전략과 작업 수행의 측면을 드러낸다. 또한 우리의 선호와 혐오를 나타낼 수 있다 [17] [18] [19].
물리적 세계 운영 및 센서 데이터
로봇, 차량, 카메라, 마이크 및 기타 물리적 센서에 의해 수집되는 정보다. 여기에는 비디오, 오디오, 공간 지도, 정확한 위치, 주택 또는 시설의 구조, 안전 사건, 기계 텔레메트리, 가정 및 이동 패턴, 그리고 기업이나 가정이 실제로 어떻게 기능하는지 드러내는 운영 프로세스가 포함된다. 이러한 정보의 노출은 기존의 데이터 보안 위험뿐 아니라 프라이버시, 안전 및 물리적 보안 위험을 초래할 수 있다.

이러한 범주는 서로 겹치며, 단독으로는 무해해 보이는 정보도 다른 데이터와 연결되거나, 시간이 지나면서 축적되거나, 새로운 추론을 도출하는 데 사용되면 민감해질 수 있다.

유출된 정보가 당신을 겨냥해 어떻게 사용될 수 있는가

기밀 기록과 자격 증명이 당신을 겨냥해 어떻게 사용될 수 있는가

비밀번호, 인증 토큰 및 계정 정보는 계정, 자산 및 사적 통신에 즉시 액세스할 수 있게 해준다. 다른 기록은 즉각적인 액세스를 제공하지 않을 수 있지만 법적 분쟁, 재정적 압박, 고객 관계, 건강 정보 또는 사적인 대화를 노출할 수 있다.

개인에게 이는 신원 도용, 사기, 협박 또는 사생활 노출을 의미할 수 있다. 기업에는 고객 피해, 규제 책임, 운영 중단 및 신뢰 상실을 의미할 수 있다. 유출된 기록은 더 큰 공격의 시작점이 될 수도 있다. 하나의 문서가 계정 이름, 내부 시스템, 관계 또는 보안 관행을 드러내 후속 공격을 더 효과적으로 만들 수 있다.

기업의 경우: 데이터와 축적된 맥락이 바로 해자다

당신의 데이터가 바로 해자다. 이에 대한 통제를 잃으면 기업이 노출되고, 경쟁사가 강화되며, 차별화가 약해질 수 있다. 프런티어 AI 기업이 당신의 기업 데이터로 학습하면, 그들이 얻은 지식은 경쟁사를 포함한 모든 사람에게 제공하는 결과를 개선할 수 있다. 따라서 기업 내부에 축적된 지식이 시장 전체에서 사용할 수 있는 역량이 될 수 있다. AI 제공업체는 고객의 시장으로 확장할 수도 있다. Claude Design은 Figma와 경쟁할 수 있으며, Claude 내 Personal Finance는 재무 자문 및 개인 금융 서비스와 경쟁할 수 있다. 결국 미래의 경쟁사에 비용을 지불하면서 동시에 그 업체가 당신을 대체할 존재를 구축하도록 돕는 맥락을 제공하게 될 수도 있다.

AI는 기업을 창업하고 운영하며 제품을 구축하는 비용을 낮추고 있다. 제품 개발과 운영이 쉬워짐에 따라 시장은 희소한 관심을 놓고 경쟁하는 유사한 제품으로 가득 찰 것이다. 그러한 환경에서 데이터와 운영 노하우는 남을 수 있는 몇 안 되는 해자에 속한다.

위험은 AI 제공업체의 의도적인 재사용에 국한되지 않는다. 정보가 통제를 벗어나면 보안 침해를 통해 노출되거나, 예상보다 오래 보관되거나, 직원, 계약업체 또는 제3자와 부주의하게 공유되거나, 소환장, 법원 명령, 증거개시 또는 정부의 백도어와 같은 법적 절차를 통해 공개될 수 있다. 다른 데이터 세트와 결합되어 공유하려던 것보다 더 많은 정보를 드러낼 수도 있다.

개인의 경우: 관계, 일상 및 조작

개인에게 피해는 신원 도용이나 사적 문서의 노출에 국한되지 않는다. 축적된 맥락은 가족 및 사회적 관계, 개인적 의무, 취미, 일상, 의도, 제약, 향후 계획 및 가장 사적인 심리 상태를 드러낼 수 있다. 누가 누구와 연결되어 있는지, 누가 누구를 신뢰하는지, 누가 누구에게 의존하는지, 누가 어떤 압박을 받고 있는지 보여줄 수 있다. 이는 이미 일어나고 있지만 AI가 경제성을 변화시켰으며, 이에 대해서는 뒤에서 논의한다.

마케팅 회사는 이 정보를 사용하여 고도로 개인화되고 조작적인 광고를 제작할 수 있다. 사기꾼은 같은 맥락을 사용하여 사기성 요청과 사칭을 더 설득력 있게 만들 수 있다. 누군가의 가족 관계, 현재와 미래의 계획 및 의사소통 패턴을 아는 사기꾼은 그 정보를 이용해 가족 구성원의 딥페이크 사칭을 신뢰할 만하게 보이도록 할 수 있다.

이 맥락은 개인의 협상력을 약화시킬 수도 있다. 고용주, 구매자, 고객 또는 다른 상대방은 누군가가 직장이나 판매를 얼마나 긴급하게 필요로 하는지, 어떤 대안이 있는지, 어떤 제약이 결정을 형성하고 있는지 알아낼 수 있다. 사적인 일상과 관계 정보는 조작, 스토킹, 강요 및 원치 않는 접촉을 포함하여 자율성과 안전에 위험을 초래할 수도 있다.

축적된 전체상이 위험해지기 위해 개별 사실 하나가 매우 민감해 보일 필요는 없다.

민감한 인간 데이터가 당신을 겨냥해 어떻게 사용될 수 있는가

CEO가 실적 발표 전화 회의 중 정신적 고통, 정신 질환 및/또는 질병의 징후를 보이고, AI가 CEO의 목소리와 신체를 모니터링해 이를 감지할 수 있다면 회사의 주가에 어떤 일이 일어날지 생각해 볼 필요가 있다. AI가 거짓 양성을 생성하더라도 결과는 여전히 재앙적일 수 있다.

또 다른 예로 기업은 어떤 이미지와 주제가 당신에게 호소력이 있는지, 어떤 사람에게 성적으로 끌리는지(개별 특징에 이르기까지), 무엇을 보기 싫어하는지, 어떤 의사소통 방식이 가장 설득력 있다고 느끼는지 파악할 수 있다. 그런 다음 예를 들어 생성형 AI 비디오를 사용해 수백만 명의 개인을 위해 수백만 개의 맞춤형 광고(각 개인을 위한 맞춤형 비디오)를 제작하고, 각 사람이 구매에 가장 쉽게 이끌리는 순간에 제공하는 방식으로 그 정보를 바탕으로 당신을 조작할 수 있다.

영상 통화를 검토하는 채용 면접관은 당신이 직장을 얼마나 절실히 필요로 하는지 실시간으로 추정하고, 그 추론을 근거로 매우 낮은 제안을 정당화할 수 있다. 건강 보험사는 전화 대화를 바탕으로 보험료를 변경하면서 위험 평가가 변경된 이유를 결코 알려주지 않을 수 있다.

누군가 추론에 따라 행동하기 위해 그 추론이 결정적일 필요는 없다. 영향을 받는 사람이 그 추론이 이루어졌다는 사실을 알 필요도 없다. 대부분의 경우 그 사람은 결코 알지 못할 것이다. 더 나은 접근법은 비디오, 오디오 및 기타 데이터 스트림에서 생물학적, 심리학적 추론이 생성되거나 공유되는 것을 애초에 방지하는 것이다.

물리적 세계의 노출: 안전, 보안 및 운영 프로세스

물리적 세계의 데이터는 카메라 피드에 나타나는 사물 이상을 드러낸다. 시설 지도는 출입구, 제한 구역 및 보안 범위를 노출할 수 있다. 로봇 및 기계 텔레메트리는 생산 속도, 생산 능력, 유지보수 문제, 운영 일정 및 독점 프로세스의 세부 정보를 드러낼 수 있다. 안전 사건은 시스템이 어디에서 실패하고 물리적 취약점이 어디에 있는지 보여줄 수 있다.

가정에서는 공간 지도, 카메라, 마이크 및 이동 패턴이 집의 구조, 사람이 있는 시간, 어떤 민감한 개인 물품이 있는지, 어떤 방을 사용하는지, 일상 속에서 어떻게 이동하는지 드러낼 수 있다. 따라서 유용한 물리적 작업을 수행하기 위해 수집된 정보가 재실 여부, 취약성 및 행동 분석에 대한 정보가 될 수 있다.

에이전트가 로봇, 차량 및 기타 물리적 시스템을 제어하게 되면 유출된 정보는 물리적 세계를 설명하는 데 그치지 않는다. 그 안에서 작동하는 시스템에 영향을 미치는 방법까지 드러낼 수 있다.

AI가 정보 악용의 경제성을 바꾸는 이유

AI는 이전에는 불가능했던 것보다 더 많은 정보를 분석하고 더 많은 정보를 추론할 수 있게 한다. 더 나아가 AI는 정보를 바탕으로 스스로 행동할 수 있다. 예를 들어 사람이 각 결정을 검토할 때까지 기다리지 않고 메시지를 자동으로 전송하고, 광고를 타기팅하고, 콘텐츠를 생성하고, 요청을 승인하거나 거부하고, 요금 금액을 설정하고, 거래를 시작하고, 로봇을 제어할 수 있다.

과거에는 인간의 시간과 비용이 제한되어 있었기 때문에 사용 가능한 정보 대부분을 최대한 활용할 수 없었다. 잠재적 수익이 비용을 정당화할 때만 국가 정보 기관이 서로를 감시하거나 고부가가치 기업 간에 기업 스파이 활동이 이루어지는 것과 같은 매우 효과적인 분석과 행동이 나타났다.

AI를 통한 대량 분석과 고도로 개인화된 정보 사용 비용은 빠르게 하락하고 있다. 인간의 시간 비용은 더 이상 병목이 아니다. 병목은 컴퓨팅이 될 것이며, 컴퓨팅은 시간이 지남에 따라 계속 더 저렴하고 강력해질 것이다.

이는 악용의 경제성을 바꾼다. 이전에는 분석, 결합 또는 활용 비용이 너무 높았던 정보를 이제 지속적으로 대규모로 처리할 수 있다. 행위자는 더 이상 당신이나 당신의 회사를 조사할 사람을 배정하는 비용을 정당화할 필요가 없다.

악용자는 항상 정확할 필요가 없다

추론이 유용해지기 위해 100% 정확할 필요는 없다. 통계적 이점만 제공하면 된다.

누군가가 제안을 받아들이기 쉬운 시기에 대한 추정을 조금만 개선할 수 있는 광고주는 수백만 건의 노출에서 이익을 얻을 수 있다. 대부분의 시도가 실패하더라도 사기꾼은 이익을 얻을 수 있다. 고용주, 보험사 또는 경쟁사는 많은 개별 사례에서는 틀렸지만 평균적으로 유용한 확률론적 평가로부터 이익을 얻을 수 있다.

거짓 양성이 위험을 제거하지는 않는다. 질병, 고통, 취약성, 부정직 또는 의도에 대한 잘못된 추론도 결정, 협상 또는 개인의 평판에 영향을 미칠 수 있다. 평가받는 사람은 어떤 추론 정보가 사용되었는지 결코 알지 못할 수 있으며, 이에 이의를 제기할 의미 있는 기회도 얻지 못할 수 있다.

에이전트 정보가 유출되는 지점

에이전트가 외부 프런티어 AI 제공업체에 맥락을 전송할 때, 로컬에서 실행되는 에이전트가 외부 세계와 통신할 때, 에이전트가 비즈니스 또는 고객 맥락에서 다른 에이전트와 정보를 교환할 때, 심지어 에이전트가 외부 인간과 직접 통신할 때도 정보는 제3자에게 흘러갈 수 있다.

동일한 범주의 정보가 프롬프트, 문서, 대화 기록, 도구 호출, 워크플로 로그 및 에이전트 간 메시지에 나타날 수 있다. 에이전트 메시지에는 기존 파일과 마찬가지로 자격 증명, 전략적 지식, 인간에 대한 추론 또는 물리적 지도가 얼마든지 쉽게 포함될 수 있다.

외부 공개를 위해 에이전트가 문서 전체를 전송할 필요도 없다. 에이전트는 짧은 쿼리, 지원 요청, 요약, 도구 매개변수 또는 상대방에게 제공한 답변을 통해 민감한 정보를 드러낼 수 있다.

로컬 추론은 정보 유출을 제거하지 않는다

로컬 추론은 이 문제를 제거하지 않는다. 단지 모델이 실행되는 위치를 바꿀 뿐, 정보가 여전히 외부로 나가야 하는지 여부를 바꾸지는 않는다.

로컬 추론은 비용이 감소함에 따라 점점 더 많이 사용될 것이다. 그러나 프런티어 모델은 계속해서 클라우드의 AI 기업이 제공할 것이다. 가장 성능이 뛰어난 모델을 학습하고 제공하려면 대부분 사람의 예산을 초과하는 고비용 컴퓨팅이 필요하기 때문이다. 클라우드 제공은 또한 제공업체가 새로운 모델에 대한 액세스를 제어하고 실제 사용 환경에서 모델의 성능을 관찰할 수 있게 한다.

기본 모델이 로컬에서 실행되더라도 에이전트는 여전히 외부 도구, 서비스, 고객, 로봇 및 다른 에이전트와 통신해야 할 수 있다. 따라서 로컬 추론은 중요한 통제 수단이지만 완전한 해결책은 아니다.

에이전트에는 내부 액세스 경계가 필요하다

에이전트에도 내부 경계가 필요하다. 직원이 회사의 모든 시스템과 문서에 무제한 액세스할 수 있는 것은 아니다. 마찬가지로 에이전트도 자신의 역할과 작업에 필요한 정보만 받고 공유해야 한다.

고객 지원을 돕는 에이전트가 소스 코드, 법률 기록 또는 경영진 통신에 대한 액세스 권한을 자동으로 물려받아서는 안 된다. 로봇을 조율하는 에이전트가 반드시 직원 기록에 액세스해야 하는 것은 아니다. 한 에이전트가 정보를 필요로 한다고 해서 모든 다운스트림 에이전트가 동일한 정보를 필요로 하는 것은 아니다.

이러한 경계는 에이전트 간 통신도 관리해야 한다. 다른 에이전트가 요청한다는 이유만으로 정보가 전파되어서는 안 된다. 액세스는 작업으로 범위를 한정하고 필요한 정보로 제한해야 하며, 무엇을 보관하거나 공유할 수 있는지에 대한 명시적 규칙에 따라 제약되어야 한다.

에이전트 세계를 위한 정보 거버넌스

궁극적으로 이는 데이터 거버넌스 문제다. 정보가 프롬프트, 도구, 에이전트 및 물리적 시스템을 통해 지속적으로 이동할 때 문서와 데이터베이스를 위해 작성된 정적 정책만으로는 충분하지 않다. 거버넌스는 또한 충분한 권한이 주어지면 자신을 제약하도록 의도된 구성, 도구 또는 운영 환경의 다른 부분을 변경할 수 있는 에이전트를 고려해야 한다.

조직과 개인은 에이전트가 어떤 정보에 액세스할 수 있는지, 신뢰 경계를 벗어나기 전에 어떤 정보를 가려야 하는지, 어떤 에이전트가 그 정보를 받을 수 있는지, 그러한 공개에 대한 어떤 기록이 존재하는지 결정할 방법이 필요하다. 또한 원래 분류가 아니라 집계나 추론을 통해 민감해지는 정보에 대한 통제도 필요하다.

독립성 문제도 있다. AI 제공업체에는 모델 개선, 안전 및 악용 방지 정책 시행, 용량과 비용 관리, 법적 의무 준수, 수익 창출 및 신제품 확장이라는 정당한 자체 목표가 있다. 이러한 목표는 모든 고객의 경쟁 우위나 운영 연속성을 보호하는 것과 동일하지 않다. 제공업체는 짧은 통보 후 시행 관행을 변경할 수도 있으며 실제로 그렇게 한다.

기업 계약, 학습에 사용하지 않겠다는 약속 및 규정 준수 통제는 위험을 줄일 수 있지만 이러한 종속성을 제거하지는 않는다. 조직은 여러 모델, 제공업체 및 로컬 추론도 사용할 것이다. 조직에는 자체 통제 하에 유지되고 이러한 조합 전체에 일관된 정책을 적용하는 독립적인 프라이버시 및 거버넌스 계층이 필요하다. 이를 통해 필요 이상으로 민감한 맥락을 노출하거나 각 제공업체가 동일한 규칙을 시행할 것이라고 의존하지 않으면서 사용 가능한 최고의 지능을 활용할 수 있다. AI 제공업체와의 계약이 보안 침해, 계약업체 및 직원과의 데이터 공유, 법원 명령 또는 정부의 백도어를 통한 데이터 유출을 막아주지는 않는다.

프라이버시와 정보 제한은 모든 기업과 개인이 사용하는 핵심 인프라가 될 것이다. 목표는 에이전트가 정보를 사용하지 못하도록 하는 것이 아니다. 점점 더 강력해지는 에이전트가 실제로 필요한 정보만 사용할 수 있도록 보장하고, 모든 상호작용이 외부 세계로 통제되지 않은 지식 이전이 되지 않도록 하는 것이다.

Agent Redactor: 검증 가능한 통제를 향한 첫 단계

이 멀티모달 프라이버시 인프라를 구축하려면 현재 에이전트가 정보를 가장 많이 새고 있는 지점에서 시작해야 한다. 바로 AI 제공업체에 전송되는 텍스트, 프롬프트 및 도구 호출이다.

Agent Redactor는 AI 에이전트와 LLM 엔드포인트 사이에 직접 위치하는 오픈 소스 로컬 프록시다. 온디바이스 AI 모델, 결정론적 규칙 및 키워드 매칭을 사용하여 아웃바운드 요청이 컴퓨터를 떠나기 전에 민감한 맥락을 가로채 가린다. 그런 다음 응답에서 원래 값을 매끄럽게 복원하여 워크플로가 중단 없이 계속 작동하도록 한다. 현재 Claude Code, Codex, Hermes, OpenClaw 및 OpenCode에서 작동하도록 테스트되었다. 다른 에이전트 프레임워크에서도 작동할 수 있어야 하지만 아직 테스트되지는 않았다.

현재 Agent Redactor는 가장 즉각적이고 실용적인 유출 경로, 즉 에이전트가 외부 모델 제공업체에 전송하는 서면 맥락을 다룬다. 그러나 우리의 비전은 AI 제공업체에 전송되는 텍스트를 훨씬 뛰어넘는다.

Agent Redactor는 훨씬 더 큰 비전의 기초 단계다. 우리의 궁극적인 목표는 이 논지에서 설명한 바로 그 멀티모달 제어 계층을 구축하는 것이다. 음성, 비디오, 물리적 세계 텔레메트리 및 생체 추론과 같은 모달리티가 제3자 에이전트, AI 제공업체 또는 신뢰할 수 없는 환경에 노출되기 전에 이를 관리할 수 있는 계층이다. 우리는 기업을 방어 가능하게 하고 사생활을 자신의 것으로 유지하는 데이터를 포기하지 않으면서 에이전트의 힘을 충분히 활용할 수 있는 미래를 위한 아키텍처를 구축하고 있다.

우리는 Agent Redactor가 정보 통제를 AI 제공업체의 약속에서 사용자가 관리하는 로컬의 검증 가능한 계층으로 전환함으로써 파괴적 혁신을 일으킬 것이라고 믿는다.

이는 엄청난 과업이며 개방적이고 협력적인 접근이 필요하다. 우리가 설명한 미래는 빠르게 다가오고 있다.

에이전트 생태계가 폐쇄되고 소수의 주요 업체에 의해 통제되기 전인 지금이 데이터를 보호할 기회다. Agent Redactor를 살펴 볼 것을 권한다. 워크플로에서 테스트하고, 피드백을 공유하거나, 코드베이스에 직접 기여해 달라. 에이전트 아키텍처가 영구적으로 폐쇄되기 전에 검증 가능한 프라이버시에 대한 수요를 입증하고 이러한 통제를 시스템에 지금 내장해야 한다. 에이전트 시대를 위한 프라이버시 인프라를 함께 구축해 나가자.