ChatGPT 공유 링크가 검색엔진에 노출되고 있다? 개인정보 유출을 막기 위한 사용 팁

최근 뉴스에 따르면, 일부 사용자가 ChatGPT에서 생성한 공유 링크가 Google이나 Bing 같은 검색엔진에 노출되면서, 의도치 않게 민감한 정보가 외부에 드러나는 일이 발생했다고 합니다. 이번 글에서는 해당 사례의 배경과 기술적인 구조, 개인정보 보호를 위해 우리가 알아야 할 핵심 내용을 간단하면서도 실용적으로 소개해드리겠습니다.

ChatGPT 공유 링크, 검색엔진에 노출되다

ChatGPT에서 유용한 대화 내용을 공유하고자 ‘공유 링크 만들기’ 기능을 사용해보신 분도 많으실 겁니다. 이 기능을 사용하면 ‘/share’가 포함된 고유 URL이 생성되고, 이 링크를 받은 누구나 해당 내용을 열람할 수 있게 됩니다.

문제는 일부 공유 링크들이 검색엔진에 수집되면서 누구나 검색을 통해 타인의 AI 대화를 들여다볼 수 있었던 점입니다. 예를 들어 누군가는 이력서 첨삭을 요청했고, 다른 이는 사적인 연애나 직장 고민을 털어놓기도 했습니다. 이러한 대화들이 외부에 노출되며 개인정보 유출 사고로 이어졌습니다.

hero image 2

공유 링크는 왜 검색엔진에 노출되었나?

ChatGPT에서 대화를 공유하려면 ‘공유’ 버튼을 누른 뒤 ‘링크 생성’을 선택해야 합니다. 이때 별도의 설정을 변경하지 않으면 대부분의 경우 해당 링크는 검색엔진에 노출 가능한 상태로 생성됩니다. 검색로봇은 이 URL을 인터넷 상에서 감지하고 색인을 지정(인덱싱)함으로써 검색 결과에 포함시킵니다.

이는 Google Drive 등의 클라우드 서비스에서 종종 나타나는 보안 취약성과 유사합니다. ‘링크가 있는 모든 사람’에게 열람을 허용하면 그 링크가 의도치 않게 외부 웹사이트를 통해 확산되고, 결국 검색엔진에도 포착될 수 있습니다. 공유의 편의성은 높지만, 반면 프라이버시와 보안 측면에서는 명확한 한계가 존재합니다.

단순한 실험인가, 아니면 위험한 전환점인가?

OpenAI는 해당 상황이 실험적인 기능에 의해 발생했음을 인정하고, 현재는 검색엔진 인덱싱이 더 이상 허용되지 않도록 조치했다고 밝혔습니다. 그러나 이미 노출된 일부 링크는 아직 검색 결과에서 완전히 사라지지 않은 상태입니다.

이 사건은 단순한 사용자 실수가 아닙니다. AI 서비스가 일상생활 깊숙이 들어온 지금, 사용자 데이터 보호와 디지털 문해력 향상은 더 이상 선택이 아닌 필수입니다. 특히 ChatGPT의 경우, 사용 내용이 개인의 감정이나 경제 상황, 직업 정체성까지 드러낼 만큼 민감할 수 있기 때문에 각별한 주의가 필요합니다.

ChatGPT의 공유 기능은 어떻게 작동하나?

공유 기능은 사용자가 대화 내용을 다른 사람과 나누고 싶을 때 유용하게 쓰입니다. 해당 기능을 실행하면 ‘chat.openai.com/share/고유값’ 형태의 URL이 자동 생성되고, 보기 편한 형식으로 대화 내용이 정리되어 나타납니다. 이 링크에는 사용자의 이름이나 이후 대화 내용은 포함되지 않지만, 중요한 점은 생성된 링크만 있으면 누구든 그 내용을 그대로 확인할 수 있다는 사실입니다.

초기 설정에서는 이 링크가 검색엔진에 노출될 수 있는 상태였기 때문에, 의도치 않게 외부 공개로 이어지는 사고가 발생했던 것입니다.

사용자 실수인가, 시스템 설계의 문제인가?

많은 전문가들은 이 문제를 단순한 사용자 실수로 보기 어렵다고 말합니다. 특히 공유 링크가 기본적으로 검색엔진 수집을 허용하는 구조로 설계되어 있었다는 점에서 시스템 설계상의 결함이라는 지적도 나옵니다.

개인정보 유출을 막으려면 어떻게 해야 하나?

사용자 입장에서 개인정보 보호를 위한 몇 가지 실천 방법이 있습니다. 첫째, 공유 버튼을 누르기 전 내용 중 민감한 표현이나 개인정보가 포함되지 않았는지 점검하셔야 합니다. 이름, 전화번호, 직장 정보 등은 반드시 제거하시는 것이 좋습니다.

둘째, 링크 생성 후 ‘검색엔진 노출 허용’ 여부를 꼭 확인하셔야 합니다. 옵션이 있다면 비활성화 상태로 설정하시고, 가능한 경우 일반 링크 생성 자체를 피하는 것도 좋은 방법입니다.

셋째, 가족이나 친구, 직장 동료 등 제3자의 이름이나 정보를 대화에 포함시키는 것은 권장되지 않습니다. 개인정보는 본인 것뿐만 아니라 타인의 정보도 포함될 수 있음을 인지하셔야 합니다.

넷째, 민감한 주제에 대해서는 가급적 공유를 삼가시는 것이 좋습니다. 특히 금융, 건강, 진로 등 개인의 중요한 의사결정과 관련된 질문은 외부 유출될 경우 의도치 않은 결과를 초래할 수 있습니다.

기업 사용자라면, 더욱 각별한 주의가 필요합니다

많은 기업들이 사내 문서 정리, 마케팅 문안 작성, 보고서 요약 등 다양한 업무에 ChatGPT를 도입하고 있습니다. 하지만 만일 직원이 이런 대화를 공유 링크로 저장하거나 메신저 등에서 전달한다면, 내부 문서나 고객 정보, 혹은 제품 로드맵이 외부에 노출될 가능성도 있습니다.

특히 마케팅, 전략기획, R&D, 법무 부서에서 다루는 문서 정보는 기업의 핵심 자산일 수 있습니다. 따라서 기업은 AI 도구 활용 시 내부 보안 정책을 명문화하고, 전 직원 대상의 사이버 보안 교육을 정기적으로 시행할 필요가 있습니다.

결론: AI 시대, 책임 있는 사용 문화가 필요합니다

ChatGPT를 포함한 AI 서비스는 빠르게 진화하고 있습니다. 그리고 이에 따라 사용자 개인의 책임감뿐만 아니라, 개발사의 윤리적 설계 능력 역시 더욱 중요해지고 있습니다. 결국 우리는 ‘편리함보다 신중함’이라는 원칙을 기억해야 합니다.

AI를 잘 활용한다는 것은 기술을 스마트하게 쓰는 것을 넘어, 우리의 개인정보와 사회적 신뢰를 지키는 일이기도 합니다. 이번 사례가 올바른 AI 도구 사용 문화를 다시 생각하게 하는 계기가 되기를 바랍니다.

출처: Your public ChatGPT queries are getting indexed by Google and other search engines

ChatGPT 공유 링크
AX 100배의 법칙
AX 100배의 법칙
– 나와 조직의 능력을 100배 높이는 AI 경영의 실제

도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .

Manus의 Wide Research, AI 멀티 에이전트 진화의 시작

AI 기술은 단순한 챗봇에서 출발해 콘텐츠 제작, 프로그래밍, 데이터 분석 등 다양한 비즈니스 분야로 확장되었습니다. 이제는 하나의 지능이 아닌 여러 개의 AI가 협력하는 ‘멀티 에이전트 시스템’ 시대에 접어들고 있습니다. 이 중심에 선 중국 AI 스타트업 Manus는 기존의 ‘Deep Research’ 방식을 넘어, 새로운 개념인 ‘Wide Research’를 제안하며 업계의 주목을 받고 있습니다. 이 글에서는 Manus의 Wide Research가 무엇인지, 기존 방식과 어떤 차이를 보이는지, 그리고 실제 활용 사례와 기술적 토대, 시장에서의 의미를 중심으로 살펴보겠습니다.

Wide Research란 무엇인가?

기존 인공지능 시스템은 사용자의 질문에 대해 웹에서 정보를 수집하고 요약하는 ‘Deep Research’를 중심으로 발전해 왔습니다. 하지만 Manus의 ‘Wide Research’는 완전히 다른 접근 방식을 취합니다. 단일 AI가 일련의 순차적 작업을 처리하는 대신, Manus는 하나의 업무에 대해 100개 이상의 AI 에이전트를 동시에 구동시킵니다.

이를테면, 특정 브랜드의 신발 100쌍을 비교해야 하는 상황에서 각각의 AI 에이전트가 한 켤레씩 담당해 동시에 분석하게 됩니다. 이렇게 병렬로 작업을 진행하면 처리 속도는 물론 정확도와 다양성 측면에서도 효율성을 높일 수 있습니다.

Manus wide research

병렬 AI 에이전트 구조의 핵심: 모두가 ‘제너럴’한 이유

Wide Research에서 특히 주목할 점은 각 AI 에이전트가 특정한 역할에 국한되지 않는다는 것입니다. 연구, 생성, 검토 등 모든 기능을 독립적으로 수행할 수 있어 각 에이전트가 ‘제너럴 퍼포즈 AI(범용 AI)’로 작동합니다.

일반적으로 멀티 에이전트 시스템은 역할을 분담해 작업을 수행하는데, Manus는 이와 달리 모든 에이전트가 똑같은 권한과 기능을 가지고 평등하게 작업합니다. 이 접근은 유연성을 극대화하지만, 동시에 일부 작업에서는 역할 충돌이나 중복 대응의 문제가 발생할 가능성도 있습니다. 다만 초기 실행 속도나 반복 테스트가 중요한 작업 환경에서는 이 방식이 훨씬 유리하게 작용할 수 있습니다.

실제 사례로 보는 Wide Research의 활용

Manus의 기술력이 실제로 어떻게 활용될 수 있는지는 포스터 디자인 프로젝트 사례에서 잘 드러납니다. 이 프로젝트에서는 50가지 서로 다른 시각 스타일에 맞춘 포스터를 동시에 생성할 수 있었습니다. 각 디자인은 개별 에이전트가 담당했으며, 결과는 ZIP 파일로 바로 내려받을 수 있도록 구성했습니다.

이와 같은 병렬 생성 방식은 디자인, 콘텐츠 제작, 영상 편집, 프레젠테이션 슬라이드 등 크리에이티브 산업 전반에서 기존 대비 획기적인 시간 단축과 스타일 다양화를 제공할 수 있습니다. 다수의 아이디어를 동시 탐색하거나 마케팅 자료를 지역별, 타깃별로 빠르게 제작해야 하는 팀에게 매우 유용할 수 있습니다.

Wide Research와 Deep Research는 무엇이 다른가?

Deep Research는 하나 또는 소수의 강력한 AI가 순차적으로 정보 수집과 분석을 진행합니다. 이는 집중적이고 심층적인 결과를 도출하는 데 유리하지만, 시간과 자원이 상대적으로 더 많이 소요될 수 있습니다.

Wide Research는 이와는 전혀 반대입니다. 동시에 다수의 작업을 처리함으로써 속도와 처리량에서 차별화를 꾀합니다. 예를 들어, 마켓 리서치나 콘텐츠 비교, 대규모 디자인 생성 등에서는 병렬성이 명확한 강점으로 이어집니다.

물론 Wide Research가 절대적으로 Deep Research보다 우위에 있다는 것은 아니니 신중해야 합니다. 아직까지 공식적인 성능 측정 자료나 정확도, 리소스 효율에 대한 데이터는 많이 공개되어 있지 않은 상황입니다. 따라서 두 방식은 목적에 따라 선택적으로 활용될 필요가 있습니다.

Wide Research의 기술적 기반: 가상 머신과 자동 오케스트레이션

Manus는 단순한 AI 에이전트를 제공하는 수준을 넘어서, 각 사용자에게 ‘개인용 클라우드 컴퓨팅 환경’을 제공합니다. 사용자가 요청을 입력하면, 그에 맞춰 새로운 가상 머신(Virtual Machine)을 생성하고, 이 VM 내부에 수십, 수백 개의 에이전트를 투입해 작업을 처리합니다.

이 구조 덕분에 사용자 입장에서는 복잡한 서버 설정이나 개발 환경 구축 없이도, 자연어로 명령을 입력하면 고성능 컴퓨팅 자원을 즉시 활용할 수 있습니다. 결과적으로 병렬 작업의 효율성을 극대화하면서도 사용자 경험은 단순하고 직관적으로 유지할 수 있도록 설계되었습니다.

가격 정책과 사용 접근 방식

현재 Wide Research는 Manus의 상위 요금제인 Pro 플랜(월 $199)에서 우선 적용되고 있습니다. 향후에는 점진적으로 Plus(월 $39), Basic(월 $19) 요금제 사용자에게도 기능이 확대 제공될 예정입니다.

각 요금제는 동시에 실행할 수 있는 작업 수와 포인트 기준 작업량이 다릅니다. 예를 들어 Pro 요금제 사용자는 10개의 동시 작업을 실행할 수 있으며, 연간 결제를 선택할 경우 비용 할인도 적용됩니다. 고성능 병렬 작업이 필요한 기업이나 콘텐츠 제작자라면 투자 대비 효율을 고려할 만한 수준입니다.

기존 멀티 에이전트 시스템과 비교한 한계점

Wide Research는 분명 차세대 멀티 에이전트 시스템이라는 평가를 받고 있지만, 아직은 해결해야 할 과제도 존재합니다. 실제로 유사한 멀티 에이전트 구조를 사용하는 다른 사례에서는 에이전트 간 협업 부족, 결과물의 일관성 부재, 디버깅의 어려움 등이 보고되기도 했습니다.

Reddit 커뮤니티나 Claude Code 사용자들 사이에서는 에이전트가 너무 많은 토큰을 소비하거나, 내부 작동 과정이 불투명해 결과를 분석하고 보완하는 데 어려움을 겪는다는 피드백도 나오고 있습니다. Wide Research 역시 이와 유사한 구조이기 때문에, 동일한 문제가 발생할 수 있습니다.

맺으며: 지금 Wide Research를 도입할 시점인가?

현재의 Wide Research는 실험적 단계에 가까운 기능이지만, 분명 주목할 만한 기술입니다. 특히 단시간에 대규모 작업을 처리해야 하거나, 다양한 옵션을 동시에 테스트해야 하는 조직이라면 도입을 검토해볼 필요가 있습니다. 다만 시스템의 완성도, 데이터 투명성, 결과 정합성 등 일부 보완이 필요한 점도 있는 만큼, 목적과 여건에 맞는 활용이 중요합니다.

다음과 같은 경우, Wide Research의 사용이 적합할 수 있습니다.

  • 다양한 사용자 경험을 빠르게 실험해야 하는 UX 디자이너
  • 경쟁사 제품이나 시장 동향을 폭넓게 조사해야 하는 기획자
  • 고성능 연산을 필요로 하는 인공지능 모델 연구자
  • 콘텐츠를 대량으로 다양하게 생산해야 하는 영상·디지털 마케팅 팀

향후 업그레이드를 통해 이러한 문제들이 개선된다면, Wide Research는 AI의 새로운 활용 방식이 될 수 있습니다. 전략적 관점에서 도입 시기와 활용 처를 면밀히 검토하는 것이 바람직하겠습니다.

Wide Research
AX 100배의 법칙
AX 100배의 법칙
– 나와 조직의 능력을 100배 높이는 AI 경영의 실제

도서 구매

함께 읽으면 좋은 글:

디지털 트랜스포메이션: 조직의 습관을 바꾸는 일, 도서 구매

. .