오플레인의 핵심 철학은 간단명료하다. 클로드 코드(Claude Code), 커서(Cursor), 깃허브 코파일럿(GitHub Copilot) 같은 AI 코딩 도우미는 속도와 작업 완수에 최적화되어 있을 뿐, 코드의 전반적인 보안 구조까지 고려하지 않는다는 것이다. 그 결과, 기존의 정적 분석 도구로는 찾아내기 어려운 아키텍처 수준의 취약점이 코드 속에 스며들 위험이 커진다 .
이에 맞서 오플레인은 백그라운드에서 끊임없이 작동하며 전체 코드베이스의 설계도를 그린다. 시스템 전체 수준의 보안 요구 사항을 찾아내고, 개발자들이 이미 사용 중인 도구 안에서 상황에 맞는 해결책을 바로 제시하는 식이다. 구체적으로는 MCP(모델 컨텍스트 프로토콜)를 통한 IDE, 깃허브(GitHub)나 깃랩(GitLab)의 풀 리퀘스트, 그리고 슬랙(Slack) 등 다양한 채널을 지원한다 .
이 플랫폼을 ‘에이전트 기반(agentic)’이라 부르는 데는 이유가 있다. 단순히 정기적인 검사만 수행하는 것이 아니기 때문이다. 코드 변경이 발생할 때마다 그 내용을 스스로 분석하고, 반복적인 과정을 통해 시스템 아키텍처에 대한 이해도를 계속해서 정교하게 다듬어 나간다 . 제품 소개 페이지에 따르면, 이 플랫폼은 일반 언어로 된 프로젝트 설명과 저장소의 아키텍처를 입력값으로 삼아 여러 번의 LLM(대규모 언어 모델) 분석을 수행한다. 추가 질문을 주고받으며 내용을 구체화한 끝에, 약 10분 만에 정확하고 실행 가능한 보안 요구 사항을 생성해낸다
.
"AI 코딩 도구는 눈앞의 문제를 해결하는 데는 최적화되어 있지만, 보안을 고려한 것은 아닙니다… 이 문제는 조직의 개발 워크플로에 긴밀하게 녹아든 에이전트 기반 솔루션으로 해결해야 합니다." — 에밀 크반함마르, CEO
이 스타트업은 이미 초기 엔터프라이즈 고객을 통해 괄목할 만한 성과를 거두고 있다. 시각적 협업 플랫폼 **미로(Miro)**와 헬스케어 기술 기업 **탠덤 헬스(Tandem Health)**는 오플레인을 실제 운영 환경에 도입했다. 두 회사 모두 도입 몇 달 만에 사용 범위가 소수의 저장소에서 수백 개로 확대되었고, 수천 개의 위협 모델이 생성되며 그 효과를 입증했다 .
엔지니어링 팀 내에서 AI가 생성한 코드가 점차 표준처럼 자리 잡아가는 가운데, 이번 오플레인의 투자 유치 소식은 보안 레이어가 결코 사후 약방문 식의 미봉책이 되어서는 안 된다는 투자자들의 확신을 보여주는 신호탄으로 읽힌다. 지속적이고, 워크플로에 내재화되었으며, 스스로 판단하는 오플레인의 접근 방식은 현대적인 개발 파이프라인에서 없어서는 안 될 핵심 요소로 자리매김할 태세다.
Comments
0 comments