Palo Alto Networks는 45억 달러를 들고 Applied Compute를 인수한다. 이 사례를 통해 Palo Alto Networks가 AI Agent 런타임에 진입한 배경과 인수 이후 Integrationsolution에 남을 과제를 분석한다.
Palo Alto Networks는 45억 달러를 들고 Applied Compute를 인수한다고osilили했다.
회사는 이번 거래를 통해 보안 기능과 open cloud 인프라를 결합한다고 pitching했다.
일반적인 제품 라인 인수합병과는 성격이 다르다.
Palo Alto Networks는 firewall, zero trust access, policy management 제품을的主力으로 해왔다. 이제 Applied Compute의 cloud 인프라 역량을 자사 체계에 편입해 AI workload의 compute, network, runtime 환경을 직접 겨냥한다.
목표는 ‘누가 어떤 앱에 접근할 수 있는가’를 넘어 ‘AI Agent가 어디에서 실행되고, 무엇을 호출하며, 어떤 데이터를 볼 수 있는가’까지 통제하는 것이다.
이 거래가 주목받는 이유
传统적인 네트워크 보안 제품은 대체로 경계를 중심으로 설계된다.
기업에는 사내 네트워크, data center, cloud account가 있다. firewall은 traffic를 점검하고, EDR은 endpoint를 감시하며, IAM은 identity를 관리한다.IGA presume these controls are deployed, 기업은 AWS, Azure 또는 Google Cloud에서 compute resource를 구매하는 방식으로 운용을 이어간다.
이 역할 분담에는 뚜렷한 문제가 있다. 보안 기업은 policy를 통제하지만 execution environment를 직접 통제하지는 못한다.
AI Agent는 이 문제를 더 크게 만든다. Agent는 질문에 답하는 데서 끝나지 않는다. API를 호출하고, database를 읽으며, ticket system을 조작하고, business rule에 따라 write operation까지 수행한다.
Agent runtime에서 생성되는 temporary file, container, network connection, model cache, tool credential도 새로운 attack surface가 될 수 있다.
Applied Compute가 제공하는 것은 단순한 ‘제품 묶음 판매’가 아니라 cloud 인프라 역량이다. Palo Alto Networks는 security policy를 인프라 계층에 직접 적용해 identity, network, workload를 하나의 control plane에서 실행하려 한다.
이는 security tool을 개별적으로 인수해 기존 제품 포트폴리오에 추가하던 방식과 다르다. 지금 인수하는 것은 Agent를承载하는 기반 infra다.
AI Agent에 새로운 보안 경계가 필요한 이유
AI workload은 전통적인 enterprise application과 완전히 다른 형태는 아니다.
Agent task는 먼저 LLM을 호출해 plan을 생성하고, tool을 통해 internal service에 접근할 수 있다. 이어 container 또는 virtual machine을 생성하고 code를 실행하며, intermediate state를 저장한 뒤 결과를 business system에 기록한다.
이 과정의 어느 단계든 오류가 발생할 수 있다.
예컨대 Agent의 Prompt에 공격자가 만든 content가 주입될 수 있다. tool credential이 잘못 authorize되거나, 두 task가 같은 runtime environment를 공유할 수도 있다. test code가 production secret key에 접근하는 경우도 흔하게 상상할 수 있다.
이런 문제는 과거에도 있었지만, 보통 IAM, container security, cloud security, development tool team에 흩어져 관리됐다.
open cloud infra가 brings한 핵심 변화는 보안 경계가 ‘network와 account’에서 ‘runtime environment’로 확장된다는 점이다.
Applied Compute를 통해 Palo Alto Networks는 다음 영역을 직접 통제할 수 있게 된다.
- Agent workload를 실행할 cluster를 결정한다.
- container, virtual machine, image의 생성 방식을 제한한다.
- workload 간 network access를 관리한다.
- runtime identity와 policy를 같은 platform에 통합한다.
- task execution과 tool call 사이에 checkpoint를 삽입한다.
하지만 거래가 성사되면 이 기능들이 자동으로 완성되는 것은 아니다. Applied Compute는 open cloud infrastructure를, security 기업은 policy와 protection을 겨냥해 만들어졌다.
두 제품, 팀, commercial contract를 어떻게 통합할지는 Palo Alto Networks의 후속 disclosure에 달렸다.
공식 보도자료:
Palo Alto Networks to Acquire Applied Compute, Bringing Secure, Open Cloud Infrastructure to the AI Era
Agent 보안에 필요한 네 가지 역량
Agent의 보안 문제는 application layer만으로 해결할 수 없다.
고객 상담 Agent가 order를 조회하고, 주소를 변경하고, refund를 처리할 수 있다고 하자. 겉으로는 LLM과 Function Calling을 조합한 것에 지나지 않아 보일 수 있다.
실제 위험 범위를 결정하는 것은 다음 네 가지 역량이다.
- Identity layer: Agent가 어떤 identity로 system에 접근하는가
- Permission layer: 해당 identity가 어떤 resource를 읽고 쓰며 수정할 수 있는가
- Execution layer: code와 tool이 어디에서 실행되는가
- Audit layer: 비정상 operation이 발생했을 때 전체 경로를 재현할 수 있는가
많은 기업은 이미 IAM, SIEM, cloud security 제품을 구매했지만 execution layer 통제 기능은 여전히 부족하다. Agent가 Prompt에 따라 temporary workflow를 생성할 때, 관리자가 그 실행 내용을认知하지 못할 수도 있다.
이는 MCP와 tool ecosystem이 가져온 새로운 문제이기도 하다. MCP Server는 file, database, business system을 Agent가 호출할 수 있는 tool로 패키징할 수 있다.
연결이 늘어날수록 credential, authorization scope, runtime isolation을 수동으로 관리하기는 더욱 어려워진다.
Palo Alto Networks의 구상은 Agent의 identity, permission, network, runtime environment를 하나의 platform에 통합하는 것이다. 그러면 기업은 IAM, container security, cloud firewall를 따로 조합할 필요가 줄어든다.
기존 tool이 사라진다는 뜻은 아니다. Agent framework에는 여전히 sandbox, permission declaration, observability가 필요하다. 보안 거인은 개발자가 Agent를 다시 작성하도록 요구하기보다, 더 완전한 인프라 관점을 제공할 수 있다.
인수 이후 풀어야 할 세 가지 과제
첫째, 이해상충
Palo Alto Networks는 security platform을 판매하고, Applied Compute는 open cloud infra를 제공한다. 기업 고객은 AWS, Azure, Google Cloud를 유지하거나 자체 Kubernetes 환경을 직접 운영하면서 필요한 security product를 선택할 수 있기를 원할 수 있다.
Integrationsolution이 지나치게 강하면 고객은 더 완전한 보안 기능을 이용하려면 workload를 migration하고, 더 폐쇄적인 ecosystem을 받아들여야 하는 것은 아니냐고 걱정할 수 있다.
이는 VMware나 Cisco 등의 cloud 전환 시도에서 확인된 유사점이다. control plane은 강해졌지만, 고객은 여전히 선택권, compatibility, total cost를 중시한다.
둘째, pricing과 migration
Applied Compute가 multi-cloud와 customer-managed environment를 계속 지원하는가. Security 기능을 cloud resource 전체와 묶지 않고 독립적으로 pricing할 수 있는가.
기존 API, IAM, policy model을 Agent workload에 적용할 수 있는지가 다음 관건이다.
셋째, developer의 기존 사용 습관
기업의 security负责人는 통합된 console을 선호할 수 있지만, Agent engineer는 보통 LangGraph, OpenAI SDK 또는 Anthropic API로 먼저 workflow를 구축한다.
새 platform이 기존 code, tool protocol, CI/CD와 호환되지 않으면 기본 runtime environment가 되기 어렵다.
따라서 45억 달러로 확보하는 것은 확정된 product outcome이 아니라 strategic position이다. 후속에는 공식적인 자료에서 product boundary, pricing, customer migration, open ecosystem에 대한 설명을 주목할 필요가 있다.
편집자 관점
이 거래의 중요성은 보안 기업이 cloud product를 하나 더 갖게 되었다는 데 있지 않다. AI Agent가 보안 책임을 execution layer까지 밀어가고 있다는 데 있다. 과거에는 서로 다른 tool에 대한 permission, network, monitoring solution을 각각 구매했다. 그러나 Agent가 dynamic하게 task를 생성하고, tool을 호출하며, data를 조작하려면 이 경계들이 함께 작동해야 한다.
Palo Alto Networks는 policy와 compute 기반 인프라를 통합해 Agent runtime의 통제권을 확보하려 한다.ований見으로는 AWS나 Azure를 쉽게 대체하기는 어렵고, cross-cloud security 및 execution control layer로 자리 잡을 가능성이 더 크다. 다만 이는 과거의 개별 tool 인수와는 분명히 다르다. 과거에는 inspection capability를 팔았지만, 이제는 workload 자체를 장악하려 한다. 통합 기간, customer migration cost, ‘open infrastructure’라는 구상이 상업적 압력 속에서 유지될지는 여전히 불확실한 변수로 남는다.