Atlassian, AI 교육 데이터 수집 발표 — 무료 및 유료 사용자는 옵트아웃 불가
docAtlassian은 2026년 4월 18~19일에 2026년 8월 17일부터 Jira, Confluence 및 기타 클라우드 제품의 고객 메타데이터와 인앱 콘텐츠를 기본적으로 수집하여 AI 모델(Rovo, Rovo Dev)을 교육한다고 발표했습니다. 전 세계 약 300,000명의 고객이 영향을 받습니다.
Atlassian은 2026년 8월 17일부터 Jira, Confluence, Jira Service Management, Rovo 등 플랫폼 제품의 AI 경험을 개선하기 위해 고객 메타데이터와 앱 내 데이터를 사용한다고 발표했습니다. 데이터 종류에 따라, 그리고 요금제 등급에 따라 옵트아웃 가능 여부가 다르기 때문에, 같은 정책 안에서도 고객이 가지는 통제 권한이 계층별로 나뉩니다. 이 글은 어떤 데이터가 어떻게 쓰이는지, 누가 선택을 바꿀 수 있는지, 그리고 기업이 공급업체 계약 전에 무엇을 확인해야 하는지를 정리합니다.
적용 범위와 발효일
정책은 2026년 8월 17일부터 효력을 가집니다. 대상 제품은 Jira, Confluence, Jira Service Management를 비롯해 Rovo와 같은 플랫폼 애플리케이션입니다. AI 기능의 응답 품질과 경험을 개선하는 데 데이터가 활용되며, 데이터 기여 방식은 두 갈래로 나뉩니다. 하나는 서비스의 구조와 사용 흐름을 보여주는 메타데이터이고, 다른 하나는 애플리케이션 안에서 실제로 작성되는 콘텐츠와 상호작용 정보입니다.
정책이 적용되는 방식은 고객이 사용하는 요금제와 데이터 종류에 따라 달라집니다. 따라서 같은 회사 안에서도 제품별로, 등급별로 옵트아웃 가능 여부가 다를 수 있어 전체 정책을 한눈에 판단하지 말고 자사 계정의 등급과 설정을 각각 확인해야 합니다.
메타데이터와 인앱 데이터의 차이
메타데이터는 콘텐츠 자체가 아니라 서비스의 사용 형태와 구조를 설명하는 정보입니다. 어떤 구성 요소가 어떻게 연결되어 있는지, 사용 흐름이 어떻게 이어지는지, 기능 간 관계가 어떤지를 보여주는 분류 정보에 가깝습니다. 콘텐츠를 직접 읽지 않아도 추정에 쓰일 수 있는 구조 정보이기 때문에, 겉보기에 무해해 보여도 식별 가능성이 남아 있는 경우가 많습니다.
인앱 데이터는 애플리케이션 안에서 만들어지는 실제 내용과 상호작용에 가까운 정보입니다. 티켓과 문서에 작성된 내용, 서비스 안에서의 동작과 사용 기록이 이에 해당합니다. 두 종류는 민감도가 다르고 삭제 시한과 처리 방식도 따로 정해져 있습니다.
두 데이터 종류는 처리 우선순위도 다릅니다. 인앱 데이터는 내용이 직접 드러나는 만큼 옵트아웃 수요가 크고, 메타데이터는 내용이 아니라는 이유로 통제 범위 밖에 두기 쉽습니다. 하지만 구조 정보가 모이면 서비스 사용 방식과 조직 구성을 추정할 수 있으므로, 내용 데이터와 같은 기준으로 다룰 필요가 있는지 검토할 대상입니다.
옵트아웃 권한의 계층
| 요금제 등급 | 메타데이터 기여 | 인앱 데이터 기여 | 옵트아웃 가능 여부 |
|---|---|---|---|
| Enterprise | 기본 포함 | 기본 포함 | 메타데이터와 인앱 데이터 모두 옵트아웃할 수 있습니다. |
| Free | 기본 켜짐 | 기본 포함 | 메타데이터는 옵트아웃할 수 없고, 인앱 데이터는 옵트아웃할 수 있습니다. |
| Standard | 기본 켜짐 | 기본 포함 | 메타데이터는 옵트아웃할 수 없고, 인앱 데이터는 옵트아웃할 수 있습니다. |
| Premium | 기본 켜짐 | 기본 포함 | 메타데이터는 옵트아웃할 수 없고, 인앱 데이터는 옵트아웃할 수 있습니다. |
정리하면, Enterprise 계층은 메타데이터 기여를 끌 수 있는 반면 Free, Standard, Premium 계층에서는 메타데이터 기여가 항상 켜진 상태로 유지되며 선택할 수 없습니다. 인앱 데이터 기여는 모든 고객이 옵트아웃할 수 있습니다. 즉 무료와 중간 등급 고객은 내용 데이터는 멈출 수 있어도 구조 정보의 기여는 막지 못하는 구조입니다.
익명화, 집계, 삭제와 재학습
데이터가 기여되기 전에는 탈식별화와 집계 절차가 거치며, 이름과 이메일 같은 직접 식별 정보는 제거됩니다. 다만 집계와 탈식별은 특정 필드를 지우는 수준에 그치지 않고, 여러 정보를 함께 봤을 때 개인이나 조직이 다시 추정되는 가능성을 함께 고려해야 하는 영역입니다. 메타데이터는 구조 자체가 좁은 집단을 식별하는 단서가 될 수 있어, 이름만 빼는 것으로는 충분하지 않은 경우가 많습니다.
옵트아웃한 뒤나 앱을 삭제한 뒤에는 기여된 데이터가 일정 기간 안에 데이터 세트에서 제거됩니다. 인앱 데이터는 30일 이내에, 메타데이터는 90일 이내에 제거되며, 그동안 학습된 모델은 다시 학습하는 절차를 거칩니다. 공식 FAQ에 따르면 설정을 두지 않은 앱의 데이터는 사용하지 않습니다. 제3자 LLM 호출에 대해서는 제로 데이터 보존, 즉 ZDR 방식을 적용해 호출이 남지 않도록 처리합니다.
재학습 절차가 있다는 점도 확인할 부분입니다. 기여된 데이터를 빼는 것만으로는 이전 모델이 그 정보를 반영해 버린 상태가 남을 수 있으므로, 해당 영향이 모델에서 제거되도록 다시 학습하는 과정이 정책에 포함되어 있습니다. 재학습이 어떤 범위와 주기로 이루어지는지는 서비스 설명과 계약 조항에서 확인해야 합니다.
계층별 프라이버시의 합성 논란
같은 서비스 안에서 요금제에 따라 통제 권한이 달라지는 점은 합성 논란의 지점입니다. 높은 등급의 고객만 메타데이터 기여를 거부할 수 있고, 낮은 등급의 고객은 내용 외에 구조 정보까지 기여하게 됩니다. 지불하는 비용이 프라이버시 통제의 일부가 되는 구조이므로, 중소 규모 조직과 개인 이용자가 선택할 수 있는 폭이 좁아집니다.
메타데이터가 익명화하기 어려운 이유는, 구조와 흐름 자체가 정보를 담고 있기 때문입니다. 조직 규모, 기능 구성, 사용 패턴의 조합은 직접 이름이 없어도 특정 조직을 좁히는 단서가 될 수 있습니다. 데이터가 모델 개선에 쓰인다는 설명만으로 그 추정 가능성을 없애기는 어렵습니다.
기업이 공급업체에 확인할 다섯 가지 질문
- 어떤 종류의 데이터가 AI 개선에 쓰이며, 각 데이터에 어떤 탈식별화 절차가 적용되는지.
- 자사 요금제 등급에서 메타데이터와 인앱 데이터 각각을 옵트아웃할 수 있는지.
- 옵트아웃 또는 앱 삭제 후 데이터가 제거되는 시한과, 기존 모델 재학습이 어떻게 이루어지는지.
- 제3자 LLM 호출 시 데이터가 보관되는지, ZDR이 어느 범위까지 적용되는지.
- 설정을 사용하지 않는 앱의 데이터가 기여 범위에서 제외되는 방식이 어떻게 동작하는지.
자주 묻는 질문
옵트아웃하면 이미 기여된 데이터도 바로 사라지나요?
즉시 제거되지는 않습니다. 인앱 데이터는 30일 이내, 메타데이터는 90일 이내에 데이터 세트에서 제거되며, 이전에 학습된 모델은 재학습 절차를 거칩니다. 제거 기간과 재학습 범위는 정책에 명시된 절차를 따릅니다.
이름과 이메일을 지우면 메타데이터도 안전하다고 볼 수 있나요?
충분하지 않을 수 있습니다. 구조와 사용 흐름의 조합만으로도 특정 조직이나 개인이 추정될 여지가 남습니다. 탈식별화가 어떤 필드를 어떻게 제거하는지, 집계 이후 재식별 가능성을 어떻게 다루는지 확인해야 합니다.
제3자 LLM에 데이터가 남지 않는다는 보장은 어떻게 확인하나요?
공급업체가 제3자 모델 호출에 ZDR을 적용한다고 명시한 범위를 확인하고, 계약이나 서비스 설명에서 보관 여부, 로그 남김 여부, 재사용 금지 조항을 함께 봅니다. 자사 민감 데이터가 들어가는 제품인 경우 등급과 설정을 별도로 점검해야 합니다.