LLM의 4가지 GDPR 리스크 벡터
모든 LLM 배포가 동일한 GDPR 리스크를 가지는 것은 아닙니다. LLM 사용의 법적·운영적 위험은 네 가지 독립적인 요소에 의해 결정됩니다.
리스크 매트릭스: 모델별 비교
아래 표는 각 배포 옵션의 GDPR 리스크 프로필을 요약합니다. 점수가 높을수록 법적·운영적 위험이 높습니다.
배포 환경 | 데이터 거주지 | 학습 데이터 관할권 | ToS 보존 위험 | SCC / TIA 필요 여부 | 전체 위험 수준 |
|---|---|---|---|---|---|
| DeepSeek API | 중국(중국 본토 서버) | 중국(PIPL) | 정책상 당국 공유 허용 | 적정성 결정 없음; SCC+TIA 어려움 | 🔴 최고 |
| Claude API(자사 직접) | 미국 또는 글로벌; EU 전용 없음 | 미국 | Anthropic DPA 기준; 보존 확인 | DPF 또는 SCC(DPA 포함) + TIA | 🟠 중상 |
| Claude(Bedrock / Vertex AI EU) | EU 리전(엔드포인트로 지정) | 미국 벤더, EU 처리 | 클라우드 제공업체 약관 적용 | 계약에 따라 다름; TIA 검토 | 🟡 중간 |
| GPT-5.6 Luna API(기본) | 미국(기본 프로젝트) | 미국 | DPA 제공; API 약관에 따름 | DPF 또는 SCC + TIA | 🟠 중상 |
| OpenAI API(EU 프로젝트) | EU, 리전 내 처리 | 미국 벤더, EU 처리 | 리전 내 데이터 제로 보존 | 감소; DPA에서 확인 | 🟡 중간 |
| Llama 4 Scout(로컬) | 자체 하드웨어(LAN) | 오픈 웨이트, 벤더 보존 없음 | 로컬 로그로 보존을 직접 통제 | 없음 | 🟢 최저 |
| Qwen3.8-27B(로컬) | 자체 하드웨어(LAN) | 오픈 웨이트(Apache 2.0) | 로컬 로그로 보존을 직접 통제 | 없음 | 🟢 최저 |
모델별 판정 및 권장 용도
이 섹션을 통해 GDPR 컴플라이언스 상황에 맞는 각 배포 방식을 파악하십시오.
조직 유형별 권장 스택
올바른 LLM 스택은 조직의 데이터 민감도, 예산, 규제 태세에 따라 달라집니다. 이 권장 사항을 조달 결정의 출발점으로 활용하십시오.
SCC를 사용하면 DeepSeek가 GDPR을 준수합니까?
가능성이 매우 낮습니다. SCC는 이전 영향 평가로 대상국 법률이 SCC를 훼손하지 않음을 입증할 수 있을 때만 유효합니다. 중국 본토에는 EU 적정성 결정이 없고, PIPL은 당국에 데이터에 대한 광범위한 접근 권한을 주며, DeepSeek의 개인정보 처리방침은 법적으로 요구되는 경우 당국에 대한 공개를 허용합니다. 규제 당국도 이미 움직였습니다. 이탈리아 Garante는 이탈리아 사용자 데이터에 대한 DeepSeek의 처리를 제한했고, 베를린 개인정보 보호 감독관은 Apple과 Google에 앱 검토를 요청했습니다. EU 거주자의 개인정보에는 DeepSeek 호스팅 API를 사용하지 마십시오. DeepSeek 오픈 웨이트는 자체 하드웨어에서 실행할 수 있어 이전이 사라지지만, 모델 라이선스와 보안 환경을 확인하십시오.
Claude 프롬프트를 EU 안에 둘 수 있습니까?
Anthropic 자체 API로는 불가능합니다. inference_geo 설정은 글로벌 또는 미국만 제공하며, 워크스페이스의 저장 데이터는 미국에만 보관됩니다. EU 리전 처리는 EU 리전을 지정한 Amazon Bedrock 또는 Google Vertex AI를 통해 Claude를 사용하면 가능합니다. 추론이 실행되는 위치는 클라우드 제공업체의 계약과 엔드포인트가 결정하므로 제공업체에 확인하십시오. Anthropic의 DPA는 이전에 대해 SCC를 포함합니다. 이전이 전혀 없는 가장 강력한 태세를 원한다면 Qwen3.8-27B나 Llama 4 Scout 같은 로컬 모델을 사용하십시오.
GDPR을 준수하는 LLM API는 무엇입니까?
API 자체만으로 준수가 되는 것은 아닙니다. GDPR 준수 여부는 사용 방식에 달려 있습니다. 네 가지를 확인하십시오. 벤더를 처리자로 만드는 서명된 DPA, 데이터가 EU 밖으로 나가는 경우의 유효한 이전 메커니즘(EU-US 데이터 프라이버시 프레임워크 또는 SCC와 TIA), 명확한 보존 및 학습 미사용 설정, 전송하는 개인정보에 대한 적법한 근거입니다. OpenAI는 해당 고객에게 EU 데이터 거주지 프로젝트와 DPA를 제공하고, Anthropic은 SCC를 포함한 DPA를 제공하며 EU 내 처리는 클라우드 제공업체 리전을 통해 가능합니다. DeepSeek 호스팅 API는 정당화하기가 가장 어렵습니다. 민감한 데이터에는 로컬 모델이 이전 문제를 아예 피할 수 있습니다.
GDPR 하에서 Qwen을 사용해도 안전합니까?
실행 방식에 따라 다릅니다. Qwen 오픈 웨이트(예: Apache 2.0의 Qwen3.8-27B)를 자체 하드웨어에서 실행하면 Alibaba로 데이터가 전송되지 않으므로 제44조 이전이 없고 리스크 프로필은 Llama와 같습니다. Alibaba Cloud 호스팅 API는 다릅니다. 프롬프트를 EU 밖의 제공업체로 보내게 되므로 별도의 이전 평가, DPA, 리전 확인이 필요합니다. 라이선스는 Qwen 제품군 안에서도 다르므로 모델 카드에서 확인하십시오.
Llama 4 Scout을 Claude의 대체재로 사용할 수 있습니까?
GDPR 준수 측면에서는 원칙적으로 가능합니다. Llama 4 Scout은 오픈 웨이트이며 로컬로 실행할 수 있어 제44조 이전을 피합니다. 하드웨어와 성능 측면에서는 그대로 대체하기 어렵습니다. Scout은 1090억 파라미터의 전문가 혼합(MoE) 모델로 4비트에서 약 55–60 GB가 필요하므로 최소 80 GB GPU 한 장이 필요한 반면, Qwen3.8-27B는 양자화된 24 GB 카드에 들어갑니다. Claude는 독점 프런티어 모델이며 매우 복잡한 추론에서는 보통 더 강합니다. 먼저 자체 워크로드에서 테스트하십시오. Q&A, 요약, 일반적인 코드 작업에서는 로컬 모델이 경쟁력 있는 경우가 많습니다.
감사 목적으로 프롬프트를 로컬에 로깅하면 어떻게 됩니까?
로깅은 제30조 컴플라이언스를 위해 권장됩니다. 다음을 로깅하십시오: 모델 이름, 세션 타임스탬프, 입력 토큰 수, 출력 토큰 수, 프롬프트 및 응답의 SHA-256 해시. 개인정보가 포함된 프롬프트의 원문 텍스트는 로깅하지 마십시오. 해시 기반 로깅은 제5조 제1항 제e호(저장 제한)를 위반하지 않고도 제30조(처리 기록) 및 제32조(보안)를 충족합니다. 암호화된 접근 통제 시스템(예: 역할 기반 접근을 갖춘 로그 집계 서버)에 로그를 저장하십시오. DPA 표준에 따라 로그를 3년간 보존하십시오.
온프레미스 LLM 실행이 클라우드 API보다 비용이 많이 듭니까?
초기 비용: 그렇습니다. 하드웨어(RTX 4070 Ti) 비용은 약 $500–1000입니다. 월별 비용: 아닙니다. 온프레미스 전기 비용은 월 약 $5–10입니다. 클라우드 API는 1K 토큰당 $0.001–0.01이며, 대량 사용(월 >1M 토큰)의 경우 $100를 초과합니다. 손익분기점은 일반적으로 중간-대량 사용의 경우 6–12개월입니다. 월 <100K 토큰을 실행하는 경우 클라우드 API가 더 저렴합니다. 월 >1M 토큰을 실행하는 경우 온프레미스가 더 저렴합니다. GDPR 컴플라이언스는 추가적인 비즈니스 케이스입니다: 온프레미스는 SCC/TIA 법적 비용이 없습니다.