Atlassian, AI 학습 위해 고객 데이터 무단 수집 논란
Atlassian이 AI 학습을 위해 고객 데이터 수집을 기본 설정(Default)으로 변경하여 논란이 발생함
데이터 수집 범위(Data Scope)가 광범위하며, 옵트아웃(Opt-out) 설정이 제대로 작동하지 않는다는 문제 제기
Bitbucket의 코드(Code) 포함 여부에 대한 불확실성으로 인해 보안 및 지적 재산권 침해 우려 제기
데이터 주권(Data Residency) 옵션이 데이터 사용을 제한하지 못한다는 점이 지적되며, 기업 고객의 반발 예상
옵트아웃(Opt-out) 방식의 문제점
커뮤니티에서는 Atlassian의 옵트아웃(Opt-out) 방식의 데이터 수집 정책에 대해 강하게 비판했다. 특히, 옵트아웃 설정을 비활성화할 수 없다는 점을 지적하며, 이는 데이터 미저장 정책(Zero-Retention Policy)을 위반하는 행위로 간주될 수 있다는 의견이 제기되었다. 또한, 이러한 정책이 기업 고객의 GDPR 규제 준수(GDPR Compliance)에 심각한 영향을 미칠 수 있다는 우려도 제기되었다.
데이터 수집 범위와 Bitbucket 코드 포함 여부
논의에서는 Atlassian이 수집하는 데이터의 범위가 매우 광범위하다는 점을 지적했다. Confluence 페이지, Jira 티켓 등 모든 데이터를 AI 학습에 사용한다는 방침에 대해, Bitbucket의 코드(Code)까지 포함되는지에 대한 의문이 제기되었다. 만약 코드까지 포함된다면, 이는 지적 재산권 침해(Intellectual Property Infringement) 및 보안 문제로 이어질 수 있다는 우려가 나왔다.
데이터 주권(Data Residency)의 한계
일부 사용자는 Atlassian의 데이터 주권(Data Residency) 옵션이 데이터 사용을 제한하지 못한다는 점을 지적했다. 즉, 특정 지역에 데이터를 저장하더라도, AI 학습을 위해 다른 지역에서 접근할 수 있다는 것이다. 이는 기업 고객이 기대하는 데이터 격리 아키텍처(Data Isolation Architecture)와는 거리가 멀며, 기업의 데이터 보안(Data Security)에 대한 신뢰를 저해하는 요소로 작용할 수 있다.
Atlassian 제품의 전반적인 품질 저하
댓글에서는 Atlassian 제품의 전반적인 품질 저하에 대한 불만이 제기되었다. P0 버그(P0 Bugs)의 증가, Bitbucket 및 Jira의 기능 오류, 그리고 AI 기능의 부실한 성능 등이 언급되었다. 이러한 문제들은 Atlassian의 기술 부채(Tech Debt) 증가, 인재 유출, 그리고 AI 기술 도입의 실패와 연관되어 있다는 분석이 나왔다.
