What Stripe data shows about fraud at AI startups

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Stripe 데이터에 따르면 AI 기업은 고객 생애주기 전반에서 사기 시도의 표적이 되고 있으며, 거래 사기 시도율은 전체 스타트업 대비 최대 4.3배, AI 구독 기업의 다중 계정 악용 시도율은 6개월간 40% 증가한 것으로 나타났다.

📌 핵심 요약

• Stripe에서 전체 스타트업의 거래 사기 시도율은 지난 1년간 비교적 일정했지만, AI 스타트업은 2025년 3분기에 전체 대비 4.3배를 기록했고 2026년 1분기에는 2.6배로 낮아졌다.
• Stripe는 이러한 배율 하락을 AI 기업과 Radar의 빠른 대응 결과로 설명하며, 거래 사기가 어려워지면서 사기 행위자가 다중 계정이나 무료 체험 악용으로 이동하고 있다고 본다.
• AI 스타트업이 제공하는 컴퓨팅 자원은 가치가 높고 재판매하기 쉬워 표적이 된다. 도난 카드로 구독이나 토큰을 구매해 재판매한 뒤 정당한 카드 소유자가 이의를 제기하면 기업이 손실을 부담한다.
• Stripe 모델이 식별한 AI 구독 기업의 다중 계정 악용 시도율은 2026년 1월부터 6월까지 40% 증가했다. 악용 시도율이 가장 높은 기업군에서는 같은 기간 154% 증가했고, 일부 기업은 600%를 넘는 증가율을 보였다.
• Radar는 Stripe 네트워크의 수십억 건 거래 신호와 가입·로그인 시점의 위험 평가를 활용해 거래 사기, 다중 계정 악용, 계정 공유를 탐지한다. ElevenLabs는 Radar의 다중 계정 악용 방지 기능으로 두 달 동안 하루 2,000명의 무료 등급 악용 사용자를 차단했다.

🧩 주요 포인트

1. 거래 사기 시도율의 상대 배율 하락과 다중 계정 악용 증가 → 결제 단계의 대응 성과만으로 고객 생애주기 전체의 위험 감소를 판단하기 어렵다.
2. 컴퓨팅 자원의 높은 재판매 가치와 도난 카드의 기업 간 순환 사용 → 개별 AI 기업의 관찰을 넘어 Stripe 네트워크 신호를 활용할 필요성을 뒷받침한다.
3. 악용 시도율이 높은 기업군의 154% 증가와 가입·로그인 위험 평가 → 공격이 집중되는 기업에서는 결제 이전의 무료 혜택 악용까지 대응 범위에 포함할 필요가 있다.

🧠 상세 정리

1. AI 기업에 집중되는 고객 생애주기 전반의 사기

Stripe는 자사 데이터를 근거로 AI 기업이 가입부터 거래까지 고객 생애주기 전반에서 사기 행위자의 집중적인 표적이 되고 있다고 설명한다. 가입 단계에서는 무료 혜택을 반복해서 받으려는 다중 계정 악용이 늘고, 거래 단계에서는 전체 스타트업보다 높은 사기 시도율이 관찰됐다. 기업용 AI 앱 빌더 Hercules의 창업자 겸 CEO Brendan Falk도 자신이 대화한 셀프서비스 AI 창업자들 사이에서 사기와 악용이 흔하다고 말했다. 그는 인터넷상의 사기 규모를 크게 과소평가했으며 Stripe가 차단에 상당한 도움을 줬다고 밝혔다. 이 경험담은 문제의 현장 맥락을 보태며, 글의 정량적 근거는 Stripe 네트워크에서 관찰한 사기 및 악용 시도율이다.

2. 거래 사기 시도율의 높은 격차와 이후 변화

Stripe에서 전체 스타트업의 거래 사기 시도율은 지난 1년 동안 비교적 일정했지만, AI 스타트업은 다른 양상을 보였다. 2025년 3분기 AI 스타트업의 거래 사기 시도율은 Stripe 전체 스타트업의 4.3배였고, 2026년 1분기에는 그 배율이 2.6배로 낮아졌다. Stripe는 이 하락이 새로운 사기 패턴에 AI 기업과 Radar가 빠르게 적응한 결과라고 설명한다. 다만 비교 배율이 낮아진 뒤에도 AI 스타트업의 시도율은 전체 스타트업보다 높은 수준이었다. 또한 Stripe는 거래 사기의 성공 가능성이 낮아지면 사기 행위자가 다중 계정이나 무료 체험 악용 등 다른 방식으로 노력을 옮긴다고 설명하며, 결제 단계의 변화와 다른 악용 유형의 증가를 연결한다.

3. 재판매 가능한 컴퓨팅 자원과 네트워크 탐지

Stripe는 AI 스타트업이 제공하는 컴퓨팅 자원이 가치가 높고 재판매하기 쉽다는 점을 사기 공격에 매력적인 이유로 제시한다. 사기 행위자는 도난 카드로 AI 구독이나 일정량의 토큰을 구매한 뒤, 이를 재판매 시장이나 해당 제품이 직접 제공되지 않는 지역에 팔 수 있다. 정당한 카드 소유자가 결제를 알아차리고 이의를 제기할 때는 이미 재판매가 끝나 기업이 손실을 부담하게 된다. 사기 행위자가 여러 기업에서 도난 카드를 번갈아 사용하기 때문에 개별 기업이 자체 관찰만으로 이 패턴을 발견하기는 어렵다. Radar는 Stripe 네트워크의 수십억 건 거래 신호를 활용해 결제 처리 전에 사기성 결제를 식별하도록 돕고, 해당 기업에서 처음 쓰이는 카드라도 다른 기업에서의 사기 사용 이력을 신호로 활용한다.

4. 다중 계정 악용 증가와 특정 기업으로의 집중

AI 기업은 거래가 발생하기 전부터 악용에 노출되므로 결제뿐 아니라 고객 자체의 위험도 평가해야 한다는 것이 Stripe의 설명이다. 다중 계정 악용에서는 한 사기 행위자가 가입 단계에서 여러 계정을 만들어 무료 토큰, 체험 기회, 신규 계정 혜택을 반복해서 받는다. Stripe 모델은 네트워크 내 전체 AI 구독 기업의 다중 계정 악용 시도율이 2026년 1월부터 6월까지 40% 증가한 것으로 식별했다. 더 정교한 통제를 도입하면 시도율이 낮아질 것이라는 예상과 달리, 악용 시도율이 가장 높은 기업군에서는 같은 기간 154% 증가했고 일부 기업에서는 600% 넘게 증가했다. Stripe는 이 결과가 매력적인 표적에 공격이 더욱 집중되고 사기 행위자가 거래 사기에서 다른 악용 방식으로 이동하고 있음을 시사한다고 해석한다.

5. 가입과 로그인에서 구분하는 두 가지 악용 패턴

Stripe는 Radar의 악용 방지 기능을 통해 결제 처리 이전의 고객 생애주기에서도 이러한 악용을 탐지할 수 있다고 설명한다. 이 기능은 가입과 로그인 시점에 위험을 평가하며, 다중 계정 악용과 계정 공유라는 서로 다른 두 패턴을 식별한다. 다중 계정 신호는 한 사기 행위자가 서비스를 악용하기 위해 여러 계정을 등록하는 행동을 표시한다. 계정 공유 신호는 하나의 계정이 여러 위치에서 동시에 사용되는 상황을 식별한다. 이는 결제 하나의 위험을 평가하는 데서 가입·로그인 행동의 위험까지 탐지 범위를 넓히는 접근이며, 무료 혜택을 반복해서 받는 행위와 단일 계정을 여러 위치에서 동시에 사용하는 행위를 구분해 살펴보게 한다.

6. Stripe의 규모 활용 주장과 ElevenLabs 사례

Stripe는 수백만 기업에 걸쳐 수십억 건의 거래를 처리하기 때문에 여러 산업의 사기 패턴을 폭넓게 관찰할 수 있다고 설명한다. 이러한 규모를 바탕으로 실제 사기를 더 정확하게 탐지하고 자동 차단해 사기 손실을 줄일 수 있다는 것이 회사의 주장이다. 구체적인 적용 사례로 ElevenLabs는 Radar의 다중 계정 악용 방지 기능을 사용해 두 달 동안 하루 2,000명의 무료 등급 악용 사용자를 차단했다. 이 사례는 앞서 설명한 결제 이전의 다중 계정 악용 대응이 실제 서비스에서 어떻게 활용됐는지를 보여준다. 다만 원문에 제시된 사례 수치는 악용 사용자 차단 규모이며, ElevenLabs의 전체 사용자 대비 비중이나 금전적 손실 감소액은 제시되지 않았다.

🧾 핵심 주장 / 시사점

• 거래 사기 시도율의 상대 배율이 낮아지는 동시에 다중 계정 악용 시도율이 높아졌다는 점은, 한 단계의 방어 성과와 전체 악용 위험의 변화를 함께 살펴야 함을 시사한다.
• 전체 AI 구독 기업의 40% 증가보다 악용 시도율이 높은 기업군의 154% 증가가 훨씬 크다는 점은, 평균적인 변화만으로 공격 집중 기업의 상황을 설명하기 어렵다는 뜻이다.
• Stripe가 제시하는 대응의 핵심은 기업 간 거래 신호와 가입·로그인 위험 평가의 결합이며, 도난 카드 사용과 무료 혜택 악용이라는 서로 다른 문제를 고객 생애주기 안에서 다루는 데 있다.

✅ 액션 아이템

• AI 스타트업의 거래 사기 시도율 배율 하락과 다중 계정 악용 증가를 함께 고려해 고객 생애주기 전반의 위험을 검토한다.
• 도난 카드의 기업 간 순환 사용에 대응하기 위해 Stripe 네트워크 신호를 활용하는 Radar의 적용 가능성을 검토한다.
• 무료 혜택 악용 대응에 가입·로그인 위험 평가를 포함하고, 다중 계정 악용과 계정 공유를 구분해 살펴본다.

❓ 열린 질문

• AI 스타트업의 거래 사기 시도율이 전체 대비 4.3배에서 2.6배로 낮아진 흐름은 이후에도 이어질까?
• 다중 계정 악용 시도율이 전체 AI 구독 기업에서 40%, 악용 시도율이 가장 높은 기업군에서 154% 증가한 차이를 만드는 요인은 무엇일까?
• ElevenLabs의 하루 2,000명 차단 사례와 같은 Radar 활용이 다른 AI 구독 기업에서도 유사한 성과로 이어질까?