AI의 미래를 바꿀 법적 공방들

현재 연방 법원에서 진행 중인 법적 공방들은 단순한 돈이나 라이선스 비용의 문제가 아닙니다. 이는 생성형 모델 시대에 ‘창작’이 무엇을 의미하는지를 정의하려는 근본적인 투쟁입니다. 수년간 테크 기업들은 거대한 운영 규모가 사실상의 면죄부를 줄 것이라 믿으며 별다른 저항 없이 웹 데이터를 긁어모았습니다. 하지만 그 시대는 끝났습니다. 뉴욕과 캘리포니아의 판사들은 이제 기계가 인간 학생이 교과서에서 배우듯 저작권 자료를 학습할 수 있는지, 아니면 이 모델들이 그저 고속 표절을 위한 정교한 엔진에 불과한지를 결정해야 하는 과제를 안게 되었습니다. 그 결과는 향후 10년간 인터넷의 경제적 구조를 결정할 것입니다. 만약 법원이 학습을 ‘변형적 사용(transformative use)’으로 판결한다면 현재의 급격한 개발 궤도는 계속될 것입니다. 반대로 모든 데이터 포인트에 명시적 허가가 필요하다고 판결한다면 대규모 시스템 구축 비용은 천정부지로 치솟을 것입니다. 이는 파일 공유 초기 시절 이후 가장 중요한 법적 긴장 상태이며, 그 이해관계에는 인간 지식과 표현의 근간이 걸려 있습니다.

공정 사용(Fair Use)의 경계 정의하기

거의 모든 주요 소송의 중심에는 ‘공정 사용’ 원칙이 있습니다. 이 법적 원칙은 비평, 뉴스 보도, 연구 등 특정 조건 하에서 허가 없이 저작물을 사용할 수 있도록 허용합니다. 테크 기업들은 자신들의 모델이 원본의 복사본을 저장하지 않는다고 주장합니다. 대신 모델이 단어나 픽셀 간의 수학적 관계를 학습하여 완전히 새로운 것을 만들어낸다고 주장하죠. 이것이 업계에서 말하는 변형적 사용입니다. 그들은 검색 엔진이 원본 콘텐츠를 대체하는 대신 새로운 서비스를 제공했기 때문에 웹사이트 색인 생성이 허용되었던 과거 판례를 언급합니다. 하지만 주요 뉴스 조직과 예술가 단체를 포함한 원고 측은 생성형 시스템은 다르다고 주장합니다. 그들은 이 모델들이 학습 데이터의 원작자들과 직접 경쟁하도록 설계되었다고 주장합니다. 사용자가 AI에게 특정 생존 작가의 스타일로 이야기를 써달라고 요청할 때, 모델은 그 작가의 평생 노력을 활용해 미래의 수입을 잠재적으로 대체하고 있는 셈입니다.

이러한 사건들의 절차적 단계는 최종 판결만큼이나 중요합니다. 판사가 사건의 본질을 결정하기 전에 기각 신청과 증거 개시(discovery) 요청에 대해 판결해야 합니다. 이러한 초기 단계는 테크 기업들이 어떤 데이터를 사용했고 어떻게 처리했는지 정확히 공개하도록 강제합니다. 많은 기업이 경쟁 우위를 이유로 학습 데이터를 비밀에 부쳐왔지만, 법원은 이제 그 비밀을 벗겨내고 있습니다. 설령 사건이 법정 밖에서 합의되더라도 증거 개시 단계에서 공개된 정보는 향후 규제를 위한 로드맵이 될 수 있습니다. 우리는 입증 책임이 창작자에서 테크 거물들로 이동하는 변화를 목격하고 있습니다. 법원은 AI의 최종 결과물뿐만 아니라 데이터 수집의 전체 파이프라인을 들여다보고 있습니다. 여기에는 데이터가 어떻게 스크래핑되었는지, 어디에 저장되었는지, 그리고 그 과정에서 디지털 저작권 관리(DRM) 도구가 우회되었는지 여부가 포함됩니다. 이러한 기술적 세부 사항들이 전체 업계를 위한 새로운 법적 기준의 토대가 될 것입니다.

데이터 권리에 대한 국제적 시각 차이

미국 법원이 공정 사용에 집중하는 동안 세계의 다른 지역들은 다른 길을 걷고 있습니다. 이는 글로벌 테크 기업들에게 파편화된 법적 환경을 조성합니다. 유럽연합(EU)의 AI 법은 엄격한 투명성 요건을 도입했습니다. 학습이 어디에서 이루어졌든 상관없이 학습에 사용된 저작물을 공개하도록 의무화하고 있죠. 이는 사후 소송에 의존하는 미국 시스템과 극명한 대조를 이룹니다. EU의 접근 방식은 선제적이며 모델이 대중에 공개되기 전에 저작권 침해를 방지하는 것을 목표로 합니다. 이러한 철학적 차이는 샌프란시스코에서 운영이 합법인 모델이 베를린에서는 배포가 불법일 수 있음을 의미합니다. 글로벌 사용자에게 이는 해당 지역에서 사용할 수 있는 기능이 데이터 주권에 대한 현지 해석에 따라 점점 더 달라질 것임을 시사합니다. 일부 국가에서는 지역 혁신을 장려하기 위해 AI 학습을 특별히 허용하는 ‘텍스트 및 데이터 마이닝’ 예외 조항을 고려하는 반면, 다른 국가들은 국가 문화 유산을 보호하기 위해 국경을 강화하고 있습니다.

혁신 속도와 소유권 사이의 긴장은 국경을 넘어 운영되는 기업들에게 가장 절실하게 다가옵니다. 만약 영국 법원이 스크래핑이 데이터베이스 권리 침해라고 판결한다면, 기업은 서비스를 지오펜싱(geofencing)하거나 영국 시민의 데이터를 모델에서 삭제해야 할 수도 있습니다. 이는 이론적인 문제가 아닙니다. 이미 여러 국가의 규제 당국이 개인정보 보호 우려로 특정 도구를 일시적으로 금지하는 사례를 보았습니다. 이러한 사건들의 법적 틀은 데이터가 어떻게 흐르는지에 대한 실질적인 현실을 종종 무시합니다. 모델이 학습되면 전체 시스템을 처음부터 다시 학습시키지 않고는 특정 정보를 ‘망각’하게 만드는 것은 거의 불가능합니다. 이러한 기술적 한계는 법원의 결정을 더욱 중대하게 만듭니다. 단 한 번의 판결로 기업은 수십억 달러 가치의 제품을 폐기해야 할 수도 있습니다. 이것이 많은 기업들이 주요 출판사들과 라이선스 계약을 서두르는 이유입니다. 그들은 불확실성이 가득한 시대에 법적 확실성을 돈으로 사려 하는 것입니다.

코드와 창작 사이의 마찰

실질적인 이해관계를 이해하기 위해 사라(Sarah)라는 전문 일러스트레이터의 일상을 생각해 봅시다. 그녀는 15년 동안 전통적인 수채화 기법과 현대적인 디지털 질감을 결합한 독특한 시각적 스타일을 개발해 왔습니다. 어느 날 아침, 그녀는 프롬프트에 이름만 입력하면 그녀의 정확한 스타일로 이미지를 생성할 수 있는 새로운 AI 도구를 발견합니다. 고객들은 ‘사라 스타일’ 이미지를 몇 푼에 얻을 수 있는데 왜 그녀의 비용을 지불해야 하는지 묻기 시작합니다. 이것이 많은 독자들이 이 주제에 대해 느끼는 혼란입니다. 그들은 법이 이미 사라를 보호하고 있다고 생각하지만, 그렇지 않습니다. 저작권은 특정 작품을 보호할 뿐 일반적인 스타일이나 ‘분위기’를 보호하지는 않습니다. 현재의 소송들은 이 간극을 메우려 노력 중입니다. 사라는 단지 하나의 이미지를 위해 싸우는 것이 아닙니다. 그녀는 자신의 전문적 정체성을 통제할 권리를 위해 싸우고 있습니다. 여기서 논쟁은 현실적으로 느껴집니다. 이는 추상적인 코드가 아닙니다. 기계가 인간의 경험을 겪지 않고도 결과물을 흉내 낼 때 인간이 생계를 유지할 수 있는 능력에 관한 문제입니다.

비즈니스적 결과는 창작 예술을 넘어섭니다. 소프트웨어 개발자들도 코드 어시스턴트와 관련하여 비슷한 위기에 직면해 있습니다. 이러한 도구들은 수십억 줄의 공개 코드로 학습되었으며, 그중 상당수는 저작자 표시를 요구하는 라이선스 하에 있습니다. AI가 개발자에게 코드 블록을 제안할 때 종종 그 저작자 표시를 제거해 버립니다. 이는 이러한 도구를 사용하는 기업들에게 법적 지뢰밭을 만듭니다. 개발자가 자신도 모르게 저작권이 있는 코드를 독점 제품에 삽입하여 향후 막대한 법적 책임을 질 수 있습니다. 저작권 오염의 위험은 이제 기업 법무팀의 최우선 순위가 되었습니다. 일부 기업들은 법원이 더 명확한 기준을 제시할 때까지 생성형 AI를 프로덕션 코드에 사용하는 것을 금지하기까지 했습니다. 그들은 이 도구들을 사용하는 것이 사업을 침몰시킬 수 있는 소송으로 이어지지 않을 것이라는 신호를 기다리고 있습니다. 이러한 신중함은 모두를 더 생산적으로 만들기로 했던 도구들의 도입 속도를 늦추고 있습니다.

즉각적인 효율성에 대한 약속이 법적 위험이라는 현실에 의해 가로막히고 있는 것입니다.

OpenAI와 Microsoft를 상대로 한 뉴욕타임스의 소송은 이러한 갈등의 대표적인 예입니다. 타임스는 AI 모델이 기사 전체 문단을 거의 그대로 재현할 수 있다고 주장합니다. 이는 저널리즘의 생명줄인 구독 모델을 약화시킵니다. 사용자가 챗봇으로부터 심층 탐사 보도의 요약을 얻을 수 있다면 원본 웹사이트를 방문할 이유가 없기 때문입니다. OpenAI는 이러한 ‘재생산’은 기능이 아니라 버그이며 이를 수정하기 위해 노력 중이라고 반박합니다. 하지만 타임스에게 피해는 이미 발생했습니다. 학습 과정 자체가 침해라는 것입니다. 이 사건은 저작권법의 근본 목적을 건드리기 때문에 대법원까지 갈 가능성이 높습니다. 법은 인간에 의한 새로운 창작을 장려하기 위해 존재하는가, 아니면 그러한 작품을 사용하는 새로운 기술의 발전을 촉진하기 위해 존재하는가? 쉬운 답은 없으며 어떤 결정이든 한쪽은 배신감을 느낄 것입니다.

소유권과 동의에 대한 미해결 질문들

이 상황에 소크라테스적 회의론을 적용하면 법원이 감당하기 어려운 더 깊은 문제들이 드러납니다. 모델이 인류의 집단적 결과물로 학습된다면 그 결과물은 진정 누가 소유하는 것일까요? 우리는 인쇄기와 라디오 방송을 위해 만들어진 현재의 법적 틀이 통계적 수준에서 작동하는 시스템을 관리할 수 있는지 자문해야 합니다. 소수의 거대 기업이 전 세계의 데이터를 흡수하도록 허용하는 데 따르는 숨겨진 비용은 무엇일까요? 창작자들에게 데이터에 대한 완전한 통제권을 부여한다면, 가장 부유한 기업들만이 AI를 구축할 수 있는 ‘허가 문화’를 만들 위험은 없을까요? 이는 라이선스 요건의 늪에 빠져 혁신이 저해되는 미래로 이어질 수 있습니다. 반대로 자유로운 스크래핑을 허용한다면 모델이 기능하는 데 필요한 고품질 데이터를 생성하려는 동기 자체를 파괴하는 것은 아닐까요? 시스템은 결국 최고의 인간 기여자들을 업계에서 퇴출시킴으로써 스스로 굶주리게 될지도 모릅니다.

우리는 저작권 논의에 종종 묻히는 개인정보 보호 문제도 고려해야 합니다. 학습 데이터에는 대중 소비를 의도하지 않은 개인정보가 포함되는 경우가 많습니다. 법원이 저작권 목적으로 스크래핑이 합법이라고 결정할 때, 그것이 의도치 않게 개인 정체성의 대량 수집까지 승인하는 결과가 되지는 않을까요? 법 체계는 이러한 문제들을 별도의 상자에 넣는 경향이 있지만, AI의 세계에서는 이들이 뗄 수 없이 연결되어 있습니다. 이 기술의 핵심에는 동의가 심각하게 결여되어 있습니다. 대부분의 사람들은 사진을 올리거나 블로그 포스트를 작성함으로써 언젠가 자신을 대체할지도 모르는 상업적 제품에 기여하고 있다는 사실을 깨닫지 못했습니다. 법원은 이미 일어난 과정에 소급하여 동의를 적용하라는 요구를 받고 있습니다. 이는 어떤 판사에게도 어려운 입장입니다. 그들은 시속 100마일로 달리는 자동차를 운행 중에 수리하려 하고 있습니다.

저희가 다루어야 할 AI 스토리, 도구, 트렌드 또는 질문이 있으신가요? 기사 아이디어를 보내주세요 — 기꺼이 듣겠습니다.

기술적 완화와 로컬 배포

파워 유저와 개발자들에게 법적 불확실성은 로컬 저장소와 주권 모델(sovereign models)에 대한 관심 급증으로 이어졌습니다. 클라우드 제공업체가 법의 테두리 안에 머물 것이라고 믿을 수 없다면, 모델을 로컬에서 실행하는 것이 논리적인 단계입니다. 이는 데이터 보존 및 API 제한과 관련된 많은 우려를 우회합니다. 현대의 워크플로우는 모델을 사용자의 개인 데이터에 근거하기 위해 RAG(Retrieval-Augmented Generation)를 점점 더 많이 통합하고 있습니다. 이 기술은 응답을 생성하기 전에 로컬 데이터베이스에서 정보를 검색하도록 하여, 일반적인 학습 세트의 모호한 깊이가 아닌 검증되고 라이선스된 또는 개인적인 소스에 기반한 결과물을 보장합니다. 로컬 실행으로의 이러한 전환은 중앙 집중식 AI의 법적 및 개인정보 보호 위험에 대한 직접적인 대응입니다. 이는 모든 데이터 조각의 출처를 알고 문서화할 수 있는 보다 통제된 환경을 가능하게 합니다.

API 제한과 데이터 정책도 법적 환경에 대응하여 변화하고 있습니다. 많은 제공업체들이 이제 기업 고객을 위해 미래 모델 학습에 데이터를 사용하지 않겠다고 약속하는 ‘제로 보존(zero retention)’ 계층을 제공하고 있습니다. 그러나 이러한 계층은 종종 상당한 가격 프리미엄이 붙습니다. 법적 준수 비용이 사용자에게 직접 전가되고 있는 것입니다. 개발자들은 또한 모델 디스고지먼트(model disgorgement)라는 복잡한 세계를 탐색해야 합니다. 이는 법원이 불법적으로 획득한 데이터로 학습된 모델을 삭제하라고 명령하는 법적 구제 수단입니다. 특정 API 위에 전체 비즈니스를 구축한 개발자에게 모델이 갑자기 사라질 위험은 치명적입니다. 이를 완화하기 위해 많은 이들이 개인 인프라에서 호스팅할 수 있는 Llama 3와 같은 오픈 웨이트 모델을 주목하고 있습니다. 이는 독점 API가 따라올 수 없는 수준의 안정성을 제공합니다. AI 세계의 괴짜 섹션은 이제 더 이상 벤치마크와 토큰에 관한 것만이 아닙니다. 법정 패배에도 살아남을 수 있는 탄력적인 시스템을 구축하는 것에 관한 것입니다.

• 데이터 프라이버시 보장을 위한 Ollama 또는 LM Studio를 통한 로컬 모델 배포.
• 일반 학습 데이터에 대한 의존도를 줄이기 위한 RAG 파이프라인 구현.
• 데이터 사용 권리 변경 사항에 대한 API 서비스 약관 모니터링.
• 모델 디스고지먼트 위험을 피하기 위한 오픈 웨이트 모델로의 전환.
• 독점 정보를 관리하기 위한 Pinecone 또는 Milvus와 같은 벡터 데이터베이스 사용.

미래 혁신에 대한 판결

이러한 소송들의 해결은 하룻밤 사이에 이루어지지 않을 것입니다. 우리는 수년간의 항소와 의회의 잠재적인 새로운 입법을 앞두고 있습니다. 그동안 업계는 하이브리드 모델로 이동하고 있습니다. 대형 테크 기업들은 학습 파이프라인을 확보하기 위해 뉴욕타임스와 같은 ‘레거시’ 미디어 기업들과 대규모 계약을 계속 체결할 것입니다. 소규모 창작자들은 집단 소송과 스크래핑을 ‘거부(opting out)’하기 위한 새로운 기술 표준에 의존하게 될 가능성이 높습니다. 미국 저작권청은 현재 이러한 문제들을 연구 중이며, 그 권고안은 향후 판결에 상당한 무게를 실을 것입니다. 한편 유럽 의회는 자체 규칙을 계속 다듬고 있으며, 이는 투명성에 대한 글로벌 표준을 강제할 것입니다. 무엇이 ‘공정’한지에 대한 혼란은 결국 마이크로 페이먼트와 자동화된 라이선싱의 복잡한 시스템으로 대체될 것입니다.

궁극적인 결론은 AI의 ‘무법지대’ 시대가 끝났다는 것입니다. 우리는 규칙이 실시간으로 작성되는 제도화의 시기로 접어들고 있습니다. 기업과 개인에게 가장 좋은 전략은 AI에 대한 진화하는 법적 기준을 계속 주시하고 기술 스택에 유연성을 구축하는 것입니다. 혁신의 속도와 소유자의 권리 사이의 긴장은 해결해야 할 문제가 아니라 관리해야 할 균형입니다. 이 마찰을 잘 헤쳐 나가는 사람들이 디지털 시대의 다음 단계에서 번영할 것입니다. 법원은 경계를 제공하겠지만 그 안에서 무엇을 만들지는 우리에게 달려 있습니다. AI의 미래는 단순한 기술적 질문이 아닙니다. 그것은 공정성과 재산이라는 우리의 고대 개념에 뿌리를 둔 깊이 있는 인간의 문제입니다.

편집자 주: 저희는 컴퓨터 전문가가 아니지만 인공지능을 이해하고, 더 자신감 있게 사용하며, 이미 다가오고 있는 미래를 따라가고 싶은 사람들을 위한 다국어 AI 뉴스 및 가이드 허브로 이 사이트를 만들었습니다.

오류나 수정할 사항을 발견하셨나요? 알려주세요.