인공지능 학습 데이터, 공짜로 긁어가도 되는가

• 인공지능이 내놓는 매끄러운 답변의 출처를 두고 저작권 싸움이 본격화되고 있음.

  • 사용자는 원문을 읽지 않아도 요약된 답을 얻지만, 그 원문을 취재하고 검증한 언론사에는 돈이 안 돌아간다는 문제임.
  • 핵심 질문은 단순함. 인공지능은 누구의 콘텐츠를 먹고 자라고, 그 값은 누가 내느냐는 것.

• 씨엔엔은 인공지능 검색 기업 퍼플렉시티를 저작권 침해로 제소함.

  • 주장에 따르면 퍼플렉시티는 씨엔엔 기사 1만7000여 건을 허락 없이 복제해 답변 생성에 사용함.
  • 퍼플렉시티의 반박은 “사실은 저작권으로 보호되지 않는다”는 논리임.
  • 이 말은 절반만 맞음. 사실 자체는 보호 대상이 아니지만, 사실을 취재하고 배열하고 표현한 결과물은 보호될 수 있음.

• 진짜 쟁점은 학습이라는 이름으로 대량 복제해도 되느냐임.

  • 인공지능 답변이 원문 방문을 대체하면 언론사의 광고·구독 수익 기반이 흔들림.
  • 미국 저작권법의 공정 이용 판단은 바로 이 지점에서 갈림. 학습이 새로운 사용인지, 원래 시장을 침해하는 대체재인지가 핵심임.

• 전선은 이미 뉴스 업계 전체로 넓어짐.

  • 뉴욕타임스도 퍼플렉시티를 같은 법원에 제소함.
  • 뉴스코프, 시카고트리뷴, 브리태니커까지 가세했고 미국에서만 인공지능 저작권 분쟁이 90여 건에 이름.
  • 브리태니커는 오픈AI가 자사 자료 10만 건을 챗지피티 학습에 무단 사용했다고 주장함.

• 개발자에게 더 직접적인 사례는 깃허브 코파일럿임.

  • 코파일럿은 공개 코드를 대량 학습했고, 남의 코드를 거의 그대로 출력한 사례가 드러나 미국에서 집단소송으로 번짐.
  • 공개 저장소라고 해서 라이선스 조건이 사라지는 건 아님.
  • 생성된 코드가 기존 코드와 실질적으로 비슷하다면, 그 책임이 도구 제공자에게 있는지 사용자에게 있는지 애매해짐. 이게 진짜 찝찝한 부분임.

• 흥미로운 건 같은 회사들이 법정과 협상 테이블을 동시에 오간다는 점임.

  • 뉴스코프는 오픈AI와 5년간 최대 2억5000만 달러 규모의 콘텐츠 사용 계약을 맺음.
  • 뉴욕타임스는 오픈AI를 제소하면서도 아마존과는 라이선스 계약을 체결함.
  • 한쪽 손엔 소장, 다른 손엔 계약서. 꽤 현실적인 시장의 답임.

• 결국 데이터 가격을 누가 정하느냐의 싸움임.

  • 소송은 법원이 가격과 경계를 정하게 만드는 방식임.
  • 라이선스 계약은 기업들이 협상으로 가격을 정하는 방식임.
  • 어느 쪽이든 “학습 데이터는 공짜”라는 전제는 점점 버티기 어려워지고 있음.

• 개발팀도 남 얘기로 넘기기 어려움.

  • 사내에서 코드 생성 도구를 쓸 때 생성물의 출처, 라이선스, 보안 검토 프로세스를 무시하면 나중에 제품 리스크로 돌아올 수 있음.
  • 특히 오픈소스 라이선스가 강한 프로젝트와 유사한 코드가 섞이면 법무 검토가 필요한 상황이 생길 수 있음.

---

기술 맥락

• 이 논쟁에서 중요한 건 인공지능이 사실을 배웠느냐가 아니라 데이터를 어떻게 복제하고 활용했느냐예요. 모델 학습은 단순 열람이 아니라 대량 수집, 저장, 전처리, 학습 파이프라인을 거치기 때문에 저작권 문제가 더 커져요.

• 개발자에게는 깃허브 코파일럿 사례가 특히 현실적이에요. 공개 코드는 누구나 볼 수 있지만, 재사용 조건은 라이선스가 정하거든요. 생성된 코드가 기존 코드와 너무 비슷하면 “도구가 만들어줬다”는 말만으로 책임이 사라지지 않을 수 있어요.

• 기업들이 소송과 라이선스를 동시에 택하는 이유는 가격 기준이 아직 없기 때문이에요. 법원이 공정 이용 범위를 좁게 보면 학습 데이터 계약 시장이 커지고, 넓게 보면 인공지능 기업의 데이터 수집 관행이 더 힘을 얻을 수 있어요.

• 그래서 이 이슈는 콘텐츠 업계의 밥그릇 싸움으로만 보면 놓치는 게 많아요. 앞으로 사내 문서, 고객 데이터, 코드 저장소를 모델 학습에 넣을 때 어떤 권리와 보상을 붙일지 정하는 선례가 될 수 있거든요.