---
title: "AI 학습 데이터 때문에 희귀본까지 잘려 나간다는 얘기"
published: 2026-07-27T12:32:12.000Z
canonical: https://jeff.news/article/5098
---
# AI 학습 데이터 때문에 희귀본까지 잘려 나간다는 얘기

AI 기업들이 학습 데이터 확보를 위해 절판본과 희귀본을 대량 구매한 뒤, 고속 스캐너에 넣으려고 책등을 잘라 원본을 폐기한다는 폭로성 글이다. 특히 2022년 이전 책은 AI 생성 텍스트가 섞이지 않은 데이터라 더 비싸게 취급되고, 구매자를 숨겨주는 중개 서비스까지 등장했다는 점이 핵심이다.

- AI 기업들이 희귀본과 절판본을 대량으로 사들여 학습 데이터로 만들고 있다는 주장임
  - 고속 스캐너에 넣기 위해 책등을 잘라내고, 스캔이 끝난 원본은 파쇄된다고 함
  - 문제는 이게 그냥 흔한 중고책 이야기가 아니라, 남아 있는 사본이 거의 없는 희귀본까지 포함된다는 점임

- 2022년 이전 책이 특히 비싸게 취급되는 이유가 좀 씁쓸함
  - 2022년 이후 텍스트에는 AI 생성물이 섞였을 가능성이 커졌고, 모델 학습 입장에서는 그게 데이터 오염이 될 수 있음
  - 그래서 AI가 만든 글을 피하려고, AI 이전 시대의 책을 더 적극적으로 긁어모으는 구조가 생긴 셈임

> [!WARNING]
> 웹페이지는 다시 올릴 수 있고 베스트셀러는 다시 찍을 수 있지만, 희귀본 원본은 한 번 파쇄되면 끝임. 이 논쟁이 단순 저작권 싸움보다 더 찝찝한 이유가 여기 있음.

- ISBNdb라는 서비스가 이 흐름을 중개한다는 대목도 꽤 세다
  - 최대 100만 권 단위 주문을 지원하고, 구매자를 익명으로 유지해준다는 식으로 소개됨
  - 글에 따르면 비밀유지계약까지 기능처럼 제공하고, 고객에게 이 작업을 “디지털 보존”이라고 부르도록 코칭한다고 함

- 법적 판단도 AI 기업 쪽에 힘을 실어주는 분위기임
  - 한 미국 연방법원 판사는 원본을 제거하면 동시에 존재하는 사본이 하나뿐이라는 이유로 공정 이용을 인정했다는 내용이 나옴
  - 즉 “책을 스캔했지만 원본을 없앴으니 복제본이 늘어난 건 아니다”에 가까운 논리임

- 글쓴이가 특히 분노하는 지점은 되돌릴 수 없다는 점임
  - 인터넷 스크래핑은 원본이 온라인에 남아 있을 수 있고, 음원이나 베스트셀러도 다시 유통될 수 있음
  - 하지만 18세기 식물학 서적처럼 남은 사본이 몇 권 안 되는 자료는 학습 데이터 한 번 만들겠다고 갈아버리면 복구가 안 됨

- 개발자 입장에서도 이건 남의 업계 윤리 얘기로만 보기 어렵다
  - 모델 성능을 위해 “깨끗한 데이터”를 찾는 기술적 압력이 실제 세계의 물리적 자료 손실로 이어질 수 있다는 사례임
  - 데이터 수집 파이프라인이 합법 판정과 익명 구매 서비스까지 만나면, 꽤 빠르게 산업화될 수 있다는 게 더 무서운 포인트임

## 핵심 포인트

- 2022년 이전 책은 AI 생성물 오염이 적어서 학습 데이터로 프리미엄이 붙음
- ISBNdb가 최대 100만 권 단위 주문과 익명 구매를 지원한다는 주장
- 미국 연방법원이 원본을 없애면 동시에 한 부만 존재한다는 이유로 공정 이용을 인정했다는 대목이 논란
- 희귀본은 한 번 파쇄되면 웹페이지나 베스트셀러처럼 복구하기 어렵다는 점이 문제

## 인사이트

AI 학습 데이터 논쟁이 웹 스크래핑을 넘어 물리적 문화재 손실 문제로 번지는 장면이다. 개발자 입장에서도 ‘데이터가 어디서 왔는가’가 모델 품질뿐 아니라 윤리와 법적 리스크까지 건드린다는 걸 보여준다.