AI 학습 비판 발언 담긴 저작권 소송 서류

마이크로소프트(Microsoft) 임원이 AI 학습용 콘텐츠 수집을 “인류 역사상 가장 큰 노동의 도둑질”이라고 표현한 발언이 저작권 소송 서류에 인용됐다. 뉴욕타임스(The New York Times)가 오픈AI(OpenAI)와 마이크로소프트를 상대로 낸 소송의 비공개 해제 서류에는 AI 답변이 언론사 방문을 줄일 수 있다는 두 회사 내부의 우려도 담겼다. 유료 기사를 어떻게 확보했는지, 원작자의 시장을 해치지 않는다는 공정 이용 주장이 내부 인식과 어떻게 맞물리는지가 이번 자료의 핵심이다.

핵심 요약

  • 뉴욕타임스가 제출한 비공개 해제 서류에는 마이크로소프트와 오픈AI 관계자들이 AI 학습용 콘텐츠 수집과 언론사에 미칠 피해를 우려한 내부 발언이 담겼다.
  • 마이크로소프트의 분석에서는 코파일럿 답변 엔진을 통한 뉴욕타임스 도메인 클릭률이 기존 빙 검색보다 최대 93% 낮아, AI 답변이 원문 방문을 대체할 수 있다는 쟁점이 부각됐다.
  • 소송 서류는 대규모 기사 수집뿐 아니라 유료 구독 장벽 우회와 저작권 표시 제거도 주장해, 학습 데이터의 확보 방식까지 법적 논쟁의 대상으로 끌어들였다.
  • 공개된 인용문의 상당수는 봉인된 원자료가 아니라 뉴욕타임스 측 서면에 실려 있어, 발언의 원래 맥락과 법원의 판단은 앞으로 확인해야 한다.
  • Hacker News 토론에서는 창작자에게 허락을 구하고 대가를 지급해야 한다는 주장과, 정보의 자유로운 활용을 제한해서는 안 된다는 반론이 맞섰다.

3년째 이어진 소송에서 나온 내부 발언

뉴욕타임스가 오픈AI와 마이크로소프트를 상대로 낸 저작권 소송에서 일부 가림 처리가 해제된 서류가 공개됐다. 소송은 두 회사가 뉴욕타임스 기사를 생성형 AI 학습에 사용해 저작권을 침해했다는 주장으로 시작돼 3년째 이어지고 있다. 이번 서류는 기업 내부 관계자들이 학습 데이터 수집을 어떻게 바라봤는지, AI 제품이 기사를 생산한 언론사에 어떤 영향을 줄 것으로 예상했는지를 보여준다.

다만 공개된 발언의 상당수는 내부 발표 자료나 대화 기록 원본이 아니라 뉴욕타임스 측이 법원에 낸 서면에 인용된 내용이다. 발언이 담긴 원자료는 여전히 봉인돼 있어 앞뒤 맥락까지 확인할 수 있는 상태는 아니다. 따라서 이번에 드러난 것은 법원의 사실 인정이나 판결이 아니라, 소송 당사자가 제시한 내부 기록의 일부다. 그럼에도 기업 내부에서 사용한 표현과 수치가 드러나면서 저작권 논쟁은 학습의 허용 여부를 넘어 그 결과가 원작자의 시장을 잠식하는지로 옮겨간다.

공정 이용 주장과 클릭률 93% 감소

저작권이 있는 자료를 허락 없이 AI 학습에 쓰는 행위가 합법인지에 대해서는 아직 명확한 결론이 없다. 법원은 대체로 AI 기업들이 내세우는 공정 이용(fair use·일정 조건에서 저작물을 허락 없이 이용할 수 있는 원칙) 주장에 우호적인 판단을 보여왔다. 기사에 따르면 도널드 트럼프 행정부도 이달 초 오픈AI의 무허가 학습을 옹호하는 서면을 제출했다. 그러나 공정 이용을 따질 때에는 이용 결과가 원작물의 시장을 대체하거나 해치는지도 중요한 쟁점이다.

이번 서류에는 마이크로소프트의 코파일럿(Copilot) ‘답변 엔진’에서 뉴욕타임스 도메인으로 이어지는 클릭률이 기존 빙(Bing) 검색과 비교해 최대 93% 낮았다는 자체 분석이 담겼다. 이는 모든 이용자의 방문이 93% 줄었다는 뜻이 아니라, 두 방식 사이에서 관찰된 클릭률 차이다. 마이크로소프트 응용과학 부문 이사 브렌트 헥트(Brent Hecht)는 2024년 1월 내부 발표 자료에서 이를 악순환으로 설명했다. 콘텐츠를 만드는 곳으로 이용자가 덜 찾아가면 웹과 그 웹에 의존하는 모델의 성능이 함께 손상될 수 있다는 우려였다.

같은 자료에는 최종 제품이 핵심 공급자의 경제적 기반을 위협하는 이례적인 상황을 회사의 대규모 언어 모델 사업이 만들었다는 취지의 문장도 담겼다. 이 표현에서 언론사는 단순한 외부 권리자가 아니라 AI에 필요한 콘텐츠를 공급하는 주체로 그려진다. 검색 결과에서 원문으로 이동하게 하는 방식과 답변 화면에서 정보를 바로 소비하게 하는 방식의 차이가 왜 소송의 중심에 놓였는지 보여주는 대목이다.

유료 기사에는 허락이 필요하다는 증언

마이크로소프트 최고경영자 사티아 나델라(Satya Nadella)는 올해 초 증언 녹취에서, 유료 구독 장벽 뒤의 자료를 그라운딩(응답의 근거로 외부 정보를 활용하는 방식)이나 학습에 쓰려는 사람은 이용 허락을 받아야 한다고 말했다. 그는 오픈AI가 그런 정보를 수집해 학습했다는 사실을 알았다면, 마이크로소프트의 권한을 행사해 모델을 다시 학습시키도록 요구했을 것이라고도 밝혔다. 유료 콘텐츠를 다루는 기준에 관한 최고경영자의 설명이 서류에 들어간 셈이다.

오픈AI 내부에서도 AI 제품이 언론사에 미칠 영향에 대한 우려가 나왔다. 챗GPT(ChatGPT) 책임자 닉 털리(Nick Turley)는 챗봇 같은 제품이 출판사에 ‘존립을 위협하는’ 존재이며, 이미 상당 부분 기존 콘텐츠를 대체하고 있고 성능이 좋아질수록 더 그럴 것이라는 취지로 썼다. 오픈AI 사장 그레그 브록먼(Greg Brockman)은 모델이 뉴스에 뛰어나다고 표현했다. 나델라 역시 이용자가 원래 웹사이트에 갈 필요 없이 AI 화면에서 정보를 얻는 일이 기존 방식을 대체했다고 증언했다.

이 발언들은 AI가 기사를 단순히 학습해 새로운 용도로 바꾸는 데 그치는지, 아니면 독자가 기사를 찾아갈 이유까지 줄이는지를 묻게 한다. 마이크로소프트 문서에는 생성형 AI가 모델 학습에 쓰인 데이터를 만든 사람들의 고용을 크게 흔들 실질적인 위험이 있다는 내용도 나온다. 학습에 필요한 노동과 그 노동의 보상이 같은 생태계 안에서 유지될 수 있느냐는 질문이다.

‘가장 큰 노동의 도둑질’이라는 표현

서류에 나온 수집 규모도 크다. 오픈AI의 미드트레이닝(기초 학습 이후 이어지는 추가 학습) 데이터셋에만 뉴욕타임스, 데일리뉴스(Daily News), 탐사보도센터(Center for Investigative Reporting)가 발행한 저작물의 사본이 9만1692개 넘게 포함됐다고 한다. 웹 수집 자료 저장소인 커먼크롤(Common Crawl)에서 파생된 데이터셋에는 뉴욕타임스 도메인의 문서만 200만 개 넘게 들어 있었다. 두 수치는 서로 다른 데이터셋과 집계 대상을 가리킨다.

헥트는 2023년 1월 내부 메모에서 이런 수집을 전례 없는 규모의 놀라운 도둑질이자 ‘인류 역사상 가장 큰 노동의 도둑질’이라고 불렀다. 이 표현이 소송의 제목처럼 주목받는 이유는 외부 비평가가 아니라 사업에 참여한 회사의 임원이 남긴 말이기 때문이다. 다만 그 문장이 쓰인 메모 원본은 공개되지 않았으므로, 법정에서는 표현 자체뿐 아니라 작성 맥락과 실제 데이터 사용 방식도 따져야 한다. 숫자는 복제의 규모를 보여주고, 내부 표현은 그 규모를 바라본 회사 안의 시각을 드러낸다.

빙 인덱스와 프로젝트 망고

소송 서류는 콘텐츠가 회사 사이를 어떻게 오갔는지도 다룬다. 뉴욕타임스 측은 오픈AI와 마이크로소프트가 빙 인덱스(검색 서비스가 수집해 정리한 웹페이지 목록)에서 자료를 가져오는 등 여러 경로로 기사에 접근했다고 주장한다. 서류에는 오픈AI가 GPT-3 학습 데이터셋 전체를 마이크로소프트에 전달했고, 마이크로소프트는 자사 상용 제품에 오픈AI 모델을 적용하는 방안을 평가하는 데 이를 썼다는 설명이 실렸다.

반대 방향의 데이터 제공도 거론된다. 마이크로소프트가 ‘프로젝트 택시(Project Taxi)’와 ‘프로젝트 망고(Project Mango)’라는 사업을 통해 오픈AI에 학습 데이터를 제공했다는 것이다. 소송 서류에 따르면 두 회사가 구성한 프로젝트 망고 데이터셋에는 언론사들이 발행한 서로 다른 저작물 최소 16만903개의 사본이 들어 있다. 쟁점은 한 회사가 웹에서 무엇을 수집했는지에만 머물지 않고, 확보한 자료를 양사가 어떻게 주고받아 제품 개발에 활용했는지로 이어진다.

유료 구독 장벽 우회와 저작권 표시 제거

뉴욕타임스 측은 오픈AI 직원들이 들키지 않고 유료 구독 장벽을 우회할 방법을 구상했다고도 주장한다. 서류에 인용된 대화에서는 연구원 닉 라이더(Nick Ryder)가 브록먼에게 뉴욕타임스의 유료 장벽을 넘는 방법을 알렸고, 브록먼은 긍정적으로 답했다. 나델라가 유료 자료에는 이용 허락이 필요하다고 증언한 대목과 함께 읽히는 부분이다. 실제로 어떤 콘텐츠가 어떤 방식으로 학습에 들어갔는지는 소송에서 더 따져야 할 문제다.

서류는 오픈AI 직원들이 뉴스 콘텐츠에 크게 의존한 웹텍스트(WebText)와 웹텍스트2(WebText2) 같은 데이터셋을 만들고, 커먼크롤에서도 수백만 건의 기사를 가져왔다고 주장한다. 또 모델이 사용자에게 저작권 표시를 출력하지 않도록 학습 데이터가 모델에 들어가기 전에 그 표시를 의도적으로 제거했다는 내용도 담겼다. 이는 자료를 수집할 권리가 있었는지와 별개로, 원작자의 권리 표시를 데이터 처리 과정에서 어떻게 다뤘는지 묻게 한다.

뉴욕데일리뉴스(New York Daily News) 측 변호사 스티븐 리버먼(Steven Lieberman)은 새로 드러난 증거가 두 회사가 자신의 행위를 잘못이라고 알고 있었음을 보여준다고 주장했다. 테크크런치(TechCrunch)의 논평 요청에 오픈AI와 마이크로소프트는 답하지 않았다. 현재 공개된 것은 어느 쪽의 주장이 법적으로 받아들여졌다는 결론이 아니라, 내부 발언과 데이터 처리 기록을 둘러싼 법정 다툼의 범위다.

커뮤니티 의견

한 사용자는 사람이 책을 읽고 배우는 일과 무한히 복제할 수 있는 AI가 대량의 저작물을 학습하는 일은 규모부터 다르다고 했다. 전자는 원작물 수요에 미치는 영향이 작지만 후자는 그 수요를 대체할 수 있으므로, 권리자의 허락을 받아 학습하도록 하면 된다는 주장이다. 답글에서는 다른 저작물에서 배워 만든 글까지 어떻게 허락받게 할지 어렵다는 반론과, 기본 요율을 정한 사용료 제도를 생각해 볼 수 있다는 의견이 나왔다.

다른 사용자는 이미 만들어진 콘텐츠를 이용하는 일을 ‘노동의 도둑질’이라고 부르는 데 반대했다. 창작은 앞선 세대의 지식에 기대며 정보 공유를 막는 것이 오히려 문제라는 시각이다. 이에 대한 답글은 AI 기업이 남의 자료는 자유롭게 가져가면서 자기 코드와 저작물에는 강하게 권리를 주장하는 이중잣대, 그리고 학습에 기여한 창작자가 보상 없이 직업을 잃을 수 있다는 점을 지적했다.

‘인류 역사상 가장 큰’이라는 표현을 두고는 노예제나 강제노동을 먼저 떠올리게 된다는 반응이 나왔다. 도난 규모를 강조하려는 기업 내부 표현일 수는 있어도, 다른 역사적 노동 착취와 나란히 놓으면 과장돼 보인다는 취지다. 답글에서는 노동시간의 규모를 기준으로 한 표현일 수 있다는 해석과 이를 비꼬는 반응이 이어졌다.

한 사용자는 타인의 작업을 바탕으로 무언가를 만드는 행위 자체보다 그 이익을 대형 기술기업이 독점하는 구조가 문제라고 했다. 지식과 사고를 돕는 도구마저 사유화되면 이용자는 기본적인 일을 하는 데 계속 비용을 내게 된다는 우려다. 답글 역시 일자리 감소 같은 부담은 사회가 떠안고 이익은 소유자에게 돌아가는 구조에 초점을 맞췄다.

마이크로소프트 임원이 문제를 정확히 이해하고 있었다는 점이 놀랍다는 냉소적인 반응도 나왔다. 답글에서는 임원에게 부족한 것이 지식이라기보다 아는 사실에 따라 행동할 의지나 실행 능력일 수 있다고 봤다. 경영진이 상황을 알고도 자신에게 유리한 말을 선택한다는 더 비판적인 의견도 이어졌다.

다른 사용자는 과거 노동의 성과를 가져오는 문제에 그치지 않고 AI가 앞으로 인간의 기술 가치를 낮추고 일자리를 빼앗을 수 있다고 했다. 한 답글은 학습에 쓰인 작업물이 결국 그 일을 한 사람의 노동을 대체한다는 점을 잔인한 역설로 받아들였다. 자신이 작성한 오픈소스 코드까지 후회하게 됐다는 반응은 논쟁이 언론 기사 밖의 창작물로도 뻗어 있음을 보여준다.

또 다른 사용자는 이용자 데이터를 모아 돈을 버는 관행이 오픈AI만의 문제가 아니라고 지적했다. 구글(Google), 메타(Meta), 마이크로소프트, GitHub 등 여러 서비스가 데이터를 바탕으로 폐쇄적인 사업을 키워왔으면서 이제 경쟁자를 규제하자고 하는 것은 설득력이 없다는 주장이다. 답글에서는 그동안 이용자가 서비스를 무료로 쓸 수 있었던 것도 바로 그런 사업 모델 덕분이라고 맞섰다.

정부가 모델을 공공 서비스로 만들고 민간 기업은 운영 비용이나 부가 기능으로 경쟁하는 대안을 상상한 의견도 있었다. 이 관점에서는 학습 데이터의 혜택이 특정 기업의 제품 안에만 갇히지 않는다. 소송의 승패와 별개로, 지식에서 나온 가치를 누가 소유하고 어떤 방식으로 접근하게 할지 묻는 제안이다.

핵심 통찰

이번 서류의 무게는 자극적인 ‘도둑질’ 표현 하나보다, AI 답변이 원문 방문을 줄일 수 있다는 내부 분석과 유료 기사 취급 기준, 대규모 수집 경로가 한 소송에 함께 등장했다는 데 있다. 법원이 살펴볼 것은 학습 자체의 허용 여부뿐 아니라 수집 방식과 원작자의 시장에 미친 영향이다. 토론이 보여주듯 허락과 보상을 강화하자는 요구는 정보 접근과 기업의 이익 독점에 대한 우려와도 부딪힌다. 앞으로는 봉인된 원자료의 맥락, 클릭률 분석의 해석, 두 회사의 데이터 사용 방식에 관한 판단을 지켜봐야 한다.


원본: Microsoft exec called AI scraping ‘the largest theft of labor in human history,’ new unredacted filings reveal | TechCrunch

토론: Hacker News