인공지능(AI) 학습을 위한 데이터 확보 경쟁이 심화되면서 전 세계 중고 도서 판매량이 급증하는 기현상이 발생했습니다. AI 기업들은 ‘파괴적 스캔’과 같은 방식으로 데이터를 수집하며 저작권 및 윤리적 논란을 불러일으키고 있습니다. 이 글은 AI 학습 데이터 확보의 중요성과 함께 한국 시장에 미치는 영향, 국내 기업 및 정책이 나아가야 할 방향을 심층 분석합니다.
전문가 통찰 및 한줄평 (Insight)
생성형 AI 학습 데이터 확보의 중요성은 아무리 강조해도 지나치지 않습니다.
그러나 그 과정에서 발생하는 윤리적, 법적 문제들은 국내 AI 산업의 지속 가능한 성장을 위해 반드시 짚고 넘어가야 할 핵심 과제입니다.
최근 해외 IT 매체에서는 흥미로운 현상이 보도되었습니다.
인공지능(AI) 기술이 고도화되면서 전 세계 중고 서적 판매량이 급증하고 있다는 소식입니다.
독립 서점들이 정체 모를 대량 주문을 받아 멀리 떨어진 창고로 수천 권의 책을 보내는 상황은, 언뜻 보기에 일반적인 독서 트렌드와는 거리가 멀어 보입니다.
과연 무엇이 이 기이한 현상을 주도하는 걸까요?
그 답은 바로 AI, 특히 대규모 언어 모델(LLM)의 생성형 AI 학습 데이터 확보 과정에 숨어 있습니다.
핵심 이슈 및 배경
이러한 중고 도서 판매의 급증 현상은 단순히 독서 인구의 증가로 설명하기 어렵습니다.
서점 관계자들은 수십 년간 경험하지 못한 비정상적인 대량 주문이 전 세계적으로 동시다발적으로 발생하고 있다고 전하고 있습니다.
특히 한 캐나다 회사로부터 들어온 단 한 건의 주문이 평소 일주일치 판매량을 넘어설 정도였다는 사례는 이 현상의 심각성을 보여줍니다.
판매된 책들의 목적지는 명확히 알려져 있지 않으나, 업계 전문가들은 인공지능 학습을 위한 데이터 수집일 가능성이 높다고 추정합니다.
실제로 미국의 한 법원 판결은 이러한 주장에 힘을 실어줍니다.
2025년, AI 기업 Anthropic을 상대로 세 명의 작가가 제기한 저작권 침해 소송에서 법원은 AI 소프트웨어 학습을 위해 책을 사용하는 것이 미국 저작권법을 위반하지 않는다고 판결했습니다.
당시 판결문에서는 Anthropic의 책 사용이 ‘매우 변형적(exceedingly transformative)’이라는 이유로 허용되었습니다.
더욱 충격적인 사실은 이 과정에서 책들이 파괴되고 있다는 점입니다.
법원 문서가 공개되면서 Anthropic이 ‘프로젝트 파나마(Project Panama)’라는 이름으로 전 세계의 모든 책을 ‘파괴적 스캔(destructive scanning)’하려 했다는 사실이 드러났습니다.
파괴적 스캔은 책의 척추를 제거하여 모든 페이지를 빠르게 스캔한 후 나머지를 재활용하는 방식입니다.
이러한 방식은 LLM의 지식 기반을 넓히는 데 필요한 방대하고 다양한 비정형 데이터를 효율적으로 확보할 수 있다는 점에서 AI 기업들에게 매력적인 선택지입니다.
희귀한 라틴어 고서부터 카우보이 소설까지 무작위로 수집되는 책의 종류 역시 다양한 데이터를 흡수하려는 AI의 ‘탐욕스러운 식욕’을 보여주는 대목입니다.
상세 비교 분석: AI 학습 데이터 획득 방식 및 저작권 쟁점
AI 학습 데이터를 대규모로 확보하는 방식과 관련 저작권 법적 해석은 국가별로 상이합니다.
특히 ‘변형적 이용(Transformative Use)’ 개념에 대한 해석이 중요한 차이를 만듭니다.
국내 AI 기업들이 학습 데이터를 확보하는 방식과 해외 사례를 비교 분석해보겠습니다.
| 국가/기업 | 데이터 획득 방식 | 저작권 법적 해석 | 산업계 파급 효과 | 주요 특징 |
|---|---|---|---|---|
| 미국 (Anthropic) | 중고 도서 대량 구매 및 파괴적 스캔 | ‘변형적 이용’으로 저작권 침해 아님 판결 | LLM 학습 데이터 확보 비용 절감, 윤리적 논란 가중 | 방대한 양의 비정형 데이터 확보 용이, 희귀 자료 파괴 가능성 |
| 영국 (저작권 전문가) | 원칙적으로 저작권자의 허락 필수 | 복제 및 학습에 저작권자의 명시적 동의 요구 | 저작권 분쟁 및 소송 위험 감소, 데이터 확보 비용 증가 | 투명성 및 데이터 출처 명확화 요구, 문화유산 보호 강조 |
| 대한민국 (현행 법/관행) | 공개 웹 데이터, 상업적 데이터셋 구매, 자체 생성 | 관련 법제 명확화 논의 중, 법적 다툼 여지 존재 | AI 산업 발전에 저작권 이슈가 핵심 걸림돌로 작용 가능 | 국내 LLM 경쟁력 확보를 위한 데이터 전략 수립 필요, 윤리적 가이드라인 부재 |
시장 파급 효과 및 전망
이번 중고 도서 대량 구매 사태는 글로벌 AI 시장에 중요한 파급 효과를 예고합니다.
AI 모델의 성능은 결국 양질의 학습 데이터에 달려있기 때문입니다.
Anthropic의 사례처럼 파괴적 스캔을 통해 저렴하고 효율적으로 데이터를 확보할 수 있다면, 이는 데이터 확보 경쟁의 새로운 지형을 만들 수 있습니다.
그러나 동시에 엄청난 윤리적, 문화적 논란을 야기할 수밖에 없습니다.
AI 기업들은 모델 고도화를 위해 기존에 접근하기 어려웠던 방대한 비정형 데이터를 탐색할 것입니다.
이는 단순히 텍스트 데이터에 국한되지 않고, 이미지, 오디오, 비디오 등 다양한 형태의 데이터를 포함할 가능성이 높습니다.
이러한 데이터 확보 과정에서 저작권 소송은 더욱 빈번해질 것이며, AI 개발 속도와 저작권 보호라는 두 가치 사이의 균형점을 찾는 것이 전 세계적인 과제로 부상할 것입니다.
한국 시장에서의 시사점
국내 생성형 AI 시장은 글로벌 흐름에 발맞춰 빠르게 성장하고 있지만, 양질의 한국어 학습 데이터 확보는 여전히 큰 도전 과제입니다.
해외 사례는 우리에게 중요한 시사점을 던져줍니다.
실제로 국내 생성형 AI 스타트업 관계자들과 이야기를 나누다 보면, 모델 고도화를 위한 양질의 한국어 데이터 확보가 가장 큰 난관 중 하나라는 점을 자주 토로합니다.
특히 비용 문제와 더불어 저작권 이슈는 늘 민감하게 다뤄지는 부분입니다.
-
국내 LLM 기업의 데이터 전략 재고: 네이버의 HyperclovaX, 카카오의 KoGPT, 그리고 업스테이지 등의 국내 LLM 개발사들은 자체적인 데이터 확보 전략을 수립하고 있습니다. 하지만 이번 사례처럼 ‘숨겨진’ 데이터 소싱 방식이 글로벌 트렌드로 떠오른다면, 국내 기업들도 저작권 이슈에 대한 보다 명확한 법적 해석과 윤리적 가이드라인을 마련해야 할 것입니다. 특히 국내 저작권법은 미국의 ‘변형적 이용’ 개념을 명시적으로 인정하지 않으므로, 해외와 동일한 방식으로 데이터를 확보할 경우 법적 분쟁에 휘말릴 위험이 높습니다.
-
출판 및 콘텐츠 산업과의 상생 방안 모색: AI 학습 데이터의 주요 원천이 되는 출판 및 콘텐츠 업계는 AI 시대에 새로운 기회와 위협을 동시에 마주하고 있습니다. 국내 출판사들은 AI 기업과의 데이터 라이선싱 모델을 적극적으로 모색하여 새로운 수익원을 창출할 수 있습니다. 정부 차원에서도 AI 학습 데이터 저작권 가이드라인을 명확히 하고, 국내 콘텐츠의 불법적 이용을 방지하기 위한 제도적 장치를 마련하는 것이 중요합니다.
-
문화유산 및 희귀 자료 보존 노력: 만약 국내에서도 해외처럼 희귀 서적이나 고문서가 AI 학습을 위해 대량 수집되고 파괴되는 상황이 발생한다면, 이는 돌이킬 수 없는 문화유산의 손실로 이어질 수 있습니다. 국립중앙도서관이나 관련 기관들이 디지털 보존 사업을 더욱 강화하고, AI 학습 데이터와 문화유산 보존이라는 두 가지 가치를 조화시킬 수 있는 방안을 모색해야 합니다. 관련 기술 트렌드 더 보기를 통해 AI와 문화 산업의 접점을 확인할 수 있습니다.
결론적으로, AI의 데이터 갈증은 점점 더 커질 것입니다.
이 과정에서 발생하는 윤리적, 법적, 문화적 논란은 단순히 해외의 이야기가 아닙니다.
한국 AI 산업의 건강한 성장과 지속 가능한 발전을 위해서는 생성형 AI 학습 데이터 확보 과정의 투명성과 윤리성을 확보하고, 저작권자들과의 상생 방안을 마련하는 것이 무엇보다 중요합니다.
지금이야말로 데이터 윤리와 AI 발전을 위한 사회적 합의가 필요한 시점입니다.
자주 묻는 질문 (FAQ)
Q: AI 학습에 중고 도서가 필요한 진짜 이유는 무엇인가요?
A: 대규모 언어 모델(LLM)은 방대하고 다양한 텍스트 데이터를 학습하여 언어 이해 및 생성 능력을 향상합니다.
특히 희귀하거나 오래된 자료는 AI 모델의 지식 범위를 넓히고 특정 분야의 전문성을 높이는 데 기여하기 때문에, 이러한 자료들을 확보하려는 AI 기업의 수요가 매우 높습니다.
Q: 중고 도서 파괴 스캔이 저작권 문제가 되지 않는다는 판결은 한국에서도 유효한가요?
A: 미국 법원의 ‘변형적 이용(Transformative Use)’ 해석은 한국 저작권법에 명시적으로 규정되어 있지 않으므로, 한국 법원에서 그대로 적용되기 어렵습니다.
국내 저작권법은 원칙적으로 저작권자의 허락 없이 복제 및 이용하는 것을 금지하며, AI 학습 데이터 생성 시 저작권 침해 여지는 여전히 존재합니다.
Q: 한국 LLM 개발사들은 현재 어떻게 학습 데이터를 확보하고 있나요?
A: 국내 LLM 개발사들은 주로 공개 웹 데이터(뉴스 기사, 웹 문서 등), 상업적 계약을 통한 데이터셋 구매, 그리고 자체 생성 데이터를 활용하여 학습 데이터를 확보하고 있습니다.
그러나 양질의 한국어 데이터 부족과 저작권 문제 해결은 여전히 국내 AI 산업이 풀어야 할 주요 과제로 남아있습니다.
Q: AI 학습 데이터 확보와 관련하여 국내 출판 산업에 미치는 영향은 무엇인가요?
A: 국내 출판 산업은 AI 학습 데이터 시장에 콘텐츠를 제공함으로써 새로운 수익원을 창출할 기회를 얻을 수 있습니다.
동시에 불법적인 데이터 수집 및 이용으로부터 저작권을 보호해야 하는 과제도 안고 있습니다.
따라서 AI 기업과 출판사 간의 투명하고 공정한 협력 모델 구축이 중요합니다.
출처 URL: https://www.bbc.com/news/articles/cp3rprx2wl4o
— 이 글과 관련된 추천 서비스 —
* 이 포스팅은 제휴 마케팅 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받을 수 있습니다. *