AI? ?? ??? ??? ??? ???, ‘?? ??? ?????’? ?? ??? ??? ????. ?? ?? ????? ???? ????? ?? ??? ??. Credit: WarnerMedia 생성형 AI가 기업의 콘텐츠 제작, 확장, 유통 방식을 근본적으로 바꾸고 있다. 마케팅 문구부터 법률 요약, 원본 예술 작품에 이르기까지 창작 업무 전반에서 많은 변화가 일어나고 있다. 하지만 여기에는 법적 긴장도 따르며, 그 중에서도 특히 지식재산권이 불투명한 영역으로 언급되고 있다. 생성형 AI의 등장이 창작자들에게 미치는 영향은 다소 독특하다. 기존 창작 도구와 달리 생성형 AI는 방대한 창작물을 수집 및 모방할 수 있으며, 이 과정은 대부분 원저작자의 동의나 적절한 라이선스 없이 이뤄진다. 창작 산업 전반에서는 이 부분에 대한 우려가 확산되고 있다. 단순한 모방을 넘어, 사람이 만든 콘텐츠가 알고리즘 기반의 결과물로 대체될 수 있다는 위협이 지식재산권의 가치와 소유권 자체를 흔들고 있기 때문이다. 가령 최근에는 오픈AI(Open AI)의 이미지 생성기를 활용해 의 이미지를 제작하는 사례가 주목을 받았다. 미야자키 하야오 감독이 상징적인 작품을 완성하기 위해 수년을 들인 것에 비하면 극히 짧은 시간 내에 이미지가 완성됐다. 많은 팬들은 이런 AI 필터가 미야자키의 창작 철학과 어긋난다고 지적했으며, 미야자키 본인 역시 AI 생성 작품에 대해 “생명 자체에 대한 모욕이라고 강하게 느낀다”라고 말했다. 필자는 지난 몇 년간 스타트업부터 포춘 50대 기업에 이르기까지 다양한 고객에게 생성형 AI를 법적으로 책임 있게 활용할 방안을 자문해 왔다. 이 과정에서 이중적인 과제가 반복적으로 나타났다. 기업이든 개인이든 관계 없이 창작자들은 상업적 목적이나 기타 여러 이유로 생성한 AI 결과물을 법적 및 경제적으로 자유롭게 활용하기를 원하는 동시에, 자신의 콘텐츠가 타인의 모델 학습에 무단으로 사용되지 않도록 통제하고 싶어 한다는 점이었다. 더 많은 창작자가 자신의 콘텐츠를 AI 학습 데이터 세트에서 제외시킨다면, 유용한 고품질 데이터에 접근하지 않고 어떻게 생성형 AI 모델을 계속 개선할 수 있을까? 물론 생성형 AI 개발사가 학습에 활용되는 모든 저작물을 일일이 라이선스받는 방안도 있을 수 있다. 그러나 대규모 언어 모델(LLM)을 효과적으로 학습하고 미세 조정하는 데 필요한 방대한 양의 데이터를 고려하면, 이는 현실적으로도 운영적으로도 실현 가능성이 낮다. 필자는 이처럼 창작자가 겪는 이중 과제를 ‘창작자의 딜레마’라고 부르고자 한다. 미국 법률과 규제상 생성형 AI가 만든 결과물은 보통 저작권 보호를 받을 수 없지만, 역설적으로 다른 이들은 이러한 저작물을 AI 학습에 사용할 가능성이 있다. 문제는 이와 관련한 법이 여전히 명확하지 않고 해석도 불분명하다는 점이다. 이제 이러한 충돌의 배경과, 기업들이 딜레마 속에서 어떤 전략으로 대응할 수 있을지 살펴볼 필요가 있다. 사람의 창의성이 충분하지 않으면 저작권 보호가 어려운 생성형 AI 결과물 2023년 미국 저작권청(US Copyright Office)은 생성형 AI로 인한 저작권 법률 및 정책 이슈를 본격적으로 검토하는 종합 이니셔티브를 시작했다. 이를 통해 이슈를 단계별로 분석한 3부작 보고서가 마련됐으며, 지난 1월에 발표된 는 생성형 AI 결과물이 저작권 보호 대상이 될 수 있는지 여부에 초점을 맞췄다. 결론은 간단하다. 사람의 창의성이 충분해야만 저작권 보호를 받을 수 있다는 것이다. 미국 저작권청은 저작권법이 미국 헌법 제1조 8항에 근거해 ‘독창성’과 ‘사람의 창의성’을 필수 요건으로 요구한다는 점을 다시 한번 명확히 했다. 예컨대 ‘우주 고래에 관한 동화책을 써줘’와 같은 프롬프트만으로 생성된 콘텐츠는 그 자체로 저작권 보호 대상이 될 수 없다. 이 같은 지침은 1991년 전화번호부의 저작권 보호 범위를 두고 벌어진 ‘’에 대한 미 연방대법원 판결에 기초하고 있다. 당시 대법원은 “저작물로 보호되기 위해서는 일정 수준 이상의 창의성이 반드시 존재해야 한다”라고 밝히면서도 “그 요구 수준은 매우 낮으며, 약간의 창작성만 있어도 충분하다”라고 판시한 바 있다. 다만, 저작권청은 일부 예외적인 경우에 저작권 보호가 가능하다는 점도 명확히 했다. 지침에 따르면 다음과 같은 조건을 충족할 경우 생성형 AI 결과물도 저작권을 보호받을 수 있다. 사람이 AI를 도구로 활용하며 결과물을 창의적으로 통제한 경우 결과물에 사람이 창작한 콘텐츠의 일부가 식별 가능하게 포함된 경우 AI가 생성한 자료를 창의적으로 의미 있게 수정하거나 재구성한 경우 예를 들어 AI가 사람이 작성한 초안을 보완하거나 발전시키는 용도로 사용됐다면 저작권 보호를 주장할 수 있는 근거는 더 강해진다. 반면, 모호한 프롬프트만으로 AI가 전적으로 새로운 결과물을 만들어낸 경우나, 인간의 창작 콘텐츠를 실질적으로 활용하지 않은 경우에는 보호받기 어렵다. 공정 이용과 학습 데이터의 딜레마 AI가 만든 결과물이 저작권 보호를 받기 어렵다면, 반대로 다른 사람들도 원본 저작물을 AI 학습에 사용할 수 없다는 의미인 걸까? 꼭 그렇지만은 않다. 올해 진행된 대표적인 소송 2건을 살펴보자. ‘’ 소송과 에서 연방법원은 저작권이 있는 책을 LLM 학습에 사용하는 행위가 저작권 침해라는 작가들의 주장을 기각했다. 법원은 특히 표현적 요소를 그대로 복제하지 않거나 원작의 시장에 실질적인 피해를 주지 않는 경우라면 공정 이용으로 간주할 여지가 있다고 판단했다. 이런 판결이 생성형 AI 개발자들에게는 일정 부분 안도감을 줬지만, 기준이 완전히 결정된 것은 아니다. 반대 사례도 존재한다. 이 대표적인 예로, 로스가 톰슨로이터의 웨스트로우(Westlaw) 법률 분류 체계를 자사 AI 제품의 학습용으로 활용한 경우였다. 법원은 이 행위가 공정 이용에 해당하지 않는다고 판결했다. 로스의 AI 모델이 웨스트로우와 직접 경쟁하는 구조였고, ‘시장 대체(market substitution)’ 기준에 따라 원고의 시장이 일부 침해될 수 있기에 공정 이용 요건을 충족하지 않는다고 본 것이었다. 다만 법원은 해당 모델이 새로운 표현적 저작물을 생성한 것이 아니라 기존 편집 콘텐츠를 활용해 경쟁 리서치 도구를 구축한 사례이기 때문에 ‘비생성형(non-generative) AI’에 해당하는 경우라고 설명했다. 다시 말해 이미지, 음악, 문학처럼 표현적 성격이 강한 자료를 학습한 생성형 AI 모델에는 이 판결 내용이 직접 적용되기 어려울 수 있다. 핵심은 공정 이용이 상황에 따라 달라질 수 있다는 점이다. 판단 기준에는 다음과 같은 요소가 고려된다. 사용이 변형(transformative)의 성격을 띠는지 여부 상업적 목적이 있는지 저작물의 성격 원저작물의 시장에 미치는 영향 캐드리와 메타의 사건처럼 일부 판결은 저작권이 있는 콘텐츠를 생성형 AI 학습에 활용하는 것이 공정 이용에 해당할 가능성을 보여주지만, 톰슨로이터의 소송 사례는 그 한계를 명확히 경고한다. AI 도구가 학습에 사용된 콘텐츠와 동일한 시장에서 경쟁하는 경우, 특히 웨스트로우의 분류 체계처럼 편집적, 창의적 구조를 갖춘 콘텐츠일 경우에 법원이 더 엄격한 기준을 적용할 수 있다. 일관된 법적 기준이 없기 때문에 이런 문제를 해결하기 위해서는 결국 법원의 추가 개입이 필요할 수 있다. 저작권의 현 구조가 기업 전략에 중요한 이유 이런 저작권 구조는 전략적 공백을 만들어낼 수 있다. 필자가 자문해 온 기업들은 마케팅, 법률, 예술 콘텐츠 제작에 생성형 AI를 적극 도입했지만, 막상 완성된 결과물에 대해 저작권을 주장하기 어렵다는 사실을 나중에야 인지하는 경우가 많았다. 이런 상황에서 경쟁사나 모델 개발사는 공개적으로 이용 가능한 저작물을 동의 없이 학습에 활용할 가능성이 있다. 즉, AI로 만든 결과물은 보호받기 어렵지만, 정작 자신의 콘텐츠는 다른 모델 성능을 높이는 데 쓰일 수 있는 비대칭 구조가 발생하게 된다. 이런 구조는 창작자들을 곤란한 위치에 놓이게 한다. 생성형 AI 도구를 활용하면 분명히 업무 속도를 높이고 생산성을 향상시킬 수 있으나, 그 결과물을 타인의 복제나 재사용으로부터 보호할 방법은 여전히 불투명하다. 정책상의 모순도 있다. AI 학습 단계에서는 공정 이용으로 인정받을 수도 있지만, 한편으로는 생성된 결과물이 기존 저작물과 실질적으로 유사하거나 동일한 시장에서 경쟁하는 경우에는 침해에 해당할 수 있다. 결국 AI 학습에는 허용되지만 배포에는 허용되지 않는 ‘허용 범위의 불일치’가 생기며, 이로 인해 법적 기준과 현실 사이에 격차가 발생한다. 생성형 AI를 둘러싼 저작권법이 계속해서 불확실한 가운데 일부 LLM 벤더들은 자사 모델이 생성한 결과물로 인해 발생할 수 있는 저작권 침해 소송에 대비해, 특정 사용자에게 면책을 제공하는 프로그램을 선제적으로 도입하고 있다. 면책 제도는 생성형 AI를 워크플로우에 도입할 때 법적 리스크를 우려하는 기업 고객에게 신뢰를 심어주기 위한 조치이지만, 보호는 대부분 기업 고객에게만 제공되며 적용 조건 또한 까다로운 경우가 많다. 생성형 AI 저작권의 법적 모순은 특히 AI 네이티브 제품을 개발하는 기업에 더욱 시급한 문제로 떠오르고 있다. AI가 생성한 결과물을 파트너사에 라이선스할 수 있을까? 다른 사람이 그 결과물을 복제하는 것을 막을 수 있을까? 소유권에 대한 고객의 기대치를 어떻게 처리할 것인가? 만약 LLM이 저작권 보호 콘텐츠로 학습됐고, 공정 이용 예외가 적용되지 않는다면 책임은 누가 지는가? 이런 질문은 필자가 최근 기업들과 자주 논의하고 있는 주제다. 이제 법무팀과 제품팀 모두가 생성형 AI 기반의 워크플로우에서 지식재산권을 어떻게 정의하고 적용할 것인지 근본적으로 재검토할 수밖에 없는 상황에 직면하고 있다. 기업이 선제적으로 대응하는 방법 의회나 법원이 보다 명확한 기준을 마련하기 전까지, 기업은 스스로 리스크를 관리할 수 있는 선제적 조치를 취해야 한다. 다양한 산업군에서 자문한 경험에 따르면 다음과 같은 리스크 완화 전략이 실효성이 있는 것으로 나타났다. 생성형 AI를 대체 도구가 아닌 ‘공동 창작 도구’로 활용한다: 사람이 얼마나 많이 방향을 제시하고 편집에 관여했는지가 결과물의 저작권 인정 가능성을 높인다. 사람의 기여 수준을 문서화한다: 생성형 AI를 활용한 콘텐츠 제작 과정에서 입력값과 수정 기록 등을 보존하면 향후 지식재산권 주장의 근거가 될 수 있다. 저작권에만 의존하지 않는다: 고부가가치 자산 보호를 위해 계약, 영업비밀, 상표권 등 다양한 법적 수단을 함께 고려해야 한다. 학습 데이터 출처를 점검한다: 자체 모델을 개발 중이라면, 데이터세트에 어떤 자료가 포함돼 있으며 어떤 방식으로 수집됐는지를 반드시 확인해야 저작권 침해 책임을 줄일 수 있다. 규제 변화에 주목한다: 생성형 AI 법과 제도는 빠르게 진화하고 있다. 예컨대, 최근 텍사스주는 ‘책임 있는 AI 거버넌스법(Texas Responsible AI Governance Act)’을 통과시키며 미국 내 3번째로 포괄적 AI 법제를 도입했다. 향후 전망 미국 저작권청은 잠재적 해법으로 라이선스 체계를 도입하는 방안을 검토 중이지만, 이 방식이 자본력 높은 대기업에 유리하게 작용해 불평등을 심화시킬 수 있다는 점도 인정했다. 도널드 트럼프 대통령은 최근 이 논의에 반대하는 입장을 밝히며, “물론 기사를 복사하거나 표절하는 것은 안 되지만, 기사를 읽고 거기서 배우는 것은 허용돼야 한다. 복잡한 계약 없이도 AI가 지식 풀을 활용할 수 있도록 허용해야 한다”라고 주장했다. 유럽연합(EU)은 생성형 AI와 밀접하게 관련된 텍스트 및 데이터 마이닝(text and data mining, TDM) 활용에 대해 예외 조항을 마련한 바 있으며, 향후 미국 역시 이 입법 사례를 참고할 가능성이 있다. 하지만 미 의회는 아직 구체적인 조치를 취하지 않고 있는 상황이다. AI 학습에 활용할 수 있는 것과 실제로 보호받을 수 있는 것 사이의 불균형은 창작자와 개발자 모두에게 지속적으로 좌절감을 안기고 있다. 필자가 현장에서 직접 목격한 바에 따르면, 이런 법적 모순은 기업들이 가치 창출과 경쟁 우위를 고려하는 방식에 근본적인 혼란을 초래하고 있다. 그럼에도 불구하고 먼저 해야 할 일은 문제를 인식하는 것이다. 기업이 저작권법의 변화 흐름을 정확히 이해하고 내부 정책과 프로세스를 그에 맞게 조정해 나간다면, 불확실한 법적 환경 속에서도 위험을 최소화하고 보다 현명하게 생성형 AI에 투자할 기반을 마련할 수 있다.dl-ciokorea@foundryco.com ???? ???? ??? ??? IT ??? ???? ??? ????! ??? ??? ??? ?????. ????