AI의 '무임승차' 학습, 드디어 청구서가 날아들기 시작했다

1. '무단횡단' 걸렸는데, 벌금이 얼마일까요

며칠 전, 챗GPT에 최근에 나온 특정 기술 보고서 내용을 요약해달라고 시켜봤습니다. 제법 그럴듯한 문장이 나왔지만, 꼼꼼히 뜯어보니 핵심 수치와 결론이 원문과 미묘하게 달랐습니다. AI가 거짓말을 한 건 아닙니다. 아마도 그 보고서와 관련된 수많은 기사와 블로그 글을 뒤섞어 '가장 그럴듯한' 평균치를 뱉어냈을 겁니다. AI는 자기가 뭘 읽었는지 출처를 정확히 기억하지 못합니다. 그냥 세상의 모든 글을 한 번에 읽고 자기 나름대로 소화한 뒤, 족보 없는 이야기를 새로 지어내는 것에 가깝습니다.

요즘 뉴스를 뜨겁게 달구는 뉴욕타임스, 시애틀 타임스 등 유력 언론사들과 오픈AI의 소송전은 바로 이 지점에서 시작합니다. AI가 세상을 '학습'하는 방식, 즉 인터넷의 모든 정보를 허락 없이 빨아들이는 '무단횡단'이 드디어 신호등에 걸린 셈입니다. 그동안은 모두가 신기하다며 박수만 쳤지만, 이제 누군가 "잠깐, 그거 내 지갑에 있던 돈이잖아"라고 소리치기 시작한 겁니다. 오픈AI의 챗GPT나 마이크로소프트의 코파일럿 같은 AI 서비스들은 하나같이 방대한 텍스트 데이터를 먹고 자랍니다. 그 먹이의 상당 부분이 바로 언론사들이 돈과 시간을 들여 만든 양질의 기사입니다.

언론사들의 주장은 간단합니다. "우리 기사를 공짜로 가져다 당신네 AI를 훈련시켰고, 그걸로 돈까지 벌고 있다. 심지어 당신네 AI가 우리 기사를 요약해주는 바람에 독자들이 우리 웹사이트에 오지도 않는다. 이건 명백한 저작권 침해이자 영업 방해다." 반면 오픈AI 같은 AI 기업들은 "우리가 하는 건 검색 엔진과 비슷하고, 원본을 그대로 베끼는 게 아니라 새로운 창작물을 만드는 '공정 이용'에 해당한다"고 맞섭니다. 마치 동네 빵집의 레시피를 훔쳐본 뒤, 재료 순서를 살짝 바꿔 새 빵을 만들고는 '이건 내 창작물'이라고 주장하는 모양새입니다. 과연 법원은 누구의 손을 들어줄까요. 이 싸움은 단순히 몇몇 회사의 돈 문제가 아니라, 앞으로 AI라는 기술이 어떤 규칙 위에서 작동해야 하는지를 결정하는 중요한 판례가 될 겁니다.

2. AI는 어떻게 글을 '배우나': 거대한 도서관의 족보 없는 책들

이 문제를 이해하려면 먼저 AI가 어떻게 글을 배우는지 알아야 합니다. 흔히 LLM(Large Language Model)이라고 부르는 기술인데, 쉽게 말해 '사람 말을 흉내 내 문장을 만들어 내는 AI'입니다. 이 AI를 훈련시키는 과정은 거대한 도서관을 만드는 것과 비슷합니다.

1. 먼저 세상의 모든 책, 신문, 웹사이트, 블로그 글을 전부 복사해서 도서관에 쌓습니다. 이게 바로 '학습 데이터'입니다. 저작권이 있든 없든, 일단 긁어모으고 봅니다. 이 데이터의 양은 수십, 수백 테라바이트에 달합니다. 텍스트로만 따져도 인간이 평생 읽어도 다 못 읽을 양입니다.
2. 그다음, 이 모든 텍스트를 문장이나 단어 단위로 잘게 조각냅니다. 그리고 각 단어들이 어떤 순서로, 어떤 단어와 함께 자주 등장하는지를 수학적인 확률 모델로 만듭니다. '아버지가 O에 들어가신다'라는 문장에서 O에 '방'이 들어갈 확률이 '가방'보다 높다는 식의 패턴을 수조 개 단위로 학습하는 겁니다.
3. 이제 사용자가 "대한민국의 수도는?"이라고 물으면, AI는 학습한 확률 모델에 따라 '대한민국의 수도는' 다음에 나올 가장 확률 높은 단어인 '서울'을 예측해 내놓습니다. 질문에 대한 답을 '이해'해서 찾는 게 아니라, 통계적으로 가장 그럴듯한 단어 조합을 '생성'하는 것에 가깝습니다.

문제는 이 과정에서 AI가 학습한 데이터의 출처가 전부 희석된다는 점입니다. AI는 뉴욕타임스의 특정 기사에서 팩트를 가져왔다고 기억하지 못합니다. 그저 수많은 텍스트 속에서 'A는 B다'라는 패턴이 자주 등장했기 때문에 그렇게 대답할 뿐입니다. 특히 언론사 기사는 AI에게 최고의 영양식입니다. 잘 정제된 문장, 사실에 기반한 내용, 꾸준히 업데이트되는 최신 정보까지. AI 모델의 성능을 높이려면 이런 양질의 데이터가 필수적입니다. AI 기업들이 저작권 문제를 무릅쓰고서라도 언론사 콘텐츠를 학습에 사용하려는 이유입니다. 그들은 사실상 남의 밭에서 잘 자란 인삼을 몰래 캐다 자기 보약을 달여 먹은 셈입니다.

3. '공정 이용'이라는 낡은 방패, 통할까

AI 기업들이 내세우는 가장 강력한 방패는 '공정 이용(Fair Use)'이라는 법리입니다. 이는 저작권이 있는 저작물이라도 비평, 보도, 연구, 교육 등의 목적을 위해 제한적으로 사용하는 것을 허용하는 원칙입니다. 예를 들어, 영화 평론가가 리뷰를 쓰면서 영화의 한 장면을 캡처해 넣거나 짧은 대사를 인용하는 경우가 여기에 해당합니다.

AI 기업들은 자신들의 행위가 원본을 '변형적(Transformative)'으로 사용했기 때문에 공정 이용에 해당한다고 주장합니다. 학습 데이터를 그대로 복제해 보여주는 것이 아니라, 그걸 바탕으로 완전히 새로운 결과물을 만들어냈다는 논리입니다. 하지만 이 주장은 법정에서 쉽게 받아들여지기 어려워 보입니다. 변형적 이용의 핵심은 원본의 시장을 잠식하지 않고 새로운 가치나 의미를 창출하는 데 있기 때문입니다.

하지만 챗GPT가 뉴욕타임스 기사를 요약해주는 것은 원본 기사의 시장을 명백히 잠식합니다. 사용자는 AI가 제공하는 요약본만 보고 더 이상 뉴욕타임스 웹사이트를 방문할 필요를 느끼지 못하게 됩니다. 이는 언론사의 구독자와 광고 수익에 직접적인 타격을 줍니다. 이는 변형적 이용이 아니라 '대체재'를 만드는 행위에 가깝습니다. 이런 행위까지 공정 이용으로 인정해준다면, 앞으로 어떤 창작자가 마음 놓고 자신의 작품을 온라인에 공개할 수 있을까요?

흔한 오해 1: "구글 같은 검색 엔진도 기사 내용을 보여주는데, 뭐가 다른가?"

이건 매우 중요한 지점입니다. 구글 검색은 기사의 제목과 일부 내용을 '미리보기' 형태로 보여준 뒤, 사용자가 더 자세한 내용을 보려면 원문 링크를 클릭하도록 유도합니다. 즉, 트래픽을 원본 콘텐츠 생산자에게 보내주는 '길 안내' 역할을 합니다. 언론사와 검색 엔진은 이런 방식으로 지난 20년간 공생해왔습니다. 하지만 생성형 AI는 다릅니다. AI는 사용자를 원문으로 보내는 대신, 자기가 직접 정보를 종합하고 요약해서 '최종 목적지'가 되려고 합니다. 사용자의 여정을 자기 플랫폼 안에서 끝내버리는 겁니다. 이는 공생이 아니라 명백한 경쟁 관계입니다. 둘의 사업 모델은 근본적으로 다릅니다.

4. 데자뷔: 4세대 언어와 '코더 없는 코딩'의 꿈

사실 기술의 발전으로 기존 전문가의 역할이 위협받는다는 논쟁은 이번이 처음이 아닙니다. 저 같은 엔지니어에게는 지금의 상황이 마치 30년 전의 역사가 반복되는 것처럼 보입니다.

1980년대와 90년대, '4세대 언어(4GL)'와 'CASE(Computer-Aided Software Engineering) 도구'라는 것이 큰 유행이었습니다. 복잡한 코딩 언어를 몰라도, 일반 사무직원이 영어와 비슷한 명령어를 쓰거나 그림을 그리면 컴퓨터가 알아서 프로그램을 뚝딱 만들어준다는 개념이었습니다. '프로그래머 없는 개발의 시대'가 온다고들 했습니다. 저도 당시 그 도구들을 붙잡고 며칠 써봤습니다. 결과는 어땠을까요? 아주 간단하고 정형화된 재고관리 프로그램 같은 건 그럭저럭 만들 수 있었습니다.

하지만 조금이라도 복잡한 요구사항이나 예외적인 상황이 발생하면, 결국 전문가인 프로그래머가 투입되어야 했습니다. CASE 도구가 생성한 엉성한 코드를 뜯어고치고, 도구가 지원하지 않는 기능을 일일이 손으로 짜 넣어야 했죠. 결국 이 도구들은 프로그래머를 대체하지 못했습니다. 그저 단순 반복 작업을 줄여주는 보조 도구로 남거나, 과장된 마케팅과 함께 사라졌습니다.

최근 유행하는 '노코드(No-code)'나 '로우코드(Low-code)' 플랫폼도 마찬가지입니다. 간단한 쇼핑몰이나 내부 관리용 앱은 코딩 없이 만들 수 있지만, '카카오톡'이나 '배달의민족' 같은 복잡한 서비스를 노코드 툴로 만들 수는 없습니다. 핵심은 언제나 '판단'과 '설계'에 있기 때문입니다. 어떤 기능을 넣고 뺄지, 수만 명의 사용자가 몰렸을 때 어떻게 시스템을 안정적으로 유지할지, 예상치 못한 문제가 생겼을 때 어떻게 해결할지와 같은 복잡한 판단은 여전히 숙련된 엔지니어의 몫입니다.

AI와 언론사의 관계도 이와 평행선을 그립니다. AI는 이미 존재하는 기사들을 종합하고 요약하는 데는 탁월한 능력을 보일 수 있습니다. 하지만 아무도 가보지 않은 곳에 가서 새로운 사실을 취재하고, 여러 이해관계자의 말을 교차 검증하며, 어떤 사실을 어떤 논조로 전달할지 윤리적 판단을 내리는 일은 할 수 없습니다. CASE 도구가 프로그래머의 '판단'을 대체할 수 없었듯, AI 역시 기자의 '판단'을 대체할 수 없습니다.

5. 숫자로 보는 소송: '치킨값'이냐, '아파트값'이냐

언론사들이 제기한 소송의 규모는 AI 기업들에게 결코 '치킨값' 수준이 아닙니다. 미국 저작권법에 따르면, 고의적인 저작권 침해의 경우 작품 하나당 최대 15만 달러(약 2억 원)의 법정 손해배상을 청구할 수 있습니다. 뉴욕타임스가 지난 수십 년간 발행한 기사가 수백만 건에 달한다는 점을 고려하면, 이론적인 배상액은 천문학적인 수준에 이를 수 있습니다. 물론 실제 판결이 그렇게 나오지는 않겠지만, AI 기업들이 감당해야 할 법적 리스크가 '아파트값'에 버금가는 수준이라는 점은 분명합니다.

이러한 법적 분쟁은 이미 AI 업계의 비즈니스 모델에 영향을 주기 시작했습니다. 오픈AI는 소송이 제기되자 AP통신, 악셀 슈프링어(Axel Springer) 등 일부 언론사와 부랴부랴 콘텐츠 사용 계약을 맺었습니다. 이는 스스로 '모든 데이터를 공짜로 쓸 수는 없다'는 점을 인정한 셈입니다. 아래 표는 과거 검색 엔진과 현재 생성형 AI가 콘텐츠를 다루는 방식의 근본적인 차이를 보여줍니다.

흔한 오해 2: "AI 회사가 그냥 돈 좀 물어주고 합의하면 끝나는 문제 아닌가?"

단순히 돈으로 해결될 문제가 아닐 수도 있습니다. 만약 법원이 'AI 학습 과정 자체가 저작권 침해'라고 판결한다면, 문제는 훨씬 복잡해집니다. AI 기업들은 기존에 만들었던 모델에서 저작권이 있는 데이터를 모두 제거해야 할 수도 있습니다. 이는 AI의 성능을 크게 떨어뜨릴 수 있습니다. 마치 수능 공부를 열심히 한 학생에게 '교과서와 참고서로 공부한 내용은 전부 잊어버려라'고 하는 것과 같습니다. 앞으로 새로운 AI 모델을 개발할 때는 모든 데이터를 돈 주고 사 와야 할 수도 있습니다. 이는 천문학적인 비용을 감당할 수 있는 구글, 마이크로소프트 같은 거대 기업에게만 유리한 환경을 만들어, AI 시장의 독과점을 심화시킬 수도 있습니다.

6. 결국 '판단의 값'이 올라간다

저는 이 거대한 싸움이 AI의 발전을 가로막을 것이라고 생각하지 않습니다. 오히려 AI 시대에 진짜 중요한 가치가 무엇인지를 다시 생각하게 만드는 계기가 될 겁니다. 자동차가 발명되면서 마부라는 직업은 사라졌지만, 사람들의 이동 범위는 비약적으로 넓어졌고 자동차 디자이너, 정비사, 교통경찰이라는 새로운 직업이 생겨났습니다.

생성형 AI는 '그럴듯한' 텍스트를 대량으로 생산하는 비용을 획기적으로 낮췄습니다. 누구나 AI를 이용해 평범한 수준의 보고서나 이메일, 블로그 글을 순식간에 만들어낼 수 있습니다. 이는 역설적으로, AI가 할 수 없는 일들의 가치를 더욱 높이게 될 겁니다. 앞으로는 다음 세 가지 능력의 '값'이 올라갈 수밖에 없습니다.

• 1. 원천 정보 생산 능력: AI는 세상에 이미 존재하는 정보만 재가공할 수 있습니다. 아무도 모르는 새로운 사실을 밝혀내기 위해 현장을 뛰고, 사람을 만나고, 데이터를 파헤치는 '취재'와 '연구'의 가치는 더욱 귀해질 겁니다. 기자가 발로 뛰지 않으면, AI가 학습할 새로운 정보도 결국 고갈될 테니까요.
• 2. 독창적 분석과 통찰력: 흩어져 있는 정보들을 자신만의 관점으로 엮어 새로운 의미를 찾아내는 능력입니다. 남들이 보지 못하는 패턴을 읽고, 복잡한 현상의 본질을 꿰뚫는 통찰은 AI가 흉내 내기 가장 어려운 영역입니다. 똑같은 재료를 가지고도 누구는 평범한 김치찌개를, 누구는 미슐랭 스타 요리를 만드는 것과 같습니다.
• 3. 최종 판단과 책임: AI가 생성한 정보가 진짜인지 가짜인지, 윤리적으로 문제가 없는지, 지금 이 시점에 공개하는 것이 맞는지 등을 최종적으로 결정하고 그 결과에 책임을 지는 능력입니다. AI는 훌륭한 요약가일지는 몰라도, 책임 있는 편집장은 될 수 없습니다. 결국 마지막에 '이게 맞다'고 도장을 찍는 사람, 즉 '판단'을 내리는 사람의 몸값이 오르는 시대가 오고 있습니다.

결국 이번 소송전은 기술이 인간의 자리를 빼앗는다는 공포의 서막이 아닙니다. 오히려 우리에게 '기계가 할 수 있는 일'과 '사람만이 할 수 있는 일'을 명확히 구분하고, 인간 고유의 창의성과 판단력에 더 높은 가치를 매기라고 요구하는 신호탄에 가깝습니다. 엔지니어의 입장에서 봐도, 코드를 짜는 능력보다 어떤 코드를 짜야 하는지 '설계'하고 '판단'하는 능력이 훨씬 중요해지는 것과 같은 이치입니다.

7. 독자 질문에 답해드립니다

Q. 그래서 챗GPT 같은 AI, 앞으로 못 쓰게 되는 건가요? A. 그럴 가능성은 거의 없습니다. 자동차가 나왔다고 마차를 금지하지 않았듯, 기술 자체를 막지는 않을 겁니다. 다만 '운전면허'나 '교통법규'처럼 AI를 만들고 사용하는 데 필요한 규칙이 생기는 과정이라고 봐야 합니다. 콘텐츠 사용료를 내는 모델이 정착되거나, 학습 데이터의 출처를 명확히 밝히는 방향으로 갈 겁니다. 일반 사용자 입장에서는 큰 변화를 못 느낄 수도 있지만, AI 기업들의 비용 구조와 개발 방식은 크게 바뀔 겁니다.

Q. 언론사들이 그냥 돈 더 받으려고 떼쓰는 것 아닌가요? A. 일부 그런 측면도 있겠지만, 본질은 생존의 문제입니다. 독자가 기사 원문을 보러 오지 않으면 언론사는 광고든 구독이든 수익을 낼 방법이 없습니다. 양질의 기사를 만드는 데는 취재비, 기자 월급 등 큰 비용이 드는데, 이 비용을 회수할 길이 막히면 결국 좋은 기사는 사라지게 됩니다. 이는 장기적으로 AI가 학습할 '양질의 데이터'도 고갈된다는 뜻이므로, AI 산업에도 자충수가 될 수 있습니다. 단지 밥그릇 싸움이 아니라 생태계 전체의 문제입니다.

Q. 저는 개발자인데, 이 소송 결과가 저한테도 영향이 있을까요? A. 직접적인 영향이 있을 수 있습니다. 예를 들어, 깃허브(GitHub)의 수많은 코드를 학습한 '코파일럿(Copilot)' 같은 코딩 보조 AI도 비슷한 저작권 문제를 안고 있습니다. 만약 '학습을 위한 데이터 수집도 저작권 침해'라는 판결이 나온다면, 오픈소스 라이선스를 위반한 코드 생성 AI의 법적 책임 문제가 불거질 수 있습니다. 내가 쓴 오픈소스 코드를 학습한 AI가 만든 코드가 다른 회사 제품에 들어갔을 때, 그 저작권은 누구에게 있느냐는 복잡한 문제가 생기는 것이죠. 앞으로는 API를 쓸 때도 그 AI의 학습 데이터가 합법적으로 수급되었는지 따져봐야 하는 시대가 올 수 있습니다.