🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

MIT 슬론의 토머스 말론과 공동 저자들은 생성형 AI 학습에 쓰이는 저작물에 대해 창작자가 라이선스 권리를 갖고 보상받도록 하는 ‘learnright’ 제도를 제안한다.

📌 핵심 요약

• 기존 저작권법은 인간 창작자의 저작물을 보호하고 보상을 보장하기 위해 설계됐지만, 생성형 AI가 저작물을 학습에 사용하는 행위가 공정 이용인지에 대해서는 법원과 의회에서 논쟁이 계속되고 있다.
• 미국 저작권청은 저작권 있는 작품을 AI 모델 훈련에 쓰는 것이 공정 이용인지 구속력 있는 결정을 내리지 않았고, 여러 저작권자들은 AI 기업을 상대로 저작권 침해 소송을 제기하고 있다.
• 토머스 말론은 저작권법이 생성형 AI 시대를 전제로 만들어지지 않았기 때문에, 창작자의 새 콘텐츠 생산 유인을 유지하려면 AI 학습용 라이선스 권리인 ‘learnright’가 필요하다고 주장한다.
• 말론, 프랭크 파스콸레, 앤드루 팅은 창작자가 저작물을 등록하고 AI 기업이 창작자나 대리인과 협상해 학습 라이선스를 얻는 opt-in 방식의 제도를 제안한다.
• 저자들은 보상 없는 AI 학습이 창작자의 동기를 약화하고, 장기적으로 AI 모델을 개선할 원본 콘텐츠의 공급도 줄일 수 있으므로, 공정한 라이선스 시장이 창작자와 AI 기업 모두에게 이익이 될 수 있다고 본다.

🧩 주요 포인트

1. 기존 저작권법은 인간 창작자의 저작물을 보호하고 보상을 보장하기 위해 설계됐지만, 생성형 AI가 저작물을 학습에 사용하는 행위가 공정 이용인지에 대해서는 법원과 의회에서 논쟁이 계속되고 있다.
2. 미국 저작권청은 저작권 있는 작품을 AI 모델 훈련에 쓰는 것이 공정 이용인지 구속력 있는 결정을 내리지 않았고, 여러 저작권자들은 AI 기업을 상대로 저작권 침해 소송을 제기하고 있다.
3. 토머스 말론은 저작권법이 생성형 AI 시대를 전제로 만들어지지 않았기 때문에, 창작자의 새 콘텐츠 생산 유인을 유지하려면 AI 학습용 라이선스 권리인 ‘learnright’가 필요하다고 주장한다.
4. 말론, 프랭크 파스콸레, 앤드루 팅은 창작자가 저작물을 등록하고 AI 기업이 창작자나 대리인과 협상해 학습 라이선스를 얻는 opt-in 방식의 제도를 제안한다.
5. 저자들은 보상 없는 AI 학습이 창작자의 동기를 약화하고, 장기적으로 AI 모델을 개선할 원본 콘텐츠의 공급도 줄일 수 있으므로, 공정한 라이선스 시장이 창작자와 AI 기업 모두에게 이익이 될 수 있다고 본다.

🧠 상세 정리

1. AI 학습과 저작권을 둘러싼 미해결 논쟁

원문은 인간 창작자가 저작권법으로 보호받는 이유가 단순한 소유권 보장이 아니라 공정한 보상을 통해 창작 활동을 지속시키는 데 있다고 출발한다. 그러나 생성형 AI 모델이 사람이 만든 콘텐츠를 학습해도 되는지는 아직 법적으로 확정되지 않았으며, 법원과 미국 의회에서 논쟁 중이다. 브리태니커가 오픈AI를 상대로 제기한 소송은 참고자료 오용 주장 사례로 언급된다. 또한 미국 저작권청도 저작권 있는 작품을 AI 훈련에 쓰는 것이 공정 이용인지에 대해 구속력 있는 판단을 내리지 않은 상태다.

2. 기존 공정 이용 논리의 한계

미국 저작권법은 창작자가 자신의 작품 복제에 대해 요금을 받을 수 있게 하고, 그 수익 가능성이 가치 있는 콘텐츠 생산을 촉진한다고 본다. 동시에 사람이 저작권 있는 자료에서 배우고 원본과 다른 새 창작물을 만드는 것은 일반적으로 공정 이용의 한 형태로 허용된다. 문제는 생성형 AI가 인간과 비교할 수 없는 규모로 방대한 콘텐츠를 학습한다는 점이다. AI가 만든 결과물이 원문을 직접 복제하지 않더라도 원본 없이는 생성될 수 없다는 점에서, 공정 이용과 파생 저작물 침해의 경계가 불분명해진다.

3. 법적 판단은 아직 확정되지 않았다

생성형 AI 제공업체들은 대규모 학습이 공정 이용에 해당한다고 주장하지만, 여러 저작권자들은 그 결과물이 원 저작권을 침해하는 파생 저작물이라고 소송을 제기해 왔다. 원문은 앤트로픽과 메타 관련 사례를 포함한 과거 저작권 사건들이 공정 이용 판단이 유연하고 맥락 의존적임을 보여준다고 설명한다. 특히 새 콘텐츠가 기존 저작물의 잠재 시장 가치에 영향을 주는지 같은 요소가 중요하게 작용한다. 그러나 이런 사건들도 쟁점을 완전히 해결하지 못했고, 생성형 AI 사건이 대법원까지 도달한 사례도 아직 없다고 정리한다.

4. learnright의 핵심 제안

말론은 2023년에 ‘learnright’ 법을 제안했으며, 이는 저작권자가 자신의 콘텐츠를 AI 모델 훈련에 쓰도록 라이선스할 독점적 권리를 갖게 하는 구상이다. 이 접근은 AI 학습을 공정 이용 범위로 넓히기보다, 학습 자체를 별도의 허가와 보상의 대상으로 보려는 것이다. 말론과 공동 저자들은 합리적이고 공정한 라이선스 비용을 갖춘 견고한 learnright 시장이 형성될 수 있다고 주장한다. 그렇게 되면 AI 기업은 타인의 콘텐츠로 모델을 훈련하기 전에 명시적으로 법적 라이선스를 얻고, 해당 콘텐츠 창작자는 정당한 보상을 받을 수 있다.

5. opt-in 등록과 대리인을 통한 라이선스 방식

저자들이 제시한 실행 방식은 창작자가 자신의 저작권 콘텐츠를 등록하고, AI 기업이 그 콘텐츠 사용 허가를 얻는 opt-in 프로그램이다. 보상 협상은 창작자와 직접 진행될 수도 있고, 문학 또는 예술 대리인을 통해 이뤄질 수도 있다. 저자들은 대리인이 개입하면 AI 기업은 훨씬 적은 수의 상대와 협상할 수 있고, 대리인은 개별 창작자보다 시장가치를 더 잘 파악할 가능성이 있다고 본다. 또한 모든 저작물에 자동으로 learnright 보호를 부여하는 방식은 비현실적이며 가치가 낮은 콘텐츠까지 보호 대상으로 만들 수 있어 opt-in 방식이 더 적절하다고 설명한다.

6. 창작 유인, 윤리, 장기적 정보 시장

저자들은 보상 없이 AI 모델이 빠르고 저렴하게 고품질 콘텐츠를 생산하면, 원 창작자가 새 콘텐츠를 만들 동기가 줄어들 수 있다고 경고한다. 이는 앞으로 AI 모델을 더 개선하는 데 필요한 원본 저작물의 양도 감소시킬 수 있으므로, 인간 표현의 유인을 약화시키는 위험을 감수해서는 안 된다는 논리다. 또 AI 기업들이 타인이 자신들의 지식재산을 사용하면 문제를 제기하면서도 창작자의 저작물을 무보상으로 쓰는 태도는 문제적이라고 지적한다. 원문은 타인의 작업이 자신의 작업에 미친 영향을 인정하는 것이 사려 깊은 창작 과정의 토대이며, learnright가 창작자와 AI 제공자 모두에게 도움이 되는 정보 시장을 만들 수 있다고 결론짓는다.

🧾 핵심 주장 / 시사점

• learnright 논의의 핵심은 AI 학습을 단순 복제 여부가 아니라 창작 생태계의 보상 구조와 장기적 생산 유인 문제로 다룬다는 점이다.
• 저자들은 AI 성능 향상을 위해 콘텐츠 접근을 넓히자는 주장에 대해, 보상 없는 접근이 장기적으로 새 콘텐츠 공급을 줄여 오히려 AI 개선 기반을 약화할 수 있다고 반박한다.
• opt-in 등록과 대리인 협상 모델은 모든 저작물을 자동 보호하는 방식보다 실행 가능성을 높이면서도, 창작자 보상과 AI 기업의 법적 확실성을 함께 추구하는 장치로 제시된다.

✅ 액션 아이템

• 기존 저작권법의 설계 목적과 생성형 AI 학습의 공정 이용 논쟁을 입법·사법·행정 축에서 분해해 규범 충돌 지점과 쟁점을 함께 정리한다.
• 미국 저작권청의 구속력 없는 판단과 저작권 소송 동향을 병렬해 제시하고, 현재 공백이 창작자 및 AI 기업 협상에 미치는 함의를 점검한다.
• 말론·파스콸레·팅이 제안한 창작자 등록 기반 opt-in 학습 라이선스를 협상 구조와 보상 방식으로 비교해 실무 적합성을 점검한다.

❓ 열린 질문

• learnright가 AI 학습에 적용될 때 공정 이용 구분과 기존 저작권권리 사이 경계를 어디까지로 둘 것인가?
• 창작자 등록 후 AI 기업과 대리인 협상으로 학습 라이선스를 받는 opt-in 방식이 실제로 창작자에게 충분한 보상력을 제공할 수 있는가?
• 보상 없는 학습이 창작 동기 약화와 원본 콘텐츠 공급 위축으로 이어진다는 전제를 점검하려면 어떤 기간과 지표가 필요한가?