생성형 AI 창작물 저작권 논란

생성형 AI 모델, 특히 대규모 언어 모델이나 이미지 생성 모델은 수십억에서 수조 개에 이르는 방대한 데이터를 학습하여 구축된다. 이 학습 데이터에는 인터넷에 공개된 수많은 텍스트, 이미지, 음악, 코드 등이 포함되며, 이 중 상당수는 저작권이 보호되는 창작물이다. 모델은 이러한 데이터를 분석하여 패턴, 스타일, 개념 간의 관계를 통계적으로 학습하며, 이 과정에서 원본 데이터의 복사본을 저장하지는 않지만, 그 핵심적인 특징과 표현 방식을 내재화한다[1].

학습에 활용되는 데이터의 수집 방식은 주요 논란의 초점이다. AI 개발사들은 주로 웹 크롤링 기술을 통해 공개 웹사이트의 콘텐츠를 대규모로 수집한다. 이 과정에서 저작권자의 명시적 허락 없이 저작물이 사용되는 경우가 대부분이다. 개발사들은 이러한 활용이 공정 이용 원칙에 해당하거나, 비상업적 연구 목적, 또는 데이터의 '변형'적 사용에 해당한다고 주장한다. 반면, 저작권자들은 자신들의 작품이 허락 없이 상업적 AI 시스템을 훈련시키는 데 사용되는 것은 명백한 저작권 침해라고 반박한다.

학습 데이터의 구체적인 구성과 출처는 대부분의 경우 공개되지 않아 투명성이 부족하다. 이는 다음과 같은 문제를 야기한다.

결국, 대규모 데이터셋 학습의 핵심 논란은 저작권법이 보호하는 '복제' 및 '이용'의 개념을 디지털 시대의 AI 학습이라는 새로운 맥락에서 어떻게 해석하고 적용할 것인지에 있다. 기술적 효율성과 혁신을 위한 데이터 접근 권리와 창작자의 권리 보호 사이에서 균형점을 찾는 것이 과제이다.

생성형 AI가 출력한 결과물은 학습 데이터에 기반하지만, 단순 복제가 아닌 변형을 통해 새로운 콘텐츠를 생성한다. 딥러닝 모델은 방대한 데이터에서 패턴과 스타일을 학습하여, 사용자의 프롬프트에 따라 학습된 요소들을 재조합하고 변형한다. 따라서 결과물은 특정 단일 원본 저작물과 동일하지 않은 경우가 대부분이다.

그러나 생성물이 원본을 얼마나 변형했는지, 그리고 원본을 식별할 수 있는지 여부가 저작권 침해 판단의 핵심 요소가 된다. 법적 판단에서는 "실질적 유사성"과 "접근 가능성" 테스트가 적용될 수 있다. 즉, AI 생성물이 특정 원작의 표현을 충분히 변형하지 않아 실질적으로 유사하고, 해당 원작에 대한 접근(학습)이 증명될 경우 문제가 제기된다. 현재 기술로는 생성물이 어떤 특정 학습 데이터의 직접적인 복제본인지 추적하기 매우 어렵다.

다음 표는 변형 생성과 원본 식별 가능성에 관한 주요 기술적·법적 측면을 비교한 것이다.

이러한 복잡성 때문에, 생성물이 표절인지 독창적인 변형인지에 대한 명확한 법적 기준은 아직 정립되지 않았다. 법원은 구체적인 사안에서 생성물과 원본 저작물을 비교하여 실질적 유사성을 판단할 것이며, 이 과정에서 AI의 작동 원리가 중요한 참고 자료가 될 것이다.

생성형 AI 모델을 훈련시키는 과정에서는 인터넷 상에 공개된 방대한 양의 텍스트, 이미지, 오디오, 비디오 데이터가 사용된다. 이 데이터에는 수많은 저작권이 보호되는 창작물이 포함되어 있으며, 대부분의 경우 저작권자의 명시적 허락 없이 수집 및 활용된다. 따라서 이 학습 과정 자체가 저작권 침해에 해당하는지 여부가 핵심 논쟁점으로 부상했다.

주요 논쟁은 이러한 데이터 활용이 공정 이용 또는 유사한 법적 원칙(예: EU의 텍스트 및 데이터 마이닝 예외)에 해당하는지에 맞춰져 있다. 지지자들은 AI 학습이 비영리적 연구, 교육, 또는 새로운 지식 창출을 위한 '변형적 이용'에 해당하며, 원작의 시장에 부정적 영향을 미치지 않는다고 주장한다. 반면, 비판자들은 상업적 목적의 AI 개발에 무단으로 저작물을 사용하는 것은 공정 이용의 범위를 넘어서는 것이라고 지적한다. 특히 원작의 전체 복제가 아닌 '학습'이라는 목적이 기존 저작권법의 전통적 이용 유형과 달라 법적 해석의 공백을 만들고 있다.

국가별 법적 접근은 이 문제에 대해 상이한 입장을 보인다. 미국에서는 Authors Guild v. Google 사건[4]과 같은 판례를 근거로 학습 행위에 대한 공정 이용 주장이 강하다. 반면 EU의 AI법(Artificial Intelligence Act) 및 디지털 단일 시장 저작권 지침은 텍스트 및 데이터 마이닝을 위한 저작권 예외 조항을 두고 있지만, 권리자의 반대 의사가 있을 경우 이를 적용하지 않을 수 있도록 하고 있어 더 제한적인 태도를 보인다. 일본은 2018년 저작권법 개정을 통해 비상업적 연구를 포함한 데이터 마이닝을 위한 이용을 명시적으로 허용하는 입법을 선도했다.

이 쟁점의 해결은 단순한 법적 판단을 넘어 기술 발전과 창작 보호 간의 균형을 어떻게 맞출 것인지에 대한 정책적 고려를 필요로 한다. 일각에서는 저작권자에게 로열티를 지급하는 라이선스 모델이나, 학습 데이터 출처를 공개하는 투명성 제고 방안 등이 제안되고 있다.

생성된 결과물에 대한 저작권 귀속 문제는 창의성과 인간의 개입 정도를 중심으로 논의된다. 대부분의 국가의 저작권법은 저작물 보호 요건으로 '인간의 창작성'을 명시하거나 전제한다. 예를 들어, 미국 저작권청(USCO)는 "인간의 창작적 정신이 담긴 산물"만 보호한다는 입장을 유지하며, 완전히 인공지능이 생성한 작품은 등록을 거부해 왔다[5]. 유럽 연합의 법률도 유사하게 저작물의 정의에 인간 창작자의 필요성을 내포하고 있다.

따라서 생성형 AI 도구를 사용한 창작 과정에서 인간의 기여도가 핵심 판단 기준이 된다. 사용자가 단순히 프롬프트만 입력한 경우와, AI 출력물을 선택·편집·수정·재조합하는 등 실질적인 창작적 선택과 개입을 가한 경우를 구분해야 한다. 후자의 경우, 인간 저작자가 AI를 '도구'로 활용한 것으로 볼 수 있어 결과물에 대한 저작권 인정 가능성이 높아진다. 법원은 구체적인 사안에서 '인간의 창작적 표현'이 어느 정도 포함되었는지를 세심하게 검토할 것이다.

이러한 논의는 기존의 저작권 개념을 재정의할 필요성을 제기한다. 사진술이 등장했을 때, 카메라라는 도구를 조작하고 구성하는 사진가의 창의성이 인정받는 과정과 유사한 논쟁이 진행 중이다. 표는 주요 법域의 현재 입장과 고려 요소를 비교한다.

결국, 생성물의 저작권 귀속 문제는 기술의 발전 속에서 '창작성'의 본질을 재해석하고, 인간과 도구의 협업 관계를 법적으로 어떻게 정의할 것인지에 대한 근본적인 질문으로 이어진다.

생성형 AI가 만들어낸 결과물이 기존 저작물을 표절하거나 모방했는지 판단하는 기준은 기존 저작권법의 개념을 적용하기에 복잡한 문제를 제기한다. 전통적인 표절 판단은 원본과 유사본 간의 '실질적 유사성'과 '접촉 가능성'을 주요 기준으로 삼는다. 그러나 AI는 방대한 데이터를 학습하여 완전히 새로운 조합을 생성할 수 있기 때문에, 결과물이 특정 단일 원작을 직접 복제했다고 보기 어렵다. 대신, 다수의 원작으로부터 학습한 스타일, 구성, 표현 요소가 융합된 형태로 나타나는 경우가 많다. 따라서, AI 생성물에 대한 표절 논란은 단순한 표면적 유사성 비교를 넘어, 학습 데이터에 포함된 저작물들의 '내재적 구조'나 '고유한 표현 방식'이 얼마나 구체적으로 재현되었는지에 초점을 맞춰야 한다는 주장이 제기된다.

판단의 어려움은 AI의 블랙박스적 특성에서 비롯된다. 생성 과정이 투명하지 않아, 특정 출력이 어떤 특정 입력(학습 데이터)에 직접적으로 기반한 것인지 추적하기 거의 불가능하다. 이로 인해 '접촉 가능성' 입증이 힘들다. 현재 논의되는 잠재적 판단 기준으로는 '평균적 관찰자 테스트'를 변형 적용하거나, 전문가에 의한 스타일 분석, 또는 통계적 유사성 측정 알고리즘을 활용하는 방안 등이 있다. 또한, 생성물이 단순히 아이디어나 공통된 관용구 수준을 넘어, 원작의 '표현의 독창적 핵심'을 체계적으로 차용했는지 여부를 살피는 것이 중요하다.

이러한 모호성은 법적 분쟁에서 증명 책임의 문제를 야기한다. 원작자가 AI 생성물이 자신의 저작권을 침해했다고 주장하려면, 단순한 유사성 이상으로 AI 시스템이 자신의 작품을 학습에 사용했다는 사실과, 그 결과 생성물이 자신의 작품으로부터 보호받는 표현 요소를 취했다는 점을 입증해야 하는 높은 벽에 직면한다. 이에 따라, 일부에서는 AI 개발사에게 학습 데이터 출처에 대한 더 높은 수준의 기록 및 공개 의무를 부과해야 한다는 주장도 나온다. 표절 및 모방 판단 기준을 마련하는 것은 단순한 법 기술적 문제를 넘어, 공정 이용의 범위와 기술 발전을 저해하지 않는 선에서 창작자를 보호하는 새로운 법리와 사회적 합의를 구축하는 과제이다.

각국은 생성형 AI 학습 및 생성물의 저작권 문제에 대해 다양한 법적 접근을 보이고 있다. 주요 사례는 다음과 같다.

이러한 법적 접근의 차이는 기술 혁신 장려와 기존 창작자 권리 보호 사이에서 각국이 선택한 균형점의 차이를 반영한다. 미국은 판례법을 통해 유연한 공정 이용 원칙을 적용하는 반면, EU는 권리자 보호에 더 무게를 두는 규제적 프레임워크를 구축했다. 일본은 AI 산업 경쟁력 강화를 위해 명시적이고 광범위한 허용 조항을 법제화한 대표적 사례이다. 이러한 국제적 분위기는 국내 저작권법 개정 논의에도 지속적으로 영향을 미치고 있다.

국내에서는 생성형 AI의 발전에 따라 기존 저작권법이 새로운 기술적 도전에 대응하기 위한 논의가 활발히 진행되었다. 핵심 쟁점은 AI의 학습 과정에서 이루어지는 저작물 이용이 저작권법상의 복제에 해당하는지, 그리고 이 이용이 공정 이용에 해당할 수 있는지 여부이다. 현재 법체계 하에서는 학습을 위한 데이터 수집 및 이용이 명시적으로 허용되지 않아 법적 불확실성이 존재한다[13].

이에 따라 문화체육관광부와 한국저작권위원회를 중심으로 법 개정 논의가 추진되고 있다. 주요 검토 방향은 다음과 같다.

한편, 입법과 별개로 산업계에서는 자발적 가이드라인 마련과 라이선스 모델 개발이 시도되고 있다. 그러나 법적 안정성을 확보하기 위해서는 궁극적으로 법 개정을 통한 명확한 기준 설정이 필요하다는 의견이 지배적이다. 논의 과정에는 저작권자, AI 개발사, 이용자 등 다양한 이해관계자의 의견 수렴이 병행되고 있으며, 기술 발전 속도에 맞춰 유연하면서도 공정한 법제도 정립이 핵심 과제로 남아 있다.

많은 원작자와 예술가 집단은 생성형 AI가 자신들의 저작물을 무단으로 학습 데이터로 사용한다는 점에 대해 강한 우려와 반발을 표하고 있다. 이들은 AI 학습 과정이 저작권법상의 공정 이용 원칙을 넘어서는 침해 행위라고 주장하며, 동의 없이 사용된 자신들의 작품에 대해 적절한 보상이나 인정을 받지 못하고 있다고 지적한다. 일부 작가 협회와 예술가 단체는 공개 서한을 통해 AI 개발사에 항의하거나, 집단 소송을 제기하는 등 적극적인 대응에 나서고 있다.

반응은 크게 두 가지 흐름으로 나타난다. 첫째는 법적 대응과 규제 요구이다. 예를 들어, 시각 예술가 집단은 안정적 확산 모델이 수억 장의 이미지를 무단 학습했다는 이유로 개발사를 상대로 소송을 제기했다[15]. 소설가와 만화가 협회 역히 AI 학습을 위한 데이터 스크래핑에 반대하는 성명을 발표하고, 입법부에 더 엄격한 규제를 촉구하고 있다. 둘째는 기술적·실천적 대응이다. 일부 예술가들은 자신의 작품이 AI 학습 데이터로 사용되는 것을 방지하기 위해 노이즈 워터마크 기술을 적용하거나, 데이터셋에서 자신의 작품을 삭제해 줄 것을 요청하는 도구를 활용하고 있다. 또한, AI 생성 이미지와의 차별화를 위해 아날로그 기법이나 물리적 매체의 가치를 재조명하는 움직임도 나타난다.

이러한 반발의 배경에는 생계에 대한 직접적인 위협 인식이 자리 잡고 있다. 예술가들은 AI가 자신들의 스타일을 모방하여 저렴한 가격에 무한정의 작품을 생산할 경우, 시장에서의 경쟁력이 급격히 하락할 것을 우려한다. 특히 상업 일러스트레이터, 그래픽 디자이너, 스톡 포토 작가 등은 이미 실질적인 영향력을 경험하고 있다. 그러나 모든 반응이 부정적인 것은 아니다. 일부 창작자들은 AI를 새로운 도구로 수용하여 작업 효율을 높이거나, 인간만이 할 수 있는 개념 기획과 AI의 실행을 결합하는 등 협업의 가능성을 모색하기도 한다. 이러한 입장 차이는 각 분야의 작업 특성, 기술 접근성, 그리고 AI 생성물의 시장 침투 정도에 따라 다양하게 나타난다.

주요 AI 개발사와 플랫폼은 생성물의 저작권 문제와 법적 리스크를 관리하기 위해 다양한 정책을 수립하고 시행한다. 일반적으로 생성물의 저작권 귀속을 사용자에게 부여하는 방식을 취하지만, 그 조건과 책임 한계에 차이가 있다. 예를 들어, OpenAI는 DALL-E나 ChatGPT를 통해 생성된 콘텐츠에 대해 사용자에게 저작권을 포함한 모든 권리를 부여한다[16]. 그러나 이는 사용자가 서비스 약관을 준수하고, 생성물이 타인의 권리를 침해하지 않는다는 전제 하에 이루어진다. Midjourney와 Stability AI도 유사한 정책을 채택하며, 생성물의 상업적 이용을 허용한다.

플랫폼들은 학습 데이터의 출처와 관련된 논란에 대응하기 위해 자체적인 보상 프로그램이나 합의 도구를 도입하는 추세다. Adobe는 Firefly 모델을 학습시킬 때 자체 라이선스가 있는 Adobe Stock 이미지와 공개 도메인 자료만을 사용한다고 명시하며, 생성물에 대한 법적 보장을 제공한다. Shutterstock는 AI 생성 도구를 제공하면서 콘텐츠 제작자에게 로열티를 지급하는 기금을 설립했다. 한편, Google과 Microsoft는 생성형 AI 서비스에 대해 저작권 침해 주장에 대한 법적 방어를 일정 부분 보장하는 '보상 정책'을 발표하기도 했다.

이러한 정책들은 여전히 진화 중이며, 주요 쟁점은 다음과 같다.

정책의 실효성과 한계는 지속적인 논의 대상이다. 사용자에게 권리를 부여하더라도, 해당 생성물이 기존 저작물을 과도하게 모방했다면 여전히 표절 소송의 위험이 존재한다. 또한, 개발사들의 정책이 각국 법원의 판결과 미래의 입법 방향에 따라 수정될 가능성이 크다. 결국, AI 개발사와 플랫폼의 정책은 기술의 자유로운 확산과 창작자 권리 보호 사이에서 끊임없이 조정되는 과도기적 해결책의 성격을 지닌다.

생성형 인공지능의 보급은 예술, 문학, 음악, 디자인 등 전반적인 창작 생태계에 구조적인 변화를 예고한다. 전문 창작자의 역할은 단순한 제작에서 AI 도구를 기획·조율하고 그 결과물을 비판적으로 평가·가공하는 큐레이션 및 편집자 역할로 진화할 가능성이 높다. 동시에, 기술적 진입 장벽이 낮아지면서 비전문가의 창작 활동이 활성화되고, 개인화된 콘텐츠의 대량 생산이 일상화될 전망이다. 이는 기존의 엘리트 중심 창작 구조를 다원화시키는 동시에, 콘텐츠의 과포화와 평균적 질적 하락을 초래할 수 있다는 우려도 제기된다.

산업 측면에서는 제작 비용과 시간이 획기적으로 절감되어 콘텐츠 산업의 생산성이 크게 향상된다. 특히 게임, 광고, 영상 제작 등에서 배경, 캐릭터, 아이디어 스케치 등을 빠르게 생성할 수 있어 창작의 초기 단계가 가속화된다. 반면, 이로 인해 하위 단계의 실무 작업(예: 단순 일러스트 제작, 배경 묘사)을 담당하던 프리랜서 창작자들의 일자리가 위협받을 수 있다는 분석도 있다. 새로운 생태계에서는 프롬프트 엔지니어링이나 AI 생성물의 고급 필터링 및 합성을 전문으로 하는 새로운 직종이 등장할 것이다.

장기적으로 창작의 가치 기준이 재정의될 것이다. 단순한 결과물의 신규성보다는 창의적인 프롬프트 구성, AI 출력의 독창적인 해석과 변형, 그리고 인간 작가의 사상과 정서가 담긴 이야기 구성 능력이 더 중요한 평가 척도로 부상할 수 있다. 이는 기술 도구의 보편화 속에서 오히려 진정한 인간 고유의 창의성이 무엇인지에 대한 성찰을 촉진하는 계기가 될 것이다. 최종적으로는 인간과 AI의 협업을 전제로 한 새로운 장르와 예술 형식이 태어나고, 이에 맞는 비평 기준과 시장 메커니즘이 형성될 것으로 보인다.

생성형 AI의 발전은 저작권 보호와 기술 혁신 간의 긴장 관계를 심화시켰다. 한편에서는 AI의 학습과 활용을 지나치게 제한하면 혁신이 위축되고 공공의 지식 창출에 부정적 영향을 미칠 수 있다고 우려한다. 반대 측면에서는 무단 학습과 무분별한 생성이 기존 창작자의 권리를 침해하고 경제적 인센티브를 훼손하여 궁극적으로 창작 생태계를 위협할 수 있다고 주장한다. 이 균형을 찾는 것은 법제도와 사회적 합의의 핵심 과제이다.

균형 모색을 위한 논의는 주로 공정 이용 원칙의 확장 적용에 집중된다. 기술 혁신을 촉진하기 위해 AI 학습 단계를 공정 이용으로 인정해야 한다는 입장이 있다. 특히 미국에서는 트랜스포머 모델과 같은 기술 발전이 학습 데이터의 '변형적 사용(transformative use)'에 해당할 수 있다는 주장이 제기된다[18]. 그러나 EU의 AI법(Artificial Intelligence Act)이나 일본의 저작권법 개정 논의는 학습에 대한 명시적 허용 범위를 설정하면서도 권리자 보상 체계를 함께 고려하는 방향으로 움직이고 있다.

궁극적인 해법은 기술의 발전 단계와 활용 영역을 세분화하여 차별화된 규제와 원칙을 적용하는 데 있을 수 있다. 예를 들어, 비영리 연구나 개인적 학습 목적의 AI 활용은 비교적 넓은 허용 범위를 부여하는 반면, 상업적 서비스나 대량의 창작물을 생성하는 AI에 대해서는 투명한 데이터 출처 공개와 공정한 보상 분배 메커니즘이 요구된다. 이는 단순히 법적 판단을 넘어, 기술 개발자, 창작자, 이용자, 정책 입안자가 함께 참여하는 사회적 대화와 합의를 통해 마련되어야 할 것이다.

생성형 AI가 학습과 창출 과정에서 활용하는 방대한 저작물에 대한 보상 체계는 기술 발전과 창작자 권리 보호 사이의 균형을 찾기 위한 핵심 과제이다. 기존 저작권법은 개별 창작자와 이용자 간의 관계를 전제로 하지만, AI는 수억 건의 데이터를 집단적으로 처리하기 때문에 전통적인 저작권 사용료나 저작권 라이선스 모델을 적용하기 어렵다. 이에 따라 데이터 수집 단계부터 생성물 배포 단계까지 포괄하는 새로운 보상 메커니즘에 대한 다양한 구상이 제시되고 있다.

주요 구상 모델은 다음과 같이 정리할 수 있다.

이러한 보상 체계를 설계할 때는 공정성과 실용성이 동시에 고려되어야 한다. 공정성 측면에서는 소규모 독립 예술가부터 대형 콘텐츠 제작사에 이르기까지 다양한 권리자들이 적절히 고려되어야 한다. 실용성 측면에서는 과도한 행정 부담이나 기술적 장벽 없이 효율적으로 운영될 수 있어야 한다. 궁극적인 목표는 AI 기술의 혁신을 저해하지 않으면서도 창작 생태계의 지속 가능성을 보장하는 것이다. 이를 위해서는 법학자, 기술자, 창작자, 산업계가 함께 참여하는 사회적 합의 과정이 필수적이다.