회의록 및 학습자료
2023년 03월 정기모임은 두 갈래의 발표로 진행되었다. 앞부분은 방송·콘텐츠 기업 저작권팀이 "저작권과 IT 시스템"을 주제로, IP 제작부터 유통까지를 관통하는 저작권 정보관리 시스템의 구상과 그 일부로 먼저 구축된 저작권료 정산 시스템을 소개했다. 뒷부분은 챗GPT(GPT-3.5)의 등장을 계기로 생성형 AI의 구조와 저작권 쟁점을 다뤘다. 논의의 큰 흐름은 (1) IT에서 말하는 "시스템"의 범위와 저작권 업무의 위치, (2) 방송 제작·유통 단계의 분절된 시스템과 사일로 이펙트, (3) IP 통합 관리·제작관리 시스템(넷플릭스 프로디클 사례), (4) 소유권과 저작권의 구분, (5) 저작권료 정산 시스템의 기존 프로세스 문제와 개선, (6) 초거대 AI·퓨샷러닝·학습데이터의 개념, (7) AI 산출물의 저작권 인정(미국·중국 사례), (8) AI 학습데이터의 저작권 보호(말뭉치 사건·공정이용)로 이어졌다. 생성형 AI에 관한 논의는 초기 국면의 문제의식이 중심이므로, 권리자 보호 측과 산업·이용·기술 측 논거는 ④의 「균형 관점」에서 함께 짚는다.
발표는 "시스템"이라는 용어의 혼선을 정리하는 데서 출발했다. 사전적으로는 체계적인 방법·조직·제도를 뜻하지만, IT 분야에서 쓰는 시스템과 일반 사업 부서에서 쓰는 시스템은 층위가 다르다는 점이 지적되었다. 이번 주제의 "저작권과 IT 시스템"은 대고객 웹 서비스(WEB)나 대규모 통합 구축(SI)의 의미보다, 저작권 업무를 지원·활용하는 프로세스 단위 및 이미 구축된 서비스를 가리키는 것으로 범위가 한정되었다. 이어 IT·AI 기술이 급속히 발전하고 있으나 저작권 업무 자체를 대체하거나 해결해 줄 수는 없고, 인력 중심 업무를 효율화하는 지원 도구에 그친다는 전제가 강조되었다. 그 위에서 저작권 관련 업무의 일부를 시스템으로 옮겨 업무 표준화, 나아가 시장 표준화로 확장할 필요가 제기되었다.
저작권은 IP(콘텐츠)가 생성되는 제작 단계부터 관여되므로, 방송을 예로 제작 단계(프리 프로덕션·프로덕션·포스트 프로덕션)와 심의·시사, 방송·전송, 유통 단계를 나누어 각 단계에 필요한 시스템이 제시되었다. 국내 방송사에는 제작 전 과정을 관리하는 "제작관리 시스템"이 사실상 없고, 방송정보관리 시스템(BIS)과 아카이브 시스템 정도만 갖춰져 있다는 진단이 나왔다. 문제는 이들이 하나로 연결되지 않고 분절된 채 각각 운영된다는 점이다. 토론에서는 이를 사일로 이펙트로 설명했다. 기존 시스템을 잘못 손대면 프로세스가 무너질 위험 때문에 개선·확장 대신 별도의 시스템을 새로 만들게 되고, 이미 투자해 만들어 둔 것이 있으면 이후 통합이 오히려 더 어려워진다는 것이다. 그 결과 표준화가 구조적으로 어려워지고, 노동집약적·인력 중심 업무가 반복된다는 지적이 이어졌다. 특히 시장에 저작권 전문가가 적어, 담당자가 일정 기간 뒤 후임에게 업무를 넘기고 이탈하는 "폭탄 돌리기"가 반복되면서 노하우가 축적·표준화되지 못하고, 신탁단체·권리자와의 협상력도 약해진다는 문제의식이 공유되었다.
해법으로 분절된 시스템을 논리적·물리적으로 통합하고, 전체 프로세스의 중심이 되는 제작관리 시스템을 두어 IP 자산을 통합 관리하는 방향(가칭 "저작권 정보관리 시스템")이 제시되었다. 제작 단계부터 산출되는 각종 머터리얼과 저작물, 방송 전 음악 큐시트 점검, 유통 이후 정산까지를 하나의 흐름으로 관리하자는 구상이다. 참고 사례로 넷플릭스의 통합 제작 플랫폼(프로디클/프로디클 무브)이 소개되었다. 촬영본·촬영일지·회의록·비용 증빙 등 제작 과정의 모든 산출물을 등록하게 하고, AI 스크립트 분석으로 장면·대사·촬영 준비 요소를 1차 분석·추천하며, 크루의 보수 정보 등록, 배포 단계의 워터마크·보안, 콘텐츠 허브(영상 파일 공유) 등을 포함한다는 설명이 있었다. 다만 이는 넷플릭스가 외주 제작물을 구매하며 등록을 의무화하기에 가능한 모델이라는 단서가 붙었다. 이런 데이터가 여러 분야에서 모이면 AI가 자동 수집하는 데이터와는 다른, "돈 주고도 못 살" 자산이 된다는 견해와, 오픈소스 협업 도구(깃허브)에 비유해 노하우가 모이는 장(場)으로 발전시키자는 의견이 오갔다. 현재는 협업 도구(컨플루언스)로 노하우를 축적하는 수준이라는 현황도 공유되었다.
아카이브를 둘러싼 소유권과 저작권의 구분이 논의되었다. 방송사는 폐쇄망 편집 시스템(MPS 계열)과 페타급 아카이브를 갖추지만, 아카이브에 보관돼 있다는 사실이 곧 그 자료에 대한 권리 보유를 의미하지는 않는다는 점이 짚어졌다. 보관은 활용 목적일 수도, 검수 목적일 수도 있으므로, 머터리얼·콘텐츠 하나하나의 소유권자와 저작권자를 등록·관리하는 지식재산권 관리 시스템이 통제 역할을 해야 한다는 것이다. 관련 사례로 한 방송사 드라마의 컴퓨터그래픽(바다·조형물 등) 소스가 계약상 허용 범위를 벗어나 다른 작품에 전용된 분쟁이 거론되었는데, 이는 저작권 침해가 아니라 계약 위반에 따른 손해배상 문제로 다뤄졌다는 설명이 있었다. 이 대목에서 넷플릭스가 VFX 원본까지 아카이브해 글로벌 서비스(자막·현지화)에 재활용하는 방식과, 국내 제작 관행에서 소스의 소유·저작권 귀속을 둘러싼 인식 차이가 대비되었다.
발표의 핵심은 이미 구축된 저작권료 정산 시스템이었다. 목표는 표준화·통합화이며 가시화는 보조적이라는 점이 강조되었다. 여기서 "기준 정보"(계약·산식·요율·관리비율처럼 잘 바뀌지 않는 정보, 주민등록 등·초본에 비유)와 "기초 데이터"(매출처럼 그때그때 쌓이는 정보)를 구분했다. 기존 프로세스의 문제로는, 기준 정보가 개인 PC·외장하드·이메일·인쇄물로 흩어져 분실·오참조 위험이 크고, 정산 때마다 제작팀·현업에 방송작가·출연료·방송 내역 데이터를 다시 요청해야 하는데 방송 종료 후 시일이 지나 취합하므로 데이터 신뢰성이 떨어진다는 점이 지적되었다. 취합에만 1~2개월, 신탁단체 반려·재작업까지 더하면 전체 약 5개월이 걸리기도 하며, 상당 부분이 수작업이어서 데이터가 서로 맞지 않는 문제가 반복된다고 했다.
개선 방향으로는 기준 정보를 시스템에 등록해 재사용하고, 기존 데이터(예: 성과 보고용 매출)를 불러와 검증하며, 출연자 데이터를 함께 입력·축적하는 방식이 제시되었다. 신탁단체가 외부에서 직접 접속(파트너 시스템)해 자신에게 필요한 정보만 권한 범위 내에서 확인하도록 하고, 데이터 오류에 대한 이견을 엑셀 첨부 대신 시스템 내에서 행 단위로 등록·수정·답변하도록 해 이력 관리를 명확히 했다. 종전에는 금액·주민등록번호 등 개인정보가 담긴 엑셀이 오가는 문제가 있었는데 이를 개선했다는 설명이 이어졌다. 데이터가 명확하지 않을 때를 위한 N차 정산(가지급·차기 회차·소급 정산)도 구현되었다. 이 시스템은 이번에 처음 구축된 오픈 베타 단계이며, 업무 표준화·시장 표준화의 초석일 뿐 완성형이 아니고, 향후 고도화·솔루션화 가능성까지 열어 두었다는 점이 강조되었다. 궁극적 목표는 저작권 문제 자체의 "해결"이 아니라, 관계자들이 동일한 시야를 갖도록 지원해 AI 시대에도 제대로 활용할 수 있는 기반을 마련하는 것으로 정리되었다.
뒷부분 발표는 챗GPT를 비전문가 관점에서 이해한 내용을 정리하는 형식으로 진행되었다. 챗GPT는 AI를 대화(자연어) 방식으로 사용하게 만든 챗봇으로, 오픈AI가 개발했고 GPT-1(2018)에서 GPT-3.5(2022.11)로 발전했으며 GPT-4가 준비 중이라는 개요가 공유되었다. 논문·보고서·문학·코딩까지 분야를 가리지 않고 결과물을 만들어 "생성형 AI"로 불린다는 점도 소개되었다. 개념적으로는 대량의 파라미터를 적용하는 초거대 AI(대규모 언어 모델)라는 점, 파라미터는 딥러닝 학습으로 도출된 값이며 많을수록 성능이 좋아진다는 점(GPT-3.5 약 1,750억 개)이 설명되었다. 퓨샷러닝(few-shot learning)은 대규모 데이터로 공통 기본 모델을 사전학습해 두면, 사용자의 질문(소량의 데이터)만으로도 정확도 높은 결과를 낼 수 있는 방식으로 정리되었다. 학습데이터 규모로는 인터넷 크롤링 약 4,100억, 웹텍스트 약 190억, 인터넷 말뭉치 약 670억, 위키피디아 약 30억 개가 언급되었다. 여기서 억 단위 데이터를 수집하는 과정에서 저작권으로 보호되는 저작물이 필연적으로 이용되었을 텐데 그 수집 방식이 무엇이냐는 문제의식이 제기되었다.
토론에서는 AI가 만든 산출물을 다른 AI가 다시 학습하는 순환이 반복되면 결국 어떤 저작물에 기반했는지 추적이 불가능해질 것이고, 따라서 학습데이터의 저작권 문제는 초기 국면에 국한되며 궁극적으로는 AI 산출물의 저작권을 인정할 것인가·저작권자를 누구로 볼 것인가가 주된 쟁점이 되리라는 전망이 오갔다. 또한 코딩이 가능한 AI가 크롤링을 넘어 보호되는 데이터에까지 접근할 수 있다는 우려, 오픈AI가 부적절한 요청에 답하지 않도록 제한한다는 점도 언급되었다. 국내외 동향으로는 마이크로소프트(빙·애저에 GPT 탑재 모색), 구글(람다·바드), 바이두(어니봇), 네이버(하이퍼클로바·서치GPT), 카카오(KoGPT) 등이 정리되면서, 국내 사업자들이 국내 자료(어문·개인정보 포함)를 어떻게 수집했는지에 대한 의문이 함께 제기되었다.
첫 번째 쟁점인 "AI 산출물의 저작권 인정과 저작권자"에 대해 두 나라 사례가 소개되었다. 미국은 저작권법에 인간 창작 요건을 명시하지 않지만, 저작권청의 등록 실무 개요가 인간 저작자 요건을 두고 있고 연방대법원 판례가 "정신의 창조적 능력에 기초한", "지적 노동의 결실"만을 보호한다고 보아, 인간이 창작하지 않은 것으로 판단되는 저작물의 등록 신청을 거절한다고 설명되었다. 사례로 인공지능 "창작 기계(Creativity Machine)"가 만든 미술 작품 "파라다이스로 가는 최근 입구"가 인간 저작자 요건을 이유로 등록 거절된 건(2022.2.14), 그리고 AI 미드저니를 이용해 만든 만화 "새벽의 자리아"가 등록 승인 후 재심에 들어가 창작자에게 인간 기여분의 증명을 요구받은 건이 다뤄졌다.
중국은 저작권법이 저작자를 자연인으로 명시하며, 베이징 인터넷 법원도 자연인의 창작을 저작물 보호의 필요조건으로 본다고 소개되었다. 사례로 AI 소프트웨어로 만든 보고서에서 AI가 제작한 도표 부분은 저작물성을 부정하되 자연인이 작성한 글 부분은 인정한 건(다만 저작물성이 부정된다고 해서 마음대로 써도 되는 것은 아니라는 단서), 그리고 지능형 문서작성 시스템 "드림라이터(dreamwriter)"로 만든 경제 기사에서 소프트웨어는 기술적 효과를 주었을 뿐이고 기사의 독창성(내용·배열·순서)에는 인간(작성팀)이 관여했으므로 저작물성을 인정한 건이 소개되었다. 토론에서는 후자의 판단이 더 실무적 의미가 있다는 견해가 제시되었다. 챗GPT 결과물을 사람이 재가공해 책·과제로 내는 경우 인간 창작물로 볼 여지가 있으나, 어느 정도 관여해야 하는지가 관건이라는 것이다. 나아가 저작권의 무방식주의(등록 없이 권리 발생)와, 미국·영국에서 소송 제기·손해배상을 위해서는 등록이 요구된다는 점이 구분되었다. 손해배상액 산정에서는 인간이 창작성 있게 관여한 부분(예: 다섯 문단 중 한 문단)에 한해 권리·침해가 성립하므로 배상 범위가 그 비율로 제한될 수 있고, 반면 영화 대본처럼 상영금지 가처분이 가능한 경우에는 손해배상보다 큰 지렛대가 될 수 있다는 논의가 이어졌다. 실무에서는 권리를 주장하는 측은 인간 기여분을, 반대 측은 AI 기여분을 입증하려는 다툼이 벌어질 것이고, 그 입증에 다시 AI가 동원될 수 있다는 전망도 나왔다.
두 번째 쟁점인 학습데이터의 저작권 보호는 국내 상황을 중심으로 다뤄졌다. 대표 사례로 이른바 "말뭉치 사건"이 소개되었다. 국립국어원이 어문 빅데이터 구축을 위해 발주한 사업을 한 출판사가 수주했는데, 그 출판사가 양수한 회사의 데이터베이스에 적법하지 않은 저작물이 포함되어 있어 다른 출판사들이 문제를 제기했고 결국 합의로 마무리되었다는 것이다. 여기서 발표자는 구조적 의문을 제기했다. 출판사는 통상 저작권 자체가 아니라 종이책 출판권 내지 (전자책까지 포함하는) 배타적 발행권만을 작가로부터 계약하는데, AI 학습용 데이터로 쓰는 것이 종이책·전자책 발행 어디에도 해당하지 않는데도 왜 저작권자인 작가가 아니라 출판사가 문제를 제기하고 합의했는가 하는 점이다. 즉 무권리자 주장 가능성이 지적되었다(발표자는 어문 저작물 신탁단체 실무 경험을 근거로 사업 초기 정황을 부연했다).
이어 학습데이터 문제의 향방으로 공정이용 쪽 전망이 제시되었다. 법 개정 발의에도 산업 진흥을 우선해야 한다는 취지가 담겨 있고 권리 처리가 현실적으로 어려우므로, 결국 공정이용으로 정리될 가능성이 있다는 개인적 견해였다. 다만 형사는 불소급 원칙이 적용되고, 공정이용 제한 사유의 경계가 애매하며, "학습 목적의 복제"에 그칠 때와 산출물이 실제 "표현"으로 드러나 침해가 되는 경우를 구분해야 한다는 점이 함께 지적되었다. 해외 사례로는 게티 이미지가 자사 워터마크가 그대로 찍힌 AI 생성 이미지를 문제 삼았고 AI 학습에 자사 이미지가 쓰이는 것에 반대해 온 점이 언급되었으며, 국내 카카오(카카오톡 대화)·네이버가 학습데이터를 무엇으로 확보했는지에 대한 저작권·개인정보 우려로 발표가 마무리되었다.
이 회차는 GPT-3.5의 대중적 확산(2022년 말) 직후, GPT-4 공개(2023년 상반기)를 앞둔 시점의 정기모임으로, 생성형 AI가 저작권 실무의 정식 의제로 처음 올라온 국면을 담고 있다. 발표는 두 층위를 병렬로 다뤘다. 하나는 방송·콘텐츠 사업자가 IP 제작-유통-정산을 관통하는 정보 인프라(저작권 정보관리 시스템·저작권료 정산 시스템)를 구축해 저작권 업무를 표준화하려는 "공급 측 시스템화" 문제이고, 다른 하나는 생성형 AI가 던진 "학습데이터 입력"과 "산출물 출력" 양단의 저작권 문제다. 두 층위는 표면상 별개로 보이지만, "권리·이용 관계를 데이터로 구조화해 불확실성을 줄인다"는 문제의식에서 맞닿아 있다. 이는 실증·표준화·계약 설계를 중시하는 실무 전략(참조: 저작권전문가-H군-페르소나 §2 축 B·C)과도 결이 같다.
산출물 측면에서 미국·중국·한국은 공통적으로 "인간의 창작"을 저작물 성립의 핵심 요건으로 삼는다. 미국은 순수 AI 생성물의 등록을 거절하되 인간의 창작적 기여가 있는 부분은 보호하는 방향으로, 중국 법원은 인간의 선택·배열이 개입된 산출물의 저작물성을 인정하는 방향으로 수렴하는 경향이 관찰된다. 학습(입력) 측면에서는 국가별로 접근이 갈린다. 일본은 저작권법상 정보분석 목적의 이용을 폭넓게 허용하는 규정을 두어 학습에 우호적이고, EU는 디지털 단일시장(DSM) 지침의 텍스트·데이터 마이닝(TDM) 예외를 두되 권리자의 이용거부(opt-out)를 인정하며, 미국은 개별 사건에서 공정이용(특히 변형적 이용) 법리로 다투는 구도다. 한국은 공정이용 일반조항과 별도로 AI 학습을 위한 데이터 마이닝 면책 규정 신설안이 논의되어 왔다. (각국 조문·지침 번호와 시점은 「검증 필요 사항」에서 확인 대상으로 둔다.)
산출물 관련해서는 미국 저작권청의 인간 저작자 요건과 관련 등록 거절·재심 사례(창작 기계의 미술품, 미드저니 만화), 중국의 AI 보고서 도표 사건과 드림라이터 기사 사건이 이 회차의 축이다. 학습데이터 관련해서는 국내 말뭉치 사건이 핵심으로, 출판권·배타적 발행권과 저작재산권의 구분(무권리자의 권리 주장 문제)이 쟁점이 된다. 제도적으로는 저작권의 무방식주의(등록 없이 권리 발생)와 소송·법정손해배상을 위한 등록 요건(미국·영국)의 구분, 공정이용 일반조항, 그리고 정보분석(TDM) 면책 입법 논의가 관련 조문·법리로 연결된다.
발표에서 제시된 "기준 정보 대 기초 데이터"의 구분은 시스템 설계의 핵심 개념이다. 계약·산식·요율처럼 잘 바뀌지 않는 기준 정보를 단일 정보원으로 관리하고, 매출처럼 변동하는 기초 데이터를 연계해 재사용하면, 매 정산마다 수작업으로 데이터를 다시 취합하며 발생하던 신뢰성·기간 문제를 줄일 수 있다는 논리다. 이는 개별 기업의 업무 효율을 넘어, 신탁단체·제작사·플랫폼이 동일한 데이터 기준 위에서 정산을 확인하는 "시장 표준화"로 확장될 수 있다는 구상으로 이어진다. 다만 이러한 표준을 누가 만들고 누가 보유·판매하느냐(솔루션화)는 그 자체로 새로운 협상·권력 문제를 낳을 수 있다.
이 회차의 AI 논의는 "결국 공정이용으로 갈 것"이라는 산업·이용 측 전망이 상대적으로 강하게 제시되었으므로, 양측 논거를 함께 기록한다.
권리자 보호 측 논거는 다음과 같다. 첫째, 억 단위 저작물을 동의·보상 없이 크롤링해 학습에 쓰는 것은 복제권 침해에 해당할 수 있으며, "산업 진흥"을 이유로 이를 광범위하게 면책하면 창작자에게 돌아갈 보상과 통제권이 사라진다. 둘째, 생성형 AI의 산출물이 원저작물과 경쟁하는 시장(예: 이미지·기사·음악)에서 원작을 대체하면, 학습이 "비표현적·변형적 이용"이라는 주장만으로 공정이용을 인정하기 어렵다(게티 이미지 사례처럼 출처·귀속이 훼손되는 문제도 포함). 셋째, 말뭉치 사건이 보여주듯 데이터 유통 과정에서 진정한 권리자(작가)가 배제된 채 처리되는 구조는 오히려 권리 명확화·보상 체계 정비의 필요를 방증한다. 넷째, 국내 플랫폼의 대화·개인 데이터 학습은 저작권을 넘어 개인정보 보호의 문제도 제기한다.
산업·이용·기술 측 논거는 다음과 같다. 첫째, 대규모 학습은 개별 저작물의 "표현"을 이용·전시하는 것이 아니라 통계적 패턴을 추출하는 비표현적 이용에 가까우므로, 전통적 복제·전송과 동일하게 볼 수 없다. 둘째, 억 단위 데이터의 개별 라이선싱은 거래비용상 사실상 불가능하므로, 공정이용 또는 TDM 면책 같은 제도적 통로가 없으면 국내 AI 산업이 글로벌 경쟁에서 뒤처진다. 셋째, 산출물의 저작권은 인간의 창작적 기여를 기준으로 사후에 판단하면 되므로, 학습 단계를 일률적으로 금지하기보다 산출물 단계에서 침해·귀속을 가리는 것이 합리적이다. 넷째, AI가 만든 데이터가 다시 학습되는 순환이 진행되면 원천 추적 자체가 어려워지므로, 초기 국면의 입력 규제보다 산출물·표시(출처) 규율에 자원을 집중하는 편이 실효적이다.
요컨대 이 회차를 "AI 학습은 결국 허용될 것"이라는 한 방향으로만 읽는 것은 이용·산업 관점에 치우친 이해이며, 창작자 보상·통제와 산업 진흥 사이의 균형을 어떻게 설계할지가 이후 입법·판례의 핵심 과제로 남는다.