인간의 지적 재산권 보호, 인공지능 데이터 수집 문제

-AI 데이터 수집 남용이 초래한 피해

-臺 디지털부, ‘AI 생성 이미지 표시, 인터넷 크롤러 가이드라인 제정 예고’

-2026.03.28.(토)-주간시사-

-AI 크롤러 데이터 수집이란 웹에서 자동으로 페이지를 방문하여 텍스트, 이미지, 메타데이터 등을 수집하여 LLM-대형 언어 모델 학습 데이터나 시장조사 데이터베이스로 활용하는 방식을 뜻함.

-메타데이터란 다른 데이터에 대한 정보를 제공하는 데이터로 데이터의 내용 자체가 아닌, 그 데이터가 무엇인지, 그리고 어떻게 구성되었는지, 누가 만들었는지 등을 설명하여 검색과 식별 그리고 관리를 돕는 것으로, 문서의 경우 작성자와 수정일시 및 파일의 크기와 같은 정보, 사진의 경우 촬영한 날짜와 위치 그리고 해상도와 같은 정보를 지칭함.

인공지능(AI)은 우리와 공존하고 있다. 인공지능이 편리성과 산업 혁신의 기회를 가져다 주기는 하나, 논란도 일으키고 있다. 중화민국 디지털발전부 디지털전략사(국) 사장(국장) 차이서우취안(蔡壽洤, 이하 약칭 ‘차이 국장’)은 AI 생성 콘텐츠와 딥페이크 이미지 표시, 웹 크롤링 이슈에 대해 가이드라인을 제정할 예정이며, 상반기에는 전문가, 학자, 협회 등 이해관계자들과 먼저 소통하고, 연말까지 거버넌스 개념이나 초기 구조를 제시할 계획이라고 지난 3월12일 밝혔다.

AI 거버넌스와 관련해 차이 국장은 디지털발전부가 ‘쌍축(雙軸, 이중 축)’ 전략을 병행하고 있다고 설명했다.

우선 AI 위험 분류 프레임워크를 제정하여 각 부처가 AI 적용 시나리오를 점검하고, 위험을 식별ㆍ평가ㆍ대응하도록 지원하며, 해당 초안은 이번 달(3월) 말까지 행정원에 제출할 예정이며, 노동부, 금융감독위원회, 위생복리부(보건복지부), 교육부와 이미 교류를 진행하여, 민생 관련 부처들과의 논의를 우선시하였음을 밝혔다. 이어서 두 번째 축은 핵심 이슈에 집중하는 것으로써 AI 기본법은 지속가능 발전과 복지ㆍ 인간의 자율성ㆍ 개인정보 보호 및 데이터 거버넌스ㆍ 정보보안과 안전ㆍ 투명성과 설명 가능성ㆍ 공정성과 비차별ㆍ 책임성 등 AI 발전을 위한 7대 원칙을 제시하고 있다고 차이 국장은 설명했다. 이 원칙에 따라 디지털발전부는 사회적 영향이 크고, 기존 법체계가 명확히 대응하지 못하며, 실제 추진이 가능한 이슈를 우선 대응할 계획이며, 현재 AI 생성 콘텐츠 및 딥페이크 이미지 표시, 웹 크롤링을 주요 대상으로 선정하고 각각 가이드라인을 마련할 예정이다. 

AI 생성 콘텐츠와 딥페이크 이미지 표시와 관련해 그는 콘텐츠 출처의 투명성과 식별 가능성을 높여 공공 신뢰와 사회 안전에 대한 위험을 줄이는 것이 목표라고 밝혔다. 예를 들어 플랫폼과 업계가 필요한 표시나 출처 투명성 조치를 도입하도록 장려하고, 이해 가능하고 실행 가능한 실무 방안을 마련해 국민의 인지와 식별 능력을 높일 계획이다. 

또한 추진 과정에서 AI 생태계의 개발자와 배포자, 미디어, 플랫폼, 창작자, 시민 단체 등 사회 각계와의 소통을 중시할 것이며, 표시 조치의 실질적 적용을 촉진하고 대중이 그 의미를 이해하도록 해 오해와 갈등을 줄이고자 한다고 밝혔다. 

웹 크롤링과 관련해 차이 국장은 AI 학습과 서비스에 대량의 데이터가 필요하며, 자동화된 접근과 크롤링이 일반적인 데이터 수집 방식이 되었다고 설명했다. 그러나 AI 학습 및 데이터 활용 상황에서 ‘공정 이용’ 등의 법적 기준과 실무적 경계가 여전히 논란이 많아 콘텐츠 제공자와 AI 개발·활용 측 간 충돌과 불확실성을 초래하고 있어, 질서 있는 방향을 마련할 필요가 있다고 지적했다. 

그는 디지털발전부가 주요 국가의 법제 동향과 거버넌스 사례를 수집해 정책 참고로 삼고, 동시에 이해관계자와의 소통을 중시하여 데이터 활용과 권리 보호 간 균형을 이루도록 지원할 것이라고 덧붙였다. 또한 초기 AI 거버넌스는 단계적으로 추진될 것이며, 상반기에는 전문가, 학자, 협회 등 이해관계자들과 먼저 소통하고 메타(Meta), 구글(Google), 오픈AI(OpenAI) 등 기업들도 논의에 초청할 예정이라고 밝혔다.

지금은 인공지능시대이다. 처음에는 인공지능이 인간을 대체하지 않을까 하는 걱정이 앞서지만 전문가들을 취재하면서 ‘인공지능은 인간을 대체할 수 없으나, 인공지능을 사용하지 않는 사람은 사용자에 의해서 대체된다’라는 말을 듣고, 이에 필자도 공감했다. 각 세대별 인공지능 이용의 정도가 다를 터인데, 필자의 경우 주변 사람들 모두 인공지능 번역기를 돌리는 것을 알고 충격을 받았다. 필자가 얼마나 이 시대 흐름을 못 따라가며 뒤떨어져 있는가를 인식하게 되었다.

인공지능은 당연히 번역 기능만 있는 게 아니다. 특히 AI 크롤러 데이터 수집을 통한 정보 수집은 예전의 그 무엇보다 더 능률적이고 규모도 방대하다는 걸 필자는 실감하고 있다. 하지만 인공지능의 데이터 수집은 본래 비영리 디지털 도서관 격인 인터넷 아카이브의 곤텐츠를 수집해 가면서 각 인공지능 기업들이 이용한다는 점은 이게 맞는 것인지 의구심을 낳게 한다.

인터넷 아카이브는 비영리 운영 체계로 원래 만들어진 목적은 인터넷 콘텐츠를 보존하기 위한 것이었다. 그래서 공공 디지털 아카이브 서비스를 제공하고 있다. 그런데 인공지능 봇들이 모델 학습용 데이터를 확보하기 위하여 인터넷 아카이브가 처음부터 자유 접근권을 사용자에게 제공한다는 취지는 지금 일부 뉴스 출판업계에게는 잠재적인 위협이 될 수 있다는 걸 발견하였다.

즉 인공지능 기업들이 인터넷 아카이브의 자유로운 접근 사용이 가능함에 따라 이들 기업들의 콘텐츠 스크래핑하기가 쉽다는 것이다. 영국 유력 일간지 ‘더 가디언’의 비즈니스 라이선싱 부문 책임자(로버트 한)는 자사 콘텐츠의 수집자를 확인한 결과 인터넷 아카이브 크롤러가 자주 방문한 것으로 나타났다며, 그래서 인터넷 아카이브의 애플리케이션 프로그래밍 인터페이스, 즉 컴퓨터(또는 컴퓨터 프로그램) 사이의 연결을 의미하는 API에서 자사 데이터를 배제시켰고, 아울러 웨이백 머신(인터넷 아카이브가 설립한 월드 와이드 웹(www)의 디지털 아카이브) URL(Uniform Resource Location.웹에서 HTML페이지, CSS문서, 이미지 등 리소스의 위치를 나타내는 주소) 인터페이스에서도 기사 페이지를 필터링하는 등의 구체적 조치를 이미 취했다고 밝혔다.

가디언이 이러한 조치를 취한 데에는 인공지능이 그들의 데이터를 인터넷 아카이브를 통해 사용하고 있기 때문이다. 즉 수많은 인공지능 기업들이 바로 사용할 수 있는 구조화된 콘텐츠 데이터베이스를 찾고 있는데, 인터넷 아카이브의 API는 이들 인공지능 기업들이 시스템을 연결하여 지식재산을 흡수하기에는 매우 이상적인 장소라는 것이다.

영국 ‘파이낸셜 타임스’에서도 콘텐츠 수집 봇을 차단하는 조치를 취했다. 이중에는 오픈AI(미국 비영리 인공지능 개발기업) ㆍ앤스로픽(Anthropic, 미국의 생성형 인공지능 서비스 개발기업)ㆍ 퍼플렉시티(Perplexity, 미국 AI 개발기업) ㆍ인터넷 아카이브 봇 등이 포함되어 있다.

미국 ‘뉴욕 타임스’도 인터넷 아카이브 크롤러를 적극적으로 차단하고 있다. 심지어 작년(2025)말에 아카이브.org_봇을 로봇.txt에 추가하여 접근을 금지하였다. 이러한 강력 조치를 취한 데 대해서 뉴욕 타임스 측은 ‘인간 중심의 저널리즘 가치를 지키고, 지식재산이 합법적으로 사용되도록 하기 위한 것’이라고 밝혔다.

이 외에도 ‘워싱턴 포스트’, ‘오늘의 미국(USA Today), 프랑스의 ‘르 몽드’ 등 유수의 언론사들이 지금 무단 수집과 복제를 차단하는 조치를 취했다.

원래 좋은 취지에서 출발한 인터넷 아카이브가 수많은 인공지능 기업들에게 이용 당함에 따라 이제는 대형 언어 모델(LLM)에 대한 반감이 차츰 드러난 것 같다. -白兆美 원고ㆍ보도: 백조미