[태그:] AI 학습 데이터

  • AI 크롤링 옵트아웃, 공통 정책 토큰의 가능성과 남은 과제

    AI 크롤링 옵트아웃, 공통 정책 토큰의 가능성과 남은 과제

    OpenAI, Google, Microsoft, Anthropic이 AI 크롤링 옵트아웃을 위한 공통 표준을 채택하겠다고 선언하면서, 발행사와 AI 회사 사이의 데이터 이용 규칙이 한 단계 구체화될 가능성이 커졌다. 게시물러는 여러 회사의 AI 학습 선호를 한곳에서 관리할 수 있는 ‘정책 토큰’이 통합 신호 역할을 할 것으로 주목한다. AI 크롤링 옵트아웃의 실효성은 공통 선언뿐 아니라 각 제공업체가 이를 실제로 얼마나 강하게 적용하느냐에 달렸다.

    robots.txt에 삽입되는 공통 신호

    제안된 정책 토큰은 웹사이트의 robots.txt 파일 안에 배치되는 방식이다. robots.txt는 지금까지 검색 색인, 아카이빙, AI 학습을 포함한 웹 크롤러의 접근 범위를 표시하는 자리로 활용됐다. AI 학습을 허용하거나 제한하는 선택을 회사별로 반복해 전달하는 대신, 하나의 공통 신호로 여러 제공업체에 선호 사항을 통지할 수 있다는 점이 핵심이다.

    Microsoft는 AI 학습과 AI grounding을 각각 선택적으로 거부할 수 있는 세분화된 통제를 제공하므로, 이를 완전히 다른 방식으로 이해할 필요가 있다. AI grounding은 검증된 정보원에 AI 모델을 연결해 환각을 줄이는 절차다. Microsoft의 제어 기능과 관계없이 웹사이트는 Bing 검색 결과에는 계속 노출될 것이다. Google도 AI 검색 기능에 콘텐츠가 표시되는지, AI 학습에 활용되는지를 검색 노출과 분리해 관리하는 유사한 제어를 이미 도입했다.

    선언과 실제 차단 사이의 간극

    공통 정책 토큰은 합의된 도구지만 그 자체가 벽이 되지는 않는다. OpenAI, Google, Microsoft, Anthropic은 사이트에서 정책 토큰을 발견할 경우 AI 크롤러의 접근을 제한하겠다고 밝혔다. 실제 차단 수준과 정책의 세분화 정도는 제공업체가 결정할 영역이며, 통합 신호를 지원한다고 표준을 채택했다는 사실만으로 동일 수준의 강제력이 보장되지는 않는다.

    업계의 대응은 이미 여러 갈래로 나뉘어 있다. Really Simple Licensing은 방문하는 크롤러에 과금을 요구할 수 있게 하는 표준을 제공하고, Cloudflare는 AI 크롤러를 기본적으로 차단한다. 정책 토큰은 이용 제한과 과금, 기본 차단 사이의 선택지를 하나로 수렴시키는 대신 여러 제어 방식의 공통된 연결 신호로 기능하는 데 가깝다.

    지원 시점과 실행 책임

    도입 일정은 제공업체마다 다르다. Anthropic은 이미 새 신호를 도입했고, Google과 Microsoft는 다음 해 지원할 계획이다. OpenAI는 앞으로 몇개월 안에 구현하겠다고 밝혔다. Meta communications head Andy Stone은 지원 의사만 밝혔고 회사가 정책 토큰을 실제로 따를지는 밝히지 않았다.

    Andy Stone은 여러 제공업체에 선호를 한 번에 전달하는 공통 신호가 중요한 단계라고 말했다. 그는 다른 AI 회사와 함께 기준을 마련하고 업계 전반에 구현하는 일을 기대한다고 말했다. 이 구호가 공통 신호의 운영 거동, 예외 처리, 정책 변경 전파 방식까지 정해 준 것은 아니다.

    AI 크롤링 옵트아웃의 다음 단계는 토큰 자체보다 실행 책임에 달려 있다. 분기별 제어 기능과 검색 노출 정책을 구분하는 Microsoft, AI 검색 기능과 학습을 분리해 관리하는 Google, 다음 해 도입을 계획한 Anthropic과 Microsoft의 사례는 통합 신호 뒤에도 제공업체별 해석이 남는다는 점을 보여준다. 발행사는 공통 선호 사항을 표현할 수 있게 됐지만, 실제 차단 효과는 각 회사가 규칙을 어떻게 적용하느냐를 지켜봐야 확인할 수 있다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: The Verge — The biggest names in AI are backing a new way to opt out of scraping

  • AI 학습 데이터, ‘저장’과 ‘학습’ 구분해 통제하라

    AI 학습 데이터, ‘저장’과 ‘학습’ 구분해 통제하라

    기업의 외부 생성형 AI 도입 과정에서 가장 큰 오해는 입력 데이터가 ‘저장되는가’와 ‘학습되는가’를 같은 문제로 취급하는 데 있다. 두 방식은 보안 위험과 통제 수단이 다르며, AI 학습 데이터가 모델에 반영되면 원본을 삭제한 뒤에도 의도치 않은 노출 가능성을 완전히 배제하기 어렵다.

    이를 대응하려면 서비스의 약관만 읽는 데서 멈추지 않고, 계약과 기술적·정책적 설정을 통해 학습 활용 여부와 데이터의 저장·로그·삭제 범위를 함께 검증해야 한다.

    저장과 학습, 동일한 위험으로 볼 수 없다

    저장된 데이터는 침해나 권한이 없는 제3자 노출에 노출될 수 있지만, 기업용 AI 서비스에서는 계약과 관리 설정으로 접근 범위, 보존 기간, 삭제 정책을 일정 부분 통제할 수 있다. 학습은 다른 차원의 위험을 만든다. 데이터가 학습 과정에 반영된 뒤에는 원본 삭제만으로 영향이 완전히 되돌려지지 않을 수 있으며, 향후 출력이나 내부 표현을 통해 민감정보와 기밀정보가 드러날 가능성도 남아 있다.

    따라서 핵심 질문은 ‘데이터가 저장되는가’뿐 아니라 ‘저장된 데이터를 모델 학습에 쓰지 않는다는 것을 계약과 설정으로 확인할 수 있는가’까지 확장된다.

    주요 서비스의 데이터 처리 정책은 제각각

    개인용 서비스는 기능 이름만으로도 데이터 활용 범위를 오해하기 쉽다. ChatGPT의 ‘모두를 위한 모델 개선’ 기능이 활성화된 상태에서는 연구·업무·개인 데이터의 대화가 모델 개선과 학습에 활용될 수 있다. Claude Free·Pro·Max는 가입·이용 과정에서 데이터 활용 여부를 선택할 수 있지만, 기본적으로 체크된 Opt-Out 방식이므로 별도로 변경하지 않으면 대화와 코딩 세션이 모델 개선에 활용될 수 있다. Gemini는 ‘활동 기록 보관’ 설정으로 관련 활용 여부를 관리한다.

    서비스 관련 설정 또는 방식 확인할 데이터 활용 위험
    ChatGPT ‘모두를 위한 모델 개선’ 비활성화하지 않으면 대화가 모델 개선과 학습에 활용될 수 있음
    Claude 기본 체크된 Opt-Out 방식 별도로 변경하지 않으면 대화와 코딩 세션이 모델 개선에 활용될 수 있음
    Gemini ‘활동 기록 보관’ 기록 보관 설정을 통해 데이터 활용 여부를 관리함

    회사가 직원 개인 계정의 구독료를 지원하는 경우에도 통제권이 자동으로 확보되지는 않는다. 별도 보안 통제 없이 업무 정보를 입력하면 회사의 내부 정보가 제공업체로 전송·저장되고, 서비스 정책에 따라 학습에 활용될 수 있다.

    도입 전 계약과 설정을 함께 검증한다

    기업은 내부 데이터가 외부 서비스의 학습이나 모델 개선에 사용되지 않도록 해야 하며, 단순히 학습 금지가 확인됐다는 이유로 저장 위험을 놓쳐서는 안 된다. 가장 선호하는 저장 방식은 ZDR(Zero Data Retention)이다. ZDR은 요청 처리에 필요한 범위를 넘어 프롬프트와 이미지 등을 보관하거나 별도로 로깅하지 않고 모델 학습에도 활용하지 않도록 제한하는 정책 또는 계약 조건으로 설명된다.

    다만 ZDR은 모든 서비스와 요금제에서 기본 제공되지 않으며, 최상위 Plan인 Enterprise 계약에서도 한정적으로 제공되는 경우가 많다. 실무 점검에서는 학습 금지 여부뿐 아니라 실제 저장 여부, 보존 기간, 로그 관리 범위, 삭제 정책을 함께 확인해야 한다.

    RAG 보안은 전체 데이터 흐름을 따라간다

    검색증강생성(RAG) 환경에서도 내부 테넌트나 전용 계정만으로 모든 위험이 해소되지는 않는다. 암호화 여부, 저장 리전(Region), 개인정보·민감정보 필터링, 보존·삭제 정책, SLA, 접근권한, 개인정보 국외이동 여부를 함께 검토해야 한다.

    내부 문서가 벡터 데이터베이스나 외부 AI 서비스로 전달되는 구조라면 저장 위치, 접근 주체, 삭제 시점을 전체 흐름에서 관리해야 한다. 기업 AI 보안의 출발점은 입력 데이터의 저장 여부를 넘어, AI 학습 데이터가 남는 범위와 목적을 계약과 설정으로 검증하는 데 있다. 보안뉴스의 원문 분석도 이 통제 기준을 조명한다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: 보안뉴스 — [한국정보공학기술사 보안을 論하다–50] AI 학습에 대한 오해와 진실

  • 오픈AI 저작권 소송 5번째 강자 — 시애틀 타임스·뉴스데이가 꺼낸 ‘모델 파기’ 카드

    오픈AI 저작권 소송 5번째 강자 — 시애틀 타임스·뉴스데이가 꺼낸 ‘모델 파기’ 카드

    핵심 요약

    • 시애틀 타임스와 뉴스데이가 오픈AI와 마이크로소프트를 공동 피고로 저작권 침해 소송을 제기했다.
    • 두 매체는 자사의 저널리즘 콘텐츠가 AI 모델 학습 데이터로 동의 없이 사용되었으며, 사용자 질의에 자사 보도의 문장이 그대로 재생되는 경우가 있다고 주장한다.
    • 마이크로소프트가 피고에 포함된 이유는 코파일럿이 오픈AI 기술을 기반으로 운영되기 때문으로, 두 매체는 코파일럿이 자사 저작물을 활용하는 경로로 작용한다고 보고 있다.

    분석

    목차

    오픈AI 저작권 소송에 새로운 원고가 나란히 합류했다. 시애틀 타임스와 뉴스데이가 2026년 9월 오픈AI와 마이크로소프트를 공동 피고로 뉴욕 남부 연방 지방법원에 소송을 제기했다.

    두 매체는 자사 저널리즘 콘텐츠가 AI 모델 학습에 동의 없이 쓰였다는 점을 1차 쟁점으로 들었다. 더 강한 조치는 구제 요청이다. 원고 측은 손해배상에 그치지 않고 자사 저작물로 학습된 AI 모델과 그 사본의 파기를 요구했다. 이 오픈AI 저작권 소송의 핵심은 협상 테이블 위에 라이선스 카드를 올려놓은 형태라는 점이다. 모델 자체의 무효화를 노리는 청구다.

    무엇을 문제 삼고 있나

    원고 측 입장은 두 축으로 정리된다. 첫째는 학습 단계의 무단 사용이다. 두 매체는 오픈AI가 자사의 수십 년치 기사를 라이선스 없이 흡수했다고 본다. 둘째는 출력 단계의 실질적 재생산이다. 챗GPT가 특정 사건 질문에 출처 표기 없이 시애틀 타임스·뉴스데이 문장을 거의 그대로 돌려준 사례가 있다는 게 주장의 뼈대다.

    실무자 입장에서 눈에 띄는 건 ‘출력 단계’를 명시적 침해 근거로 끌어올린 점이다. 학습 단계 fair use 논쟁만으로 결론이 안 나기에, 결과물에서 자기 저작물을 식별할 수 있다는 사실을 적극 활용하겠다는 전략이다.

    왜 마이크로소프트까지 피고석에

    마이크로소프트가 같이 묶인 이유는 단순하지 않다. 코파일럿은 오픈AI 모델을 기반으로 작동한다. 두 매체는 코파일럿이 자사 저작물을 도달시키는 ‘경로’라고 규정했다. 오픈AI 단독으로는 부족하다는 판단이다.

    이 논리가 받아들여지면 외부 모델을 API로 연동해 서비스를 만드는 모든 업체가 저작권 책임에서 자유롭지 못하다. 협업 모델의 책임 분담을 그릴 첫 번째 시험대가 이 오픈AI 저작권 소송이 될 가능성이 크다.

    오픈AI 저작권 소송 물결의 지도

    최근 1년 사이 미디어·출판사 vs AI의 충돌은 가속화됐다. 주요 사건을 시간순으로 정리하면 다음 표와 같다.

    원고 피고 제기 시점 핵심 쟁점
    뉴욕타임즈 오픈AI·MS 2023년 12월 기사 문장 거의 그대로 재생산
    지프 데이비스 오픈AI 2025년 상반기 기술 매체 콘텐츠 학습
    메리엄-웹스터 오픈AI 2025년 사전 정의문 학습
    브리태니커 오픈AI 2025년 백과 콘텐츠 학습
    시애틀 타임스·뉴스데이 오픈AI·MS 2026년 9월 모델 파기까지 청구

    표에서 한 가지 패턴이 보인다. 후행 사건일수록 청구 강도가 세진다는 점이다. 손해배상 단독에서 모델 파기로, 단일 피고에서 오픈AI·MS 동시 피고로 흐름이 이동했다.

    2026년 8월에는 미국 내 약 400개 지역 신문사들이 두 회사를 상대로 집단 소송을 제기했다. 챗봇이 뉴스 답변을 직접 처리해 사이트 방문과 구독 수익을 잠식한다는 산업적 손해가 핵심이었다. 이번 오픈AI 저작권 소송은 그 흐름 위에 올라탄 셈이다.

    뉴스 산업이 흔들리는 구조적 이유

    이 일련의 오픈AI 저작권 소송을 단순 권리 다툼으로만 보기엔 무게가 크다. 미국 지역 신문사는 2005년 이후 광고 매출이 절반 이하로 떨어졌고, 디지털 구독으로 메우지 못한 격차가 누적됐다. 그 빈 공간을 AI가 검색 요약 형태로 채우기 시작했다. 클릭 한 번 없이 답을 얻는 사용자가 늘수록 매체는 유입 통로 자체를 잃는다.

    원고 측이 “챗봇이 우리 기사를 읽고 우리 독자에게 다시 팔고 있다”고 표현한 건 이런 맥락이다. 직접 복제뿐 아니라 매개에 의한 침해 논리를 정면으로 세운 것이다.

    남은 쟁점과 시나리오

    필자는 이 사건의 결과를 가르는 변수가 fair use 인정 범위보다 ‘모델 파기 구제의 실현 가능성’이라고 본다. 이미 배포된 가중치에서 특정 매체 데이터의 흔적만 역추적해 솎아내기란 기술적으로도, 절차적으로도 녹록치 않다. 법원이 이 구제를 받아들일지는 미지수다. 반대로 기각되면 오픈AI는 학습 데이터 출처 공개 요건 같은 후속 압박을 피할 수 있다.

    합의 시나리오라면 라이선스 계약 형태로 귀결될 가능성이 높다. 오픈AI가 뉴스 콘텐츠에 대해 정식 라이선스를 매체와 체결하고, 그 대가로 사용 내역을 공개하는 구조다. 이미 일부 매체와는 시범 협상이 진행 중인 것으로 알려진 가운데, 이번 오픈AI 저작권 소송이 그 속도를 재촉할지 주목된다.

    쟁점 정리

    • 학습 단계의 무단 수집 여부와 fair use 적용 가능성이 첫 번째 쟁점이다.
    • 출력 단계에서 기사 문장이 실질적으로 재생산됐는지, 즉 ‘사실적 대체’ 입증이 두 번째 쟁점이다.
    • 코파일럿 등 외부 모델 연동 서비스의 저작권 책임 범위가 세 번째 쟁점이다.
    • 모델 파기 구제의 실현 가능성과 파급력이 네 번째 쟁점이다.

    지금 바로 해볼 것

    • 자사 매체 기사가 AI 학습에 쓰이지 않도록 robots.txt에 GPTBot, CCBot 등 AI 크롤러 차단 규칙을 명시적으로 추가한다.
    • 오픈AI·앤스로픽·구글 등 AI 기업에 콘텐츠 라이선스 제안을 보내고, 회신과 거절 사유를 문서로 남긴다.
    • 기사의 메타데이터에 출처·작성자·발행일을 구조화해 표시하고, AI가 원작자를 식별할 단서를 강화한다.
    • 구독·유입 통계에서 챗봇 유입 비율을 주 단위로 추적해 감소 추이를 기록한다.
    • 로펌과 함께 매개 침해 주장에 쓸 수 있는 출력 비교 증거(스크린샷, 프롬프트, 응답)를 미리 수집한다.

    자주 묻는 질문

    시애틀 타임스와 뉴스데이가 정확히 무엇을 요구하나요?

    두 매체는 오픈AI와 마이크로소프트가 자사 저작물을 학습에 무단 사용하고 챗봇·코파일럿 응답으로 재생산했다고 주장하며, 손해배상과 함께 해당 모델 및 사본의 파기를 청구했습니다.

    왜 마이크로소프트가 피고에 포함되나요?

    코파일럿이 오픈AI 모델을 기반으로 작동하기 때문입니다. 두 매체는 코파일럿이 자사 저작물이 도달하는 경로라며, 오픈AI 단독 책임으로는 부족하다는 입장입니다.

    오픈AI 저작권 소송은 이번이 처음인가요?

    아닙니다. 2023년 뉴욕타임즈 소송 이후 지프 데이비스, 메리엄-웹스터, 백과사전 브리태니커까지 동종 소송이 이어졌고, 2026년 9월 시애틀 타임스·뉴스데이 소송이 추가되며 물결이 커지고 있습니다.

    모델 파기 구제는 실제로 가능한가요?

    기술적으로 가중치에서 특정 데이터의 영향만 솎아내는 것은 매우 어렵고, 이미 배포된 모델의 사본까지 회수하기는 현실적 제약이 큽니다. 법원이 이 구제를 받아들일지는 미지수입니다.

    이 분석은 The Verge의 원문 보도에 기반해 작성했다.

    참고 원문

    이 기사는 다음 원문을 확인해 작성했습니다: The Verge — Seattle Times and Newsday sue OpenAI and Microsoft for infringement