구글 개인정보처리방침 개정: 바드 등 AI 학습에 공개 웹 데이터 활용 명시

웹상에 공개된 글이나 데이터가 인공지능의 훈련용 데이터로 쓰이고 있다는 사실은 공공연한 비밀이었습니다. 이제 구글은 이 사실을 정책에 아예 못 박아 두기로 했습니다.

기즈모도가 처음 발견하고 7월 5일 더 버지가 보도한 바에 따르면, 구글은 개인정보처리방침을 개정했습니다. 웹에서 긁어모은 공개 데이터를 구글 번역뿐만 아니라 바드와 클라우드 AI 같은 인공지능 모델 훈련에도 활용하겠다고 명시한 것입니다.

구글 대변인 크리스타 멀둔은 번역 서비스 등을 위해 공개 웹 데이터를 언어 모델 학습에 써온 점은 이전부터 투명하게 공개해 왔다며, 이번 개정은 바드 같은 최신 서비스도 대상에 포함된다는 점을 명확히 한 것뿐이라고 밝혔습니다.

'언어 모델'에서 'AI 모델 전체'로의 확장

하지만 변경 내역을 뜯어보면 단순한 서비스 추가 이상의 의미가 숨어 있습니다.

구글은 수집된 정보를 활용하는 대상을 기존의 '언어 모델'에서 'AI 모델'로 수정했습니다. 이 단어 하나를 바꿈으로써, 대형 언어 모델뿐 아니라 구글이 개발하는 거의 모든 인공지능 시스템에 공개 데이터를 투입할 수 있는 명분을 확보한 셈입니다.

흥미로운 점은 이런 중요한 변경 사항이 전면에 드러나 있지 않고, 개인정보처리방침 내 지역 정보 탭 아래에 숨겨진 공개 출처 링크 속에 묻혀 있었다는 점입니다.

더 큰 쟁점은 저작권입니다. 공개 데이터를 사용한다고 선언했을 뿐, 저작권 보호를 받는 콘텐츠를 어떻게 걸러낼 것인지에 대해서는 아무런 설명이 없습니다. 수많은 웹사이트가 AI 학습 목적의 크롤링을 금지하고 있으며, 유럽의 GDPR처럼 동의 없는 데이터 활용을 엄격히 규제하는 법안들과의 충돌도 불가피합니다.

데이터 쟁탈전과 높아지는 장벽

현재 생성형 AI 업계는 저작권과 공정이용을 둘러싼 거대한 법적 회색지대에 놓여 있습니다.

오픈AI가 GPT-4 훈련 데이터에 소셜 미디어 게시물이나 저작권 작품이 포함되었는지를 두고 극도로 말을 아끼는 것도 이 때문입니다. 미국 최대 신문 발행사인 가넷은 구글을 상대로 반독점 소송을 제기했고, 구글의 AI 검색 기능은 웹사이트 트래픽을 말려 죽이는 '표절 엔진'이라는 거센 비판을 받고 있습니다.

공개 데이터의 보고인 플랫폼들도 방어벽을 치기 시작했습니다. 트위터와 레딧은 외부 기업들의 무단 데이터 수집을 막겠다며 API 접근을 제한하고 차단 조치를 취했으나, 이로 인해 기존 커뮤니티의 거센 반발을 샀습니다.

화려한 AI 기술 뒤편에서 위험한 데이터를 걸러내는 데이터 라벨링 노동자들의 열악한 근무 환경 역시 지속적인 문제로 지적되고 있습니다.

왜 중요한가

일반 이용자와 창작자 입장에서 보면, 인터넷에 무심코 남긴 글과 기록이 빅테크의 AI 성능을 높이는 무료 원료로 직행하게 되었습니다. 별도의 보상이나 통제권 없이 자신의 창작물이 AI 답변으로 가공되는 셈입니다.

산업적 측면에서 구글의 이번 행보는 데이터 확보전에서 강력한 우위를 점하려는 영리한 조치입니다. 수십 년간 축적한 검색 크롤러 인프라를 바탕으로, 공개 웹 전체를 합법적인 훈련장으로 삼겠다는 의도를 분명히 드러냈습니다.

하지만 우리는 이 방식이 결국 개방형 웹 생태계를 파괴하는 부메랑이 될 것이라고 봅니다. 콘텐츠를 무단으로 빼앗기지 않으려는 플랫폼과 웹사이트들이 폐쇄적인 유료 장벽을 세우면서, 인터넷은 갈수록 파편화되고 있습니다. 생성형 AI를 탄생시켰던 자유롭고 공유 가능한 웹이, 정작 AI의 과도한 데이터 갈증 탓에 문을 닫아걸고 있습니다.