대형 출판사 5곳, 메타 집단소송…‘라마 학습에 불법 복제 서적 사용’

대학 미적분학 교재에서 두 문장을 골라 AI에게 입력하자, AI가 해당 단원의 다음 내용을 토씨 하나 틀리지 않고 그대로 읊어대기 시작했습니다.

출판사들의 눈에 이것은 혁신적인 기술이 아니라 명백한 지식재산권 침해였습니다. 맥밀런, 맥그로힐, 엘스비어, 아셰트, 센게이지 등 5대 글로벌 출판사와 작가 스콧 터로는 Meta를 상대로 역사상 가장 대규모의 저작권 침해를 저질렀다며 집단소송을 제기했습니다.

해적판 사이트를 AI 학습 교재로 삼은 대가

출판사들은 소장에서 Meta가 Llama 모델을 훈련시키는 과정에서 저작권 침해물을 고의로 무단 복제했다고 강하게 비판했습니다.

소장에 따르면 Meta는 LibGen, Anna’s Archive, Sci-Hub, Sci-Mag 등 악명 높은 불법 해적판 사이트에서 저작권이 있는 도서와 학술 논문을 대거 내려받아 AI 훈련 데이터로 주입했습니다. 또한 Meta가 활용한 Common Crawl 데이터셋 역시 무단 복제된 저작물로 가득 차 있었다고 지적했습니다.

그 결과 Llama는 원본 텍스트를 그대로 베껴 출력하는 수준에 이르렀습니다. 대표적인 예로 센게이지의 베스트셀러 교재인 제임스 스튜어트의 미적분학 9판 본문에서 짧은 두 문장을 입력하자, Llama는 곧바로 뒤이어 나오는 단락을 단어 하나 바꾸지 않고 복제해 냈습니다.

내부 논란의 유출과 앤스로픽의 합의 선례

Meta가 학습 데이터 출처 문제로 법정에 선 것은 이번이 처음이 아닙니다.

앞서 다른 작가들이 제기한 소송에서는 Meta 내부 직원들이 해적판 데이터셋 사용 의혹에 대한 언론 대응을 논의했던 내부 대화가 공개되기도 했습니다. 지난해 연방 판사가 한 소송에서 Meta의 손을 들어주면서도, Meta의 저작물 학습이 전적으로 적법하다는 뜻은 아니라고 선을 그은 이유입니다.

출판사들의 이번 공세 뒤에는 Anthropic의 선례가 자리 잡고 있습니다. 합법적으로 구매한 도서의 AI 학습은 공정이용으로 볼 수 있지만, 수백만 권의 해적판 도서를 학습에 쓴 혐의는 인정되어 결국 Anthropic이 지난해 15억 달러의 합의금을 물어주기로 합의한 바 있습니다.

이번 소송에서 원고 측은 손해배상과 침해 행위 중단은 물론, Llama 훈련에 쓰인 모든 서적과 논문의 전체 목록을 법원에 제출할 것을 요구하고 있습니다. Meta 대변인 데이브 아놀드는 AI 훈련이 공정이용에 해당할 수 있다는 판례가 있다며 소송에 적극 맞서겠다는 입장을 밝혔습니다.

왜 중요한가

이번 소송은 AI 업계가 방패처럼 써온 공정이용 논리의 한계를 시험하는 분수령이 될 것으로 보입니다.

지금까지 AI 개발사들은 원본을 복제하는 것이 아니라 패턴을 학습하는 것이므로 공정이용에 해당한다고 주장해 왔습니다. 하지만 AI가 교재 본문을 글자 그대로 출력해 버리고, 그 출처가 공인된 해적판 사이트라는 점이 확인된다면 법정에서 기존 방어 논리는 힘을 잃기 쉽습니다.

특히 Llama 기반 모델을 활용해 상용 서비스를 구축하려는 기업과 개발자들에게도 적지 않은 부담입니다. 훈련 데이터의 위법성이 인정되면 파생 모델의 라이선스 안전성까지 흔들릴 수 있기 때문입니다.

우리는 Meta에게 가장 치명적인 지점이 배상금 액수보다 학습 데이터 목록의 공개 명령이라고 봅니다. 합법적 라이선스 계약 없이 해적판 데이터를 무단 수집해 모델을 만들던 관행이 막히면, 향후 고성능 모델 개발에 들어가는 비용과 데이터 수급 방식은 완전히 재편될 수밖에 없습니다.