OpenAI, 유튜브 영상 무단 학습 혐의로 집단소송 당해…500만 달러 청구

인터넷상의 공개 텍스트가 바닥을 드러내자, AI 기업들은 영상 속 음성 데이터로 눈을 돌렸습니다.

결국 이 방식이 거센 법적 역풍을 맞았습니다. 8월 5일 외신에 따르면, 미국 매사추세츠주의 유튜브 크리에이터 데이비드 밀렛(David Millette)이 OpenAI를 상대로 캘리포니아 북부 연방지방법원에 집단소송을 제기했습니다. 소장에는 OpenAI가 제작자에게 알리거나 보상하지 않은 채 수백만 개의 유튜브 영상을 무단 전사(transcription)해 챗GPT 등 생성형 AI 학습에 활용했다는 주장이 담겼습니다.

원고 측 대리는 버서 앤 피셔(Bursor & Fisher) 법률사무소가 맡았습니다. 이들은 OpenAI의 행위가 저작권법을 침해했을 뿐 아니라, 플랫폼 외부 앱에서 영상을 활용하는 것을 금지한 유튜브 서비스 약관도 명백히 위반했다고 지적했습니다. 원고 측은 배심원 재판과 함께 500만 달러 이상의 손해배상을 요구하고 나섰습니다.

사장이 직접 이끈 100만 시간 영상 전사 작업

소장은 OpenAI가 동의 없이 가져간 창작자들의 데이터를 기반으로 모델을 고도화하고, 이를 유료 구독 서비스로 판매해 막대한 이익을 챙겼다고 꼬집었습니다.

AI 기업들의 유튜브 무단 학습은 공공연한 비밀이었습니다. 지난 4월 뉴욕타임스는 OpenAI가 음성인식 모델 위스퍼(Whisper)를 개발한 핵심 이유 중 하나가 영상에서 학습용 텍스트를 뽑아내기 위해서였다고 폭로한 바 있습니다. 당시 그렉 브록만(Greg Brockman) 사장이 포함된 팀이 위스퍼를 사용해 100만 시간 이상의 유튜브 영상을 전사해 GPT-4 학습에 투입했으며, 사내에서도 약관 위반 가능성이 거론되었던 것으로 알려졌습니다.

다른 테크 기업들도 사정은 비슷합니다. 지난 7월 프루프 뉴스(Proof News) 보도에 따르면 앤스로픽, 애플, 세일즈포스, 엔비디아 등이 수십만 개 유튜브 영상 자막이 포함된 '더 파일(The Pile)' 데이터셋으로 모델을 훈련했습니다. 유튜브 모회사인 구글 역시 지난해 서비스 약관을 개정해 자사 AI 학습에 사용자 데이터를 폭넓게 활용할 수 있는 길을 열어두었습니다.

데이터 고갈이 부른 무리수

빅테크들이 무리하게 영상 자막까지 긁어모은 이유는 웹상의 고품질 데이터가 고갈되고 있기 때문입니다.

오리지널리티 AI(Originality.AI) 분석에 따르면 글로벌 상위 1,000개 웹사이트 중 35% 이상이 OpenAI의 크롤러를 차단하고 있습니다. MIT 데이터 출처 프로젝트 연구에서도 주요 AI 학습 데이터셋 중 고품질 소스의 약 25%가 차단된 상태입니다. 연구 기관 에포크 AI(Epoch AI)는 이 추세라면 2026년에서 2032년 사이에 생성형 AI 학습 데이터가 완전히 바닥날 것이라고 내다봤습니다.

한편 OpenAI는 8월 벽두부터 잇단 악재에 시달리고 있습니다. 같은 날 일론 머스크 역시 OpenAI와 샘 알트먼 CEO를 상대로 영리 추구와 공갈 협박(racketeering) 혐의를 주장하며 새 소송을 제기했습니다.

왜 중요한가

개인 크리에이터들에게 이번 소송은 정당한 권리를 되찾기 위한 분수령입니다. 내가 공들여 제작한 영상과 자막이 AI 기업의 상업적 무기로 둔갑하는 현실에서, 500만 달러라는 배상액 자체보다 '무단 학습에 제동을 걸었다'는 선례가 만들어질지가 핵심입니다.

AI 업계 관점에서는 그동안 전가의 보도처럼 휘둘러 온 '공정 이용(Fair Use)' 논리가 한계에 부딪혔음을 보여줍니다. 텍스트 웹이 문을 걸어 잠그자 오디오를 텍스트로 변환해 우회 학습시킨 방식은, 법적으로 더욱 취약한 도박이었음이 드러나고 있습니다.

OpenAI가 위스퍼를 활용해 100만 시간 분량의 영상을 전사한 것은 GPT-4 출시를 앞당긴 영리한 묘수였을지 모르지만, 장기적으로는 거대한 사법 리스크를 자초했습니다. 앞으로의 AI 경쟁은 모델 크기뿐 아니라, 저작권 분쟁 없는 합법적 데이터를 얼마나 안정적으로 확보하느냐에 달렸습니다.