내부 문서엔 ‘절도’라 썼습니다

3년째 이어지는 소송의 서류 한 묶음이 풀렸습니다. 지금까지 검게 칠해져 있던 문장들이 드러났고, 그 안에는 AI를 만든 회사들이 스스로 무엇을 하고 있다고 생각했는지가 적혀 있었습니다. 경쟁사의 비난이 아니라, 파트너사 임원이 내부 문서에 남긴 표현이라는 점에서 무게가 다릅니다. 이 문서가 한국 기업에 던지는 질문은 “누가 이기느냐”가 아닙니다. “우리 회사가 쓰는 AI의 데이터는 어디서 왔고, 문제가 생기면 누가 책임지느냐”입니다.

봉인이 풀린 문서에 적힌 단어

“전례 없는 규모의 절도”

공개된 내용의 출처는 2023년 1월 마이크로소프트 응용과학 디렉터 브렌트 헤크트가 작성한 내부 메모입니다. 그는 학습 데이터 확보 관행을 “전례 없는 규모의 놀라운 절도”이자 “인류 역사상 최대의 노동 절도”라고 적었습니다. 오픈AI 쪽 기록도 함께 나왔습니다. 챗GPT 책임자 닉 털리는 내부 커뮤니케이션에서 퍼블리셔들이 이 제품으로 인해 “실존적 위협”에 직면했으며 챗봇이 원문을 “상당 부분 대체하고 있고, 성능이 좋아질수록 더 대체적이 될 것”이라고 썼습니다.

한 가지 단서는 달아야 합니다. 이번에 드러난 문장 대부분은 뉴욕타임스 측 서면에서 인용된 것이고, 원본 증거자료 자체는 여전히 봉인돼 있습니다. 맥락이 잘린 인용일 가능성을 배제할 수 없다는 뜻입니다. 다만 인용된 문서가 상대방이 아니라 피고 측 내부에서 나왔다는 사실은 변하지 않습니다.

91,692건, 그리고 200만 건

규모도 처음으로 수치화됐습니다. 서면에 따르면 오픈AI의 중간 학습 데이터셋에만 뉴욕타임스·데일리뉴스·탐사보도센터가 발행한 저작물 사본이 9만 1,692건 이상 들어 있었습니다. 커먼크롤에서 파생된 데이터셋 하나에는 nytimes.com 문서만 200만 건 이상이 포함됐습니다. 두 회사가 ‘프로젝트 택시’, ‘프로젝트 망고’라는 이름으로 서로 학습 데이터를 주고받았고, 망고 데이터셋에는 뉴스 퍼블리셔의 고유 저작물이 최소 16만 903건 담겼다는 내용도 있습니다.

수집 방식에 관한 대목은 더 구체적입니다. 오픈AI 연구원이 “뉴욕타임스 페이월을 우회하는 방법”을 언급하자 그렉 브록만 사장이 “좋네”라고 답한 메시지, 그리고 모델이 사용자에게 저작권 고지를 출력하는 일이 없도록 학습 데이터에서 고지 문구를 의도적으로 제거했다는 정황이 함께 적시됐습니다.

진짜 숫자는 93%다

답변 엔진이 트래픽을 대체할 때

경영자 관점에서 가장 중요한 수치는 저작물 건수가 아니라 93%입니다. 2024년 1월 마이크로소프트 내부 프레젠테이션에 따르면, 코파일럿 답변 엔진은 뉴욕타임스 도메인으로 향하는 클릭률을 기존 빙 검색 대비 최대 93%까지 떨어뜨렸습니다. 문서는 이 현상을 “둠 루프”라고 표현하며 “우리 모델과 웹 전체의 성능을 동시에 해칠 것”이라고 경고했습니다.

같은 문서의 다음 문장이 더 날카롭습니다. “최종 제품이 필수 공급자의 경제적 기반을 위협하는 것은 매우 이례적인 일이지만, 우리는 LLM 비즈니스의 ‘콘텐츠 공급망’에 대해 바로 그런 상황을 만들어냈다.” 콘텐츠 공급망이라는 단어를 쓴 쪽이 퍼블리셔가 아니라 플랫폼이라는 점을 기억할 필요가 있습니다.

나델라의 증언이 그은 선

사티아 나델라 CEO는 올해 초 증언에서 “페이월 뒤에 있는 것은 학습이든 그라운딩이든 사용하려는 사람이 라이선스해야 한다”고 말했습니다. 오픈AI가 페이월 콘텐츠를 긁어 학습했다는 사실을 알았다면 재학습을 요구할 권리를 발동했을 것이라고도 했습니다. 이 발언은 소송 대응 논리이면서, 동시에 업계가 사후적으로 인정하게 된 기준선이기도 합니다. 유료 구독 콘텐츠를 AI에 넣으려면 라이선스가 필요하다는 것입니다.

그런데 법정은 아직 AI 편이다

공정이용이라는 회색지대

문서 공개가 곧 판결은 아닙니다. 9월 2일 미 행정부는 이 사건에 20쪽 분량 의견서를 제출해 오픈AI의 비라이선스 학습을 옹호했습니다. “미국은 견고하고 경쟁력 있는 AI 산업을 계속 발전시키는 데 강력한 이해관계가 있다”는 논리입니다. 의견서는 판결이 아니고 작성 주체에게 관할권도 없지만, 정책 신호로서의 무게는 있습니다.

지금까지 판례도 대체로 AI 기업에 유리했습니다. 앤스로픽은 작가들에게 15억 달러 합의금을 지급했지만, 제재의 근거는 학습 행위 자체가 아니라 불법 섀도 라이브러리에서 책을 조달한 방식이었습니다. 담당 판사는 학습을 “작가가 되려는 독자가 책을 읽는 것”에 비유했습니다. 다만 이번에 공개된 문서들은 공정이용 판단의 네 번째 요소, 즉 원저작물 시장을 대체하거나 훼손하지 않아야 한다는 조건을 정면으로 건드립니다.

이번 주에 확인할 네 가지

계약서와 파이프라인 점검 항목

첫째, 면책 조항의 실제 범위. 주요 AI 벤더 대부분이 저작권 침해 면책을 제공하지만 조건이 붙습니다. 고의적 침해 제외, 출력물 필터 사용 의무, 배상 한도 상한 같은 항목이 어디까지 적용되는지 확인해야 합니다. 면책이 있다는 사실보다 어떤 상황에서 깨지는지가 중요합니다.

둘째, 사내 데이터의 투입 경로. RAG나 파인튜닝에 넣는 자료 중 유료 구독 보고서, 타사 문서, 라이선스 소프트웨어 산출물이 섞여 있는지 확인이 필요합니다. 나델라의 증언이 시사하는 기준은 단순합니다. 돈을 내고 보는 콘텐츠는 AI에 넣을 때도 권리를 확인해야 합니다.

셋째, 로그 보존 체계. 어떤 데이터가 언제 어떤 모델에 들어갔는지 기록이 없으면, 나중에 문제가 생겼을 때 방어도 협상도 불가능합니다. 데이터 출처와 투입 시점을 남기는 최소한의 이력 관리가 필요합니다.

넷째, 유통 채널 의존도. 검색 유입에 기대는 사업 구조라면 93%라는 숫자는 남의 이야기가 아닙니다. 직접 채널, 뉴스레터, 커뮤니티처럼 AI 답변 엔진을 우회하는 경로의 비중을 지금부터 끌어올려야 합니다.

관련 글

• AI 청구서 보고 결심했습니다
• 880조 잭팟, 근데 현금이…
• 싼 맛에 쓴 AI, 하필 미국이…
• Anthropic Just Revealed Who Actually Builds Claude Now

출처

1. TechCrunch — Microsoft exec called AI scraping ‘the largest theft of labor in human history,’ new unredacted filings reveal (2026.09.17)
2. TechCrunch — US government sides with OpenAI on issue of training LLMs on copyrighted material (2026.09.02)
3. CourtListener — Statement of Interest of the United States (NYT v. OpenAI, S.D.N.Y.)