미국출판사협회, 백악관에 AI 행동 계획에서 저작권을 우선시할 것을 촉구 : 저작권 분쟁

Association of American Publishers Files Comments to Inform White House AI Plan


미국출판사협회(AAP)는 최근 백악관 과학기술정책실(OSTP)의 요청에 따라 행정부의 인공지능(AI) 행동 계획 개발을 위한 의견서를 제출하였다. 그 주요 내용은 다음과 같다.

  • 저작권 보호 우선시
    창작자와 혁신가 모두를 보호하고 장려하기 위해 강력한 저작권 보호를 기반으로 한 시장 기반 라이선싱을 촉진해야 한다고 강조하였다.

  • 미국 출판 산업의 경제적 중요성
    미국 출판사들은 연간 약 300억 달러의 수익을 창출하며, 뉴스, 교육, 엔터테인먼트 콘텐츠를 포함한 광범위한 저작권 산업의 일부로서 미국 GDP에 2조 900억 달러 이상을 기여하고 있다.

  • 라이선싱의 중요성
    라이선싱은 창작자들에게 창의성을 장려하고 새로운 작품에 대한 지속적인 투자를 지원하며, AI 개발자들에게는 데이터 수집 및 정제, 고품질 학습 자료 생산, 경쟁력 향상 등의 이점을 제공한다.

  • 광범위한 예외 조항 반대
    AAP는 기술 기업들이 제안하는 광범위한 공정 이용 확대나 '옵트아웃' 제도와 같은 예외 조항이 저작권법을 훼손하고 라이선싱 시장과 미래의 지적 재산권 투자를 저해할 수 있다고 경고하였다.

  • 해적판 사이트 사용 반대
    AI 개발자들이 해적판 저장소를 활용하여 AI 학습 데이터를 생성하는 행위를 불법으로 규정하고, 이러한 관행에 반대할 것을 촉구하였다.

AAP는 이러한 의견을 통해 AI 개발과 저작권 보호의 균형을 유지하며, 창작자와 기술 기업 간의 협력을 촉진하는 정책을 마련할 것을 행정부에 권고하고 있다.

~~~~~

[참고자료]  AI와 저작권 문제

1) AI 학습 데이터와 저작권 문제
    AI 모델이 학습하는 과정에서 책, 논문, 뉴스, 음악, 예술 작품 등 다양한 저작물이 사용된다. 문제는 AI가 이러한 콘텐츠를 크롤링(crawling)하거나 데이터베이스에서 가져오는 방식이 저작권자의 동의 없이 이루어지는 경우가 많다는 점이다.

  • 저작권자의 입장 : AI가 허가 없이 자신들의 작품을 학습에 사용하면서도 창작자에게 정당한 보상이 돌아가지 않는다고 주장한다.
  • AI 기업의 입장 : AI 학습이 '공정 이용(fair use)'의 범위에 포함될 수 있으며, AI는 단순히 데이터를 학습할 뿐 저작권을 직접적으로 침해하지 않는다고 반박한다.
2) AI 생성 콘텐츠와 저작권
    AI가 텍스트, 이미지, 음악 등을 생성하면서 원작자의 스타일을 모방하거나 기존 작품을 변형하는 경우가 많다. 이로 인해 창작자의 권리가 침해될 가능성이 커지고 있다.
  • 예를 들어, AI가 특정 작가의 글쓰기 스타일을 학습하여 새로운 텍스트를 생성할 경우, 이는 원작자의 저작권을 침해하는 것인지 논란이 되고 있다. 기존 화가의 작품을 학습한 뒤 유사한 화풍의 그림을 생성하는 경우도 마찬가지이다.

AI 빅테크 기업과 저작권자 간의 갈등은 앞으로도 계속될 것으로 보인다.  AI와 창작자 간의 협력 모델이 구축되지 않는다면, 저작권 분쟁은 지속적으로 확대될 가능성이 크다. AI 기술의 발전이 콘텐츠 산업에 미치는 영향이 점점 커지면서, 저작권 보호와 기술 혁신 간의 균형을 찾는 것이 중요하다.
  • AI 기업들은 저작권을 존중하는 방식으로 데이터를 학습하고, 창작자들과 협력하여 공정한 보상 체계를 마련해야 한다.
  • 정부와 규제 기관은 AI 기술의 발전을 저해하지 않으면서도 저작권을 보호할 수 있는 법적 프레임워크를 정비할 필요가 있다.
  • 창작자들은 AI를 단순한 위협으로 보기보다는, 새로운 창작 도구로 활용할 수 있는 방법을 모색해야 한다.

Comments

Post a Comment

Popular posts from this blog

🧑‍🏫[칼럼] 미래 인재상, T자형 하이브리드로 설계하라

미래 인재상, T자형 하이브리드로 설계하라 – AI 시대, '내 역할'을 새롭게 정의하는 사람만이 살아남는다.  –   1. AI가 바꾸는 일터의 풍경 요즘 일터 곳곳에서 AI 기술이 빠르게 도입되고 있다. 반복적이고 단순한 일은 자동화되고, 정해진 답이 있는 문제는 AI가 더 빠르고 정확하게 처리한다. 이런 변화 속에서 많은 이들이 불안해한다. "그럼 나는 어떻게 살아남아야 할까?" 이 질문에 대한 답은 점점 분명해지고 있다. 이제는 정답을 아는 것만으로는 부족하다. AI 시대에 중요한 것은 정답이 없는 문제에 대응하는 능력, 그리고 여러 분야를 연결하고 해석하는 융합적 사고력이다. 이 새로운 시대가 요구하는 인재상은 바로 'T자형 하이브리드 인재'이다.   2. 왜 융합형 사고가 중요해질까? 많은 기업들이 AI를 통해 일하는 방식을 근본적으로 바꾸고 있다. 스타벅스, JP모건, 존디어 같은 글로벌 기업들은 직원들의 전문 지식을 AI 시스템에 학습시켜 조직 전체에 활용하려는 전략을 펼치고 있다. 이로 인해 단순히 '경험 많은 전문가'라는 타이틀만으로는 경쟁력을 유지하기 어려워졌다. 하지만 여전히 사람만이 잘할 수 있는 영역이 존재한다. 불확실한 상황에서의 판단, 서로 다른 입장의 조율, 고객과의 감정적 연결, 조직 내 신뢰 형성 등은 AI가 대체하기 어려운 일이다. 이러한 복잡하고 정형화되지 않은 문제를 해결하는 능력은 T자형 인재의 핵심적인 역량이다.   3. T자형 인재란 무엇인가? T자형 인재는 한 분야에 깊은 전문성을 갖추는 동시에, 여러 분야를 연결하고 협업할 수 있는 융합적 역량을 지닌 사람을 말한다. T자의 세로 줄은 마케팅, 법률, 공학, 디자인 등 특정 분야에서의 깊이 있는 전문성을 의미한다. 가로 줄은 디지털 이해력, 데이터 분석 능력, 커뮤니케이션, 협업 능력처럼 다양한 분야를 아우르며 융합적으로 사고할 수 있는 능력이다. 특히 중요한 것은 기술과 기술, 사람과 기술 사이를 연결...
Read more

[인사이트] "연구용 AI"의 등장과 연구 패러다임의 변화

Image
(과학 연구를 보조하거나 수행하는 연구용 AI) 연구용 AI의 등장과 연구 패러다임의 변화 최근 오픈AI, 구글 등 빅테크 기업들이 잇달아 연구용 AI를 출시하면서 과학 연구 분야에 큰 영향을 미치고 된다. 1. "연구용 AI"의 개념 연구용 AI란, 과학 연구를 보조하거나 수행하는 인공지능(AI) 시스템을 의미한다. 일반적인 AI가 텍스트 생성, 이미지 분석, 언어 모델링 등 다양한 작업을 수행하는 것과 달리, 연구용 AI는 과학적 탐구와 연구 과정에서 실질적인 역할을 하는 AI를 말한다. 2. 연구용 AI의 주요 기능  1) 가설 생성 및 검증 AI가 과학적 가설을 스스로 생성하고 검토하여 연구 방향을 제안한다. 구글의 "공동 과학자(co-scientist)"는 연구자의 피드백을 반영해 최적의 실험 전략을 도출한다.    2) 데이터 분석 및 요약 논문, 실험 데이터, 기존 연구 자료를 분석하여 중요한 패턴과 인사이트를 도출한다. 연구자들이 수년에 걸쳐 연구한 내용을 며칠 내로 정리할 수 있다.   3) 실험 설계 및 최적화 AI가 실험 조건을 최적화하여 연구의 효율성을 높인다. 신약 개발 과정에서 약물 후보 물질을 탐색하는 데 활용된다.    4) 논문 작성 및 연구 보고서 자동 생성 연구자가 작성한 초안을 AI가 보완하거나, 연구 결과를 정리하여 논문 형식으로 출력할 수 있다. 일부 연구자들은 AI를 활용해 논문을 완성하고 학술지에 제출하기도 했다. 3. 연구용 AI의 성과   1) 오픈AI ‘딥리서치’(Deep Research) AI가 연구 과정을 지원하는 기술로, 연구 논문 리서치를 수행하며, 기존 연구 방식보다 높은 창의성과 정확도를 기록했다. 박사급 연구원이 몇 주간 수행해야 할 연구를 8분 만에 끝낸 사례가 있다. ‘인류 최후의 시험’(HLE) 벤치마크에서 26.6%의 정답률을 기록하며, 기존보다 두 배 이상 향상된 성과를 보였다.   2) 구글 ‘공동 과학...
Read more

AI의 기반 : 데이터부터 시작하라

Image
* 이 내용은 " 단기 성과와 장기 성장 사이 ··· AI 투자의 딜레마" (CIO, 2025.2.19) 칼럼을 기초로 주로 데이터 부문의 내용을 중심으로 작성한 것입니다. 실질적인 AI 전략을 수립하기 위해 가장 먼저 투자해야 할 요소는 데이터 품질이다 . 데이터 품질이 확보되지 않으면 데이터에 대한 신뢰도도 확보될 수 없다 . ML , Gen   AI, 에이전틱 AI 의 신뢰성을 확보하기 위한 기본 전제는 바로 고품질의 데이터이다 . AI 가 데이터를 통해 가치를 창출할 수 있다. 하지만 데이터가 부실하면 그 결과 역시 신뢰할 수 없을 것이다 .   오라일리 (O’Reilly) 의 조사 에 따르면 , 48% 의 기업이 데이터 정확성을 유지하기 위해 머신러닝 , 데이터 분석 , AI 도구를 활용하고 있다 . 이는 AI 이니셔티브를 위해 탄탄한 데이터 기반이 필수 적임을 보여준다 . 클릭 (Qlik) 의 조사 에서는 21% 의 기업이 신뢰할 수 있는 데이터를 확보하지 못해 AI 도입에 어려움을 겪고 있다고 한다 . 이는 안정적인 데이터 플랫폼 구축의 필요성 을 강조하는 결과이다 . ‘ 데이터의 중력 (Data Gravity) ’ 개념에서 데이터가 한 곳에 모이면 그곳이 중심지가 되지만 그 데이터의 품질을 깊이 검증하지 않고 신뢰하는 경향이 있다고 한다. 실제로 중복성과 일관성이 부족해  신뢰할 수 없는 데이터가 저장소에 생성되는 것이다. 그래서  데이터 단절과 부정확성으로 인해 비즈니스 의사결정의 질이 떨어질 수밖에 없다 . 데이터 과학과 머신러닝에 투자하기 전에  데이터를 먼저 정제하고 통합하는 과정이 우선이다. 그냥 진행하면 오히려 데이터 품질과 신뢰 문제를 더욱 악화시킬 수 있다 . 데이터의 의미적 모델을 추상화하고 , 분석 도구에서 활용할 수 있는 비즈니스 준비된 데이터 계층을 구성해야 한다 . 데이터 품질과 신뢰도가 확보되지 않은 상태에서 머신러닝 알고리즘과 모델 개발을 위해 데이터 과학 자원에 투자하는 것은...
Read more