뉴욕타임스가 3년 가까이 전에 OpenAI와 Microsoft를 상대로 제기한 저작권 소송에서 봉인이 풀린 자료에, 두 회사의 공개 서면에는 한 번도 담긴 적 없는 내용이 들어 있다. 자사 직원들이 이 관행을 가장 직설적인 표현으로 설명한 대목이다. 2023년 1월 내부 메모에서 Microsoft 응용과학 디렉터 브렌트 헥트(Brent Hecht)는 긁어모은 저작물로 AI를 학습시키는 행위를 '전례 없는 규모의 경이로운 절도', '인류 역사상 최대의 노동 절도'라고 표현했다. 해당 인용은 목요일 드러났고 TechCrunch가 처음 보도했다.
아래 내용 전체에 붙는 단서가 하나 있다. 새로 드러난 표현 대부분은 근거 자료 자체가 아니라 원고 측 서면에서 나왔고, 원자료는 여전히 봉인 상태다. 인용문이 작성 당시 맥락에서 떨어져 나온 채 전달된다는 뜻이다. 주장은 아직 재판에서 검증되지 않았다.
핵심 요약
- 봉인이 풀린 서면에 따르면 2023년 1월 Microsoft 메모는 긁어모은 콘텐츠로 AI를 학습시키는 행위를 인류 역사상 최대의 노동 절도로 규정했다.
- Microsoft 자체 데이터에서 Copilot은 기존 Bing 검색 대비 nytimes.com 클릭률을 최대 93%까지 떨어뜨린 것으로 나타났고, 내부 발표 자료는 이를 '둠 루프(doom loop)'라고 불렀다.
- 서면은 OpenAI의 중간 학습 데이터셋에 언론사 원고 3곳의 저작물 사본이 9만 1,692건 넘게 담겼고, 별도 공동 데이터셋에는 최소 16만 903건의 고유 저작물이 들어 있었다고 주장한다.
내부 발언이 법적으로 중요한 이유
법원은 저작권이 있는 텍스트로 모델을 학습시키는 행위가 공정 이용에 해당한다는 주장을 대체로 받아들여 왔다. 트럼프 행정부도 이달 초 OpenAI의 무허가 저작물 사용을 지지하는 의견서를 냈다. 다만 공정 이용 판단은 새 제품이 시장에서 원저작물을 대체하는지에도 달려 있다. 봉인이 풀린 발언들이 방어 논리를 정면으로 겨누는 지점이 바로 여기다.
ChatGPT 총괄 닉 털리(Nick Turley)는 상당 부분 대체재 성격을 띤 제품이 언론사에 실존적 위협이 되며 성능이 개선될수록 그 성격이 더 짙어질 것이라고 말한 것으로 인용됐다. 그레그 브록만(Greg Brockman) 사장은 모델이 뉴스에 탁월하다고 평가했다. 사티아 나델라(Satya Nadella) Microsoft CEO는 선서 증언에서 챗봇과 대화하면 독자를 원문 출처로 보내는 대신 AI 플랫폼이 정보를 대신 제공하게 된다고 인정했다. 어느 것도 변형으로 읽히지 않는다. 대체로 읽힌다.
서면에 붙은 트래픽 수치는 이 지점을 한층 날카롭게 만든다. Microsoft 내부 측정에서 Copilot 답변 엔진은 일반 Bing 검색과 비교해 뉴욕타임스 도메인의 클릭률을 최대 93%까지 낮춘 것으로 나타났다고 원고 측은 주장한다. 2024년 1월 헥트가 만든 발표 자료는 이 구조를 모델과 웹 생태계를 동시에 무너뜨리는 둠 루프라고 설명했다.
최종 제품이 핵심 공급자의 경제적 기반을 위협하는 일은 매우 이례적이다. 그러나 우리는 LLM 사업의 '콘텐츠 공급망'에 대해 바로 그런 상황을 만들어냈다.
규모, 그리고 편법
서면은 복제 규모에도 수치를 붙였다. OpenAI의 중간 학습 데이터셋에만 뉴욕타임스와 뉴욕데일리뉴스, 탐사보도센터(CIR)의 저작물 사본이 9만 1,692건 넘게 들어 있고, Common Crawl에서 파생된 데이터셋에는 nytimes.com 문서가 200만 건 이상 포함됐다는 주장이다. 데이터는 두 파트너 사이를 양방향으로 오갔다. OpenAI는 GPT-3 학습 데이터 전체를 Microsoft에 넘겼고, Microsoft는 '프로젝트 택시'와 '프로젝트 망고'라는 이름의 작업으로 데이터를 공급한 것으로 전해졌다. 망고 데이터셋은 언론사 원고들의 고유 저작물을 최소 16만 903건 모은 것으로 알려졌다.
가장 타격이 큰 대목은 분량이 아니라 의도에 관한 것이다. 서면은 OpenAI 직원들이 적발되지 않고 뉴욕타임스 페이월을 우회하는 방법을 논의했다고 기술한다. 연구원 닉 라이더(Nick Ryder)가 이를 꺼냈고 브록만이 긍정적으로 답했다는 것이다. 모델이 저작권 표시를 재현하지 못하도록 학습 데이터에서 해당 표시를 일부러 떼어냈다는 주장도 담겼다. 나델라는 학습이나 그라운딩에 페이월 콘텐츠를 쓰는 쪽이라면 라이선스를 받아야 한다고 증언했다. 또 OpenAI가 페이월 너머를 긁어왔다는 사실을 알았다면 모델 재학습을 요구할 Microsoft의 권리를 행사했을 것이라고 밝혔다.
앞으로의 절차
뉴욕데일리뉴스 측 변호인은 두 회사가 이 관행이 잘못됐음을 알고 있었다는 사실이 이번에 처음 증거로 드러났다고 말했다. Microsoft와 OpenAI 모두 논평 요청에 답하지 않았다. 인용문들이 봉인된 원래 맥락과 대조되고도 살아남을지가 이 자료의 값어치를 결정할 질문이며, 증거 자료 자체는 아직 봉인돼 있다.
이번 공개는 업계가 같은 문제를 소송이 아니라 공개적인 동의 표준으로 풀어가려는 시점에 나왔다. Microsoft도 최근 Cloudflare의 크롤러 규칙에 서명한 기업 가운데 하나다. 서면이 더하는 것은 대규모 언어 모델을 위한 웹 스크래핑의 경제 구조를 내부에서 이미 꿰뚫고 있었고, 공개 논쟁이 시작되기 몇 해 전부터 달갑지 않은 표현으로 서술해 왔다는 증거다.
FAQ — 자주 묻는 질문
정확히 무엇이 공개됐나?
뉴욕타임스가 OpenAI·Microsoft를 상대로 낸 저작권 소송에서 제출한 서면 가운데 비공개 처리가 풀린 부분이다. 내부 메모와 발표 자료, 증언이 인용돼 있다. 인용의 근거가 된 증거 자료는 여전히 봉인 상태여서 발췌문은 원래 맥락 없이 공개됐다.
이번 공개로 공정 이용 쟁점이 정리되나?
아니다. 법원들은 모델 학습이 공정 이용에 해당할 수 있다고 대체로 인정해 왔고, 이 사건은 아직 재판에 가지 않았다. 공개된 발언이 중요한 이유는 공정 이용 판단이 제품의 원저작물 대체 여부를 따지기 때문이며, 인용된 경영진 여럿이 바로 그 대체를 묘사하고 있다.
Microsoft와 OpenAI는 입장을 밝혔나?
두 회사 모두 공개된 자료에 대한 논평 요청에 답하지 않았다. 서면의 주장은 증거에 대한 원고 측 해석이며 아직 판단이 내려지지 않았다.
