2025년 제6호-[미국] 저작권청, ⸢저작권과 인공지능⸥ 제3부 보고서 초안 발표(김유나)

저작권 동향

2025년 제6호

미국

• [미국] 저작권청, ⸢저작권과 인공지능⸥ 제3부 보고서 초안 발표(김유나)

1. 개요

• 2023년 초, 美 저작권청은 인공지능(AI) 관련 저작권 법제 및 정책 이슈를 다루기 위한 ‘AI 이니셔티브’를 개시하였고, 총 3부작 쟁점별 분석 보고서 발행 계획에 따라 ‘24년 7월 제1부 보고서, ’25년 1월 제2부 보고서에 이어, ‘25년 5월 9일 제3부 보고서를 발표함. 발표된 보고서는 발행 전 초안(pre-publication, 이하 ‘초안’)임. 저작권청은 ‘최종본이 조만간 발행될 예정이며, 분석이나 결론에 실질적인 변화는 없을 것으로 예상된다.’고 밝힘. 제3부 보고서는 AI 학습 데이터 관련 저작권 쟁점에 대해, 크게 네 가지 목차(① 생성형 AI 개발 및 배포 과정의 기술적 배경, ② 생성형 AI 개발 과정에서 저작권법상 복제 등이 발생하는 지점 식별, ③ 공정이용 원칙 적용 가능 여부 분석 ④ AI 학습을 위한 이용허락 옵션의 실효성 검토)로 나누어 분석하고 있음. 저작권청은 보고서 초안에서 AI 학습에서 상업적으로 기존 저작물 시장과 경쟁하는 산출물을 생성하는 경우 공정이용 범위를 벗어날 수 있고, 이용허락 계약 증가 추세 등을 고려할 때 정부 개입은 아직 시기상조이며, 이용허락 시장 발전을 위해 유연하게 대안을 고려할 필요가 있다고 판단하였음.

2. 주요내용

• 1) 기술적 배경(Technical Background)
  보고서의 ‘기술적 배경’ 섹션에서는 생성형 AI 모델 개발에서 저작물이 어떻게·왜 이용되는지와 학습 데이터의 활용, 학습 단계별 특성, 모델의 배포 및 제어 방식을 다룸. 보고서에 따르면, ‘머신러닝’은 명시적으로 프로그래밍된 규칙에 의존하지 않고, 데이터나 경험을 바탕으로 컴퓨터 시스템이 자동으로 학습하고, 개선할 수 있도록 설계하는데 중점을 둔 인공지능(AI)의 한 분야로, 입력-출력 예시(학습 데이터)를 기반으로 통계적 모델을 만들고 새로운 상황에 적용 가능한 일반화 능력을 키움. 언어 모델의 경우, 문맥(이전 단어/토큰)을 바탕으로 통계적 확률로 다음에 올 단어를 예측하며, 생성형 AI 모델의 성능과 특성은 데이터의 양, 질, 목적에 달려 있으며, 데이터의 확보와 선별 과정이 핵심임. AI 모델 학습은 여러 단계를 거쳐 다양한 데이터와 목적에 따라 반복적으로 이루어지며, 일부 데이터가 모델에 의해 기억될 수 있음. 또한, 생성형 AI 모델은 다양한 시스템에 배포되며, 배포 방식에 따라 기능, 활용 범위, 통제 수준이 달라짐.
• 2) 일응의 침해(Prima Facie Infringement)
  
  저작물을 이용하여 생성형 AI를 개발·배포하는 행위는 별도의 허락이나 다른 법적 방어 수단이 없는 경우, 저작권자의 권리를 침해할 수 있음. 저작물을 수집‧선별하여 AI 학습 데이터셋을 구축하고 학습하는 과정에서 복제권 침해가 발생할 수 있음. 검색증강생성(Retrieval-Augmented Generation, RAG)의 경우, 저작물을 검색·복제해 AI 응답에 활용하므로, 자료를 데이터베이스에 저장하거나 외부에서 검색해 복사하는 과정에서 복제권 침해 소지가 있음. 생성형 AI가 기존 저작물과 실질적으로 유사한 결과물을 생성하면 복제권 및 2차적저작물작성권 등 저작권 침해가 발생할 수 있음.
• 3) 공정이용(Fair Use)
  
  생성형 AI 모델 개발 및 배포 과정에서 저작권 침해가 문제 될 경우, ‘공정이용’은 주요한 방어 수단으로, 미국 저작권법 제107조의 네 가지 요건을 상황에 따라 균형 있게 종합적으로 판단해야 함.
  
  (1) 이용의 목적 및 성격
  
  AI 학습에서 공정이용 여부와 관련하여 ① 이용 목적, ② 변형성(Transformativeness), ③ 상업성(Commerciality), ④ 합법적 접근 여부 등 다양한 요소를 고려해야 함. AI가 원저작물과 다른 목적으로 사용될 경우 변형성이 인정될 수 있으나, 원작과 유사한 결과물을 생성하거나 상업적 목적이 있는 경우 공정이용에 불리하게 작용할 수 있으며, 특히 불법적으로 접근한 저작물을 사용하는 경우 공정이용에 더욱 불리하게 작용함.
  
  (2) 이용된 저작물의 성질
  
  창의적이거나 표현적인 저작물을 사용할수록 공정이용에 불리하게 작용함. AI 학습 데이터셋에는 주로 이런 표현적 저작물이 포함되어 있어, 이 요소가 공정이용을 약화시킬 수 있음. 다만, 대부분의 저작물이 이미 공표된 것이기 때문에 공정이용에 다소 유리하게 작용할 수 있지만, 이 요소가 전체 판단에서 큰 비중을 차지하지는 않음. (3) 이용된 부분이 저작물 전체에서 차지하는 양과 중요성
  
  AI 개발자들은 학습을 위해 저작물 전체를 복제하는데, 이는 일반적으로 공정이용에 불리하게 작용함. 하지만 변형적 목적이 있고, 효과적인 일반화를 위해 대규모 데이터가 필요하며, 특히 학습 방식이나 배포 과정에서 복제된 저작물이 대중에 거의 공개되지 않는다면 전체 복제도 공정이용에 덜 불리하게 작용할 수 있음.
  
  (4) 이용된 저작물의 잠재적 시장이나 가치에 미치는 영향
  
  AI가 원저작물과 실질적으로 유사한 결과물을 생성하면 직접적인 시장 대체가 발생할 수 있고, 유사하지 않더라도 시장 희석(market dilution)이나 스타일 모방 등으로 간접적인 피해가 발생할 수 있음. 특히 해당 저작물의 이용허락(라이선스) 시장이 이미 존재하거나 실현 가능성이 높을수록 공정이용 인정 가능성은 낮아짐. 한편, AI 학습 데이터의 이용허락 요구 등은 시장 경쟁 구도(대기업-소기업 격차 등)에 영향을 미칠 수 있으나, 이러한 경쟁 문제는 공정이용 판단과는 별개로 독점금지법 등에서 다뤄야 할 사안임.
• 4) AI 학습을 위한 라이선싱(Licensing For AI Training)
  
  보고서는 AI 모델 학습을 위한 저작물 이용 시, 자발적 이용허락과 강제 이용허락 및 확대된 집중관리 제도(ECL) 등 다양한 라이선스 방식을 검토함. 현재 시장에서는 자발적(직접·집단) 라이선스가 일부 분야에서 활발히 이루어지고 있으나, 대규모 데이터 확보, 비용, 보상, 법적 제약 등 실현 가능성에 대한 논란이 있음. 강제 이용허락은 시장 실패 시에만 고려할 수 있는 최후의 수단으로, 행정적 부담과 저작권자 권리 침해 우려 등으로 대부분의 의견이 부정적임. ECL은 자발적 집단 라이선스의 한계를 보완하는 대안으로, 특정 분야나 상황에서 시장 실패가 확인될 경우 한정적으로 도입을 검토할 수 있다고 제안함.

3. 결론 및 시사점

• 보고서에서 검토한 공정이용 기준과 라이선싱 관련 내용은 우리나라에서도 참고가 될 수 있음. 특히 AI 학습에 대한 이용허락 체계와 공정이용의 적용 범위를 둘러싼 논의는 창작자 보호와 AI 산업 진흥 간 균형을 모색하는 데 있어 핵심 과제로, 국내에서도 활발한 논의가 이루어지고 있음. 문화체육관광부와 한국저작권위원회는 인공지능 시대의 저작권 분야 쟁점과 법․제도 개선 방안을 검토하기 위해 AI 산업계, 권리자단체, 학계, 법조계, 관계 부처 등으로 구성된 워킹그룹을 운영하고 있으며, 2024년에는 ⸢생성형 AI 저작권 안내서⸥를 국문과 영문으로 발간한 바 있음. 2025년에는 추가로 ⸢생성형 인공지능 활용 저작물의 저작권 등록 안내서⸥와 ⸢생성형 인공지능 결과물에 의한 저작권 분쟁 예방 안내서⸥를 발간하였으며, 해당 안내서 2종에 대해 대국민 설명회를 개최하기도 했음. 저작권청의 보고서는 AI학습 및 이용의 저작권 침해 여부와 네 가지 요건에 따른 공정이용 적용 가능성을 검토하였으며, 그 내용은 저작권법 제35조의 5에 미국 저작권법 제107조와 같이 공정이용 조항을 두고 있는 우리나라에도 시사하는 바가 큼. 아직 보고서의 최종본이 발표되지는 않았으며, 저작권청은 최종본의 분석이나 결론에 실질적인 변화는 없을 것이라고 밝힌 바 있으나, 최종본에서 어떤 변화가 있을지 지속적으로 주목할 필요가 있음.

참고자료

• https://www.copyright.gov/ai/
  https://www.copyright.gov/ai/Copyright-and-Artificial-Intelligence-Part-3-Generative-AI-Training-Report-Pre-Publication-Version.pdf
  https://www.copyright.or.kr/information-materials/publication/research-report/view.do?brdctsno=54253
  https://www.copyright.or.kr/information-materials/publication/research-report/view.do?brdctsno=54252