2025년 제6호-[EU] EUIPO, ⸢저작권 관점으로 본 생성형 AI의 발전⸥ 보고서 발표(손휘용)

저작권 동향

2025년 제6호

EU

• [EU] EUIPO, ⸢저작권 관점으로 본 생성형 AI의 발전⸥ 보고서 발표(손휘용)

1. 개요

• 유럽연합 지식재산청(EUIPO)은 유럽연합 집행위원회(European Commission)와 협력하에, “EUIPO 전략 계획 2030(EUIPO Strategic Plan 2030)”의 일환으로 ⸢저작권 관점에서 본 생성형 인공지능의 발전⸥ 보고서를 발표함. 보고서는 텍스트·데이터 마이닝(TDM) 옵트아웃(Opt-out)과 AI 산출물 식별 등 생성형 AI 기술 발전에 따라 등장한 저작권 쟁점을 기술적·법적으로 분석함. 또한 EUIPO는 보고서에서 2025년 말까지 ‘저작권지식센터(Copyright Knowledge Centre)’ 개소 계획을 밝힘. 보고서는 다음과 같이 크게 세가지 주제로 구성되어 있음. ‘① AI의 발전 과정 및 연구 배경’에서는 AI 기술 발전 과정 및 그에 따른 저작권법적 영향 및 시사점을 분석함. ‘② 학습(input) 관련 저작권 쟁점’에서는 학습데이터의 암기 문제와 현재 활용되고 있는 TDM 옵트아웃 수단 등, AI 학습 과정에서의 저작권 쟁점에 대해 분석함. ‘③ 산출물(output) 관련 저작권 쟁점’에서는 AI 산출물 식별·표시 수단, 침해 산출물 방지 수단 등 AI 산출물의 저작권법적 문제에 대해 분석함. 보고서는 AI 학습 및 산출물 관련 쟁점에 대응하기 위해 활용되는 기술적·법적 수단을 검토한 후, 아직 추가적인 수단 및 대응 방안이 필요하다고 결론 내림.

2. 주요내용

• 1) 생성형 AI의 발전
  최근 대규모 언어모델(LLM)과 생성형 AI의 발전으로 텍스트, 이미지, 오디오, 비디오 등 다양한 산출물 생성이 가능해짐. AI 등장 초기에는 엄선된 데이터셋에 의존했으나, 최근에는 다양한 방법의 데이터 수집이 동시에 이루어짐. 산출물 생성 시 외부 출처의 최신 정보를 사용하는 ‘검색증강생성(Retrieval Augmented Generation, RAG)’ 기술 도입으로 인해 학습뿐 아니라 산출 단계에도 저작물이 이용됨. 데이터 부족·고갈 우려, 고품질 데이터 선호, 리스크 회피 성향 등에 따라 권리자와 AI 개발자 간 직접적 이용허락 계약이 증가하고 있으며, 특히, 라이선스된 저작물을 기반으로 구현되는 RAG 시스템의 증가는 언론, 과학, 출판 분야에 특히 기회로 작용할 것으로 보임. 권리자들이 공정하고 예측 가능한 수익 모델을 가질 수 있도록, 계약 조건 표준화와 투명성 확보가 필요함.
• 2) 관련 법제
  
  EU DSM 지침은 TDM 옵트아웃에 대한 내용을, EU AI법은 학습데이터 요약본 공개 등 내용을 담고 있음. DSM 지침 제4조에 따르면, 권리자는 기계 판독 가능(machine-readable) 수단 등 적절한 방식으로 옵트아웃 의사를 명시할 시, 자신의 저작물이 TDM에 사용되는 것을 거부할 수 있음. EU AI 법 제50조 및 제53조 등에서는 AI 모델 제공자에게 학습데이터 요약본 공개, TDM 옵트아웃 준수, 산출물 표시 등 의무를 부여함. 또한, AI로 인한 저작권 문제를 다루는 소송이 EU와 미국, 중국, 캐나다, 영국, 인도, 한국 등에서 진행 중임.
• 3) 학습데이터 암기
  
  AI 모델은 학습데이터를 단순히 복사하거나 저장하는 것이 아니라, 데이터를 통계적 패턴으로 암기(memorize)하고 이를 매개변수(parameter) 형태로 내부에 저장함. GPT 등 텍스트 기반 모델의 경우, 일련의 텍스트에 대한 확률 분포를 학습하며, GAN, VAE, Diffusion Model 등 이미지 기반 모델의 경우, 이미지들의 패턴을 학습함. 패턴을 암기할 뿐, 학습데이터에 포함된 저작물 자체를 그대로(verbatim) 복제·저장하지는 않지만, 학습데이터에 포함된 원저작물과 매우 유사한 산출물을 생성할 수 있는 위험이 있음. AI 모델은 구조적으로 저작물의 패턴을 암기하고 유사한 산출물을 생성할 수 있으며, 필터링 등 현존 기술적 방지 수단마저도 완전한 대책은 아님.
• 4) 옵트아웃 수단
  
  현재로선 옵트아웃을 위한 단일 표준 수단이 존재하지 않음. 현시점 기준, 단일 수단만으로는 한계가 존재하기 때문에 법적 수단과 기술적 수단의 조합이 필요함. 현재 일반적으로 이루어지는 법적 옵트아웃 수단의 경우, 자연어로만 이루어져 있기 때문에 기술적 수단과 병행되지 않으면 기계 판독이 불가하여 효과적 구현이 어려움. robots.txt를 통한 REP(Robots Exclusion Protocol) 방식을 비롯하여 다양한 수단이 있으나, 법적 강제력은 없으며 자발적 준수에 의존함. 보고서는 이러한 상황을 고려하여 표준 옵트아웃 수단 마련, 옵트아웃 선언을 위한 권리자 검증, 통합형 데이터베이스 구축 등 공공기관의 지원이 필요하다고 분석함.
• 5) 투명성 제고
  
  콘텐츠의 출처를 기술적으로 추적하고 AI 산출물 여부를 검증하는 출처 추적(provenance tracking), NVIDIA의 AI 이미지 식별 기술 StyleGAN3-detector, Deezer의 AI 음악 식별 기술 등 AI 산출물 여부를 식별하는 기술, 콘텐츠 자체에 워터마킹(watermarking) 및 핑거프린팅(fingerprinting) 등 처리를 통해 식별 정보를 삽입하여 출처 추적과 AI 산출물 표시를 가능케 하는 콘텐츠 처리(content-processing) 등 AI 모델 및 산출물의 투명성 제고를 위해 다양한 수단이 개발되고 있으며, 단일 표준은 존재하지 않음. 콘텐츠 및 모델 유형에 따라 최적 기술이 상이하므로, 단일 수단 마련보다 복합적 접근과 상호운용성 확보가 필요함.
• 6) 침해 방지
  
  생성형 AI 산출물의 저작권 침해를 방지하기 위해 ①학습데이터-산출물 비교 도구, ②중복 출력 방지 필터링, ③프롬프트 사전 필터링 기능 등 기술적 수단 또한 개발되고 있으며, 침해 책임 소재를 명확화하기 위해, AI 산출물에 대한 침해 분쟁 발생 시, 침해 책임을 이용자에게 전가하지 않고 AI 서비스 제공자가 책임을 부담하도록 하는 이용 약관 등 법적 수단도 등장함.

3. 결론 및 시사점

• 학습 단계에서는 저작물 암기, 산출 단계에서는 유사한 결과물 생성 가능성 등 생성형 AI의 발전에 따라 저작권과 관련된 새로운 쟁점들이 등장하고 있으며, EU DSM 지침 및 AI법은 옵트아웃 기반의 TDM 면책, 학습데이터 공개, 산출물 표시 등의 의무를 규정하며 AI 기술의 저작권 문제에 대응하고 있음. 보고서는 AI의 구조와 원리를 살펴보고 옵트아웃 수단 및 워터마킹 기술 현황을 검토한 뒤, 각 쟁점에 대해 다음과 같이 결론 내림. AI 모델은 저작물 자체를 복제하지는 않더라도 학습데이터의 패턴을 암기할 수 있으며, 학습데이터와 유사한 산출물이 반복적으로 생성될 수 있음. TDM 옵트아웃을 위한 단일 표준 수단은 확립되지 않았으며, 권리자들은 법적, 기술적 수단을 조합하여 TDM 옵트아웃을 표현하고 있음. 옵트아웃 통합 DB 및 옵트아웃을 위한 단일 표준 수단 마련이 필요함. AI 산출물임을 알 수 있도록 표시해야 한다는 AI법상 의무 준수를 위해 AI 제공자는 출처 추적, AI 산출물 식별, 콘텐츠 처리 등 다양한 수단을 사용하고 있음. 이러한 수단들은 각 고유한 장점이 있지만, 아직 완전한 수단은 등장하지 않음. 저작권을 침해하는 산출물 생성을 방지하기 위해서도 필터링 및 모델 편집 등 다양한 수단이 등장하고 있음. AI를 둘러싼 이러한 쟁점에 효과적으로 대응하기 위해서는 AI 기술의 작동 방식 및 구조에 대한 이해가 필요할 것임. EUIPO의 보고서는 기술적·법적인 분석과 향후 제도 개선 방향에 있어 유익한 참고자료가 될 수 있음.

참고자료

• EUIPO, “Development of Generative Artificial Intelligence from a Copyright Perspective”, 2025 5.13. .
  EUIPO, “EUIPO Strategic Plan 2030”. .