기사 상세
뉴스 콘텐츠는 생성형 AI 개발에 있어 중요한 학습 데이터다. 뉴스 콘텐츠 저작권을 놓고 빅테크 기업을 상대로 한 언론사의 소송이 이어지는 가운데, 한편에서는 파트너십을 통해 새로운 관계를 만들어 가고 있다. 상반되는 상황 속에서 언론사들이 저작권 문제를 풀어나가는 현황을 짚어본다. 편집자 주
생성형 AI가 텍스트, 이미지 등 창작 환경의 새로운 지평을 열고 있다. 챗GPT, 제미나이(Gemini, 구글 바드(Bard)의 새로운 이름) 등 텍스트 생성형 AI를 통해 기사를 포함한 문서 작성이 이전보다 훨씬 쉬워졌다. 이를 통해 언론사는 보다 쉽고 빠르게 텍스트를 생성해 업무 효율을 향상할 수 있다(이 글을 쓸 때도 핵심적인 내용을 개조식으로 정리하고 챗GPT나 제미나이에 입력해 2~3페이지의 기고문을 생성하도록 하면 훨씬 쉽고 빠르게 마칠 수 있다).
그런데 챗GPT와 같은 생성형 AI를 개발하기 위해서는 신문 기사를 포함한 방대한 양의 학습 데이터가 필요하다. GPT-3의 경우 학습에 사용된 데이터의 양은 4,990억 토큰1)에 달했는데, 이 중 4,320억 토큰이 커먼 크롤(Common Crawl) 등을 통해 인터넷 웹페이지로부터 수집된 것이고, 나머지 670억 토큰은 전자책 등을 통해 수집한 것이다.2) 커먼 크롤이 수집한 웹페이지를 분석해 보면 특허 문서, 위키피디아 등의 내용과 함께 뉴욕타임스, LA타임스 등의 많은 신문사 웹사이트가 포함되어 있음을 알 수 있다.3)
국내 사례를 보더라도 네이버의 하이퍼클로바(HyperCLOVA)가 학습한 전체 데이터 5,618억 토큰 중에서 블로그(2,736억), 카페(833억) 게시글과 함께 뉴스(738억)가 중요한 비중을 차지하고 있다.4)
소송이냐 계약이냐
결국엔 협력이 필요한 지점
생성형 AI가 아직 대중의 관심을 받기 전이었고, 대량의 학습 데이터에 대해 일일이 허락을 받는 것이 현실적으로도 쉽지 않은 일이었기에, 지난 몇년간 AI 기업들은 언론사 등 저작권자의 허락 없이 학습 데이터를 사용해왔다. 하지만 최근 저작권자들은 자신들의 정당한 권리를 주장하기 시작했고, 다양한 분야에서 소송이 진행되고 있다. 몇몇 프로그램 개발자가 오픈AI와 마이크로소프트를 상대로 소송을 제기했고, 아티스트와 게티이미지가 이미지 생성형 AI 업체들을 상대로 소송을 진행 중에 있다. 지난 연말에는 뉴욕타임스가 오픈AI와 마이크로소프트를 상대로 소송을 제기했다.
다른 한편으로 저작권자와 콘텐츠 이용 계약을 성공적으로 체결하는 사례들도 나오고 있다. 셔터스톡은 오픈AI와 메타 등에 이미지 데이터를 제공하는 계약을 체결했다. 뉴스 부문에서는 AP통신과 악셀슈프링어(Axel Springer)가 오픈AI와 뉴스 콘텐츠 이용 계약을 체결한 사례가 대표적이다. 이를 통해 AI 기업들은 학습에 필요한 뉴스 데이터를 지속적이고 안정적으로 공급받을 수 있게 됐다.
언론사 입장에서도 AI 기업과의 협력이 중요하다. 1차적으로는 새로운 수익 모델을 만들어 갈 수 있다는 점에서다. 인터넷 환경에서 전통적인 광고 수익만으로는 회사의 운영이 쉽지 않다. 새로운 비즈니스 모델을 찾아야 하는 언론사들로서는 AI 기업과의 협력을 좋은 기회로 삼을 수 있다. 그런데 새로운 수익원 못지않게 중요한 것은 언론사 또한 AI 창작 환경을 구축하고 혁신을 계속 해야 한다는 점이다. 언론사에 특화된 생성형 AI를 만들고 활용하기까지는 큰 비용과 시간이 필요하다. 언론사 독자적으로 진행하기에는 한계가 있고, AI 기업과의 협력이 필요한 지점이다.
핵심은 생성형 AI의 비즈니스 모델
언론사 등 저작권자들과의 협력을 위해서는 생성형 AI 서비스 비즈니스 모델이 매우 중요하다. 특히 언론사들은 구글 등이 주도한 검색 서비스 시장에서 겪었던 쓰라린 경험을 기억하고 있다. 구글의 검색 서비스는 광고 시장을 기반으로 한다. 필연적으로 언론사의 비즈니스 모델과 충돌할 수밖에 없었다. 최근 각국의 입법과 정치적인 압력에 밀려 언론사들과의 협력 방안을 만들어 가고 있지만, 광고 시장에서의 경쟁과 긴장 관계는 지속될 것으로 보인다.
생성형 AI 서비스의 비즈니스 모델은 현재로서는 유동적이다. 오픈AI와 마이크로소프트는 유료 가입자 모델을 기본으로 하고, 다른 개발자들에게 API를 제공하여 앱 마켓 등의 플랫폼으로 발전시켜 나갈 것으로 보인다. 그 과정에서 다양한 수익원을 만들고 수익 일부를 저작권자들에게 제공할 수 있을 것이다. 악셀슈프링어와 오픈AI 사이의 구체적인 협약 내용은 알기 어렵지만, 기본적으로 이러한 흐름에서 이해할 수 있다.
반면 광고 기반의 무료 서비스 모델을 기본으로 채택해 왔던 구글의 입장은 매우 복잡하다. 일단 생성형 AI 서비스가 기존의 검색 광고 시장에 악영향을 미칠 것으로 보여, 초반에 적극적으로 서비스를 진행하지도 못했다. 현재로서도 제미나이 등 서비스를 제공하고는 있지만 비즈니스 모델은 명확하지 않다. 적절한 광고 모델을 만들 수 있다면 기존의 비즈니스 모델을 AI 서비스에도 적용할 수 있다. 그렇지 못할 경우 유료 서비스를 고민해야 하는데, “전 세계의 모든 정보를 체계화해 모든 사용자가 유익하게 사용할 수 있도록 한다”는 구글의 사명을 유지해 갈 수 있을지 의문이다. 비즈니스 모델이 불안정한 상황에서 언론사들과 의미 있는 협력 관계를 구축해 가는 것이 쉽지는 않을 것으로 보인다.
언론사에 요구되는 변화와 과제들
쉽지는 않겠지만, 어쨌든 언론사와 AI 기업은 서로를 필요로 하는 상황이기에 향후 어떤 형태로든 협력 관계를 만들어 갈 것으로 보인다. 그럼에도 개별 언론사로서는 고민해야 할 점들이 남아 있다. 첫째, 뉴스 콘텐츠를 제외한 다른 학습 데이터 권리자들과의 관계이다. 뉴스 콘텐츠 학습에 사용료를 내야 한다면, 다른 콘텐츠 권리자들도 사용료를 요구할 것이다. 향후 AI 기업이 만들어 갈 파이의 크기는 계속 커지겠지만, 나눠야 할 참여자가 많아질수록 언론사의 몫은 줄어들 수밖에 없다. 자연어 모델링을 위한 학습 데이터 ‘더파일(The Pile)’의 사례를 살펴보면, 전체 학습 데이터에서 뉴스 콘텐츠가 차지하는 비중은 매우 낮다.
둘째, 사용료를 내지 않을 경우에는 (기술적으로 문제되지 않는 한) 많은 뉴스 콘텐츠를 학습 데이터로 사용하는 것이 AI 성능에 조금이나마 도움이 되겠지만, 사용료를 내야 한다면 AI 기업 입장에서는 뉴스 콘텐츠 일부를 취사선택할 수밖에 없다. AP통신이나 악셀슈프링어의 경우처럼 기간 통신사나 대규모 뉴스 콘텐츠를 보유한 언론사와 계약할 수 있다면, 비슷한 콘텐츠를 보유한 다른 언론사들과 협력해야 할 인센티브는 줄어들 수밖에 없다.
셋째, 생성형 AI와 관련해 언론사 경영진과 기사를 작성하는 기자의 이해관계가 일치하지 않는다는 점이다. 경영자 입장에서 업무 효율성을 위해 AI의 활용을 적극 검토하겠지만, 기자들은 그러한 방향에 대해 우려할 수 있다. 이미 다양한 창작 분야에서 창작자들이 생성형 AI의 활용에 반대 의견을 내고 있는 상황은 이를 잘 말해 준다.
구텐베르크 인쇄술은 오늘날과 같은 대중 매체 기반의 언론사들이 등장할 수 있는 환경을 제공했다. 인터넷과 검색 서비스를 기반으로 한 정보의 생산과 유통 환경은 언론사들에게 커다란 변화를 요구했다. 생성형 AI 환경에서 언론사는 무엇을 해야 할까? 제미나이에게 살짝 물어보았다. 그랬더니 AI 시대에도 언론의 역할은 중요하다고 답한다. 객관적이고 신뢰할 수 있는 정보 제공, 다양한 관점 제시, 깊이 있는 분석과 해석 제공, 사회적 책임 수행 등의 역할을 해야 한다고. 생성형 AI는 위협이 아니라 새로운 도구일 뿐이라고.
1) 토큰은 특정한 목적을 가지고 수집한 말뭉치(corpus)의 최소 단위를 의미한다.
2) Brown, Tom, et al., <Language models are few-shot learners>, Advances in neural information processing systems 33, 2020, arXiv:2005.14165, 2020, https://arxiv.org/abs/2005.14165
3) Dodge, Jesse, et al. <Documenting large webtext corpora: A case study on the colossal clean crawled corpus>, arXiv preprintarXiv:2104.08758, 2021, https://arxiv.org/abs/2104.08758
4) Kim, Boseop, et al., <What changes can large-scale language models bring? intensive study on hyperclova: Billions-scale korean generative pretrained transformers>, 2021, https://arxiv.org/abs/2109.04650
5) 더파일(The Pile)은 대규모 언어모델을 훈련하기 위한 데이터셋으로서, 다양한 소스에서 수집된 텍스트 데이터의 집합이다. Gao 등(2020)의 연구에 소개됐으며, 대용량 텍스트 데이터셋을 구축하기 위해 웹사이트, 뉴스 기사, 책, 과학 논문 등 다양한 출처의 데이터를 수집했다. Leo Gl, et al., <The pile: An 800gb dataset of diverse text for language modeling>, arXiv preprint arXiv:2101.00027, 2020, https://arxiv.org/abs/2101.00027
저자의 다른 미디어
