AI와 저작권 — 생성AI는 '학습'인가 '표절'인가

생성AI를 둘러싼 논쟁에는 처음부터 두 개의 비유가 충돌합니다. 한쪽은 이렇게 말합니다. AI가 수억 개의 글과 그림을 읽고 패턴을 익혀 새것을 만드는 일은, 사람이 책을 읽고 화풍을 익히는 것과 다르지 않은 '배움'이라고요. 다른 쪽은 이렇게 말합니다. 허락 없이 저작물을 통째로 긁어모아 그 위에서 돈을 버는 일은, 남의 것을 베껴 쓰는 '표절'의 산업화일 뿐이라고요.

이 다툼은 감정의 문제가 아니라 아직 법이 답을 정하지 못한 공백입니다. 여기서 저작권은 글·그림·음악 같은 창작물을 만든 사람이 그 복제와 이용을 통제하는 권리를 뜻합니다.

먼저 이 글의 범위를 밝힙니다. 중심에 두는 법은 미국 저작권법이고, 필요한 곳에서 EU·영국·독일·한국 등과 견줍니다. 저작권은 나라마다 법이 다르므로, 판결을 말할 때는 어느 나라 어느 법원의 판단인지 함께 적습니다. 소송의 진행 상태는 2026년 10월에 확인한 기준입니다.

또 하나 밝힐 것이 있습니다. 이 글이 인용하는 자료의 대부분은 동료심사를 거친 자연과학 논문이 아니라 법학 연구입니다. 로스쿨 학술지의 논문(로리뷰), 게재 전에 공개한 SSRN 워킹페이퍼, 학술서 챕터입니다. 합의된 사실이 아니라 학자들의 논증과 분석이라는 뜻입니다. 예외는 뒤에 나오는 '메모리제이션'의 일부로, 실제로 측정된 공학 연구입니다. 그래서 이 글은 하나의 결론을 단정하지 않고 여러 관점과 미결인 부분을 그대로 보여 줍니다.

문제를 둘로 쪼개기

AI와 저작권을 한 덩어리로 보면 길을 잃습니다. 질문이 둘이기 때문입니다. 한 학술서 챕터는 이를 이렇게 정리합니다. ① AI가 만든 결과물이 저작권 보호를 받을 수 있는가입니다. 곧 누가 그 결과물의 저작자로 인정되는가, 저작자성의 문제입니다. ② 저작물로 AI 모델을 학습시키는 것이 침해인가입니다. 학습 침해의 문제입니다 (DOI: 10.2139/ssrn.6542719).

두 번째 질문은 다시 입력 단계와 출력 단계로 나뉩니다. 입력 단계는 저작물을 학습 데이터로 복제하는 일입니다. 출력 단계는 모델이 보호받는 표현을 다시 내놓는 일입니다 (DOI: 10.2139/ssrn.6542719). 다른 분석도 같은 구분을 씁니다. 생성AI의 침해는 두 곳에서 일어난다고 봅니다. 하나는 학습 데이터에 보호 저작물을 끌어 쓰는 데서입니다. 다른 하나는 AI 출력물이 원작을 복제·변형하거나 실질적으로 모방하는 데서입니다 (DOI: 10.69971/tipr.4.1.2026.104).

두 질문의 답은 서로 다를 수 있습니다. 하나씩 봅니다.

질문 ① — AI가 만든 것에 저작권이 있는가

이 질문의 핵심은 의외로 AI가 아니라 인간입니다. 현행 저작권 체계는 보호의 조건을 '인간의 창작적 기여'에 겁니다. 이런 성격을 인간 중심(anthropocentric)이라고 부릅니다. 한 비교법 연구는 독일·EU·미국·영국·일본·중국을 훑은 뒤 이렇게 정리합니다. 완전히 자율적인 AI 출력물은 원칙적으로 인간 저작자가 없습니다. 그래서 전통적 저작권 보호 바깥에 놓인다는 것입니다 (DOI: 10.2139/ssrn.6313438).

나라마다 접근은 다릅니다. 이 연구에 따르면 미국 법리는 '인간 저작자성' 요건을 일관되게 적용합니다. 독일·EU법은 '개인의 지적 창작'을 요구합니다. 영국은 컴퓨터 생성물에 대한 별도의 입법 해법을 두고 있습니다. 중국 판례는 더 기능적인 접근을 발전시켜 왔습니다. 인간의 의미 있는 조직·지시가 있으면 저작자성을 인정하는 방식입니다 (DOI: 10.2139/ssrn.6313438).

왜 인간이어야 할까요. EU법을 다룬 한 논문은 이 질문이 새롭지 않다고 지적합니다. 과거 사진이 등장했을 때도 저작권법은 '무엇이 의미 있는 인간의 창작적 입력인가'를 다시 정의해야 했습니다. 지금의 AI 논쟁은 그 역사의 반복이라는 것입니다. 이 논문은 EU 저작권이 일관되게 인간 저작자를 중심에 둬 왔다고 봅니다. 기준은 '자유롭고 창작적인 선택', '인격의 각인', '인간이 지각할 수 있는 표현'입니다. 그래서 AI가 도구로 통합되는 것은 받아들일 수 있다고 합니다. 반면 합성 음성이나 디지털 아바타처럼 인간의 창작적 선택이 빠진 출력물은 저작권 바깥으로 밀려날 수 있다고 봅니다 (DOI: 10.2139/ssrn.6138549).

여기서 더 도발적인 제안이 나옵니다. 한 미국 로리뷰 논문은 생성AI가 '한계비용 0'으로 고품질 표현물을 찍어 낸다고 봅니다. 한 편을 더 만드는 데 드는 비용이 사실상 없다는 뜻입니다. 그 때문에 저작권이 '창작을 장려해 사회 전체의 이익을 키운다'는 공리주의적 토대가 흔들린다는 것입니다. 이 논문은 '인간이 필요한 창작성(human-required creativity)' 기준을 제안합니다. 당대 최신 모델이 사소한 인간 입력만으로 만들어 낼 수 있는 결과물은 보호하지 말자는 것입니다. 사람이 만들었든 기계가 만들었든 마찬가지입니다 (DOI: 10.2139/ssrn.6340338). 이 논문은 문제의 핵심이 AI를 저작자로 인정할지가 아니라 인간 창작성의 문턱이라고 봅니다.

현장은 통일돼 있지 않습니다. 인도·EU·미국·일본의 87개 판결을 분석한 한 연구는 '하이브리드 저작자성'을 인정하는 추세가 늘고 있다고 봅니다. 인간과 알고리즘의 기여를 함께 인정하는 방식입니다. 그러면서도 검토한 법체계의 상당수가 최소한의 인간 개입으로 만든 작업물에 대한 명확한 규정이 없다고 보고합니다 (DOI: 10.2139/ssrn.6120486). 의미 있는 인간 기여의 정도에 따라 단계적으로 보호하는 방향으로는 모입니다. 그러나 그 선이 정확히 어디인지는 관할마다 다르고 아직 불확정적입니다 (DOI: 10.2139/ssrn.6120486, DOI: 10.2139/ssrn.6313438).

소유권 쪽에는 다른 모델도 제안됩니다. 영국 고등법원의 DABUS 특허 판결(Thaler v The Comptroller-General, 2020년)을 분석한 논문도 있습니다. 이 논문은 'AI 소유자' 접근을 논증합니다. AI 시스템을 소유·통제하는 사람이 그 산출물의 권리를 주장하는 방식입니다. 다른 제안들보다 당사자에게 더 큰 확실성과 낮은 거래비용을 준다는 것입니다. 다만 특허 맥락의 논증을 저작권으로 끌어온 제안이라 확정된 법은 아닙니다 (DOI: 10.2966/scrip.190122.5).

질문 ② — 저작물로 AI를 학습시키는 것은 침해인가

대규모 모델은 책·이미지·코드·음악 같은 보호 저작물을 방대하게 복제해 학습합니다. 이 복제가 침해인지를 묻는 질문입니다.

첫 갈림길은 그 복제를 '복제'로 볼 것인가입니다. 한 논문은 AI 머신러닝에서 일어나는 일이 일종의 '읽기(reading)'일 뿐이라고 논증합니다. 저작권이 미치지 않는 특수한 형태의 저작물 이용이라는 것입니다. 사람이 책을 읽는 데 저작권이 관여하지 않는 것과 같다고 봅니다 (DOI: 10.69724/2786-8834-2025-4-1-72-89). 반대편에는 AI 학습이 필연적으로 복제와 전자적 저장을 수반하므로 침해라는 관점이 있습니다.

기술 단계를 뜯어보면 한쪽으로 기웁니다. 영국·EU·미국을 비교한 한 연구는 학습의 기술 단계를 따라갑니다. 스크래핑(자료 긁어 오기), 토큰화(글을 작은 단위로 쪼개기), 파라미터화(모델 안의 수치로 바꾸기)입니다. 이 연구는 AI 학습이 본질적으로 복제를 수반한다고 결론짓습니다. 다만 그 복제가 합법인지는 관할마다 다릅니다. 영국은 예외를 가장 좁게 두어 가장 엄격합니다. EU는 텍스트·데이터마이닝(TDM, 자료를 대량으로 분석하는 기술) 규칙으로 학습을 허용하되 옵트아웃을 둡니다. 옵트아웃은 권리자가 거부 의사를 밝히면 빠지는 방식입니다. 미국은 공정이용 아래 가장 넓은 보호를 준다고 이 연구는 정리합니다 (DOI: 10.30574/ijsra.2026.18.1.0166). 같은 '복제가 일어난다'는 사실에서 출발해도 법적 결론은 나라마다 정반대로 갈립니다.

미국의 공정이용 4요소 — 학습은 '변형적'인가

미국 논쟁의 심장은 공정이용(fair use)입니다. 공정이용은 일정한 조건 아래 저작권자의 허락 없이 저작물을 쓰게 하는 미국 저작권법의 예외입니다. 17 U.S.C. § 107은 네 가지 요소를 따집니다. ① 이용의 목적과 성격(특히 변형적인가, 상업적인가), ② 저작물의 성격(창작성이 높은지, 사실을 담은 것인지), ③ 이용한 양과 실질성(얼마나, 핵심 부분을 썼는지), ④ 시장에 미치는 영향입니다. AI 학습 논쟁은 이 요소들 위에서 치열하게 벌어집니다.

핵심 쟁점은 첫 번째 요소의 '변형적 사용(transformative use)'입니다. 원작을 되풀이하지 않고 새 목적이나 새 성격으로 쓰는 것인가를 묻습니다. Bartz v. Anthropic 사건의 판결이 AI 학습을 변형적 사용으로 인정해 분수령으로 주목받았습니다. 이 판결은 AI 학습을 단순 복제로 보지 않았습니다. 언어 패턴과 통계 구조를 추출해 새 결과를 만드는 창작적 과정으로 보았습니다. 또 학습 데이터 시장이 저작권자에게만 독점될 수는 없다고 판단했습니다 (DOI: 10.15539/khlj.60.3.3). 이 판결은 2025년 6월 미국 캘리포니아 북부 연방지방법원이 내렸습니다. 판단은 합법적으로 구한 책으로 학습한 부분에 관한 것입니다. 같은 법원은 불법 사본을 내려받아 서고를 만든 행위는 공정이용이 아니라고 보았습니다. 이 사건은 불법 사본 서고 청구에 대한 집단 합의로 끝났고, 2026년 7월 법원이 합의를 최종 승인했습니다.

이 판결을 한국 맥락에서 분석한 연구는 확립된 법으로 보기엔 이르다고 단서를 답니다. 앞선 사건들은 정반대로 공정이용을 부정한 적이 있습니다. 한국 법원은 일반적으로 저작권자 보호에 무게를 두는 보수적 태도였습니다. 그래서 AI 학습 같은 새 이용을 받아들일 여지가 좁았다고 합니다 (DOI: 10.15539/khlj.60.3.3).

Bartz 판결 자체도 거센 비판을 받습니다. 한 SSRN 논문은 이렇게 논증합니다. 법원이 학습을 "대단히 변형적(exceedingly transformative)"이라 본 것은 첫 번째 요소를 잘못 짚은 것이라고요. 법원이 '이용의 성격'을 학습·가중치 변환이라는 중간 단계 메커니즘 수준에서 정의했다는 것입니다. 이 논문은 그 복제를 촉발하고 수익화하는 시장을 향한 실제 목적에 닻을 내렸어야 한다고 봅니다 (DOI: 10.2139/ssrn.6169529).

다른 논문도 같은 '프레이밍 문제'를 짚습니다. 파운데이션 모델은 하나의 기능만 하는 도구가 아니라 다양한 용도로 쓰이는 범용 시스템입니다. 그래서 소송 당사자는 '이용'을 학습 메커니즘부터 사회적 혁신까지 제멋대로의 추상 수준에서 묘사할 수 있습니다. 그 선택이 변형성 판단을 좌우합니다. 그래서 개발자 쪽의 수익화 구조·설계 선택 같은 관찰 가능한 증거에서 목적을 추론하자고 제안합니다 (DOI: 10.2139/ssrn.6324500).

네 번째 요소인 시장 피해도 논쟁적입니다. 한 논문은 AI 학습이 변형적일 수 있고, 복제가 경쟁 출력물의 '상류'에서 일어난다고 봅니다. 그러면서도 생성AI의 피해는 특정 저작물의 시장이 아니라 '미래의 인간 창작' 자체를 겨눈다고 짚습니다. 그렇다면 그 피해는 아무리 실재해도 네 번째 요소의 범주 바깥에 놓일 수 있습니다. 이 요소는 '시장 대체 피해'를 인식하도록 설계돼 있기 때문입니다. 그 경우 부당이득 법리가 더 적합할 수 있다고 합니다. 부당이득(unjust enrichment)은 남의 것으로 부당하게 얻은 이익을 돌려받게 하는 법리입니다 (DOI: 10.2139/ssrn.6111926).

더 근본적인 반론도 있습니다. 한 에세이는 공정이용 논쟁이 "너무 기술적이고 경제 상식에서 너무 멀어졌다"고 비판합니다. AI는 엔지니어·칩·클라우드·전기·자본 같은 다른 모든 입력에는 돈을 냅니다. 그런데 모델을 가치 있게 만드는 인간의 표현물만 공짜로 쓰려 한다는 것입니다. 이 에세이는 혁신을 앞세우는 방어 논리도 진지하게 다룹니다. 그럼에도 핵심 질문은 'AI가 유용한가'가 아니라고 봅니다. 공정이용이 상업 기술로 하여금 창작물을 공짜 산업 원료로 취급하게 해도 되는가가 핵심이라는 것입니다 (DOI: 10.2139/ssrn.6740239).

변형성 자체에 의문을 던지는 시각도 있습니다. 한 논문은 변형적 사용 법리가 아직 불충분하게 정의돼 있고 일관성이 없다고 봅니다. AI 학습의 기능적·비표현적 성격을 다루기엔 모자라다는 것입니다. 이 논문은 미국 뉴욕남부 연방지방법원에 걸린 두 소송을 근거로 듭니다. 하나는 New York Times v. OpenAI입니다. 2023년에 제기됐고, 법원이 2025년 3월 주요 저작권 침해 청구의 진행을 허용했습니다. 2026년 10월 현재 1심이 진행 중이며, 공정이용에 관한 약식판결 신청서가 제출된 단계입니다. 약식판결(summary judgment)은 정식 재판 전에 서류만으로 내리는 판결입니다. 다른 하나는 Dow Jones v. Perplexity입니다. 2024년에 제기됐고, 법원이 2025년 8월 관할·이송 신청을 모두 물리쳤습니다. 이 사건도 1심 진행 중입니다. 논문은 이 소송 지형이 입법적 명확화의 시급함을 보여 준다고 정리합니다 (DOI: 10.46553/bri.2025.5054).

모델이 학습 내용을 외워 내놓을 때 — 메모리제이션

'학습이냐 표절이냐'라는 비유가 가장 위험하게 무너지는 지점이 메모리제이션(memorization)입니다. 모델이 학습 데이터를 그대로 외워 두는 현상을 가리킵니다. 이상적인 모델은 데이터의 일반적 패턴만 익히고 개별 원문은 잊어야 합니다. 그런데 실제 LLM(대규모 언어모델)은 학습 데이터 일부를 그대로 외우고, 특정 프롬프트(입력 문장)로 다시 끄집어낼 수 있다는 연구가 있습니다.

이것은 법학자의 비유가 아니라 공학적으로 측정된 현상입니다. 개인정보 유출 위험을 따지려 AAAI에 실린 한 실증 연구는 개체(entity) 수준의 정밀한 메모리제이션 정의를 제안했습니다. 자기회귀 모델에서 민감한 개체를 효율적으로 추출하는 방법도 보였습니다. 실험에서 LLM은 개체 수준에서 강하게 암기했습니다. 부분적 단서만으로도 학습 데이터를 재현했고, 개체 간 연관까지 이해하는 것으로 나타났습니다 (DOI: 10.1609/aaai.v38i17.29948). 분류용으로 미세조정한 LLM도 학습 데이터의 상당 비율을 암기합니다. 추론 시점에 노출되면 심각한 위협이 된다는 연구가 있습니다 (DOI: 10.3233/faia251323). 단백질 언어모델 같은 다른 영역에서도, 신호는 미약했지만 탐지 가능한 암기가 측정됐습니다 (DOI: 10.64898/2026.06.08.730685).

이 사실은 법적 비유를 다시 흔듭니다. 러시아 민법 개정을 다룬 한 논문은 균형점을 이렇게 제안합니다. 내부적 암기 자체는 침해로 보지 않고, 보호 저작물의 상당 부분을 재현하는 콘텐츠 생성만 배타권 침해로 본다는 구분입니다. 특정 작가의 문체를 그대로 모방한 생성도 침해가 될 수 있다고 덧붙입니다 (DOI: 10.2139/ssrn.6690979). 이 제안에서는 '읽기'와 '베끼기'의 경계가 입력이 아니라 출력에서 그어집니다. 모델 속 암기를 복제로 본 뮌헨 지방법원 판단(아래 GEMA 사건)과는 다른 접근입니다.

해법으로는 메모리제이션을 정면으로 겨눈 제안이 있습니다. 독일·영국·미국을 비교한 한 논문은 시장을 둘로 나눕니다. 하나는 AI가 학습 데이터에 접근하는 시장이고, 다른 하나는 AI가 재현하는 출력의 시장입니다. 후자의 피해를 반영해, 배포된 모델의 측정 가능한 암기율에 연동된 권리자 보상(capability-based levy)을 제안합니다. 출처를 밝히지 않고 쓴 데서 오는 금전 외 피해는 다르게 다룹니다. 모델 설계 수준에서 출처 표시 능력을 의무화하는 방식입니다 (DOI: 10.2139/ssrn.6814498). 암기율에 연동하는 방식은 학습 데이터를 기준으로 삼는 방식보다 영토를 옮겨 다니며 피하는 일에 덜 노출된다고 합니다. 개발자가 암기를 줄일 유인도 더 크다는 것입니다 (DOI: 10.2139/ssrn.6814498).

나라마다 다른 답 — 미국 공정이용, EU TDM, 그 너머

여기서부터는 '하나의 정답이 없다'는 사실 자체가 답입니다. 같은 행위가 어느 나라에 서 있느냐에 따라 합법과 불법을 오갑니다.

EU는 디지털 단일시장(DSM) 지침 제3·4조의 텍스트·데이터마이닝(TDM) 예외로 학습을 허용합니다. 대신 권리자가 거부할 수 있는 옵트아웃 구조를 둡니다. 이 옵트아웃이 실제로 작동하는지가 쟁점입니다. 미국·EU를 비교한 한 논문은 옵트아웃이 효과를 가지려면 두 조건이 필요하다고 봅니다. 권리자가 이용 사실과 거부 선택지를 알고 있어야 하고, 거부 절차가 합리적 노력으로 가능해야 합니다. 그리고 현재의 AI 학습 옵트아웃은 이 조건을 충족하지 못해 제 기능을 하지 못하는 상태라고 결론짓습니다 (DOI: 10.2139/ssrn.6163107).

국제 조약이라는 더 높은 천장도 있습니다. 한 논문은 미국 공정이용이든 EU TDM이든 베른협약 등이 정한 '3단계 테스트'라는 조약 제약 안에 있다고 봅니다. 이 테스트의 요구는 세 가지입니다. 예외는 특별한 경우에 한정돼야 합니다. 저작물의 통상적 이용과 충돌하지 않아야 합니다. 권리자의 정당한 이익을 부당하게 해치지 않아야 합니다. 다만 한 IIC 논문은 이 테스트가 TDM에 적용되는지부터 의문이라고 합니다. 적용된다 해도 TDM 예외가 테스트를 통과할 수 있다고 분석합니다. 조건은 옵트아웃 기회, 과학 연구 지원 같은 분명한 정책 목표, 상업 개발에 대한 공정한 보상입니다 (DOI: 10.1007/s40319-026-01680-2). 앞의 논문은 이 제약이 그간 간과됐다고 하면서 투명성·감사·보상을 조건으로 한 개혁을 제안합니다 (DOI: 10.2139/ssrn.6447160).

진행 중인 소송이 이 추상적 논쟁에 살을 붙입니다. 아래는 논문들이 인용한 사건의 법원과 상태입니다.

• EU법을 다룬 한 챕터는 모델이 저작물의 '복제물'인가를 두고 두 판결이 엇갈렸다고 봅니다. 영국 고등법원(잉글랜드·웨일스)은 Getty Images v. Stability AI에서 2025년 11월 2차적 침해 청구를 기각했습니다. 이미지 생성 모델 Stable Diffusion은 저작물을 저장하거나 재현하지 않으므로 침해 사본이 아니라는 이유였습니다. 이 부분은 Getty가 2025년 12월 항소 허가를 받았고, 항소심 결과는 확인되지 않았습니다. 독일 뮌헨 지방법원은 GEMA v. OpenAI에서 2025년 11월 가사 9곡 사안에 대해 모델 속 암기가 복제에 해당한다고 보았습니다. OpenAI가 항소해 이 판결은 아직 확정되지 않았습니다. 두 사건은 쟁점도 다릅니다. 영국은 '침해 사본'의 해석이, 독일은 가사 암기의 복제 여부가 쟁점입니다. 이 챕터는 구조적 문제도 지적합니다. 보호 콘텐츠가 모델 파라미터에 인코딩돼 있어 '외과적 제거'가 기술적으로 거의 불가능하다는 것입니다 (DOI: 10.2139/ssrn.6356599).
• 대만 법을 중심으로 미국 사건을 분석한 연구는 증거의 벽을 강조합니다. 이 연구에 따르면 미국 캘리포니아 북부 연방지방법원은 Andersen v. Stability AI에서 압축 복제물에 관한 사실 주장이 불충분하다며 청구 일부를 각하했습니다. 이 사건은 2026년 10월 현재 약식판결 심리를 앞둔 1심 단계입니다. 반면 New York Times v. OpenAI에서는 원고가 원작과 흡사한 ChatGPT 출력물을 제출했습니다. 연구는 이것이 복제·2차적저작물권 침해 가능성을 시사한다고 봅니다 (DOI: 10.33093/ajlp.2025.19).
• 미국과 EU를 비교한 또 다른 논문은 Thaler v. Perlmutter와 Andersen v. Stability AI, EU의 TDM 옵트아웃을 참조점으로 삼아 세 가지 지속적 공백을 짚습니다. 첫째, 인간 창작 통제의 문턱이 불확정적입니다. 둘째, 다층 가치사슬에서 책임이 어긋납니다. 셋째, 불투명한 학습 과정에서 복제를 입증하기 어렵습니다 (DOI: 10.2139/ssrn.6159507). 사건 자체의 경과는 이렇습니다. Thaler v. Perlmutter는 AI를 저자로 적은 저작권 등록 신청이 거부된 사건입니다. 미국 연방 항소법원(D.C. 순회)은 2025년 3월 저작자는 인간이어야 한다고 판단했습니다. 연방대법원은 2026년 3월 상고를 받아들이지 않았습니다.

영국·미국·독일을 비교한 한 백과 항목은 현행법이 의미·문체 수준의 모방에는 특히 무력하다고 봅니다. 저작자성에 합의가 없습니다. 학습 데이터에 대한 명확한 라이선스 모델이 없습니다. 창작자의 목소리·문체·인격에 대한 도덕적 권리 보호도 파편화돼 있다는 것입니다 (DOI: 10.3390/encyclopedia6010009).

과학 문헌으로 학습시킬 때

이 논쟁에는 우리에게 직접 와닿는 한 모서리가 있습니다. 과학 논문으로 LLM을 학습시키는 문제입니다. 한 논문은 과학 문헌 기반 LLM에는 미국 공정이용이 오히려 부적합하다고 논증합니다. 그 이유는 네 가지입니다. 과학이 중시하는 정확성·투명성·해석가능성이 '변형적 사용' 요건과 충돌합니다. 과학적 표현은 창작적 독창성이 아니라 정밀성을 위한 것입니다. 공정이용은 '단일 저작물에서 적은 양만 쓰라'고 강조합니다. 이는 정보 밀도 높은 과학 텍스트를 포괄적으로 학습해야 하는 필요와 모순됩니다. 또 상업적 이용 제한이 연구자·출판사·개발자·대중 모두에게 이로운 모델을 막는다고 봅니다. 그래서 이 논문은 과학 문헌의 예외를 새로 짜고 상업적 이용 제한을 없애자고 제안합니다 (DOI: 10.3389/frai.2026.1781692).

지금까지의 정리 — 법이 아직 정하지 못한 것

법은 아직 답을 정하지 못했습니다. 세 가지가 분명합니다.

첫째, 문제는 하나가 아니라 둘입니다. 생성물의 저작자성과 학습의 침해 여부는 따로 답해야 하고, 후자는 다시 입력과 출력으로 갈립니다 (DOI: 10.2139/ssrn.6542719).

둘째, AI 생성물의 저작자성에는 느슨한 수렴이 보입니다. 완전 자율 출력물은 보호받지 못하고 의미 있는 인간 기여가 있을 때만 보호한다는 방향입니다. 그러나 그 문턱이 정확히 어디인지는 관할마다 다르고 불확정적입니다 (DOI: 10.2139/ssrn.6313438, DOI: 10.2139/ssrn.6120486).

셋째, 학습 침해에는 수렴이 거의 없습니다. 같은 '복제가 일어난다'는 기술적 사실에서 출발해도 갈립니다. 미국은 넓은 공정이용, EU는 옵트아웃 TDM, 영국은 엄격한 쪽입니다 (DOI: 10.30574/ijsra.2026.18.1.0166). EU법을 다룬 한 챕터는 Getty(영국)와 GEMA(독일)가 모델이 복제물인가를 두고 엇갈렸다고 봅니다. 둘 다 1심이고 항소 중입니다 (DOI: 10.2139/ssrn.6356599).

그래서 '학습이냐 표절이냐'라는 깔끔한 이분법은 답이 아니라 잘못된 질문에 가깝습니다. 입력 단계의 복제는 어떤 시각에서는 '읽기'이고 (DOI: 10.69724/2786-8834-2025-4-1-72-89), 어떤 시각에서는 공짜 산업 원료의 착취입니다 (DOI: 10.2139/ssrn.6740239). 출력 단계의 메모리제이션은 그 경계를 다시 그어, 내부의 암기는 몰라도 보호 표현의 재현은 침해라는 선을 만듭니다 (DOI: 10.2139/ssrn.6690979). 법은 이 선들을 판례 하나하나, 입법안 하나하나로 형성하는 중입니다.

이런 과정은 법이 새 기술 앞에서 늘 거치는 것입니다. 사진이 그랬고 (DOI: 10.2139/ssrn.6138549), 컴퓨터 프로그램과 녹음물이 그랬습니다. 그 과정이 끝나기 전에는 "AI 학습은 합법이다"도, "AI는 표절기계다"도 아직 법이 하지 않은 말입니다. 지금 말할 수 있는 답은 관할에 따라 다르고, 입력과 출력에 따라 다르며, 판례가 형성되는 중이라는 것입니다.

이 글은 법·정책 정보 제공을 위한 것이며, 인용한 근거의 대부분은 (동료심사 과학 논문이 아니라) 법학 연구 — 로리뷰·SSRN 워킹페이퍼·학술서 챕터 — 의 논증과 분석입니다. 저작권 쟁점은 다수가 미결이고 관할마다 다르므로, 특정 사안의 법률 자문을 대체하지 않습니다.

---

근거 논문

문제의 두 질문 (저작자성 / 학습 침해 · 입력/출력)

• Artificial Intelligence and Copyright (학습 vs 출력, 中·英·美 저작자성) — DOI: 10.2139/ssrn.6542719
• AI Copyright Infringement: Navigating the Legal Risks of AI-Generated Content (입력·출력 두 침해) — DOI: 10.69971/tipr.4.1.2026.104

질문 ① — AI 생성물의 저작자성 (인간 요건)

• Generative AI and Copyright Law: Human Authorship, Originality, Comparative (자율 출력물 = 공유 영역) — DOI: 10.2139/ssrn.6313438
• Human Agency at the Core (EU, 사진과의 역사적 평행) — DOI: 10.2139/ssrn.6138549
• Human-Required Originality: Copyright Eligibility in a Post-AI World — DOI: 10.2139/ssrn.6340338
• Intellectual Property Rights in AI-Generated Creative Works (87개 판결, 관할 불일치) — DOI: 10.2139/ssrn.6120486
• Copyright in AI-generated works: Lessons from patent law (Thaler/DABUS, AI-소유자) — DOI: 10.2966/scrip.190122.5

질문 ② — 학습 침해 (복제냐 '읽기'냐)

• The Legal Status of AI Training Data (英 엄격 / EU TDM / 美 fair use) — DOI: 10.30574/ijsra.2026.18.1.0166
• Machine learning is not a Copyright use of a Work ('읽기' 논증, NYT v OpenAI) — DOI: 10.69724/2786-8834-2025-4-1-72-89

공정이용 4요소 · 변형적 사용 논쟁

• A Study on Fair Use in AI Learning: Bartz v. Anthropic (한국 맥락) — DOI: 10.15539/khlj.60.3.3
• Bartz v. Anthropic and the Misframing of Fair Use Factor One — DOI: 10.2139/ssrn.6169529
• Revealing Purpose and Character in the Age of AI (요소1 프레이밍) — DOI: 10.2139/ssrn.6324500
• When Market Disruption Is Not Market Harm (요소4, 부당이득) — DOI: 10.2139/ssrn.6111926
• Will Fair Use Save AI from Common Sense? (공짜 산업 원료) — DOI: 10.2139/ssrn.6740239
• Copy, Paste, and Generate (NYT·Perplexity 소송) — DOI: 10.46553/bri.2025.5054

메모리제이션 (외워 뱉는 기계 — 일부는 측정된 공학 연구)

• Quantifying Entity-Level Memorization in LLMs (추출 가능) — DOI: 10.1609/aaai.v38i17.29948
• Predicting Memorization Within LLMs Fine-Tuned for Classification — DOI: 10.3233/faia251323
• Pseudoperplexity Probes Memorization in Protein Language Models — DOI: 10.64898/2026.06.08.730685
• Copyright and AI: The Importance of Memorisation and Attribution (암기율 연동 보상) — DOI: 10.2139/ssrn.6814498
• Copyright Borders in the Era of AI (내부 암기 OK, 재현은 침해) — DOI: 10.2139/ssrn.6690979

관할별 갈림 · TDM · 3단계 테스트 · 소송

• Text and Data Mining, Generative AI, and the Three-Step Test — DOI: 10.1007/s40319-026-01680-2
• The Three-Step Test in International Copyright (美·EU) — DOI: 10.2139/ssrn.6447160
• Opt-Outs in Copyright Law (옵트아웃 기능 부전) — DOI: 10.2139/ssrn.6163107
• AI in EU Law: Training, Memorization (Getty vs GEMA 엇갈림) — DOI: 10.2139/ssrn.6356599
• Legal Challenges and Evidentiary Barriers (Andersen·NYT 증거) — DOI: 10.33093/ajlp.2025.19
• AI-Generated Content and Copyright Law: Legal Gaps (Thaler·Andersen) — DOI: 10.2139/ssrn.6159507
• AI, Authorship, Copyright, and Human Originality (英·美·獨, 문체·도덕권) — DOI: 10.3390/encyclopedia6010009

과학 문헌이라는 특수 전선

• Limitations of copyright frameworks for LLMs trained on scientific literature — DOI: 10.3389/frai.2026.1781692