Paperis 아티클
AI와 저작권 — 생성AI는 '학습'인가 '표절'인가
"생성AI는 학습인가 표절인가?" — 이 질문 자체가 함정이다.
논쟁AI 생성법학 · 2026년 9월 13일
이 글은 AI가 연구 논문을 바탕으로 작성한 교육·정보 제공용 콘텐츠이며, 전문가의 조언을 대체하지 않습니다. 오류를 발견하셨나요? 알려주세요
© 2026 네오쿤스(Paperis) · 링크 공유는 환영합니다. 전문 전재·재배포는 사전 허가가 필요합니다.
Paperis 아티클
"생성AI는 학습인가 표절인가?" — 이 질문 자체가 함정이다.
이 글은 AI가 연구 논문을 바탕으로 작성한 교육·정보 제공용 콘텐츠이며, 전문가의 조언을 대체하지 않습니다. 오류를 발견하셨나요? 알려주세요
© 2026 네오쿤스(Paperis) · 링크 공유는 환영합니다. 전문 전재·재배포는 사전 허가가 필요합니다.
생성AI를 둘러싼 논쟁에는 처음부터 두 개의 비유가 충돌한다. 한쪽은 말한다. AI가 수억 개의 글과 그림을 읽고 그 패턴을 익혀 새로운 것을 만들어 내는 것은, 인간이 책을 읽고 화풍을 익히는 것과 다르지 않은 '배움'이라고. 다른 한쪽은 말한다. 허락 없이 저작물을 통째로 긁어 모아 그 위에서 돈을 버는 것은, 결국 남의 것을 베껴 쓰는 '표절'의 산업화일 뿐이라고.
흥미로운 것은, 이 다툼이 단순한 감정의 문제가 아니라 아직 법이 답을 정하지 못한 진짜 공백이라는 점이다. 그리고 한 가지 미리 밝혀 둘 것이 있다. 이 글이 인용하는 자료의 대부분은 동료심사를 거친 자연과학 논문이 아니라 법학 연구 — 로리뷰 논문, SSRN 워킹페이퍼, 학술서 챕터다. 즉 합의된 사실이 아니라 학자들의 논증과 분석이다. (예외는 뒤에 나올 '메모리제이션'의 일부로, 이건 실제로 측정된 공학 연구다.) 더구나 저작권은 나라마다 법이 다른 문제다. 그래서 이 글의 방패는 '단정'이 아니라 '다관점'과 '미결의 정직'이다.
이 글은 그 미결의 지형을 따라간다. 먼저 문제를 두 개의 법적 질문으로 쪼개고(생성물 자체에 저작권이 있는가, 학습이 침해인가), 공정이용과 '변형적 사용' 논쟁, 그리고 LLM이 학습데이터를 그대로 외워 뱉어 내는 '메모리제이션'이라는 새 도전을 본다. 마지막으로 미국·EU·기타 관할이 어떻게 갈리는지, 그리고 법이 지금 어디에 서 있는지를 솔직하게 정리한다.
AI와 저작권을 한 덩어리로 보면 길을 잃는다. 핵심은 질문이 둘이라는 것이다. 한 학술서 챕터는 이를 명료하게 정리한다 — 생성AI가 제기하는 저작권의 두 중심 질문은 ① AI가 만든 결과물이 저작권 보호를 받을 수 있는가(저작자성), 그리고 ② 저작물로 AI 모델을 학습시키는 것이 침해인가(학습 침해)다 (DOI: 10.2139/ssrn.6542719). 그리고 두 번째 질문은 다시 입력 단계(저작물을 학습 데이터셋으로 복제하는 것)와 출력 단계(모델이 보호 표현을 재현하는 것)로 나뉜다 (DOI: 10.2139/ssrn.6542719). 또 다른 분석도 같은 이분법을 쓴다. 생성AI의 침해는 학습데이터에 보호 저작물을 끌어다 쓰는 침해와, AI 출력물이 원작을 복제·변형·실질적으로 모방하는 침해, 두 갈래에서 동시에 터진다 (DOI: 10.69971/tipr.4.1.2026.104).
이 두 질문은 서로 다른 답을 가질 수 있다. 하나씩 보자.
첫 질문의 핵심은 의외로 AI가 아니라 인간이다. 현행 저작권 체계는 뼛속까지 인간 중심(anthropocentric)이라서, 보호의 조건을 '인간의 창작적 기여'에 건다. 한 비교법 연구는 독일·EU·미국·영국·일본·중국을 훑은 뒤, 완전 자율적인 AI 출력물은 원칙적으로 인간 저작자성이 없어 전통적 저작권 보호 바깥에 떨어진다고 정리한다 (DOI: 10.2139/ssrn.6313438). 미국 저작권청(Copyright Office)이 '인간 저작자성' 요건을 일관되게 적용하고, 독일·EU법이 '개인의 지적 창작'을 요구하는 반면, 영국은 컴퓨터 생성물에 대한 별도 입법 해법을 두고 있고, 중국 판례는 인간의 의미 있는 조직·지시가 있으면 저작자성을 인정하는 더 기능적인 접근을 발전시켜 왔다는 것이다 (DOI: 10.2139/ssrn.6313438).
왜 인간이어야 하나. EU법을 다룬 한 논문은 이 질문이 새로운 게 아니라고 지적한다. 과거 사진이 등장했을 때도 저작권법은 '무엇이 의미 있는 인간의 창작적 입력인가'를 다시 정의해야 했고, 지금의 AI 논쟁은 그 역사의 반복이라는 것이다. EU 저작권은 '자유롭고 창작적인 선택', '인격의 각인', '인간이 지각 가능한 표현'을 통해 일관되게 인간 저작자를 중심에 둬 왔으며, 따라서 AI는 도구로 통합될 수 있되 합성 음성이나 디지털 아바타처럼 인간의 창작적 선택이 빠진 출력물은 저작권 바깥으로 밀려날 수 있다고 본다 (DOI: 10.2139/ssrn.6138549).
여기서 더 도발적인 제안도 나온다. 한 미국 로리뷰 논문은 생성AI가 '한계비용 0'으로 고품질 표현물을 찍어 내면서 저작권의 공리주의적 토대 자체를 흔든다고 본다. 그래서 '인간이 필요한 창작성(human-required creativity)' 기준을 제안한다 — 당대 최신 모델이 사소한 인간 입력만으로 만들어 낼 수 있는 결과물이라면, 사람이 만들었든 기계가 만들었든 보호하지 말자는 것이다 (DOI: 10.2139/ssrn.6340338). 흥미롭게도 이 논쟁의 무게중심은 'AI를 저작자로 인정할까'가 아니라, 인간 창작성의 문턱을 어디에 둘까로 옮겨가 있다.
그런데 현장은 통일돼 있지 않다. 인도·EU·미국·일본의 87개 판결을 분석한 한 연구는, '하이브리드 저작자성'(인간과 알고리즘 기여를 함께 인정)을 인정하는 추세가 늘고 있으면서도, 검토한 법체계의 상당수가 최소한의 인간 개입으로 만들어진 작업물에 대한 명확한 규정을 결여하고 있다고 보고한다 (DOI: 10.2139/ssrn.6120486). 즉 '의미 있는 인간 기여의 정도에 따라 단계적으로 보호한다'는 방향으로는 수렴하지만, 그 선이 정확히 어디인지는 관할마다 다르고 아직 불확정적이다 (DOI: 10.2139/ssrn.6120486, DOI: 10.2139/ssrn.6313438).
소유권 쪽에는 다른 모델도 제안된다. 특허법의 DABUS 판결(Thaler v The Comptroller-General)을 분석한 한 논문은, AI 시스템을 소유·통제하는 자가 그 산출물의 권리를 주장하는 'AI 소유자' 접근이 다른 제안들보다 당사자에게 더 큰 확실성과 낮은 거래비용을 준다고 논증한다 — 다만 이는 특허 맥락의 논증을 저작권으로 끌어온 제안이라 확정된 법은 아니다 (DOI: 10.2966/scrip.190122.5).
두 번째 질문은 더 큰돈이 걸려 있다. 대규모 모델은 책·이미지·코드·음악 등 보호 저작물을 방대하게 복제해 학습하는데, 이 복제가 침해인지를 묻는 것이다.
여기서 첫 갈림길이 생긴다. 그 복제를 '복제'로 볼 것인가다. 한 논문은 AI 머신러닝에서 일어나는 일은 일종의 '읽기(reading)', 즉 저작권이 미치지 않는 특수한 형태의 저작물 이용에 불과하다고 논증한다. 인간이 책을 읽는 것에 저작권이 관여하지 않듯 말이다 (DOI: 10.69724/2786-8834-2025-4-1-72-89). 반대편에는 'AI 학습은 필연적으로 복제와 전자적 저장을 수반하므로 침해'라는 관점이 있다.
기술 단계를 뜯어보면 한쪽으로 기운다. 영국·EU·미국을 비교한 한 연구는 스크래핑·토큰화·파라미터화의 기술 단계를 따라가며, AI 학습은 본질적으로 복제를 수반한다고 결론짓는다. 다만 그 복제의 합법성은 관할마다 달라서, 영국이 가장 좁은 예외로 가장 엄격하고, EU는 옵트아웃이 달린 텍스트·데이터마이닝(TDM) 규칙으로 허용하며, 미국은 공정이용으로 가장 넓은 보호를 준다 (DOI: 10.30574/ijsra.2026.18.1.0166). 같은 '복제가 일어난다'는 사실에서 출발해도, 법적 결론은 나라마다 정반대로 갈리는 셈이다.
미국 논쟁의 심장은 공정이용(fair use)이다. 17 U.S.C. § 107은 네 가지 요소 — ① 이용의 목적과 성격(특히 변형적인가, 상업적인가), ② 저작물의 성격, ③ 이용한 양과 실질성, ④ 시장에 미치는 영향 — 를 따진다. AI 학습 논쟁은 이 요소들 위에서 치열하게 벌어진다.
핵심 쟁점은 첫 번째 요소의 '변형적 사용(transformative use)'이다. 2025년 7월 미국 연방지방법원의 Bartz v. Anthropic 판결이 분수령으로 주목받았다. 이 판결은 AI 학습을 단순 복제가 아니라 언어 패턴과 통계 구조를 추출해 새 결과를 만드는 창작적 과정으로 보아 변형적 사용으로 인정했고, 학습데이터 시장이 저작권자에게만 독점될 수는 없다고 판단했다 (DOI: 10.15539/khlj.60.3.3). 이를 한국 맥락에서 분석한 연구는, 그러나 이를 확립된 법으로 보기엔 이르다고 단서를 단다 — 앞선 사건들은 정반대로 공정이용을 부정한 적이 있고, 한국 법원은 일반적으로 저작권자 보호에 무게를 둔 보수적 태도라 AI 학습 같은 새 이용을 수용할 여지가 좁았기 때문이다 (DOI: 10.15539/khlj.60.3.3).
게다가 Bartz 판결 자체가 거센 비판을 받는다. 한 SSRN 논문은 이 판결이 학습을 "대단히 변형적(exceedingly transformative)"이라 본 것이 첫 번째 요소를 잘못 짚은 것이라 논증한다. 법원이 '이용의 성격'을 학습·가중치 변환이라는 중간 단계 메커니즘 수준에서 정의했는데, 정작 그 복제를 촉발하고 수익화하는 시장을 향한 실제 목적에 닻을 내렸어야 한다는 것이다 (DOI: 10.2139/ssrn.6169529). 다른 논문도 같은 '프레이밍 문제'를 짚는다. 파운데이션 모델은 단일 기능의 도구가 아니라 다양한 다운스트림 용도로 쓰이는 범용 시스템이라, 소송 당사자가 '이용'을 학습 메커니즘부터 사회적 혁신까지 제멋대로의 추상 수준에서 묘사할 수 있고, 그 선택이 변형성 판단을 좌우해 버린다 — 그래서 개발자 측의 수익화 구조·설계 선택 같은 관찰 가능한 증거에서 목적을 추론하자고 제안한다 (DOI: 10.2139/ssrn.6324500).
네 번째 요소인 시장 피해도 논쟁적이다. 한 논문은 AI 학습이 변형적일 개연성이 높고 복제는 경쟁 출력물 '상류'에서 일어난다고 보면서도, 생성AI가 일으키는 피해가 특정 저작물 시장이 아니라 '미래의 인간 창작' 자체를 겨눈다는 점을 짚는다. 그렇다면 그 피해는 — 아무리 실재해도 — 네 번째 요소가 인식하도록 설계된 '시장 대체 피해'의 범주 바깥에 떨어질 수 있고, 그 경우 부당이득 같은 다른 법리가 더 적합할 수 있다는 것이다 (DOI: 10.2139/ssrn.6111926).
여기서 더 근본적인 반론이 등장한다. 한 에세이는 공정이용 논쟁이 "너무 기술적이고 경제 상식에서 너무 멀어졌다"고 비판한다. AI는 엔지니어·칩·클라우드·전기·자본 등 다른 모든 입력에는 돈을 내면서, 유독 모델을 가치 있게 만드는 인간의 표현물만 공짜로 쓰려 한다는 것이다. 핵심 질문은 'AI가 유용한가'가 아니라, 공정이용이 상업 기술로 하여금 창작물을 공짜 산업 원료로 취급하게 해도 되는가라고 이 글은 못 박는다 (DOI: 10.2139/ssrn.6740239). 변형성 자체에 의문을 던지는 시각도 있다. 한 논문은 변형적 사용 법리가 AI 학습의 기능적·비표현적 성격을 다루기엔 여전히 불충분하게 정의돼 있고 일관성이 없다고 보며, New York Times v. OpenAI와 Dow Jones v. Perplexity 같은 현재의 소송 지형이 입법적 명확화의 시급함을 보여 준다고 정리한다 (DOI: 10.46553/bri.2025.5054).
'학습이냐 표절이냐'의 비유가 가장 위험하게 무너지는 지점이 바로 메모리제이션(memorization)이다. 이상적인 모델은 데이터의 일반적 패턴만 익히고 개별 원문은 잊어야 한다. 그런데 실제 LLM은 학습데이터의 상당 부분을 그대로 외워 버리고, 특정 프롬프트로 그것을 다시 끄집어낼 수 있다.
이건 법학자의 비유가 아니라 공학적으로 측정된 현상이라는 점이 중요하다. AAAI에 실린 한 실증 연구는 개체(entity) 수준의 정밀한 메모리제이션 정의를 제안하고, 자기회귀 모델에서 민감한 개체를 효율적으로 추출하는 방법을 보였다. 결과적으로 LLM은 개체 수준에서 강하게 암기하며, 부분적 단서만으로도 학습데이터를 재현할 수 있고 개체 간 연관까지 이해한다고 보고한다 (DOI: 10.1609/aaai.v38i17.29948). 분류용으로 미세조정된 LLM에서도 모델이 학습데이터의 상당 비율을 암기해, 추론 시점에 노출되면 심각한 위협이 된다는 연구가 있고 (DOI: 10.3233/faia251323), 단백질 언어모델 같은 다른 도메인에서도 — 비록 신호는 미약했지만 — 탐지 가능한 암기가 측정됐다 (DOI: 10.64898/2026.06.08.730685).
이 사실은 법적 비유를 다시 흔든다. 러시아 민법 개정을 다룬 한 논문은 균형점을 이렇게 제안한다 — 내부적 암기 그 자체는 침해가 아니지만, 보호 저작물의 상당 부분을 재현하는 콘텐츠 생성은 배타권 침해로 본다는 것이다 (특정 작가의 문체를 그대로 모방한 생성도 침해가 될 수 있다고 덧붙인다) (DOI: 10.2139/ssrn.6690979). 즉 '읽기'와 '베끼기'의 경계가 입력이 아니라 출력에서 다시 그어지는 셈이다.
해법으로는 메모리제이션을 정면으로 겨눈 제안이 나온다. 독일·영국·미국을 비교한 한 논문은 'AI가 접근하는 학습데이터 시장'과 'AI가 재현하는 출력 시장'을 구분하고, 후자의 피해를 반영해 배포된 모델의 측정 가능한 암기율에 연동된 권리자 보상(capability-based levy)을 제안한다. 나아가 출처 미표시 이용으로 인한 비금전적 피해는 모델 아키텍처 수준의 출처 표시 능력 의무화로 다룰 수 있다고 본다 (DOI: 10.2139/ssrn.6814498). 학습데이터 기반 과세보다 암기율에 연동하는 편이 영토적 회피에 덜 취약하고 개발자에게 암기를 줄일 유인을 준다는 것이다 (DOI: 10.2139/ssrn.6814498).
여기서부터는 '하나의 정답'이 없다는 사실 자체가 답이다. 같은 행위가 어느 나라에 서 있느냐에 따라 합법과 불법을 오간다.
EU는 디지털 단일시장(DSM) 지침 제3·4조의 텍스트·데이터마이닝(TDM) 예외로 학습을 허용하되, 권리자가 거부할 수 있는 옵트아웃 구조를 둔다. 그런데 이 옵트아웃이 실제로 작동하는지가 쟁점이다. 미국·EU를 비교한 한 논문은, 옵트아웃이 효과를 가지려면 권리자가 이용 사실과 거부 선택지를 인지하고 그 메커니즘이 합리적 노력으로 가능해야 하는데, 현재의 AI 학습 옵트아웃은 이 조건들을 충족하지 못해 기능 부전 상태라고 결론짓는다 (DOI: 10.2139/ssrn.6163107).
국제 조약이라는 더 높은 천장도 있다. 미국 공정이용이든 EU TDM이든, 베른협약 등의 '3단계 테스트'(예외가 저작물의 통상적 이용과 충돌하지 않고 권리자의 정당한 이익을 부당하게 해치지 않을 것) 안에서 작동해야 한다. 한 IIC 논문은 그 테스트가 TDM에 적용되는지부터 의문이라면서도, 적용된다 해도 옵트아웃·투명성·공정한 보상 같은 조건을 붙이면 TDM 예외가 테스트를 통과할 수 있다고 분석한다 (DOI: 10.1007/s40319-026-01680-2). 또 다른 논문은 미국·EU 모두 이 조약 제약 안에 있다는 점이 그간 간과됐다며, 투명성·감사·보상을 조건으로 한 개혁을 제안한다 (DOI: 10.2139/ssrn.6447160).
진행 중인 소송들이 이 추상적 논쟁에 살을 붙인다. EU법을 다룬 한 챕터는 학습된 모델이 저작물의 '복제물'에 해당하는지를 두고 Getty Images v. Stability AI와 GEMA v. OpenAI가 엇갈린 판단을 내렸다는 점을 짚으며, 보호 콘텐츠가 모델 파라미터에 인코딩돼 '외과적 제거'가 기술적으로 거의 불가능하다는 구조적 문제를 지적한다 (DOI: 10.2139/ssrn.6356599). 대만을 중심으로 미국 사건을 분석한 연구는 증거의 벽을 강조한다. Andersen v. Stability AI에서 법원은 압축 복제물에 관한 사실 주장이 불충분하다며 일부를 각하한 반면, New York Times v. OpenAI에서는 원작과 흡사한 ChatGPT 출력물이 제출돼 복제·2차적저작물권 침해 가능성을 시사했다는 것이다 (DOI: 10.33093/ajlp.2025.19). 미국과 EU를 비교한 또 다른 논문은 Thaler v. Perlmutter와 Andersen v. Stability AI, EU의 TDM 옵트아웃을 참조점 삼아, 인간 창작 통제의 문턱이 불확정적이고 다층 가치사슬에서 책임이 어긋나며 불투명한 학습 과정에서 복제를 입증하기 어렵다는 세 가지 지속적 공백을 짚는다 (DOI: 10.2139/ssrn.6159507).
영국·미국·독일을 비교한 한 백과 항목은 한발 더 나아가, 현행법이 의미·문체 수준의 모방에는 특히 무력하다고 본다 — 저작자성에 합의가 없고, 학습데이터에 대한 명확한 라이선스 모델이 없으며, 창작자의 목소리·문체·인격에 대한 도덕적 권리 보호가 파편화돼 있다는 것이다 (DOI: 10.3390/encyclopedia6010009).
이 논쟁에는 우리에게 직접 와닿는 한 모서리가 있다. 과학 논문으로 LLM을 학습시키는 문제다. 한 논문은 과학 문헌 기반 LLM에 대해, 미국 공정이용이 오히려 부적합하다고 논증한다. 과학이 중시하는 정확성·투명성·해석가능성이 '변형적 사용' 요건과 충돌하고, 과학적 표현은 창작적 독창성이 아니라 정밀성을 위한 것이며, '단일 저작물에서 적은 양만 쓰라'는 공정이용의 강조가 정보 밀도 높은 과학 텍스트를 포괄적으로 학습해야 하는 필요와 모순된다는 것이다. 그래서 과학 문헌에는 별도의 예외를 재구성하자고 제안한다 (DOI: 10.3389/frai.2026.1781692).
정직하게 말하면, 법은 아직 답을 정하지 못했다. 그리고 그것이 이 이야기의 결론이다.
세 가지가 분명하다. 첫째, 문제는 하나가 아니라 둘이다 — 생성물의 저작자성과 학습의 침해 여부는 따로 답해야 하고, 후자는 다시 입력과 출력으로 갈린다 (DOI: 10.2139/ssrn.6542719). 둘째, AI 생성물의 저작자성에 관해서는 '완전 자율 출력물은 보호받지 못하고, 의미 있는 인간 기여가 있을 때만 보호한다'는 방향으로 느슨한 수렴이 보이지만, 그 문턱이 정확히 어디인지는 관할마다 다르고 불확정적이다 (DOI: 10.2139/ssrn.6313438, DOI: 10.2139/ssrn.6120486). 셋째, 학습 침해에 관해서는 수렴이 거의 없다 — 같은 '복제가 일어난다'는 기술적 사실에서 출발해도 미국(넓은 공정이용)·EU(옵트아웃 TDM)·영국(엄격)이 정반대로 갈리고 (DOI: 10.30574/ijsra.2026.18.1.0166), Getty와 GEMA처럼 같은 쟁점에 법원이 엇갈린 판단을 내린다 (DOI: 10.2139/ssrn.6356599).
'학습이냐 표절이냐'는 깔끔한 이분법은, 그래서 답이 아니라 잘못된 질문에 가깝다. 입력 단계의 복제는 어떤 시각에선 '읽기'이고 (DOI: 10.69724/2786-8834-2025-4-1-72-89), 어떤 시각에선 공짜 산업 원료의 착취다 (DOI: 10.2139/ssrn.6740239). 출력 단계의 메모리제이션은 그 경계를 다시 그어, 내부의 암기는 몰라도 보호 표현의 재현은 침해라는 선을 만든다 (DOI: 10.2139/ssrn.6690979). 법은 지금 이 선들을 — 판례 하나하나, 입법안 하나하나로 — 형성하는 중이다.
이것은 결함이 아니라 법이 새 기술 앞에서 늘 거치는 과정이다. 사진이 그랬고 (DOI: 10.2139/ssrn.6138549), 컴퓨터 프로그램과 녹음물이 그랬다. 다만 그 과정이 끝나기 전까지, "AI 학습은 합법이다" 또는 "AI는 표절기계다"라는 한 줄짜리 단정은 — 어느 쪽이든 — 아직 법이 하지 않은 말이다. 지금 우리가 가진 가장 정직한 답은, 관할에 따라 다르고, 입력과 출력에 따라 다르며, 판례가 형성되는 중이라는 것이다.
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.
문제의 두 질문 (저작자성 / 학습 침해 · 입력/출력)
질문 ① — AI 생성물의 저작자성 (인간 요건)
질문 ② — 학습 침해 (복제냐 '읽기'냐)
공정이용 4요소 · 변형적 사용 논쟁
메모리제이션 (외워 뱉는 기계 — 일부는 측정된 공학 연구)
관할별 갈림 · TDM · 3단계 테스트 · 소송
과학 문헌이라는 특수 전선