최근 인공지능(AI) 기업들이 대규모 언어모델(LLM) 훈련에 필요한 데이터를 확보하기 위해 헌책을 대량으로 구매한 뒤 파쇄하는 사례가 늘어나고 있습니다. 이는 저작권이 만료된 도서나 저작권자의 허락을 받기 어려운 책들을 데이터화하는 과정에서 발생하는 현상으로, AI 학습 데이터의 윤리적, 법적 문제점을 다시금 부각시키고 있습니다.
AI 기업들은 텍스트 데이터를 얻기 위해 도서관이나 중고 서점에서 헌책을 대량으로 사들인 후, 이를 스캔하여 디지털 데이터로 변환하고 원본 책은 파쇄하는 방식을 사용하고 있습니다. 이는 저작권 문제에서 비교적 자유롭고, 인터넷에서 구할 수 없는 독점적인 양질의 데이터를 확보하려는 전략의 일환입니다. 특히, 저작권이 만료된 고전이나 특정 분야의 전문 서적들이 이러한 방식으로 AI 훈련 데이터셋에 포함되고 있습니다. 이 과정에서 일부에서는 문화적 가치가 있는 책들이 무분별하게 훼손될 수 있다는 우려도 제기됩니다.
이러한 현상은 AI 기술 발전의 이면에서 데이터 수집 방식의 윤리적 딜레마를 보여줍니다. AI 모델의 성능 향상을 위해서는 방대한 양의 고품질 데이터가 필수적이지만, 이를 확보하는 과정에서 기존 저작권법과의 충돌, 그리고 문화유산으로서의 책의 가치 훼손 문제가 발생할 수 있습니다. 따라서 AI 기업들은 데이터 확보의 효율성과 함께 사회적 책임감을 동시에 고려하여, 저작권자와의 협상, 공정 사용(fair use) 원칙 준수, 그리고 문화적 가치 보존을 위한 새로운 데이터 수집 및 활용 방안을 모색해야 할 시점입니다.