최근 인공지능(AI) 업계에서 대규모 언어모델(LLM) 학습 데이터 확보를 둘러싼 흥미로운 움직임이 포착되었습니다. 일부 AI 기업들이 마이크로소프트(MS) 스토어에서 대량의 전자책(e-book)을 구매한 뒤 이를 파기하고 있다는 의혹이 제기된 것입니다. 이는 AI 모델의 성능을 좌우하는 고품질 텍스트 데이터에 대한 수요가 얼마나 높은지를 단적으로 보여주는 사례입니다.
이러한 행위는 AI 기업들이 LLM 학습에 필요한 방대한 양의 데이터를 확보하기 위한 전략으로 해석됩니다. 특히, 저작권이 보호되는 최신 서적이나 특정 분야의 전문 서적은 웹에서 쉽게 접근하기 어렵습니다. MS 스토어와 같은 합법적인 경로를 통해 책을 구매하면 저작권 문제를 회피하면서도 양질의 데이터를 얻을 수 있습니다. 구매 후 파기하는 것은 물리적 소유권보다는 내용(콘텐츠) 접근 자체가 목적임을 시사하며, 이는 데이터를 디지털화하여 학습에 활용하려는 의도로 보입니다.
이러한 현상은 AI 학습 데이터 시장의 복잡성과 저작권 문제를 다시 한번 수면 위로 올리고 있습니다. AI 기업들은 모델 성능 향상을 위해 끊임없이 새로운 데이터를 갈구하지만, 기존 저작권법은 AI 학습 데이터 활용에 대한 명확한 가이드라인을 제시하지 못하고 있습니다. 이번 사례는 합법적인 구매를 통한 데이터 확보라는 새로운 접근 방식을 보여주지만, 여전히 데이터의 윤리적 사용과 저작권 침해 논란의 여지를 남기고 있어 향후 법적, 윤리적 논의가 더욱 활발해질 것으로 예상됩니다.