[Hacker News 요약] 마이크로소프트 임원, AI 스크래핑을 '인류 역사상 최대 규모의 노동 착취'라 칭해
30
설명
2026년 9월 17일, 테크크런치 보도에 따르면 뉴욕타임스가 오픈AI와 마이크로소프트를 상대로 제기한 저작권 소송의 비공개 문서가 공개되며 AI 스크래핑이 노동 착취에 해당하며 AI 제품이 출판 업계에 심각한 위협이 된다는 내부 인식이 드러났습니다.
마이크로소프트의 고위 임원은 AI 학습 방식이 '절도'와 같다고 사적으로 언급했으며, 오픈AI 경영진 역시 자사 AI 모델이 학습에 사용된 저작물들의 '실존적 위협'이 된다고 인정했습니다.
이 문서는 기업들이 유료 콘텐츠 접근을 우회하고, 대규모 스크래핑을 통해 학습 데이터를 구축하며, 저작권 표시를 의도적으로 제거하는 방식으로 콘텐츠를 획득하고 사용했음을 상세히 보여줍니다.
### 배경 설명
이 사건은 2023년 1월 뉴욕타임스가 오픈AI와 마이크로소프트가 생성형 AI 모델 학습에 자사 콘텐츠를 무단으로 사용해 저작권법을 위반했다고 주장하며 시작된 3년 간의 소송에서 비롯되었습니다. AI 기업이 저작권이 있는 자료를 AI 학습에 사용할 수 있는지에 대한 법적 문제는 명확한 답이 없는 상태이나, 법원들은 대체로 AI 기업들의 '공정 이용' 주장에 우호적인 입장을 보여왔습니다. 공정 이용은 패러디, 뉴스 보도, 비평 등 특정 상황에서 저작권자의 허락 없이 저작물을 사용할 수 있도록 허용하는 법률 원칙입니다. 최근에는 트럼프 행정부까지 오픈AI의 LLM 학습을 위한 저작물 무단 사용을 옹호하는 의견서를 제출하기도 했습니다. 그러나 이번에 공개된 비공개 문서의 일부 내용은 오픈AI의 공정 이용 주장에 정면으로 배치됩니다. 특히, AI 사용이 원본 저작물의 시장을 대체하거나 해를 끼치지 않아야 한다는 공정 이용 원칙의 요건을 위반하는 정황이 드러났습니다.
### AI 스크래핑의 경제적 파급 효과 및 내부 인식
마이크로소프트의 자체 데이터에 따르면, 자사의 'Copilot' 검색 엔진은 전통적인 Bing 검색 대비 뉴욕타임스 웹사이트의 클릭률을 최대 93%까지 감소시켰습니다. 2024년 1월, 마이크로소프트 응용 과학 책임자인 브렌트 헤흐트(Brent Hecht)가 작성한 내부 발표 자료는 이러한 현상을 '파멸의 순환(doom loop)'이라고 묘사하며, 이는 '우리 모델의 성능과 웹 전체의 성능을 동시에 해칠 것'이라고 경고했습니다. 해당 문서는 '필수 공급업체의 경제적 기반을 위협하는 최종 제품은 매우 이례적이지만, 이것이 우리가 LLM 사업과 관련하여 '콘텐츠 공급망'에 대해 만들어낸 상황'이라고 지적했습니다. 마이크로소프트 CEO 사티아 나델라(Satya Nadella) 역시 올해 초 증언에서 '유료화된 콘텐츠는 누구나 이를 기반으로 하거나 학습하는 데 사용하려면 라이선스를 받아야 한다'고 밝혔으며, 만약 '오픈AI가 유료화된 정보에 대해 스크래핑 및 학습을 진행했다는 사실을 알게 되었다면, 마이크로소프트의 권리를 행사하여 오픈AI에 모델 재학습을 요구했을 것'이라고 명확히 했습니다.
### AI 모델의 대체재로서의 위협과 저작권 침해 규모
이번에 공개된 내용은 공정 이용의 다른 핵심 요소들을 위반하는 정황도 포함합니다. 오픈AI의 ChatGPT 책임자인 닉 털리(Nick Turley)는 내부 커뮤니케이션에서 출판사들이 챗봇과 같은 제품으로부터 '실존적 위협'에 직면해 있으며, 이들 제품은 '상당히 대체적'이고 '개선될수록 더욱 대체적이 될 것'이라고 언급했습니다. 오픈AI 사장인 그렉 브록만(Greg Brockman)은 이러한 모델들을 '뉴스에 탁월하다'고 묘사했으며, 나델라 CEO는 올해 초 증언에서 챗봇과의 대화가 'AI 플랫폼에서 바로 정보를 제공받는 것과, 근본적인 출처를 찾아가야 하는 필요성 사이의 대체재 역할을 한다'고 인정했습니다. 이러한 표현들은 해당 기술이 원본 저작물을 변형하기보다는 직접적으로 경쟁할 수 있음을 시사합니다. 마이크로소프트 문서에 따르면, 생성형 AI가 '기초 모델 학습에 사용된 데이터를 생성한 사람들의 고용을 심각하게 방해할 수 있는 실제 위험'이 존재합니다. 복제 규모 자체도 놀랍습니다. 문서들은 오픈AI의 중간 학습 데이터셋만으로도 뉴욕타임스, 데일리 뉴스, 탐사보도 센터(Center for Investigative Reporting)에서 발행된 91,692개 이상의 저작물 복제본을 포함하고 있음을 처음으로 밝혔습니다. Common Crawl에서 파생된 데이터셋에는 nytimes.com에서만 2백만 개 이상의 문서가 포함되었습니다. 2023년 1월 내부 메모에서 헤흐트는 이를 '전례 없는 규모의 놀라운 절도'이자 '인류 역사상 최대 규모의 노동 착취'라고 불렀습니다.
### 콘텐츠 획득 방식과 저작권 표시 제거
이번 소송 서류는 오픈AI와 마이크로소프트가 어떻게 원고들의 콘텐츠를 획득했는지에 대한 새로운 세부 정보를 제공하며, 빙 인덱스(Bing Index)에서 스크래핑한 내용도 포함됩니다. 소장에 따르면, '오픈AI는 GPT-3 학습 데이터셋 전체를 마이크로소프트에 전달했으며, 마이크로소프트는 이를 자사 상용 제품에 오픈AI 모델을 구현하는 방법을 평가하는 데 사용했습니다.' 또한, '마이크로소프트는 프로젝트 택시(Project Taxi)와 프로젝트 망고(Project Mango)라는 이니셔티브를 통해 오픈AI에 학습 데이터를 제공했습니다.' 기업들은 프로젝트 망고 데이터를 뉴스 출판사들의 고유 저작물 최소 160,903개를 포함하는 학습 데이터셋으로 조립한 것으로 알려졌습니다. 스크래핑을 최대한 활용하기 위해 오픈AI 직원들은 탐지를 우회하여 유료 콘텐츠 접근을 막는 방법을 고안한 것으로 알려졌습니다. 공개된 문서에 따르면, 오픈AI 연구원 닉 라이더(Nick Ryder)가 브록만에게 '뉴욕타임스 유료 콘텐츠 우회 해킹'에 대해 보고했을 때, 브록만은 '아, 좋네(ah nice)'라고 답했습니다. 오픈AI 직원들은 또한 WebText 및 WebText2와 같은 학습 데이터셋을 구축했는데, 이 데이터셋들은 스크래핑된 뉴스 콘텐츠에 과도하게 의존했습니다. 또한, 무료 공개 웹 크롤링 데이터 저장소인 Common Crawl에서 수백만 개의 기사를 가져온 것으로 알려졌습니다. 조사 결과는 또한 모델에 도달하기 전에 학습 데이터에서 의도적으로 저작권 표시를 제거하려는 노력을 설명하며, 연구원들이 '모델이 사용자에게 '저작권 표시'를 출력하는 것을 원하지 않았기 때문'이라고 합니다.
### 가치와 인사이트
이번에 공개된 비공개 문서들은 AI 개발 기업들이 저작권이 있는 콘텐츠를 학습 데이터로 사용하는 과정에서 발생할 수 있는 윤리적, 법적, 경제적 문제에 대한 심각한 내부 인식을 보여줍니다. 마이크로소프트 임원의 '인류 역사상 최대 규모의 노동 착취'라는 발언은 AI 학습 데이터의 출처와 그로 인한 저작권자의 피해에 대한 근본적인 질문을 던집니다. 또한, AI 모델이 기존 콘텐츠의 시장을 잠식하고 창작자의 생계를 위협할 수 있다는 점은 AI 기술 발전이 가져올 사회경제적 변화에 대한 깊은 성찰을 요구합니다. 특히, 유료 콘텐츠를 우회하고 저작권 표시를 제거하는 등의 행위는 AI 기업들이 법적, 윤리적 경계를 넘나들었을 가능성을 시사하며, 이는 향후 AI 규제 및 저작권 관련 법안 마련에 중요한 참고 자료가 될 것입니다. Copilot과 같은 AI 검색 엔진이 원본 웹사이트의 트래픽을 최대 93%까지 감소시킨다는 데이터는 AI가 기존 인터넷 생태계에 미치는 파괴적인 영향력을 구체적으로 보여줍니다.
### 기술·메타
- Microsoft Copilot
- OpenAI GPT-3
- Common Crawl
- WebText, WebText2
- Project Taxi, Project Mango
### 향후 전망
이번 사건은 AI 학습 데이터의 저작권 문제에 대한 법적, 사회적 논쟁을 더욱 가열시킬 것으로 예상됩니다. 오픈AI와 마이크로소프트는 물론, 다른 AI 개발 기업들도 유사한 소송에 직면할 가능성이 높으며, 이는 AI 모델 개발 및 배포 방식에 근본적인 변화를 가져올 수 있습니다. '공정 이용'의 범위와 한계에 대한 법원의 판결이 향후 AI 산업의 발전 방향을 결정하는 중요한 변수가 될 것입니다. 또한, AI가 생성하는 콘텐츠의 저작권 귀속 문제, AI로 인한 일자리 감소 문제 등도 함께 논의될 것입니다. 출판사들은 AI 기업과의 라이선스 계약 체결, 자체적인 저작권 보호 강화 등 다양한 대응 전략을 모색할 것이며, 이는 AI와 콘텐츠 산업 간의 새로운 관계 설정을 촉진할 것입니다. 2026년 Disrupt 행사에서 OpenAI, Anthropic, Replit 등 주요 AI 기업들이 참여하는 것은 이러한 논의가 활발히 진행되는 가운데, 기술 발전과 그에 따른 사회적 책임에 대한 다양한 관점을 공유하는 장이 될 것입니다.
📝 원문 및 참고
- Source: Hacker News
- 토론(HN): [news.ycombinator.com](https://news.ycombinator.com/item?id=49752056)
- 원문: [링크 열기](https://techcrunch.com/2026/09/17/microsoft-exec-called-ai-scraping-the-largest-theft-of-labor-in-human-history-new-unredacted-filings-reveal/)
---
출처: Hacker News · [원문 링크](https://techcrunch.com/2026/09/17/microsoft-exec-called-ai-scraping-the-largest-theft-of-labor-in-human-history-new-unredacted-filings-reveal/)
이 글에 대한 한 줄 의견
신고 · 불법·유해·아동 안전(CSAE) 관련 콘텐츠
댓글 0
아직 댓글이 없습니다. 로그인하면 바로 의견을 남길 수 있습니다.