AI가 더 많은 데이터를 원할수록, 그 데이터는 점점 추상적인 파일이 아니라 실제 물건에 가까워지고 있습니다. 이번 이슈는 그 사실을 아주 직접적으로 드러냅니다.
핵심은 단순히 한 기업의 내부 문서 공개가 아닙니다. AI 학습 데이터의 확보 방식이 어디까지 허용되는지, 그리고 그 과정이 사회적으로 어떤 비용을 남기는지 다시 묻게 만든다는 점입니다.
AI 학습 데이터가 물리적 책으로 향한 이유
공개된 내부 문서에 따르면 Anthropic은 수백만 권의 물리적 책을 대량으로 사들이고, 그중에서도 더 드물고 품질이 높은 책을 우선해 파쇄형 스캔*을 진행한 것으로 확인됐습니다. 회사는 이 작업에 'Project Panama'라는 코드명을 붙였고, 문서에는 외부에 알려지지 않게 하려는 의도도 담겨 있었습니다.
또 다른 문서와 이메일 교환에는 책을 분류하고 확보하는 과정이 남아 있습니다. 2024년 10월 내부 메모에는 이미 수백만 권을 구매한 상태였다는 내용도 포함돼 있었습니다. 다만 다른 AI 회사들도 같은 방식으로 움직였는지는 이번 자료만으로 확인되지 않았습니다.
왜 이 논란이 책 그 자체보다 더 크게 읽히는가
이번 이슈가 민감한 이유는 희귀 도서 몇 권의 문제가 아니라, AI 산업이 데이터를 확보하는 기준이 바뀌고 있기 때문입니다. 모델 성능을 높이기 위해 더 좋은 데이터를 찾는 과정이, 이제는 디지털 텍스트의 범위를 넘어 물리적 원본의 보존 문제와 맞닿았습니다.
여기에 저작권 분쟁도 겹칩니다. 2024년 작가들이 Anthropic을 상대로 소송을 제기했고, 법원은 관련 내부 문서를 공개하도록 했습니다. 학습 데이터가 무엇인지보다, 그 데이터를 어떻게 확보했는지가 같은 비중으로 중요해진 셈입니다.
AI 서비스를 볼 때 함께 확인해야 할 기준
이 이슈는 AI 기능의 유용성만으로 서비스를 평가하기 어렵다는 점을 보여줍니다. 사용자가 보지 못하는 수집 방식, 기본 전제, 외부 자원에 대한 태도가 서비스의 신뢰를 좌우하기 때문입니다.
앞으로는 편리함과 성능을 볼 때 그 이면에 어떤 데이터 확보 과정이 있었는지도 함께 봐야 합니다. 특히 데이터가 공개 자료인지, 허가를 거친 자료인지, 혹은 보존 가치가 있는 원본을 훼손한 결과인지에 따라 같은 AI라도 사회적 의미가 완전히 달라집니다.
D.Flick Note
이번 사례가 남기는 메시지는 분명합니다. AI는 더 이상 화면 속 학습 코드만으로 설명되지 않으며, 현실 세계의 자원과 충돌하는 순간부터 산업의 윤리가 드러납니다.
Anthropic의 'Project Panama'는 단순한 내부 프로젝트명이 아니라, AI 산업이 얼마나 강한 데이터 욕구를 갖고 있는지 보여주는 표시입니다. 앞으로의 경쟁은 더 많은 모델을 누가 먼저 내놓느냐보다, 그 모델이 어떤 자원을 어떤 방식으로 소비했는지까지 공개할 수 있느냐로 옮겨갈 가능성이 큽니다. AI를 평가할 때 성능만 보는 시선은 점점 좁아질 수밖에 없습니다.
References
- 파쇄형 스캔: 책의 제본을 절단한 뒤 페이지를 스캐너에 넣어 디지털화하는 방식
- AI slop: 품질이 낮거나 맥락이 흐린 AI 생성 콘텐츠
- air use: 저작권 보호 대상의 이용을 일정 범위에서 허용하는 미국 법리