AI 저작권 소송이 개발 워크플로를 흔드는 방식

Sony Music과 Warner Music이 Anthropic을 상대로 낸 소송, 음악 업계 이슈로 읽고 넘기기 쉽다. 하지만 이번 소장의 핵심 논리는 "Claude가 가사를 출력했다"가 아니다. "학습 데이터에 가사를 넣은 행위 자체가 해적 행위"라는 것이다. 그 논리가 법원에서 살아남는다면, 코드 저장소로 학습된 AI 코딩 도구 전체가 다음 질문대에 오른다.

지금 당장 Claude를 끊어야 한다는 뜻은 아니다. 하지만 "이건 음악 얘기고 우리 개발 워크플로와는 무관하다"는 판단은 너무 빠르다. 주의할 지점은 오히려 반대 방향에 있다 — 무관하다고 방심하다가, 정작 모델 정책이 바뀌거나 클라이언트가 IP 문제를 제기할 때 준비가 전혀 없는 상황.

이번 소송이 이전과 다른 이유

AI 저작권 소송은 2022년부터 꾸준히 있었다. GitHub Copilot이 GPL 코드로 학습했다는 이유로 2022년 집단소송을 맞았고, Getty Images는 Stability AI의 이미지 학습을 문제 삼았다. 공통점이 있었다. 대부분 "AI가 저작권 있는 결과물을 출력했다"는 게 주된 공격 지점이었다.

이번 Sony·Warner 소송은 결이 다르다. "Claude가 가사를 출력했느냐"가 아니라, "가사를 학습 데이터에 포함한 것 자체가 불법 복제"라는 논리를 정면으로 밀어붙인다. 소장에서 "brazen campaign(대담한 캠페인)"이라고 표현한 건 수사적 과장이 아니다. 단순 과실이 아니라 고의적·반복적 침해를 주장해야 법정 손해배상액이 극대화된다 — 미국 저작권법상 고의 침해는 건당 최대 15만 달러까지 올라간다.

코드 세계로 연결하면 이렇다. GitHub Copilot 소송은 2024년에 대부분 기각됐다. 하지만 기각 이유가 "학습 데이터로 코드를 써도 된다"는 긍정 판단이 아니었다. 원고의 손해 입증이 충분하지 않았다는 절차적 이유가 컸다. "학습 데이터 = 저작권 침해" 이론 자체는 아직 법원에서 확정된 결론이 없다.

AI 도구 의존도가 높을수록 공급망 리스크가 된다

3~5명짜리 팀이 현재의 자동화 수준을 AI 없이 유지하는 건 솔직히 불가능에 가깝다. 우리 팀을 기준으로 말하자면, 콘텐츠 발행 봇 12개를 Claude 호출 없이 같은 품질로 돌리려면 최소 지금의 두 배 인력이 필요했을 것이다. 편의 도구를 넘어 핵심 공급망이 됐다는 뜻이다. 그 의존도가 높아질수록 공급망 리스크도 같이 올라간다.

구체적으로 두 층위가 있다. 하나는 정책 변화 리스크다. 소송 압박을 받으면 Anthropic은 출력 필터를 강화하거나 특정 요청 유형을 제한할 수 있다. 음악 가사 전체 재현은 이미 일부 모델에서 제한되는 추세다. 코딩 도구 쪽은 당장 큰 변화가 없겠지만, 모델 정책은 고지 없이 바뀐다.

또 하나는 IP 귀속 리스크다. 여기서 수치가 중요하다. GitHub Copilot Business·Enterprise는 저작권 배상 정책(IP indemnification)을 명시적으로 제공한다 — 고객이 Copilot 출력물로 저작권 클레임을 걸면 GitHub이 법적 방어를 지원하는 구조다. Anthropic의 상업 이용 약관에는 이와 동등한 수준의 명시 조항이 없다. Claude로 만든 결과물을 외부 서비스에 넣거나 클라이언트에 납품할 때, 법적 책임 구조상으로는 개발팀이 혼자 서 있는 셈이다. 알고 쓰는 것과 모르고 쓰는 건 다르다.

리스크를 분류하면 대응이 보인다

소송 이후 우리 팀에서도 사용 패턴을 내부/외부로 나눠 정리해봤다. 생각보다 명확하게 나뉘었다.

내부 전용 자동화는 리스크가 낮다. 배치 스크립트, 파싱 봇, 내부 데이터 가공 — 외부에 납품되는 게 아니고, 법적 문제가 생겨도 책임자가 우리 자신이다. 지금처럼 써도 된다고 판단했다.

외부 공개 콘텐츠는 다르다. 블로그 본문, 제품 설명, API 응답처럼 사용자가 직접 보는 결과물. AI 생성을 배제할 필요까진 없지만, "모델이 이걸 학습 데이터에서 그대로 복사해온 건 아닌가"를 체크하는 패스 하나가 있어야 한다. 특히 시·가사·짧은 창작물 형태의 요청은 더 그렇다.

클라이언트 납품 코드가 있는 팀이라면 계약서를 다시 봐야 한다. "AI 도구 사용 여부 및 결과물의 책임 소재"가 명시되지 않으면, 나중에 "이거 AI가 만든 거라 저작권 문제 있을 수 있다"는 말이 나올 때 아무 근거가 없다. 한 줄이라도 명시적 합의가 있는 것과 없는 것은 분쟁 상황에서 완전히 다른 출발점이다.

대체가 가능한가, 지금 당장은 아니다

솔직히 말하면 지금 당장 완전 대체는 쉽지 않다. Claude API 수준의 코드 생성 품질을 오픈소스 로컬 모델로 맞추려면 하드웨어 비용이 상당하다. Llama 3.1 70B급도 A100 두 장 이상이 필요하고, 추론 속도는 아직 API 대비 느리다.

그러나 "완전 대체"가 아닌 "부분 헤지"는 지금도 가능하다. 데이터 파싱, 포맷 변환, 간단한 요약처럼 품질 요구가 낮은 영역은 Mistral 7B나 Phi-3 같은 소형 모델로 로컬에서 처리할 수 있다. 전체의 20~30%만 분산해도 핵심 공급망 집중도를 의미 있게 낮출 수 있다.

직접 해보니 Ollama 기준으로 Mistral 7B 세팅에 30분이 채 안 걸렸다. 품질 갭이 문제지, 설정 허들은 생각보다 낮았다. 대체 결정이 아니라 "할 수 있다"는 실측이 먼저다.

지금 바로 쓸 수 있는 체크리스트

소송이 어떻게 끝날지는 모른다. 몇 년이 걸릴 수도 있고, 합의로 마무리될 수도 있다. 결과를 기다리는 것보다 지금 할 수 있는 것을 하는 게 낫다.

Anthropic 이용약관의 Output·IP 조항 읽기. 지금 쓰는 플랜이 어떤 조건 아래 있는지 모르고 쓰는 팀이 대부분이다. 30분이면 된다.

AI 사용 패턴을 내부/외부/납품 세 단계로 분류하기. 목록으로 만들면 실제 노출 면적이 보인다. 막연한 불안보다 명확한 그림이 낫다.

외부 납품 계약서에 AI 도구 사용 조항 넣기. 법무 검토가 최선이지만, "AI 보조 도구가 활용됩니다"라는 한 줄 고지라도 명시적 합의 자체가 없는 것과는 다르다.

로컬 모델 대안 하나 탐색해두기. 당장 쓰지 않더라도 Ollama + 소형 모델을 한 번 돌려보는 것, "할 수 있다"는 실측이 목적이다. 실제로 필요해졌을 때 처음 시작하는 것과는 준비도가 다르다.

"AI 도구 = 무제한 자유"라는 전제가 법적으로 도전받는 시대에 진입했다는 것 — 이번 소송이 이미 그것을 확인해줬다.

원문: AI News & Artificial Intelligence | TechCrunch