작성자: David, 선차오 TechFlow
책을 불태워 AI를 키우는 일이 전 세계적인 비즈니스로 떠오르고 있다.
Fortune의 최근 보도에 따르면, 올해 들어 네덜란드, 독일, 스위스, 스페인 등 여러 국가의 고서상들이 잇따라 비정상적인 대량 주문을 받고 있다. 구매자가 한 번에 수천 권의 학술 서적을 요구하는데, 품목이 다양해 정상적인 구매로 보기 어렵다.
예를 들어, 네덜란드 하를렘에 위치한 고서점 de Vries는 최근 황당한 이메일 한 통을 받았다.
발신자는 2077AI라는 싱가포르 회사로, 다국어 도서 수집 프로젝트를 진행 중이라고 밝혔다. 메일에는 다양한 주제의 3천 권이 넘는 도서 구매 목록이 담긴 엑셀 파일이 첨부되어 있었으며, 각 책마다 출판 번호가 기재되어 있었고 견적을 낸 후 중국으로 발송해 달라고 요청했다.
de Vries는 당시 너무 황당해서 무시해 버렸다.
몇 주 후 네덜란드 기자가 찾아오자, 그는 이 '스팸 메일' 이면에 AI 업계 전체의 훈련 데이터에 대한 갈증이 자리 잡고 있음을 깨달았다.
누가 이 데이터를 어떤 모델 훈련에 사용하는지에 대해, Fortune에 따르면 책을 구매한 이 회사는 답변을 거부했다.
이곳만이 아니다. 또 다른 캐나다 회사인 Zoom Books는 매일 새벽 3시에서 5시 사이에 유럽 서점들의 온라인 숍에서 서로 전혀 무관한 비인기 학술 서적만을 대량 주문한다.
한 서점 주인은 언론에 "배송비가 책값보다 비싸지만, 구매자는 전혀 개의치 않는 듯하다"고 말했다.
물론 이 책들을 읽으려고 사는 것은 아니다.
AI 기업들은 2022년 이전에 출판된 종이책을 필요로 한다. 이 텍스트들은 AI가 생성한 콘텐츠에 오염되지 않았음이 보장되므로, 대규모 언어 모델 훈련에 가장 깨끗한 말뭉치이기 때문이다.
책을 입수한 후 업계의 일반적인 관행은 '파괴적 스캔', 즉 책등을 잘라내고 모든 페이지를 고속 스캔한 다음 종이 원본을 폐기하는 것이다.
해외에서는 AI 대형 모델 업계의 선두 주자들이 더욱 '공격적인' 방식을 통해 이 모든 과정을 이미 실행에 옮기고 있다.
해적판을 사서 AI를 키운다
이 사건의 전말을 가장 완벽하게 보여주는 기록은 미국의 한 저작권 소송에서 나왔다.
2024년 8월, 미국 작가 Andrea Bartz 등 3명이 Claude의 모회사 Anthropic을 상대로 자신들의 작품을 허가 없이 AI 모델 훈련에 사용했다며 소송을 제기했다. 사건이 2026년 초에 접어들면서 4,000페이지가 넘는 Anthropic의 내부 문건이 법원에 의해 공개되었고, 워싱턴포스트는 이 문건들을 상세히 보도했다.
이 문건들이 드러낸 이야기는 상상보다 훨씬 노골적이었다.
2021년부터 2022년까지 Anthropic은 BitTorrent를 통해 LibGen과 Pirate Library Mirror라는 두 해적판 전자책 사이트에서 700만 권이 넘는 책을 다운로드하여 내부 서버에 저장했다. 문건의 원문에 따르면, 경영진은 도서 출판사와 일일이 사용 허가를 논의하는 것이 '지나치게 번거롭다'고 판단했다.
사진: 공개 재판 문건의 일부
소송을 제기한 세 명의 작가는 1차에 불과했다. 사건은 곧 약 50만 작품이 관련된 집단 소송으로 확대되었다. 2025년 6월, Alsup 판사는 두 가지로 나뉘는 판결을 내렸다.
책을 AI 훈련에 사용하는 행위 자체는 공정 이용에 해당하지만, 해적판 사이트에서 다운로드하여 영구히 저장하는 것은 허용되지 않는다는 것이다. 다시 말해, AI를 훈련시키는 행위 자체는 불법이 아니지만, 그 방식에는 논란의 여지가 있다는 뜻이다.
Anthropic이 직면한 손해배상 상한선은 책 한 권당 15만 달러였고, 50만 작품이면 이론적 상한선만으로도 천문학적 액수였다. 결국 양측은 15억 달러에 합의했으며, 책 한 권당 평균 약 3,000달러를 배상한 셈이 되었다.
올해 7월 20일 법원의 최종 승인으로, 이는 미국 저작권 역사상 최대 규모의 집단 소송 합의가 되었다.
먼저 훔치고, 그다음 불태운다
이야기가 여기서 끝났다면, 단순히 물건을 훔치다 걸려 배상한 뻔한 시나리오에 불과했을 것이다.
그러나 워싱턴포스트의 2026년 1월 보도에 따르면, 법원은 사건 심리 기간 동안 4,000페이지가 넘는 Anthropic 내부 문건을 공개했고, 그 안에는 또 다른 계획이 기록되어 있었다.
Anthropic은 2024년 초 내부 코드명 '파나마 프로젝트'라는 작전을 개시하며, Google Books 시절의 전 책임자를 영입해 중고서 플랫폼에서 종이책을 대량 매입했고, 6개월 안에 50만 권에서 200만 권을 처리할 계획이었다.
책을 사서, 책등을 자르고, 스캔한 다음, 원본을 폐기한다.
내부 문건은 이 프로젝트를 '전 세계의 책을 파괴적으로 스캔하는 것'이라고 정의했으며, 특히 "우리는 외부에서 우리가 이 일을 하고 있다는 사실을 알기를 원하지 않는다" 고 명시했다.
이전에 해적판 사이트에서 직접 다운로드하던 것과 비교하면, 이번에는 책을 돈 주고 샀다는 차이가 있을 뿐이었다.
판사는 이후 이 방식이 합법적이라고 판단했다. 책 한 권을 구매하고 종이책을 폐기한 뒤 디지털 사본만 보유하면 항상 단 한 부의 사본만 존재하므로, 추가 복제 행위에 해당하지 않아 저작권법에 부합한다는 것이다.
따라서 Anthropic의 이 판례는 사실상 업계 전체가 고서를 이용해 AI를 훈련시키면서 법적 위험을 피해갈 수 있는 길을 실행 측면에서 닦아준 셈이다.
해적판 사이트에서 책을 훔치면 소송을 당하니, 일종의 허점을 이용해 정품을 산 다음 불태워버리면 문제가 없다는 논리다.
은밀한 산업 사슬
Anthropic이 닦아놓은 길에는 이제 이를 뒷받침하는 인프라까지 갖춰졌다.
Decrypt의 보도에 따르면, 미국 연방 판사는 OpenAI와 Meta가 연루된 별도의 저작권 소송에서도 유사한 공정 이용 판결을 내렸다. '책을 불태워 AI를 훈련시키는' 방식은 더 이상 한 회사만의 이례적인 사례가 아니라, 판례 체계를 통해 점차 '합법화'되고 있는 업계의 보편적인 관행이 되고 있다.
수요가 있으면 공급도 있는 법이다.
404 Media의 보도에 따르면, 1억 1천만 권 이상의 도서 데이터를 보유한 서지 데이터베이스 회사 ISBNdb는 이전에 자사 웹사이트에 AI 기업을 겨냥한 마케팅 페이지를 게시했으며, 제목은 '당신의 AI 대형 모델을 위한 종이책 말뭉치 구매 서비스 제공' 이었다. 보도에 따르면, 이 페이지에서는 1,000권에서 100만 권까지 대량 구매 서비스를 제공하며, 엄격한 비밀유지계약을 통해 구매자의 신원을 보호하겠다고 약속했다.
보도가 나가자 ISBNdb는 비난 여론에 밀려 신속히 해당 페이지를 내렸고, 공식 웹사이트에 성명을 발표하여 관련 서비스는 '실제로 운영된 적이 한 번도 없으며' 해당 페이지는 단지 '시장의 관심을 테스트하는 것' 이었다고 해명했다.
사진: "서비스를 제공했지만, 모두가 비난해서 내렸습니다"
이 해명을 믿거나 말거나, '테스트' 결과 시장의 관심이 대단히 뜨겁다는 사실이 드러났다.
404 Media의 같은 보도에서 인용된 익명의 서점 관계자에 따르면, 올해 4월부터 그의 주간 판매량이 약 20권에서 수백 권으로 폭증했다. 구매자들은 ISBN 번호로 정밀하게 주문하며, 서로 전혀 연관성 없는 비인기 도서들만 골랐다. 유일한 공통점은 모두 2022년 이전에 출판되었다는 점이었다.
왜 2022년일까?
ISBNdb가 삭제되기 전 마케팅 페이지에 내세웠던 특정 판매 문구가 사실 단서를 제공한다. 2022년 이전에 출판된 종이책에는 AI 생성 콘텐츠가 전혀 포함되어 있지 않아 가장 깨끗한 훈련 말뭉치이기 때문에, 의도적으로 이런 책만 골라 판매한다는 것이다.
그렇다면 이 산업 사슬의 상하위 구조를 정리해 보자.
- 데이터베이스 서비스 제공업체가 도서 선정 목록과 익명 구매 경로를 제공하고,
- 전 세계의 중고서점들이 책을 공급하며,
- 스캔 서비스 업체가 책등을 자르고 고속 디지털화를 담당하고,
- 폐기 업체가 종이 잔해를 처리하면, 마침내 깨끗한 디지털 말뭉치가 AI 기업의 훈련 파이프라인으로 유입된다.
이러한 관행은 거센 반발과 비판을 불러일으켰다. 머스크는 7월 27일 X 플랫폼에 글을 올려, 이러한 '현대판 분서'와도 같은 산업적 유실 행위에 반대하며 은근한 비꼼을 드러냈다.
"나는 SpaceXAI 팀에 처리된 모든 희귀 서적을 도서관에 보존하고, 책등을 잘라내는 대신 '재래식 방법(비파괴 방식)'으로 스캔할 것을 요구했습니다."
하지만 법원의 판례 문건이 공개되지 않았다면, 구매자의 이름은 어느 단계에서도 전혀 드러나지 않았을 것이며, 이 은밀하고 다소 야만적인 산업 사슬에 대해서도 아무도 알지 못했을 것이다.
폐기가 최선은 아니다
도서를 스캔하여 훈련하는 것은 이해할 수 있지만, 방식이 이렇게 폭력적일 필요는 없다.
예전에 Google이 Google Books를 진행할 때 4,000만 권이 넘는 책을 스캔했지만, 특허받은 비파괴 스캔 기술을 사용했다. 스캔을 마친 책은 도서관에 반납했고, 단 한 권도 훼손되지 않았다.
올해 7월, 머스크는 소셜 미디어에 공개적으로 입장을 밝히며, 자신의 xAI 팀에 희귀 서적은 비파괴 스캔을 사용하고 원본은 도서관에 보존할 것을 요구했다.
기술적으로 충분히 가능한 일이다. 단지 조금 더 느리고 비쌀 뿐이다.
Anthropic은 빠른 길을 택했다. 현재는 삭제된 ISBNdb 블로그의 한 글에 따르면, 파괴적 스캔이 업계에서 선호되는 이유는 오직 하나, 비용이 더 저렴하고 속도가 더 빠르기 때문이었다.
비파괴 스캔에는 전용 장비와 더 많은 인력이 필요하며, 책 한 권당 처리 시간이 파괴적 스캔의 몇 배에 달한다.
상업 경쟁에서 이런 선택은 이해할 수 있다. AI 업계의 군비 경쟁은 기다려주지 않으며, 더 많은 고품질 말뭉치를 먼저 확보하는 자가 앞서 나간다. 법도 실제로 막지 못했고, 판사의 판결이 그러하니 책을 사서 불태우는 것이 합법이다.
하지만 합법과 합리 사이에는 때로는 상당한 거리가 존재한다.
한 권의 종이책은 재판매되거나 대여되거나 전승될 수 있고, 헌책방 구석에 20년 동안 누워 있다가 어느 낯선 이에게 우연히 펼쳐질 수 있다. 스캔 후 불태워지고 나면, 그것은 한 회사의 서버 속 사적 훈련 데이터가 되어 더 이상 그 누구에게도 읽히지 않는다.
지식이 공공재에서 사적 자산으로 바뀌는 이 변환을 완성한 것은 복잡한 기술 장벽이 아니라, 바로 차가운 절단기 한 대와 법원 판결 한 장이다.
필자는 매일 AI로 원고를 쓰고, 자료를 찾고, 사고를 정리한다. 이 AI 제품들은 정말 사용하기 좋고, 실제로 많은 사람의 업무 방식을 바꾸고 있다.
하지만 이 모델들 뒤편의 훈련 데이터가 어떻게 만들어졌는지 들여다보면, 화려한 제품 이면에 곱씹어 보기 껄끄러운 무언가가 있음을 발견하게 된다.
이 일들을 하나하나 따로 떼어 보면, 저마다 나름의 비즈니스 논리와 법적 근거가 있다.
그러나 모두 하나로 놓고 보면, 뭔가 잘못됐다는 생각을 지울 수 없지만, 그저 한숨이 나올 뿐이다.
