인공지능 관련 공정이용 판결에 대한 검토
Review of Fair Use Rulings in AI-Related Cases
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
인공지능(Artificial Intelligence, AI)은 사회 전반에 급속히 확산되어 다양한 영역에서 혁신적인 영 향력을 행사하고 있다. 그러나 이와 함께 인공지능이 인간이 창작한 저작물을 훈련 데이터로 사용하는 과정이 오히려 인간의 창작 활동을 억제하거나 저작권법의 본래 목적을 훼손할 수 있다는 우려도 함 께 제기되고 있다. 특히 저작물을 기계학습(Machine Learning) 프로그램, 대규모 언어 모델(Large Language Model, LLM)의 훈련 데이터로 사용하는 것은 저작권 침해 논쟁의 중심이 되고 있다. 그러 나 한편으로 인공지능은 인간의 창작성을 강화하고 문화 발전에 기여할 수 있는 잠재력도 지니고 있 다. 따라서 인공지능의 사용을 무조건 규제하기보다는, 저작권법의 목표를 훼손하지 않는 범위 내에서 저작물 활용을 허용할 구체적인 기준을 탐구하는 것이 중요할 것으로 보인다. 이러한 문제의식에 출발 하여 이 글에서는 최근 미국 연방지방법원에서 이루어진 인공지능 관련 공정이용의 약식판결 3건 즉, Thomson Reuters v. Ross Intelligence 사건판결, Bartz v. Anthropic 사건판결, Kadrey v. Meta 사건 판결을 분석하여, 어떤 경우에 공정이용이 인정되지 않고, 반대로 저작권 침해 우려 없이 인공지능이 저작물을 사용할 수 있는지를 심층적으로 검토하고자 한다. 최근 미국의 판결에 따라 인공지능의 저작물 사용을 평가할 때 다음과 같은 핵심 기준이 중요할 것으로 보인다. 첫째, 인공지능 모델의 종류에 따라 변형적 이용(transformative use)의 인정 여부가 달라 질 수 있을 것인데, 생성형 인공지능은 비생성형 인공지능 보다 공정이용으로 인정받을 가능성이 높다. 요컨대, 변형적으로 사용된 경우, 특히 생성형 인공지능의 이용 목적이 명확하고 훈련 데이터가 합법적으로 획득된 경우에 공정이용이 인정되었으나, 비생성형 인공지능의 경우, 원저작물과 경쟁하는 시장에 직접 진입하는 목적, 불법 복제본을 훈련 데이터로 사용한 경우 등에서는 공정이용이 부정되었 기에 이에 대한 상세한 검토가 요구된다. 둘째, 원저작물의 시장 희석(market dilution)과 같은 구체적인 시장 피해에 대한 증거가 공정이용 판결의 결정적인 요소로 작용하였으므로 이에 대한 분석이 필요할 것이다. 셋째, 훈련 데이터 획득의 합법성이 인공지능의 변형적 이용 목적과는 별개로 중요한 쟁점이 될 수 있기 때문에 이를 살펴보고자 한다. 이러한 분석으로 통해 저작권법이 인공지능 기술의 발 전을 저해하지 않으면서, 창작자 권익 보호와 창작 진흥 사이에 균형을 유지하고 인공지능 활용을 합리적으로 규율할 수 있는 법리적 기준을 검토해보고자 한다. 따라서 이 글은 인공지능이 저작권법의 목적을 저해하는 기술이 아니라, 적절한 조건에서 창작과 문화의 진흥을 촉진할 수 있는 기술로 작동 할 수 있는 가능성을 고찰하고자 한다. 이를 위해 공정이용 법리를 중심으로 한 체계적 분석을 통해 향후 국내 인공지능 관련 저작권 침해 분쟁에서 참고할 수 있는 유용한 참고 자료로 기능하여 저작권 법의 궁극적인 목적을 달성하는 데 기여할 수 있을 것이다.
Abstract
Recent U.S. court decisions on the use of copyrighted works in AI model training have provided critical insights into the application of the fair use doctrine. The rulings in Bartz v. Anthropic, Kadrey v. Meta, and Thomson Reuters v. ROSS highlight the complex legal landscape where AI innovation and creator rights intersect. These cases, though seemingly contradictory, offer a unified set of principles that will guide future litigation. The core takeaway is that a distinction must be made between generative AI and non-generative AI. The courts found the training of generative AI to be highly transformative, as it uses copyrighted works to create something new with a different purpose than the original. In contrast, the use of a non-generative AI was deemed non-transformative because it served the same purpose as the original copyrighted work. Another pivotal factor is market harm. The rulings underscore that a plaintiff’s ability to win a copyright infringement case hinges on demonstrating concrete harm to the market for their work. In Kadrey, in particular, it showed that even with strong arguments, a lack of evidence for market dilution—the flooding of the market with competing AI-generated works— can be a decisive factor in a defendant’s favor. Finally, the legality of data acquisition is paramount. In Bartz, it clear that a fair use defense is unlikely to succeed if the training data was obtained through piracy. The transformative nature of the AI model does not justify the initial act of unlawfully acquiring the copyrighted work. The legal landscape is still evolving, but these early decisions lay the foundation for a more defined framework. As AI technology continues to advance, the courts will likely continue to balance the need to foster innovation with the fundamental right of creators to control their work and be fairly compensated. To this end, through systematic analysis centered on the legal principles of fair use, it will be able to serve as a useful reference material that can be referenced in future copyright infringement disputes related to artificial intelligence in Korea, thereby contributing to achieving the ultimate purpose of copyright law.