마이크로소프트 임원, AI 스크래핑을 '인류 역사상 최대의 노동 절도'라고 불러, NYT 대 OpenAI 소송 미삭제 제출서에서 드러나

뉴욕타임스 대 OpenAI·마이크로소프트 저작권 소송에서 새로 공개된 비삭제 자료에는 마이크로소프트와 OpenAI의 내부 통신이 포함되어 있으며, 이는 두 회사의 공정 이용 항변을 약화시킨다. TechCrunch에 따르면 이 제출 문서에서 마이크로소프트 응용과학 부문 이사인 브렌트 헥트는 2023년 1월 메모에서 두 회사의 학습 데이터 수집을 두고 "전례 없는 규모의 놀라운 절도"이자 "인류 역사상 최대의 노동 절도"라고 표현했다.

제출 문서의 주장

• 두 회사는 유료 장벽을 발각되지 않고 우회하고, 대규모 스크래핑으로 학습 데이터셋을 구축했으며, 학습 데이터에서 저작권 고지를 삭제한 혐의를 받는다.
• OpenAI의 중간 학습 데이터셋만 해도 NYT, 데일리 뉴스, 탐사보도센터가 발행한 저작물의 9만 1,692개 이상의 사본을 포함하고 있다.
• Common Crawl에서 파생된 데이터셋에는 nytimes.com만 해도 200만 개 이상의 문서가 포함되어 있었다.
• 마이크로소프트 자체 데이터에 따르면 코파일럿 "답변 엔진"은 기존 빙 검색 대비 NYT 도메인의 클릭률을 최대 93%까지 떨어뜨렸다.

‘둠 루프’ 내부 문서

2024년 1월 헥트가 작성한 마이크로소프트 프레젠테이션은 이 트래픽 감소를 "둠 루프"라고 표현하며 "우리 모델의 성능과 웹 전체에 동시에 해를 끼칠 것"이라고 설명했고, "최종 제품이 필수 공급자의 경제적 기반을 위협하는 것은 매우 이례적이지만, 그것이 우리가 LLM 사업의 '콘텐츠 공급망'과 관련해 만들어낸 상황"이라고 경고했다. 또 다른 마이크로소프트 문서는 생성형 AI가 "기반 모델 학습에 사용된 데이터를 생성한 바로 그 사람들의 고용을 크게 교란할 수 있다"는 "실질적 위험"을 지적한다.

공정 이용에 불리한 진술

• 마이크로소프트 CEO 사티아 나델라는 올해 증언에서 "유료 장벽 뒤에 있는 것은 무엇이든 사용하려는 사람이 …그라운딩이나 학습을 위해 라이선스를 받아야 한다"고 말했으며, OpenAI가 유료 장벽 데이터를 스크래핑한 사실을 알았다면 재학습을 요구했을 것이라고 밝혔다.
• OpenAI의 ChatGPT 책임자인 닉 털리는 내부적으로 챗봇이 "상당 부분 대체재"이며 "성능이 좋아질수록 점점 더 대체재가 될 것"이기 때문에 퍼블리셔들이 "존재론적 위협"에 직면해 있다고 썼다.
• OpenAI 사장 그렉 브록만은 이 모델들을 "뉴스에 탁월하다"고 묘사했다. 나델라는 봇과 대화하는 것이 원본 웹사이트 방문을 대체한다는 데 선서 아래 동의했다.

맥락

이 사건은 3년째 진행 중이며, 판사들은 대체로 공정 이용 문제에서 AI 기업 쪽으로 기울었고, 트럼프 행정부는 이번 달 OpenAI의 무허가 학습을 옹호하는 의견서를 제출했다. 단서: 새 자료의 상당 부분은 원본 봉인 증거가 아니라 타임스의 자체 의견서에서 나온 것이며, 인용된 구절은 원래 맥락 없이 제시되었다. RAG나 학습 파이프라인을 구축하는 개발자에게 이번 증거개시는 데이터 출처와 라이선스 조건이 단순한 엔지니어링 위생이 아니라 법정 증거가 되고 있음을 상기시킨다.