한국저작권위원회

ISSN 2983-1946 (Online)

□ 주요국 저작권-기술 융합 인재양성 사례 분석

  - 디지털 기술의 급속한 발전으로 생성형 AI, 빅데이터, TDM(Text and Data Mining)1) 기술 등 기술산업의 저작권 보호와 이용 간 새로운 균형이 요구되고 있으며, 이러한 가운데, 법ㆍ제도 분야와 기술 분야를 아우르는 융합형 인재의 필요성이 증대되고 있다. 미국은 미국 특허상표청 (United States Patent and Trademark Office, USPTO)의 글로벌 지식재산 아카데미와 명문 로스쿨의 실무 중심 교육을 통해 융합 인재를 양성한다. EU는 유럽연합 지식재산청(European Union Intellectual Property Office, EUIPO) 주도의 'IP 교육 네트워크'로 회원국 간 협력을 강화한다. 일본은 오사카 공업대학 지식재산학부를 중심으로 현장 중심 교육을 제공하며, 중국은 법학-공학 연계 시스템으로 국제 수준의 전문가 양성을 추진한다. 융합 인재는 기술-법률 복합 분쟁 중재와 정책 설계에서 핵심 역할을 담당할 것으로 기대된다. 본 보고서는 디지털 시대 주요국의 저작권-기술 융합 인재 양성 사례와 그 의미를 살펴본다.

※ (주제어) AI, 빅데이터 TDM, USPTO, 지적재산, EUIPO, 인재양성

□ AI 산출물의 신뢰성 확보를 위한 사전 출처 기록 및 사후 검증 기술 사례 고찰

  - 생성형 AI 확산은 예술·광고·소프트웨어 등 다양한 산업에 파급력을 미치며, 동시에 데이터 출처와 투명성 부족으로 인한 저작권 침해 논란을 심화시킨다. 이에 산업계에서는 학습 데이터의 정당성과 투명성을 확보하기 위해 옵트인·옵트아웃 메커니즘, 메타데이터 삽입, 데이터 출처 표준화 등 다양한 노력을 기울이고 있다.  그러나 각 체계가 단편적으로 작동해 메타데이터 손실, 문서화 불일치 등 한계가 지적되면서 최근, 이를 통합하는 출처 관리 체계 구축의 필요성이 더욱 강조되었다. 이러한 가운데 최근, AI 산출물로부터 원본 데이터 학습 여부를 추적할 수 있는 방법 중 하나로 이른바, ‘특징 의미 일관성 기반 검증(Feature Semantic Consistency -based Auditing, FSCA)’ 기법이 제안되기도 했다.

※ (주제어) 생성형 AI, 옵트인, 옵트아웃, 메타데이터, FSCA

□ 음향 기반 AI 모방 음원 탐지 저작권 기술

  - 생성형 AI 기술 발전으로 모방 음원의 생산 속도와 규모가 기존 저작권 체계의 대응 능력을 넘어서면서 저작권 침해 음원을 사후에 삭제하는 관리 방식에 한계가 드러나고 있다. 이에 음악 산업은 기술과 산업 구조 양면에서 근본적인 전환을 모색 중이다. 기술업계에서는 AI 산출물의 학습 데이터를 역으로 추적하고 음원의 구성 요소를 정밀 분석하여 저작권 침해를 사전에 예방적으로 관리하는 체계 구축을 모색하려 하고 있고,  산업적으로는, 유니버설 뮤직 그룹(Universal Music Group, UMG)과 디저(Deezer)의 2024년도 협력 사례처럼, 팬의 능동적 참여에 보상을 집중하고 저품질 노이즈 콘텐츠를 수익 분배에서 제외하는 ‘아티스트 중심 모델’을 도입하여 AI를 악용한 부당 이익 창출의 동기를 원천적으로 차단하려는 움직임이 주목된다.

※ (주제어) 생성형 AI, 저작권 침해, UMG, Deezer

한국저작권위원회가 창작한 저작권 이슈 트렌드_통권 제65호(2025-9-1호) 저작물은
"공공누리" 출처표시-상업적 이용금지-변경금지 조건에 따라 이용할 수 있습니다.