한국저작권위원회

ISSN 2983-1954 (Online)

□ 멀티플랫폼 시대에 적합한 콘텐츠 크리에이터의 AI 활용 방향

 ○ 콘텐츠 제작 돕는 AI, 창작자의 개성과 기술의 균형 찾기가 관건

  - 최근 미국에서 발생한 틱톡 금지 사태는 콘텐츠 크리에이터들에게 단일 플랫폼 의존의 위험성을 분명히 인식시키는 계기가 됨.

  - 이에 따라 멀티플랫폼 전략이 필수적인 대응책으로 떠올랐으나, 각 플랫폼별 콘텐츠 최적화와 운영 부담 증가 등의 과제가 남아 있음.

  - 이러한 문제를 해결하기 위해 AI는 콘텐츠 제작, 편집, 데이터 분석 등을 지원하며 크리에이터의 부담을 줄이는 도구로 활용되고 있음.

  - 그러나 AI가 크리에이터의 개성을 약화시키고 저작권 문제를 초래할 수 있다는 우려도 존재함.

  - 따라서 AI를 단순한 자동화 도구가 아닌 창작을 보조하는 수단으로 활용하며, 콘텐츠의 개성과 창작자의 고유한 스타일을 유지하는 방식에 대한 고민이 필요할 것으로 보임

※ (주제어) AI, 미국, 틱톡, 콘텐츠, 크리에이터, 콘텐츠 크리에이터, 저작권 문제

□ AI 기반 창작디자인 도구의 변화: ‘사용자(디자이너)’ 중심의 접근 방식으로

 ○ AI 기반의 창작디자인 도구들, 디자이너 요구와 저작권 보호에 더 민감해져

  - 최근 AI를 활용한 창작 도구 시장에서 사용자의 요구와 저작권 보호를 고려한 접근 방식이 증가세임.

  - 기존의 AI 기반 창작 도구들은 자동화된 콘텐츠 생성에만 집중하는 경향이 강했지만, 새로운 흐름은 창작 과정에서 직관적인 제어와 협업 기능을 강조하며, AI가 디자이너의 보조 도구로 작동하는 방향으로 발전하고 있음.

  - 최근의 대표적인 사례로 Flora가 있음. Flora는 AI가 보조 역할을 수행하면서도 디자이너가 세부적으로 조정할 수 있는 환경을 조성하며, 실시간 협업 편집 기능과 사전 제작 워크플로우 라이브러리를 통해 디자인을 생성함

※ (주제어) AI, 콘텐츠 생성, 창작디자인 도구, AI 기반 창작 도구, AI 기반 창작디자인 도구

□ 라이브 스트리밍 시장 경쟁 심화에… 트위치(Twitch), 수익화 정책 개편으로 대응

 ○ 트위치의 수익화 정책 개편과 크리에이터 중심 생태계 부상

  - 게임 콘텐츠 크리에이터 경제가 2024년 286억 달러에서 2034년 2,304억 달러로 성장할 것으로 전망되는 가운데, 트위치는 시장 점유율 하락(71%→61%)에 대응하여 수익화 정책 개편을 발표함.

  - 이는 킥의 크리에이터 친화적 수익 분배 모델(95:5)에 대항하는 전략으로, 라이브 스트리밍 플랫폼 간 경쟁이 심화되는 양상을 보임.

  - 크리에이터들의 멀티 플랫폼 전략 채택과 사용자 생성 콘텐츠 개발 확산으로 플랫폼-크리에이터 간 권력 균형이 변화하고 있음.

  - 게임 산업 전반의 크리에이터 수익 배분 개선이 확산되며, 이는 콘텐츠 가치 재평가와 저작권 보호 중요성 증대로 이어질 전망임

※ (주제어) 게임 산업, 트위치, 라이브 스트리밍 시장, 라이브 스트리밍 플랫폼, 게임 콘텐츠 크리에이터 경제, 크리에이터, 사용자 생성 콘텐츠, 크리에이터 수익 배분, 저작권 보호

□ AI 학습 데이터의 저작권 문제와 투명성 확보 방안

 ○ AI 학습 동원되는 오픈 데이터셋 대부분에 저작물 다수 포함 확인

  - 상업적으로 사용 가능하다고 표시된 AI 학습 데이터셋의 약 80%가 실제로는 법적 위험을 내포하고 있다는 연구 결과가 발표되면서 기업들의 데이터셋 관리의 중요성이 부각되고 있음.

  - 데이터셋 간 복잡한 종속 관계로 인해 단일 문제가 전체 AI 시스템의 적법성에 영향을 미치는 연쇄적 위험 구조가 형성되어 있으며, 국제적인 규제 표준의 부재가 기업들의 규제 대응의 어려움을 가중시키고 있음.

  - 이에 기업들은 데이터 출처 문서화, 종속성 추적, 정기적 위험 평가를 결합한 체계적 접근이 필요하며, 위험 평가 및 필터링 강화 등 자율규제책 수립과 선별적 라이선스 콘텐츠 활용이 권장됨

※ (주제어) 데이터셋, 오픈 데이터셋, AI 학습 데이터, 데이터 출처, 라이선스 콘텐츠

□ ‘거대 시각 언어 모델(LVLM)’을 활용한 저작권 보호

 ○ 거대 시각 언어 모델(LVLM)의 저작권 침해 탐지 가능성과 한계

  - 생성형 AI의 확산으로 저작권 침해 문제가 대두된 가운데, 러트거스 대학 연구팀이 거대 시각 언어 모델(LVLM)의 저작권 침해 탐지 능력을 평가함.

  - 연구팀은 5개 유명 IP 캐릭터를 대상으로 벤치마크 데이터셋을 구축하여 다양한 모델을 테스트했으며, GPT-4o mini가 가장 우수한 성능을 보였으나 모든 모델에서 오탐지율이 높게 나타남.

  - 테스트된 모델들은 시각적 유사성과 개념적 유사성을 구분하는 데 어려움을 겪었으며, '공정이용'과 같은 법적 개념을 적절히 반영하지 못하는 한계를 보임

※ (주제어) 생성형 AI, 거대 시각 언어 모델, LVLM, 라트거스 대학 연구팀, IP 캐릭터, 벤치마크 데이터셋, 공정이용, 저작권 침해

□ 주간기술동향

 ○ AI 시대의 데이터 저작권 보호: 확산 모델과 블록체인을 활용한 기술적 대응

  - AI 학습 데이터의 저작권 보호는 단순한 법적 문제가 아니라, AI 모델의 성능과 신뢰성을 보장하는 핵심 요소로 작용하고 있음.

  - 확산 모델 기반 생성형 AI가 기존 크롤링 데이터에 의존하는 방식은 저작권 침해 문제뿐만 아니라 데이터 불균형과 학습 편향을 초래할 수 있으며, 이를 해결하기 위해 데이터셋의 출처를 검증할 수 있는 기술적 접근이 필요함.

  - 이에, '클린 라벨 백도어 워터마킹 기술'과 'VNT 체인 플랫폼' 사례 분석을 통해 확산 모델 기반 AI 학습에서의 저작권 침해 문제 및 해결 방안에 대해 알아보도록 함

※ (주제어) 확산 모델, 확산 모델 기반 생성형 AI, 블록체인, 클린 라벨 백도어 워터마킹 기술, VNT 체인 플랫폼, 데이터셋, AI 학습 데이터, 데이터 저작권, 저작권 보호, 저작권 침해

한국저작권위원회가 창작한 저작권 이슈 브리프(2025-3-3호) 저작물은
"공공누리" 출처표시-상업적 이용금지-변경금지 조건에 따라 이용할 수 있습니다.