해외 AI의 도서 싹쓸이… 지적 자본 유출 사태

해외 AI의 도서 싹쓸이… 지적 자본 유출 사태

종이책 우회 스캔을 통한 데이터 채굴 현상 분석과 법·경제적 사각지대 고발

최근 국내 주요 서점 물류센터와 인천공항 화물 터미널을 거쳐 수만 권의 한국어 단행본이 해외로 반출되는 현상이 집계되었다. 특정 출판사의 인문·사회과학 서적이 전량 품절되는 등 비정상적인 대량 구매의 배후에는 해외 생성형 인공지능 기업 및 데이터 가공 거점이 자리하고 있다. 첨단 기술인 AI가 아날로그 매체인 종이책을 대량 매집하는 현상은 단순한 실물 유통이 아니다. 이는 웹 데이터 고갈에 직면한 AI 산업이 고품질 학습 데이터를 확보하기 위해 물리적 저작물을 직접 채굴하기 시작했음을 시사한다. 이와 함께 기술적 우회로, 저작권법의 한계, 그리고 국가 지적 자산의 불균형적 유출이라는 복합적 쟁점이 수면 위로 부상했다.

웹 데이터 기근 현상과 종이책 기반 고속 광학문자인식 (OCR) 우회 채굴

생성형 AI 모델의 학습을 주도해 온 인터넷 크롤링 데이 터는 현재 양적, 질적 한계에 직면했다. 커뮤니티 게시 글과 소셜미디어(SNS) 데이터에 내포된 문법 오류 및 편향성으로 인해 AI가 생성한 데이터를 다시 학습하며 품질이 저하되는 ‘모델 붕괴(Model Collapse)’ 현상이 지속적으로 보고되고 있다. 이를 방지하기 위해 AI 개발사 들은 검증된 전문가 그룹이 집필하고 교열한 출판물 텍스트로 데이터를 전환했다.

디지털 형태인 전자책(e-Book)은 텍스트 추출이 용이 하지만, 강력한 디지털 저작권 관리(DRM) 기술과 플랫폼 이용약관에 의해 대규모 데이터 크롤링이 원천적으로 차단되어 있다. 이에 대한 우회 기술로 채택된 것이 물리적 종이책을 활용한 스캔이다. 도서를 대량으로 구매한뒤 책등을 절단하고, 산업용 초고속 스캐너와 첨단 한국어 광학문자인식(OCR) 엔진을 결합해 텍스트 데이터로 일괄 변환한다. 실제 해외 거점에서 가동되는 초고속 스캐너는 분당 수백 페이지를 디지털 데이터로 변환하며, 딥러닝 기반 OCR 엔진은 99% 이상의 인식률로 한국어 데이터를 정제한다. 디지털 텍스트의 질적 기근이 역설 적으로 아날로그 매체에 대한 물리적 채굴을 가속화하는 구조로 작용하고 있다.

소유권과 복제권의 법리적 충돌 및 국경 간 데이터 세탁을 통한 규제 회피

종이책 대량 스캔 프로세스는 현행 저작권법 체계의 사각지대에서 작동한다. 데이터 브로커와 AI 기업은 도서 구매 행위를 통해 ‘최초판매의 원칙(권리소진)’에 따른 물리적 소유권을 확보했다고 주장한다. 정당한 대가를 지불하고 획득한 실물을 훼손하거나 스캔하는 것은 소유자의 배타적 권리라는 논리다. 반면 창작자와 법조계는 책의 물리적 매체를 구매한 것일 뿐, 내재된 저작물을 디지털로 복제해 상업용 알고리즘에 영구 귀속시키는 행위는 저작권자의 ‘복제권 및 2차적 저작물 작성권’ 침해로 규정한다.

이러한 법리적 충돌 리스크를 최소화하기 위해 글로벌 빅테크 기업들은 해외에 거점을 둔 전문 데이터 벤더를 경유한다. 스캔된 텍스트 데이터가 국경을 넘어 해외 서버로 이전 및 학습되는 순간, 국내 저작권법의 사법 관할권 적용이 사실상 차단된다. 원저작자가 불법 복제를 입증하고 처벌을 요구하기 불가능해지는 ‘데이터 세탁’ 현상이다. 또한 현행법 개정안 등에서 논의되는 텍스트·데이터 마이닝(TDM) 면책 조항의 적용 범위도 핵심 쟁점이다. 이 조항이 명확한 제한 규정 없이 상업용 AI 모델 개발에까지 확대 적용될 경우, 해외 자본의 무단 데이터 수집에 합법적 근거를 제공할 수 있다는 규제 공백이 확인된다.

지적 자본의 가치 비대칭과 소버린 AI 경쟁력 약화에 따른 생태계 잠식

시장 경제의 관점에서 해당 현상은 극단적인 가치 비대 칭을 초래한다. 글로벌 AI 기업이 도서 한 권의 지식 자본을 매집하기 위해 지불하는 비용은 권당 1만~2만 원선의 도서 정가 수준이다. 그러나 저자가 수년에 걸쳐 축적한 전문 지식과 사유 체계는 기업 가치가 수조 원에 달하는 AI 파운데이션 모델의 핵심 자산으로 영구 통합되며, 이후 발생하는 이윤에서 창작자에게 배분되는 데이터 사용료는 전무하다.

이러한 단방향 데이터 추출 구조는 출판 및 활자 생태계의 고사를 압박한다. AI 모델이 책의 원본 지식을 흡수해 사용자에게 요약과 직접적인 해답을 제공할 경우, 독자가 종이책 원본을 구매할 경제적 유인이 소멸하는 ‘자기 잠식(Cannibalization)’ 현상이 뒤따른다. 거시적 관점 에서 이는 개별 창작자의 손실을 넘어 국가 차원의 ‘소버린 AI’ 주권 위기로 직결된다. 자본력과 인프라를 앞세 운 해외 기업이 한국어 데이터를 대규모로 선점하는 동안, 자국어 특화 모델을 구축해야 하는 국내 AI 기업은 양질의 데이터 확보 경쟁에서 구조적 열위에 놓인다. 결국 한국의 고유한 학술·문화적 지식이 해외 빅테크의 알고리즘을 거쳐 국내 산업계로 역수입되는 플랫폼 종속 현상이 심화한다.

학습 데이터 투명성 확보와 적법한 보상 체계 구축을 위한 입법 과제

초거대 AI 기술 발전을 위한 데이터 확보는 산업적 필연 이나, 현행 방식의 무단 채굴은 지식 생태계의 지속가능 성을 훼손한다. 단기적으로는 국내 도서 유통망 내 비정 상적 대량 주문을 감지하는 이상거래탐지시스템(FDS) 구축과 해외 반출 모니터링이 요구된다. 입법적으로는 유럽연합(EU)의 인공지능법(AI Act) 사례와 같이 AI 모델 학습에 사용된 저작물 목록 공개를 의무화하는 투명성 규제가 선행되어야 한다. 나아가 상업적 데이터 활용에 대한 ‘AI 데이터 이용 보상금(디지털 크레딧)’ 기금 법제화 등 적법한 라이선싱 모델 정립이 남겨진 과제다. 혁신의 이면에서 발생하는 지적 자산의 국부 유출을 차단할 제도적 장치 마련이 요구되는 시점이다.