[김지욱 저작권썰.zip]⑳-2. AI가 학습한 음악 데이터에 대한 ‘인간의 기여도’ : 이시하

AI를 활용한 음악창작물은 100% AI가 만들어낸 생성물과 AI와 인간의 기여가 함께 반영된 ‘협업형 생성물’ 크게 두 가지로 나누어 분류할 수 있습니다. 공식적으로 국내의 저작권 정책은 후자, 즉 ‘인간 기여분’이 존재하는 경우에 한해 저작물을 인정하는 입장을 취하고 있습니다. 하지만 여기에는 본질적인 질문이 남습니다. 과연 AI가 만들어낸 부분은 ‘AI의 순수 창작물’인가?

AI 모델은 수천만 곡의 인간 창작물을 학습해 만들어진 확률 기반 모델이며 스타일·코드·리듬·악기 구성 등 생성물의 음악적 특성은 결국 기존 저작물의 축적된 패턴을 재조합한 결과물입니다. 이 점은 넓은 의미에서 볼 때 AI가 창작한 부분 또한 ‘인간 창작물의 잠재적 기여’가 스며있다는 해석이 가능해집니다.

이와 관련해 최근 국내외 음악 저작권 업계에서는 Suno·Udio 등 생성형 AI(GAI)가 특정 원곡을 몇 퍼센트 참고했는지, 또는 어떤 음악적 요소를 어느 정도 가져갔는지를 수치화하자는 ‘AI 어트리뷰션’에 대한 논의가 핵심 의제로 부상하고 있습니다. 

특히 이수만 A2O엔터테인먼트 키 프로듀서 겸 비저너리 리더(SM엔터테인먼트 창립자)가 리드 어드바이저(수석고문)로 참여하며 화제가 되기도 했던 국내 AI 음악 테크 기업 뉴튠(Neutune)이 발표한 논문 ‘From Generation to Attribution: Music AI Agent Architectures for the Post-Streaming Era’은, AI가 기존 음악을 참고해 노래를 생성한 경우 학습에 사용된 노래를 추적하고, 이를 기반으로 기존 곡 작곡자에게 수익을 배분하는 방법을 제안하며 본격적으로 논쟁에 불을 지피기도 했습니다.

그러나 여전히 AI 기업들이 학습 데이터 출처에 대해서 함구하고 있는 이상 기여도 산정은 현실적으로 불가능하다는 ‘현실론’과 기여도 측정(Attribution)은 이미 구현 단계에 있다는 ‘기술론’의 의견이 격렬하게 맞서고 있습니다.

이번 세 번째 칼럼은 AI 생성물 속 ‘AI 기여 부분’에 잠재적으로 얽혀 있는 원저작자의 권리 문제를 출발점으로 삼아 데이터 투명성·책임 구조·보상 모델의 방향을 다루고자 합니다. 이를 위해 필자는 ‘뉴튠’ 측과 직접 소통해 의견을 들었으며, KOMCA 회장 후보인 이시하의 견해와 비교해 보았습니다.

◇ 이시하(한국음악저작권협회 회장 후보 기호 2번)

이시하는 AI 생성물의 ‘기여도 측정’ 방식에 대해 개념적으로도 기술적으로도 현실성이 낮다고 진단했다.

“AI를 활용한 곡이 나왔을 때 이 곡은 ‘어떤 노래를 몇 퍼센트 쓴 것 같다’를 곱결(아주 미세한 단위까지 1:1 대비하며 퍼센트를 산출하는 방식)로 계산하겠다는 건데, 그게 될까요?”

이시하가 지적한 핵심은, 현재의 생성형 AI가 특정 원곡을 그대로 샘플링하는 방식이 아니라 수많은 곡에서 추출한 통계적 패턴을 재조합하고 추론해 음악을 생성한다는 점에 있다. 그렇다면 기존 음악을 곡 단위로 직접 대조해 ‘몇 퍼센트 참고했는지’를 산출하는 개념 자체가 성립하기 어렵다는 것이다.

이에 대해 뉴튠은 ‘AI Attribution’의 개념을 통해 접근법을 달리 해야 한다고 설명했다.

“AI Attribution이란, 단일 곡의 기여도를 측정해 내는 기술이 아니라, 여러 곡의 구성 요소들이 AI 음악 생성 과정에 미친 영향의 정도(기여도)를 측정하는 기술입니다.”

달리 말하자면, 기존 논의의 중심 주제인 ‘곡 단위 퍼센티지 산정’이라는 발상의 방향이 아닌, 멜로디·화성·리듬·악기·스템 등 음악 요소를 블록(block) 단위로 쪼개고, 이 블록들이 생성 과정에 얼마나 쓰였는지를 계산하는 새로운 프레임이라는 것이다.

이시하는 “그 기술을 만드는 것도 어렵고, 퍼센티지가 산출됐다고 하더라도 논쟁의 여지가 있을 것”이라며 기술적 실현 가능성과 법적·사회적 수용 가능성 모두에 회의를 표했지만 뉴튠은 오히려 기존 저작물의 기여도 추적은 이미 구현 단계에 있으며 머지않아 블록 단위 분석을 기반으로 ‘100%의 정확도’까지 담보할 수 있다고 강조했다.

한편 이시하는 기술적 가능성과 별개로, AI 사업자에게 데이터 공개와 책임 부과를 끌어내는 것이 구조적으로 불가능하다는 현실적 한계도 짚었다.

“(AI 사업자들에게 데이터 공개나 책임 부과를 끌어내는 것은) 현실적으로 어렵다고 봅니다. 이미 많은 AI 회사들은 외부 저작물을 학습하지 않았고, 심지어 자체 고용 작곡가들을 활용해 구축한 내부 데모 데이터를 (학습에) 사용했다고 주장하는 등 법적 회피 전략을 만들어놨습니다.”

이시하에 의하면, ‘AI기업의 불투명성’ 자체가 기여도 산정 논의의 가장 큰 장벽이다. 학습 데이터 출처가 ‘블랙박스’로 남아있는 한, 어떤 기술도 결국 ‘AI가 말해주는 것’ 이상을 증명하기 어렵다는 회의가 깔려 있었다.

반면 뉴튠은 이 부분에서도 AI모델의 학습 데이터가 공개되지 않아도 기여도 추적은 가능하다는 정반대의 관점을 제시했다. 뉴튠 측 설명에 따르면, AI Attribution은 Suno/Udio 등 기존 AI 모델의 내부를 들여다보지 않고도 구현할 수 있다. 즉 음악의 생성 과정에 블록 단위로 고유 식별 정보(block-level intrinsic attribution)를 심어두고, 이후 생성된 음원을 ‘musicDNA’ 기술을 통해 기존 음악의 구조적 요소와 매칭하는 이중 구조를 적용하는 것이다.

◇ 구조적 한계를 넘어 : ‘정밀 추적’이 아닌 ‘포괄 보상’으로

“AI 회사로부터 실질적 정보를 끌어내기 어렵습니다. 그렇다면 현실적 솔루션은, 데이터는 필요 없고 ‘일단 학습했잖아요’라는 사실 자체를 기준으로 보상 구조를 만드는 겁니다.”

이시하는 이러한 기술적 솔루션이 이상적이라고 하더라도 현실적으로 구현되기까지 상당한 시간이 필요하다는 점을 짚으며 KOMCA 회장 후보로서 현실적 해법을 제시했다. 유럽의 사적 복제 보상금 제도에 비유하며 공CD를 구매할 때 미리 저작권료가 부과되듯, AI 역시 학습을 전제로 일정 비율의 보상금을 납부하는 구조를 국내에 도입하자는 것이었다.

“당신들(AI 모델)이 만든 생성물은 우리의 곡을 학습했고, 그 생성물이 기존 작가들의 저작권을 침해할 가능성이 있다. 그러니 매출 대비 0.5%를 내라. 그 대신 KOMCA가 ‘이 회사는 창작자와 공존 가능한 AI 기업’이라고 인증해 주는 겁니다.”

즉, AI 기업 개별 모델의 내부 데이터를 분석하거나 원저작물별 기여도를 정밀 계산하는 ‘정밀 추적’과 그에 이어질 논란 그리고 지체될 ‘이상적이고 긴 싸움’의 시간 대신 “학습했다”는 행위 자체를 과세·징수의 근거로 삼아 포괄적이고 선제적인 보상 구조의 틀을 구축하는 것이 당면한 우선순위라는 구상이었다.

그리하여 이 구조를 수용하는 AI 기업들에게는 창작자와 공존 가능한 AI 기업이라는 KOMCA 인증제를 도입해 산업 전반적인 동참을 유도하고, 그렇게 걷힌 재원은 작품 수·히트 지수·협회 공헌도 등을 점수로 환산해서 ‘AI 보상금’ 형태로 작가들에게 분배해야 한다는 구체적인 정책 구상을 제시했다.

김지욱 ㈜메이저세븐이엔엠 대표

▶ 저자소개=서강대학교 언론대학원 석사, 현재 (주)메이저세븐이엔엠 대표로 음악 저작권과 콘텐츠 현장에서의 음악 저작권 관련 업무 및 자문 활동을 활발히 펼치고 있다. JTBC ‘싱어게인’, 넷플릭스 ‘은중과 상연’, tvN ‘태풍상사’, ‘폭군의 쉐프’, SBS ‘우리들의 발라드’, Mnet ‘보이즈플래닛’ 등 다수 프로그램과 베이비몬스터, 변우석 등 아티스트 콘텐츠의 음악 저작권 관리 업무를 맡아오고 있다.