오픈AI, 「검색 불가」라더니 로그 7800만건 확보

오픈AI가 챗GPT 저작권 침해 소송에서 핵심 증거를 숨겨왔다는 의혹에 휩싸였다. 뉴욕타임스(NYT)가 주도하는 언론사 연합은 목요일(현지시각) 법원에 제재 신청서를 제출했다. 이 연합엔 데일리뉴스(The Daily News)도 참여하고 있다. 신청서에서 이들은 오픈AI가 2년간 챗GPT 대화 로그 검색 능력을 두고 법원을 속였다고 주장했다.

이번 소송은 오픈AI가 생성 AI 모델을 뉴욕타임스 콘텐츠로 학습시키고 이를 사용자 응답으로 재현했다며 저작권법 위반을 문제 삼은 지 2년째로 접어든 사건이다. 언론사 측은 이용자들이 유료 구독 장벽(페이월)을 우회해 챗GPT로 기사를 그대로 뽑아내도록 한 증거를 찾기 위해 수백만 건의 로그를 살펴보려 했으나 오픈AI가 이를 막아왔다고 주장한다. 법원은 이 증거가 오픈AI를 침해자로 판단할지, 아니면 챗봇 기술을 변형적 공정 이용(fair use)으로 면책할지를 가를 수 있는 핵심 자료라고 본다. 파장이 갈수록 커지는 이유다.

은폐 의혹의 핵심, 오픈AI가 숨긴 것

NYT 측 제재 신청서에 따르면 오픈AI는 소송 초기부터 익명화된 대규모 챗GPT 로그 샘플을 검색할 기술적 능력이 없다고 주장해왔다. 그러나 실제로는 소송이 시작되기 전부터 이미 그런 검색을 수행한 적이 있었다는 사실이 새로 드러났다.

오픈AI 데이터 프라이버시 엔지니어 빈센트 모나코(테크크런치는 그를 비니 모나코라고도 표기했다)의 진술에 따르면 오픈AI는 소송 제기 전부터 약 7800만 건의 비식별화된 챗GPT 대화 데이터베이스를 자체 구축해 저작물 침해 정도를 내부적으로 확인하는 데 사용하고 있었다. 소송이 제기된 직후에는 '프로젝트 지라프(Project Giraffe)'라는 도구 묶음의 일부로 '블룸(Bloom)' 필터까지 도입했다. 응답에서 원문이 그대로 재현되는 사례를 탐지하고 기록해온 도구다.

로그 샘플을 둘러싼 줄다리기

원고 측은 처음 1억2000만 건의 챗GPT 로그 샘플을 요구했다. 협의 끝에 그 규모는 2000만 건으로 줄었다. 오픈AI는 지난해 12월 이 샘플을 법원에 제출했지만 너무 많은 부분을 가려(redaction) 법원 표현으로 "사용할 수 없는" 수준이었다는 게 원고 측 주장이다.

원고 측은 여기에 더해 오픈AI가 소송 제기 이후 법원의 증거보전명령을 정면으로 어기고 수십억 건의 챗GPT 응답을 삭제했다고 주장했다. 요청받은 샘플 안의 로그 수백만 건을 다른 것으로 바꿔치기했다는 주장도 나왔다. 이미 확보하고 있던 정보를 원고 측이 얻기 어렵게 만들었다는 게 이들의 결론이다.

어떻게 들통났나

이 같은 의혹은 법원이 '준비가 부족했던 증인'으로 판단해 재소환한 모나코의 4월(현지시각) 진술 과정에서 불거졌다. 그는 재진술에서 오픈AI가 2년 동안 로그 검색의 비용과 부담에 대해 법원을 오도했다는 사실을 의도치 않게 인정했다고 NYT 측 신청서는 밝혔다.

NYT 측은 오픈AI의 이런 은폐가 "매우 중요한 증거를 숨기고 증거개시 절차를 지연시키며 비용을 부풀리고 법원에 부담을 줬다"며 제재가 정당하다고 주장했다. 첫 진술에서는 드러나지 않았던 사실이 법원의 재소환 결정 하나로 뒤집힌 셈이다.

오픈AI의 반박과 남은 쟁점

오픈AI 대변인은 NYT의 제재 신청이 사건과 무관한 이용자들의 사생활을 침해하려는 뒤늦은 소송 전략이라고 반박했다. 대변인은 최근 NYT가 소송 내 일부 청구를 취하한 것을 두고 "뉴욕타임스 측 주장이 무너지고 있다는 신호"라며 오히려 오픈AI의 방어 논리가 약화된 게 아니라고 주장했다. 그러면서 "우리는 이용자의 프라이버시와 오랫동안 확립된 공정 이용 원칙을 지켜 나갈 것"이라고 밝혔다.

이번 공방의 결과는 오픈AI가 뉴욕타임스 콘텐츠를 학습에 활용하고 챗GPT 응답으로 재현한 행위가 침해인지 변형적 공정 이용인지를 가르는 핵심 근거가 될 전망이다. 법원이 실제 제재를 내릴지, 로그 증거가 최종적으로 어떻게 공개될지가 앞으로 소송의 분수령이 될 것으로 보인다.