미국의 조사매체 404 미디어(404 Media)는 지난 7월 21일(현지시간) 보도에서, 여러 AI 기업이 중개업체를 통해 헌책을 대량으로 사들이고 있다고 전했다. 주문 규모는 1000권에서 최대 100만 권에 이르며, 스캔이 끝난 책은 대부분 파쇄된다는 것이다.
이미 AI 기업 앤트로픽(Anthropic)은 이런 방식으로 수백만 권의 책을 사들여 자사 AI 모델 '클로드(Claude)'를 학습시킨 사실이 법원 문서를 통해 드러났고, 로이터(Reuters)가 2025년 9월 5일 보도한 데 이어 테크크런치(TechCrunch)가 2026년 7월 20일 전한 바에 따르면 15억 달러(약 2조 원) 규모의 배상에 최종 합의했다. 사람이 쓴 '깨끗한' 텍스트에 대한 갈증이 낳은 현상이지만, 그 이면에는 저작권과 윤리를 둘러싼 새로운 논쟁이 자리하고 있다.
헌책방에 몰려드는 정체불명의 구매자
404 미디어 보도에 따르면, 세계 최대 규모의 도서 데이터베이스를 표방하는 ISBNdb는 원래 도서관과 서점, 유통업체가 책 정보를 조회하던 서비스였다. 도서 목록 1억 1100만 건 이상을 보유한 이 업체는 최근 AI 기업을 대상으로 한 대량 매입 중개 서비스로 사업 축을 옮겼다. 같은 보도는 주문 단위가 1000권에서 100만 권까지 다양하며, 구매자의 신원은 철저한 비밀유지계약으로 보호된다고 전했다.
404 미디어가 인용한 익명의 서적상 증언에 따르면, 네덜란드·독일·스위스·스페인 등 여러 나라의 헌책방 주인들은 올해 4월 이후 주문량이 갑자기 몇 배로 뛰었다고 밝혔다. 한 서적상은 이전에는 일주일에 20권 팔면 잘 팔린 편이었는데, 최근에는 매주 수백 권씩 나간다고 말했다. 특이한 점은 소설이든 교재든 전문서적이든 장르나 주제에 일관성이 없고, 가격에도 개의치 않고 매입한다는 것이다. 공통점은 오직 국제표준도서번호(ISBN)가 등록되어 있다는 사실뿐이었다고 이 매체는 전했다.
왜 하필 '오래된 책'인가
AI 업계는 최근 심각한 딜레마에 부딪혔다. 웹에 떠도는 텍스트 상당수가 이미 AI가 생성한 콘텐츠로 오염되어 있고, 이런 데이터로 모델을 다시 학습시키면 성능이 점점 떨어지는 '모델 붕괴' 현상이 나타나기 때문이다. 404 미디어 보도에 따르면, ISBNdb는 이 문제의 해법으로 2022년 이전에 출간된 인쇄본을 내세운다. 챗봇이 등장하기 전에 인간이 직접 쓴 글이라는 이유에서다. 이 업체는 홈페이지에 오래된 책을 "세상에서 가장 뛰어난 AI 학습 데이터가 서가에 꽂혀 있는 것"이라고 소개하며, 이런 인쇄본을 편집을 거친 권위 있는 지식으로 내세워왔다고 이 매체는 덧붙였다.
앤트로픽의 '프로젝트 파나마': 이미 벌어졌던 일
사실 이런 방식으로 책을 사들여 학습시킨 선례는 이미 있다. 워싱턴포스트(The Washington Post)가 올해 1월 법원 문서 4000여 쪽을 분석해 보도한 데 따르면, 저작권 소송에 휘말린 앤트로픽은 2024년 초 '프로젝트 파나마(Project Panama)'라는 이름으로 수백만 권의 종이책을 사들여 내용을 추출한 뒤 폐기해왔다. 이 프로젝트를 이끈 인물은 구글북스(Google Books) 파트너십 부문을 이끌었던 톰 터비(Tom Turvey)로, 같은 보도에 따르면 앤트로픽은 그를 영입해 "세상의 모든 책을 구하는" 임무를 맡겼다. 중국 매체 IT지자(IT之家)가 7월 28일 전한 바에 따르면, 앤트로픽은 미국의 중고 도서 유통업체 베터월드북스(Better World Books) 등을 통해서도 대량으로 책을 매입한 것으로 알려졌다.
법원은 적법하게 구매한 책을 디지털화해 AI 학습에 활용하는 행위 자체는 저작권법상 공정이용에 해당한다고 판단했다. 다만 로이터가 2025년 9월 5일 보도하고 이후 테크크런치가 2026년 7월 20일 최종 승인 소식을 전한 바에 따르면, 앤트로픽은 이와 별개로 700만 권이 넘는 불법 복제 도서를 내려받아 데이터베이스로 보유해온 사실이 문제가 되어, 저자·출판사 측과 15억 달러 배상에 합의했고 미국 캘리포니아북부지방법원 아라셀리 마르티네스-올긴 판사가 지난 7월 20일 이를 최종 승인했다. 배상금은 약 50만 건의 저작물에 대해 건당 3000달러씩 지급되는 방식이라고 이 매체는 전했다. 즉 '적법하게 산 책을 스캔 후 폐기하는 행위'와 '불법으로 확보한 도서 데이터베이스를 보유한 행위'는 법적으로 전혀 다른 사안이며, 이번 논란은 두 사안이 겹쳐 있다는 점에서 더 복잡하다.
비슷한 논란은 구글(Google)에도 번지고 있다. IT지자 보도에 따르면, 최근 한 출판사 연합은 구글이 저작권으로 보호되는 수백만 권의 책을 무단으로 사용해 AI 모델 '제미나이(Gemini)'를 학습시켰다며 소송을 제기한 상태다.
스캔이 끝나면, 책은 사라진다
앤트로픽의 사례에서 드러난 구체적인 작업 방식은 이렇다. 톰스하드웨어(Tom's Hardware)가 지난 7월 29일 전한 바에 따르면, 도서 디지털화 전문업체 데이터메이션 인포메이션 서비스(Datamation Information Services)는 비파괴 스캔과 파괴적 스캔 두 가지 방식을 모두 제공한다. 비파괴 스캔은 오버헤드 스캐너나 평판 스캐너, V자형 촬영 장비 등을 이용해 책을 분해하지 않고 디지털화하는 방식이다. 반면 파괴적 스캔은 책을 완전히 해체해 낱장을 고속 산업용 스캐너에 넣는 방식으로, 속도가 빠르고 비용이 낮다는 이유로 AI 기업들이 주로 선택해왔다고 이 매체는 전했다. 그 결과 수백만 권의 종이책이 실제로 해체·폐기된 것으로 알려졌다.
업계 관계자들은 이 관행이 알려질 경우 여론이 악화될 것을 우려해 구매자 신원을 감추고 있다는 지적도 내놓는다. 퓨처리즘(Futurism)이 지난 7월 26일 전한 바에 따르면, ISBNdb는 홈페이지에 "'AI 기업이 책 200만 권을 파쇄했다'는 제목은 동정을 얻기 어렵다"는 취지의 문구를 올려둔 적이 있을 정도로 이 사안의 여론 민감성을 스스로 인식하고 있었다.
무엇이 문제인가
종이책은 AI에게 거대한 지식 창고와 같다. 그러나 이런 방식에는 몇 가지 윤리적 쟁점이 따라붙는다. PC게이머(PC Gamer)가 지난 7월 29일 보도한 내용에 따르면, AI 기업들이 디지털화 과정에서 일반 도서와 희귀본·절판본을 구분하고 있는지는 불분명하다. 마지막 남은 실물이 파쇄된다면 그 책은 유통 시장에서 영구히 사라질 수 있다는 것이다. 또 다른 문제는 이렇게 스캔된 콘텐츠가 결국 AI 기업의 비공개 데이터베이스에만 남고, 일반 대중은 접근할 수 없다는 점이다. 더 똑똑한 AI를 얻는 대가로, 인류가 쌓아온 지식 자산이 공개적으로 접근 가능한 형태로는 후대에 남지 않을 수 있다는 우려가 나오는 이유다.
한국 AI·미디어 업계가 눈여겨봐야 할 지점
이 사례는 국내 AI 기업과 콘텐츠 업계에도 시사점을 남긴다.
첫째, 학습데이터 확보 경쟁이 이제 웹 크롤링을 넘어 오프라인 자산으로 확장되고 있다는 점이다. 절판된 책, 지역 서점의 재고, 도서관 폐기 도서 등도 잠재적 학습데이터로 취급될 수 있다는 뜻이다.
둘째, 데이터 출처를 둘러싼 투명성 문제다. 합법적으로 구매했다는 사실과 별개로, 구매자를 숨기고 실물을 없애는 과정 자체가 소비자와 창작자의 신뢰를 흔들 수 있다.
셋째, 앤트로픽 사례처럼 '적법한 구매·파쇄'와 '불법 데이터베이스 보유'가 한 기업 안에서 동시에 문제가 될 수 있다는 점에서, 국내에서도 AI 학습데이터 수급 관행에 대한 공개 기준이나 가이드라인 논의가 본격화될 필요가 있다.
윤교원 대표 / The K Media & Commerce, kyoweon@naver.com
[이 기사의 저작권은 이비즈타임즈에 있습니다]
){kind=small}
){kind=small}
){kind=small}
){kind=small}