1강 — 저작권과 생성형 AI
🎯 학습 목표
- AI가 만든 결과물(분석 리포트·코드·문구)을 업무에 쓸 때 어떤 저작권·법적 리스크가 있는지 이해할 수 있다
- AI 학습 데이터가 왜 분쟁의 핵심이 되는지, 그게 나에게 어떻게 번지는지 설명할 수 있다
- MIT·Apache·GPL·CC BY 같은 오픈소스 라이선스의 차이를 알고, "이 코드 써도 되나"를 판단할 수 있다
- 우리 리뷰 분석 서비스에 바로 적용할 수 있는 AI 활용 가이드라인과 체크리스트를 만들 수 있다
📖 해설
1. 오늘은 기술이 아니라 '법' 이야기입니다
지금까지 우리는 계속 기술을 다뤘습니다. 데이터를 모으고, 정제하고, LLM으로 감성을 분석하고, 신뢰도와 품질까지 따졌죠. 그런데 오늘은 결이 조금 다릅니다. 기술이 아니라 법 이야기를 합니다.
질문부터 던져 보겠습니다. 여러분이 LLM으로 만든 분석 결과, 마음대로 써도 될까요? 회사 보고서에 넣어도 되나요? 고객에게 그대로 보여줘도 되나요? 대부분 "당연히 되는 거 아니야?" 하실 겁니다. 그런데 생각보다 복잡한 문제이고, 실제로 이것 때문에 소송까지 간 사례들이 있습니다. 이걸 알아야 실무에서 문제가 안 생깁니다. 오늘 다룰 순서는 이렇습니다. ① 실제 분쟁 사례 → ② AI 출력물은 누구 것인가(저작권) → ③ AI가 뭘 보고 배웠나(학습 데이터 문제) → ④ 안전하게 쓰는 가이드라인. 이 네 가지를 차례로 짚어 가겠습니다.
지난 시간 핵심 세 가지만 짧게 복습하고 갑니다. 첫째, 신뢰도(confidence)가 높다고 정확한 게 아닙니다. AI가 자신 있어 한다는 뜻이지 실제로 맞았다는 보장이 아니라서 검증이 필수였죠. 둘째, AI 편향은 학습 데이터 때문에 생깁니다. "쓰레기가 들어가면 쓰레기가 나온다(Garbage In, Garbage Out)"였습니다. 셋째, MVP는 완벽한 제품을 오래 만드는 대신 핵심 기능만 빠르게 내놓고 피드백을 받는 방식이었습니다. 이 세 가지가 오늘 이야기와도 은근히 이어집니다. 특히 "학습 데이터가 문제다"라는 두 번째 포인트가 오늘의 중심입니다.
2. 남 일이 아닙니다 — 실제 저작권 분쟁 사례
2025~2026년 사이에 실제로 일어난, 굵직한 분쟁들을 보겠습니다. 모두 AI 저작권을 둘러싼 사건입니다.
| 사건 | 쟁점 | 결과 / 의미 |
|---|---|---|
| 작가 집단 소송 (베스트셀러 작가들 vs OpenAI) | AI가 책 내용을 그대로 재현해 저작권을 침해했나 | 2025년 10월, 법원이 직접 저작권 침해를 인정. AI 출력물이 원본과 유사하면 침해입니다 |
| Anthropic 사건 (작가들 vs Anthropic) | 불법 다운로드 사이트에서 수백만 권의 책을 가져다 학습에 씀 | 2025년 6월, 공정 이용(Fair Use) 불인정 판결. 학습 데이터 출처도 책임 대상입니다 |
| OpenAI 채팅로그 공개 명령 | AI가 저작물을 어떻게 처리했는지 증거로 요구 | 2026년 1월, 법원이 2,000만 개 채팅 로그 제출을 명령. AI 사용 기록 자체가 법적 증거가 됩니다 |
여기서 읽어야 할 흐름은 세 가지입니다. 출력물이 원본과 비슷하면 침해가 되고(첫 사건), 학습에 쓴 데이터의 출처도 문제가 되며(둘째), AI를 어떻게 썼는지 기록까지 증거로 요구받는다(셋째)는 겁니다. 솔직히 말씀드리면, AI를 둘러싼 법은 아직 초기 단계라 판례가 제대로 쌓이지 않았고 규칙도 명확히 정해지지 않았습니다. 그래서 더더욱 다양한 사례를 알아 두는 것 자체가 방어가 됩니다.
3. 우리에게 가장 가까운 사례 — 코드 생성 AI 소송
위 사례 중 우리 같은 개발자·분석가에게 가장 직접적으로 관련된 건 코드 생성 AI 소송입니다. 2022년 11월, 오픈소스 개발자들이 GitHub와 Microsoft를 상대로 집단 소송을 제기했습니다. 이유는 이렇습니다. GitHub Copilot이 GPL 같은 라이선스가 붙은 코드를 학습한 뒤, 그것과 비슷한 코드를 생성해 주는데 — 이게 라이선스 위반 아니냐는 거죠.
진행 경과를 시간순으로 보면 흐름이 보입니다.
| 시점 | 내용 |
|---|---|
| 2022.11 | 집단 소송 제기 — GPL 등 라이선스 위반 주장 |
| 2023.05 | 법원이 일부 청구는 기각, 하지만 핵심 쟁점은 계속 진행 |
| 2024 | 증거개시(Discovery) 절차 진행 |
| 2025 | AI가 원본과 거의 동일한 코드를 출력한다는 증거 다수 확보 → 합의 압력 증가 |
핵심 쟁점은 한 문장으로 요약됩니다. "GPL 코드를 학습한 AI가 만든 코드도, GPL 의무를 따라야 하는가?" 즉, 그 코드를 쓰면 내 소스 코드도 공개해야 하느냐는 겁니다. 아직 최종 판결은 안 났지만 흐름은 원고(개발자) 쪽으로 기울고 있습니다. 그래서 우리가 기억할 결론은 이겁니다. AI가 생성한 코드를 그대로 쓰면 안 될 수도 있습니다. 반드시 검토하고, 출처가 불분명하면 차라리 직접 작성하는 것도 방법입니다. (GPL이 정확히 뭔지는 뒤 라이선스 섹션에서 자세히 다룹니다.)
4. 이게 왜 '내' 문제인가요?
"이건 대기업끼리 싸우는 얘기지, 나랑 무슨 상관이야?" 싶을 수 있습니다. 그런데 우리가 AI를 쓸 때도 똑같은 문제가 생깁니다. 실무에서 일어날 수 있는 상황을 보겠습니다.
| 상황 | 리스크 | 일어날 수 있는 결과 |
|---|---|---|
| AI로 작성한 보고서를 고객에게 전달 | AI가 타사 보고서를 참고해 생성했다면? | 표절 시비, 신뢰도 하락 |
| AI로 마케팅 문구 생성 | 기존 광고 카피와 비슷하다면? | 저작권 침해 소송 가능성 |
| AI 분석 결과를 서비스로 제공 | 분석 로직이 타사 특허와 비슷하다면? | 특허 침해 문제 |
세 상황의 공통점이 핵심입니다. "AI를 도구로 썼을 뿐"이라고 해도, 결과물에 대한 책임은 사용자, 즉 여러분에게 있습니다. 칼을 만든 사람이 아니라 칼을 쓴 사람이 책임지는 것과 똑같습니다. 그래서 "AI가 알아서 해 주니 난 몰라도 돼"라는 생각, "대기업이나 신경 쓸 문제야"라는 생각, "문제 생기면 그때 대응하자"라는 생각 — 이 세 가지는 모두 위험합니다. AI 도구 사용자는 곧 AI 결과물의 책임자입니다.
5. AI가 만든 결과물은 누구 것일까요?
그럼 AI 출력물의 저작권은 누구에게 있을까요? 솔직히 아직 명확하지 않습니다. 나라마다 다르고, 그래서 더 조심해야 합니다. 2025년 기준으로 주요 국가 상황을 정리하면 이렇습니다.
| 국가 | 출력물 저작권 | 학습 데이터 | 최근 동향 / 실무 팁 |
|---|---|---|---|
| 한국 (리스크 중간) | 사람의 창작적 기여가 있어야 인정 | 별도 법규 없음 | 가이드라인 논의 중. AI 사용 명시 + 사람이 검토한 기록을 남기세요 |
| 미국 (리스크 높음) | AI 단독 창작은 불인정 (사람 개입 정도로 판단) | Fair Use 논쟁 중 | 저작권청 가이드라인 발표. 사람이 창작적 선택을 한 과정을 문서화하세요 |
| 유럽 (리스크 높음, 규제 강함) | 사람의 기여 요구 (국가별 상이) | 투명성 의무화 | AI Act가 2024년 발효. 학습 데이터 출처 확인이 필요합니다 |
| 중국 | 일부 법원에서 AI 생성물 저작권을 인정한 사례 있음 | — | 단, AI로 만들었다는 표시 필수 |
실무적으로 이게 뭘 의미하느냐면요. AI 결과물을 업무에 활용하는 것 자체는 괜찮습니다. 다만 ① 그게 "내 저작물"이라고 권리를 주장하기는 어려울 수 있고, ② 타인의 저작물이 섞여 있을 가능성도 주의해야 합니다. 그리고 중요한 포인트 하나 — 서비스가 글로벌로 나가면 각 나라 법을 다 고려해야 합니다. 그래서 원칙은 간단합니다. 가장 엄격한 기준에 맞추면 안전합니다.
6. AI는 뭘 보고 배웠나 — 학습 데이터의 그림자
이제 문제의 뿌리로 들어갑니다. LLM은 인터넷의 방대한 텍스트를 학습합니다. 뉴스 기사, 블로그 글, 학술 논문, 소셜 미디어, 책, 코드 저장소까지요. 문제는 이 중 상당수가 저작권이 있는 콘텐츠라는 점입니다. 여기서 세 가지 리스크가 나옵니다.
- 무단 학습 — AI 회사가 허락 없이 저작물을 학습에 썼을 수 있습니다. (지금 진행 중인 소송들의 핵심)
- 원문 재현 — AI가 학습한 내용을 그대로 출력할 수 있습니다. 원문이 튀어나올 수 있다는 거죠.
- 스타일 모방 — "어떤 작가 스타일로 써 줘"라고 하면 비슷하게 나옵니다. 특정 작가·브랜드의 스타일을 흉내 낼 수 있습니다.
그리고 정말 중요한 한 줄. AI를 쓰는 우리도 이 공급망(supply chain)의 일부가 됩니다. AI가 어디선가 가져온 내용을 우리가 결과물로 내보내면, 그 사슬에 우리도 엮인다는 뜻입니다.
두 번째 리스크인 '원문 재현'은 실제 사례로 보면 체감이 됩니다. 2025년 Anthropic 소송 과정에서 밝혀진 내용인데요, 연구자들이 LLM에게 해리포터의 첫 문장을 물었더니 거의 동일한 문장이 99% 이상 일치해서 그대로 나왔습니다. 더 충격적인 건, 이 회사가 불법 다운로드 사이트에서 수백만 권의 책을 가져다 학습에 썼고 법원이 이를 저작권 침해로 인정했다는 점입니다. 책뿐 아니라 뉴스 기사·코드·가사도 마찬가지입니다. AI가 학습한 내용을 '기억'하고 있어서 원문이 그대로 흘러나올 수 있습니다. 그래서 우리가 할 일은 분명합니다. AI 출력물을 그대로 쓰지 말고, 원본과 유사성을 검토하고, 표절 검사도 거쳐야 합니다.
7. 우리 프로젝트로 가져와 점검하기
이론은 충분합니다. 우리가 만드는 Steam 리뷰 감성 분석 서비스에 대입해 보겠습니다. 어느 지점에서 저작권 이슈가 생길 수 있을까요?
| 단계 | 점검 질문 | 어떻게 처리하나 |
|---|---|---|
| 리뷰 데이터 수집 | Steam 리뷰를 수집해 써도 되나? | Steam API 이용약관에서 상업적 사용 가능 여부 확인 |
| LLM 분석 결과 | 분석 결과에 저작권을 주장할 수 있나? | 저작권 주장은 어렵지만 활용은 가능. 면책 조항 추가 권장 |
| 대시보드 / 리포트 | AI가 쓴 요약문을 고객에게 줘도 되나? | 가능하나 "AI 보조 분석" 명시 + 사람이 검토 후 제공 |
| 코드 | AI가 생성한 코드를 서비스에 써도 되나? | 라이선스 확인 + 직접 검토 필요, 유사 코드 여부 확인 |
이렇게 단계별로 미리 점검해 두면, 나중에 "이거 써도 됐던 건가?" 하고 당황할 일이 줄어듭니다.
8. 라이선스 기초 — 이 코드, 써도 되나요?
코드 항목에서 계속 "라이선스 확인"이 나오죠. 그럼 라이선스가 뭔지 알아야 합니다. 오픈소스 코드에는 사용 조건을 정한 라이선스가 붙어 있습니다. 무료로 공개돼 있어도 마음대로 쓸 수 있는 건 아니라는 게 핵심입니다. '무료(free of charge)'와 '자유(freedom to use)'는 다릅니다. 무료로 배포돼도 사용에 제한이 있을 수 있습니다. 대표적인 네 가지를 표로 정리합니다.
| 라이선스 | 할 수 있음 | 해야 할 것 | 할 수 없음 | 위험도 |
|---|---|---|---|---|
| MIT | 상업적 사용·수정·배포·개인 사용 | 저작권 고지 포함 | — | 낮음 (가장 관대) |
| Apache 2.0 | 상업적 사용·수정·배포·특허 사용 | 저작권 고지, 변경 사항 명시 | 상표 사용 | 낮음 |
| GPL 3.0 | 상업적 사용·수정·배포 | 소스 코드 공개, 파생물에도 동일 GPL 적용 | 독점 소프트웨어에 포함 | 높음 |
| CC BY 4.0 (콘텐츠용) | 상업적 사용·수정·배포 | 출처 표시, 변경 여부 표시 | — | 낮음 |
| 독점(Proprietary) | 권리자가 허락한 범위만 | 권리자의 허락(라이선스 구매 등) | 허락 없는 사용·복제·배포 | 상황에 따라 |
위 네 가지는 오픈소스 라이선스이고, 그 바깥에는 독점(Proprietary) 라이선스가 있습니다. 상용 소프트웨어 대부분이 여기 속하는데, 권리자에게 허락(또는 비용 지불)을 받아야 쓸 수 있습니다. "오픈소스가 아니면 기본은 '함부로 못 쓴다'"가 출발점이라고 기억하세요.
여기서 반드시 기억할 건 GPL입니다. GPL은 '전염성(copyleft)' 라이선스라고 불립니다. GPL 코드를 한 번 가져다 쓰면 내가 만든 코드도 오픈소스로 공개해야 할 수 있기 때문입니다. 그래서 GPL 코드는 독점(상용) 소프트웨어에 포함될 수 없습니다. 상업 서비스를 만들면서 GPL 코드를 무심코 넣으면 큰일 날 수 있으니 조심하세요. 흔한 실수들도 모아 둡니다 — ① 라이선스 확인 안 하고 그냥 쓰기, ② GPL 코드를 상업 서비스에 넣기, ③ 출처 표시 빠뜨리기, ④ AI 생성물의 라이선스 미확인.
퀴즈 형식으로 감을 잡아 봅시다. 이 코드, 써도 될까요?
- Q1. GitHub에서 찾은 MIT 라이선스 코드를 회사 프로젝트에 복사 → 가능합니다. 저작권 고지(LICENSE 파일)만 포함하면 됩니다.
- Q2. GPL 라이선스 라이브러리를 우리 서비스 백엔드에 import → 주의 필요. 서비스 전체에 소스 공개 의무가 생길 수 있으니 법적 검토를 받으세요.
- Q3. AI가 생성한 코드를 그대로 프로덕션에 배포 → 확인 필요. 원본과 유사한지 검토하고, 라이선스가 불명확하니 직접 검토 후 쓰세요.
- Q4. Stack Overflow에서 복사한 코드 조각 사용 → 조건부 가능. Stack Overflow 콘텐츠는 CC BY-SA 라이선스라 출처 표시가 필요합니다.
핵심 원칙 한 줄. 확실하지 않으면 쓰지 마세요. 아니면 법무 검토를 받으세요.
9. AI 활용 가이드라인 만들기
사례도 봤고 라이선스도 알았으니, 이제 우리 팀·회사가 AI를 안전하게 쓰기 위한 기준을 만들 차례입니다. 가이드라인은 보통 네 섹션으로 나눕니다.
- 사용 범위 정의 — 어떤 업무에 AI를 쓸 것인가? 어떤 도구를 쓸 것인가? 금지 영역은 무엇인가?
- 입력 데이터 규칙 — 고객 데이터를 AI에 넣어도 되나? 기밀 정보는 어떻게 처리하나? 개인정보는?
- 출력물 처리 규칙 — 결과물을 그대로 써도 되나? 검토·승인 절차는? AI 사용을 명시해야 하나?
- 책임과 관리 — 문제가 생기면 누가 책임지나? 가이드라인을 위반하면 어떻게 하나? 정기 검토 주기는?
여기서 마음을 편하게 가지셔도 됩니다. 처음부터 완벽할 필요 없습니다. 일단 1페이지로 시작해서 계속 개선해 나가면 됩니다. 우리 Steam 리뷰 분석 프로젝트에 맞춘 예시는 이렇습니다.
| 영역 | 우리 프로젝트 규칙 | 이유 |
|---|---|---|
| 데이터 수집 | Steam 공식 API만 사용 | 이용약관 준수, 법적 리스크 최소화 |
| LLM 사용 | OpenRouter 등 API 게이트웨이 사용 | 서비스 약관이 명확, 책임 소재 분명 |
| 결과물 제공 | "AI 보조 분석" 명시 + 면책 조항 추가 | 사용자 인지, 법적 보호 |
| 코드 관리 | AI 생성 코드는 반드시 검토 후 사용 | 라이선스 위반 방지, 품질 보장 |
| 개인정보 | 리뷰어 ID 등 개인식별정보 익명화 | 개인정보보호법 준수 |
규모에 따라 현실적인 수준도 다릅니다. 대기업은 'AI 도구 허용 목록'을 관리하고(승인된 도구만, 기밀 정보 입력은 절대 금지, 사용 시 상급자 승인) — 보안과 규정 준수가 최우선이니까요. 스타트업은 좀 더 유연하게, 자유롭게 쓰되 결과물을 검토하고 외부 공개 시 AI 사용을 명시하며 코드는 PR 리뷰를 필수로 합니다(속도와 안전의 균형). 1인 개발자·프리랜서는 최소 핵심 원칙만 — 고객 데이터 입력 금지, AI 코드 직접 검토, 면책 조항 포함, 라이선스 확인 — 혼자 모든 책임을 지니 이건 꼭 지켜야 합니다. 결론은 규모와 상황에 맞게 현실적으로 만들라는 겁니다.
10. AI 안전 사용 체크리스트 — 사용 전·중·후
가이드라인을 더 손에 잡히게 만든 게 체크리스트입니다. AI를 쓰는 전·중·후 세 단계로 점검합니다. 이걸 습관화하면 대부분의 리스크는 관리됩니다.
| 단계 | 점검 항목 |
|---|---|
| 사용 전 | ① AI 서비스 이용약관 확인 ② 입력할 데이터에 기밀·개인정보 있는지 확인 ③ 팀/회사 가이드라인 확인 ④ (코드 생성 시) 라이선스 조건 확인 |
| 사용 중 | ① 민감 정보는 마스킹·익명화 후 입력 ② 프롬프트에 기밀 정보 넣지 않기 ③ 생성된 내용 검토(표절·유사성 확인) |
| 사용 후 | ① AI 사용 여부 명시(필요시) ② 출처·면책 조항 추가 ③ 최종 결과물은 사람이 검토·승인 ④ 사용 기록 문서화 |
11. 무시하면 어떻게 되나 — 그리고 5분이면 시작할 수 있는 것들
"그래서 안 지키면 정말 큰일이 나나?" 실제 피해 유형을 보면 감이 옵니다.
| 사건 | 결과 | 교훈(예방책) |
|---|---|---|
| 직원이 고객 데이터를 AI에 입력 → 학습에 활용됨 | 개인정보보호법 위반, 과징금 + 신뢰도 하락 | 입력 전 데이터 검토, 마스킹 자동화 |
| AI 생성 마케팅 문구가 타사 슬로건과 유사 | 소송 비용 + 이미지 손상 + 보상금 | AI 결과물 표절 검사, 사람 검토 |
| AI 생성 코드에 GPL 코드가 섞임 | 소스 공개 요구 또는 서비스 중단 위험 | 코드 검토, 라이선스 확인 도구 사용 |
| AI 분석 결과를 검토 없이 제공 → 내용이 틀림 | 고객 손해 → 손해배상 청구 | 사람 검토 필수, 면책 조항 추가 |
공통 교훈은 분명합니다. 사후 대응 비용이 사전 예방 비용보다 훨씬 큽니다. 다행히 예방은 생각보다 가볍게 시작할 수 있습니다. 오늘 바로 적용할 수 있는 네 가지를 드립니다.
- AI 결과물에 면책 문구 추가 (약 5분) — 예: "본 분석은 AI 보조 도구를 활용하여 생성되었으며, 참고용으로만 사용하시기 바랍니다."
- 민감 정보 마스킹 함수 작성 (약 30분) — 이메일·이름·ID를
[MASKED]로 치환하는 함수. - AI 사용 로그 남기기 (건당 약 10분) — 언제, 왜, 어떤 AI를 썼는지 기록.
- 팀 가이드라인 초안 작성 (약 1시간) — 앞에서 본 4섹션 템플릿으로 1페이지부터 시작.
완벽하지 않아도 괜찮습니다. 시작하는 게 중요합니다.
🔑 핵심 용어
| 용어 | 쉬운 설명 |
|---|---|
| 저작권 침해 | 남의 창작물을 허락 없이 베끼거나 거의 똑같이 재현하는 것. AI 출력물이 원본과 유사하면 해당될 수 있음 |
| Fair Use(공정 이용) | 일정 조건에서 저작물을 허락 없이 써도 되는 미국 법리. AI 학습에 적용되는지가 소송의 쟁점 |
| 학습 데이터 | AI가 배우는 데 쓴 텍스트·코드 모음. 출처(저작권·합법성)가 분쟁의 핵심 |
| 라이선스 | 소프트웨어·콘텐츠를 어떤 조건으로 쓸 수 있는지 정한 약속. 무료여도 조건이 붙음 |
| MIT / Apache 2.0 | 가장 관대한 라이선스. 상업적 사용 가능(고지·변경 명시만 지키면 됨) |
| GPL (copyleft) | '전염성' 라이선스. 쓰면 내 코드도 오픈소스로 공개해야 할 수 있어 상용 서비스엔 주의 |
| CC BY | 크리에이티브 커먼즈 — 출처를 표시하면 쓸 수 있는 콘텐츠용 라이선스 |
| 면책 조항 | "참고용이며 책임을 한정한다"는 안내 문구. AI 결과물 제공 시 추가해 리스크를 낮춤 |
| 익명화 / 마스킹 | 개인을 알아볼 수 있는 정보(ID·이름·이메일)를 가리거나 지워 개인정보를 보호하는 처리 |
🎮 게임 기획자 시점
게임 기획자에게 이 강은 "리뷰 분석 리포트를 어디까지 공개해도 되는가"의 안전선을 그어 줍니다. 유저 리뷰를 LLM으로 돌려 만든 인사이트를 사내 패치 회의 자료로 쓰는 건 괜찮지만, 그걸 퍼블리셔·외부 파트너·유저 공지로 내보낼 때는 이야기가 달라집니다. AI가 어딘가의 표현을 그대로 가져왔을 수도 있고, 리뷰어의 닉네임·계정 같은 개인식별정보가 그대로 노출될 수도 있죠. 그래서 ① 외부로 나가는 모든 AI 결과물엔 "AI 보조 분석" 표기와 면책 문구를 달고, ② 리뷰어 ID는 익명화하고, ③ 최종본은 사람이 한 번 읽고 내보내는 — 이 세 가지를 기획 산출물의 기본 체크리스트로 박아 두면 됩니다. 결국 "AI가 만들었어도 내보낸 사람이 책임진다"는 원칙은, 기획자가 외부 커뮤니케이션을 책임지는 감각과 정확히 같습니다.
⚠️ 흔한 오해 / 짚고 갈 점
- "AI가 만들었으니 내 저작물이다"가 아닙니다. 한국·미국은 사람의 창작적 기여가 없으면 저작권을 잘 인정하지 않습니다. 활용은 가능해도 권리 주장은 어렵습니다.
- "AI가 도구일 뿐이니 책임도 AI 회사에"가 아닙니다. 칼을 쓴 사람이 책임지듯, 결과물 책임은 사용자에게 있습니다.
- "무료니까 마음대로 써도 된다"가 아닙니다. 무료 배포와 자유로운 사용은 다릅니다. 특히 GPL은 내 코드까지 공개하게 만들 수 있습니다.
- "이건 대기업 얘기"가 아닙니다. 저작권·라이선스 규칙은 서비스 규모와 상관없이 적용됩니다. 1인 개발자도 예외가 아닙니다.
- AI 출력을 그대로 쓰는 건 위험합니다. 학습한 원문이 거의 그대로 나올 수 있어, 유사성·표절 검토가 필요합니다.
✅ 30초 정리
- AI 저작권 분쟁은 현재 진행형이고, 대기업만의 문제가 아니라 우리 모두의 문제입니다. 결과물 책임은 사용자에게 있습니다.
- 학습 데이터 리스크(무단 학습·원문 재현·스타일 모방)를 인식하고, AI 출력물은 그대로 쓰지 말고 검토하세요. 코드는 라이선스(특히 GPL)를 꼭 확인합니다.
- 사전 예방이 사후 대응보다 싸고 효과적입니다. 면책 문구·익명화·사용 기록·1페이지 가이드라인부터 시작하고, 사용 전·중·후 체크리스트를 습관화하세요.
▶️ 다음 강 연결
지금까지는 Colab에서 실습해 왔지만, Colab은 세션이 끊기고 파일 관리가 불편합니다. 실제로 앱(서비스)을 만들려면 내 컴퓨터의 개발 환경이 필요하죠. 다음 2강 로컬 개발 환경 설정에서는 Python 3.12 설치와 가상환경 구성, VS Code·Cursor 같은 IDE, 그리고 AI 코딩 도구를 직접 다뤄 봅니다. 오늘 배운 저작권 원칙은 그 서비스를 만드는 내내 계속 고려해야 할 토대입니다.