대만 AI 말뭉치 확대에도 저작권·보상 논란에 민간 콘텐츠 참여 제한

민간 기여 111건이 드러낸 대만 AI 야심의 공백

대만 정부의 AI 학습 자료 모음에는 데이터 항목 7,161건이 축적됐지만, 민간 기여자가 제공한 자료는 111건에 그쳤다. 전체의 약 1.6%로, 인공지능이 대만의 언어와 문화, 일상을 이해하도록 돕기 위한 사업으로서는 비중이 작다.

디지털발전부는 2025년 12월 24일 대만 주권 AI 학습 말뭉치를 출범시켰다. 200곳이 넘는 정부 기관이 6억 토큰을 담은 데이터셋 2,000여 개를 제공했다. 토큰은 AI 시스템이 처리하는 작은 텍스트 단위로, 한 글자일 수도 있고 단어의 일부일 수도 있다.

정부의 참여로 규모를 키우는 데는 성과가 있었다. 그러나 출판사와 저자, 교육 플랫폼, 언론사를 참여시키는 일은 더 어려운 과제다. 개발자는 학습에 가치 있는 글을 복제하려면 허가가 필요하고, 콘텐츠 권리자는 자신의 저작물이 어떻게 쓰이는지 통제하고 그에 대한 보상을 원한다.

2026년 10월 14일 입법 청문회에서 린이징 디지털발전부 장관은 민간 참여가 자발적이라고 밝혔다. 또 정부는 주요 AI 기업, 특히 미국 기업이 학습 콘텐츠 사용료를 내기를 바란다고 말했다. 뉴스 콘텐츠는 현재 민간 자료 수집 사업의 대상이 아니다.

실질적인 쟁점은 데이터베이스의 규모를 넘어선다. 대만에서 작성된 글로 학습한 모델은 현지 어휘를 익히고 문화적 전통을 설명하며 대만의 제도를 고려해 질문에 답할 수 있다. 하지만 이런 자료를 만드는 저자와 단체도 콘텐츠의 상업적 가치에 의존한다. 대만은 이들의 저작물에 대한 접근을 확대하는 동시에 누가 비용을 부담할지, 허가의 범위는 어디까지인지, 저작권 규정에서 무엇을 명확히 해야 할지 결정하려 하고 있다.

정부 자료 모음의 구성

디지털발전부의 12월 출범 발표에 따르면 자료 모음은 언어와 문화, 교육, 생물, 지리 분야를 아우른다. 10년 넘게 축적된 정부 공공데이터를 활용하며 이용자는 자료를 검색하고 내려받을 수 있다.

문화부는 공공미술과 문화자산 관련 데이터셋을 제공했다. 교육부는 대만어와 하카어, 표준중국어 사전 데이터를 기여했다. 이 자료들은 장소와 사물, 전통에 관한 정보와 함께 현지의 의미와 용례를 개발자에게 제공한다.

디지털발전부의 말뭉치 사업 설명에는 원주민족위원회와 객가위원회도 참여 기관으로 명시돼 있다. 역사와 문화유산, 관광, 지역 문화 등이 향후 다룰 주제다. 부처는 유용한 학습용 텍스트라면 일관성 있고 완결성이 있으며 유창해야 한다고 밝혔다.

2026년 9월 입법부에 제출된 수치에 따르면 자료 모음은 데이터셋 5,000여 개, 토큰 24억 개 이상으로 늘었다. 출범 당시 발표된 6억 토큰과 비교하면 토큰으로 측정한 텍스트가 네 배 넘게 증가한 셈이다. 항목 7,161건과 민간 기여 111건은 자료 구성을 보여주는 또 다른 지표다.

현지 언어가 중요한 이유

커뮤니티 지식 프로젝트 Taiwan.md를 설립한 뉴미디어 예술가 우처위는 주류 AI 학습 자료에서 정체자가 차지하는 비중이 너무 작다고 주장한다. 그는 프로젝트의 필요성을 설명하며 중국어 학습 자료 중 정체자 자료가 차지하는 비중을 1% 미만으로 추산한다.

우씨가 우려하는 문제는 간체자를 정체자로 바꾸는 데 그치지 않는다. 대만과 중국은 일상적인 사물에 서로 다른 단어를 쓰기도 하고, 같은 표현도 의미가 다를 수 있다. 현지 지식에는 제도와 역사, 음식도 포함된다. 버블티나 샤오룽바오보다 국제적으로 덜 알려진 음식도 마찬가지다.

Taiwan.md는 AI 도구를 이용해 웹에서 정보를 모으고 대만의 자연과 사회, 역사를 다룬 글을 편집한다. 논문과 블로그, 정부 자료 등 공개적으로 접근할 수 있는 자료를 바탕으로 글 1,123건을 마련했다. 우씨는 ChatGPT와 Gemini, Claude 같은 주류 모델이 대만인의 경험을 반영한 글을 더 많이 접하기를 바란다.

정부는 이와 관련한 목표를 주권 AI로 설명한다. 대만이 자국의 필요에 맞게 형성할 수 있는 AI 자원과 역량을 개발한다는 의미다. 정부 말뭉치는 학습 자료를 제공하고, Taiwan.md 같은 프로젝트는 AI 개발자가 현지 지식을 더 쉽게 찾도록 돕는다.

형사 고발로 달라진 판단

2025년 7월, 대만중앙통신사(CNA)의 무단 기사 14만 건이 담긴 정체자 말뭉치를 배포한 국립대만대 박사과정 학생이 저작권 침해 혐의로 형사 고발을 당했다. 이 학생은 공개 자료를 제공하는 미국 웹사이트에서 자료를 모았으며, 대가를 받지 않고 말뭉치를 공유했다.

양측은 이후 합의했다. 학생은 사과하고 연구자들에게 데이터 출처의 적법성을 확인하라고 촉구했으며, 말뭉치 전체를 삭제했다.

우씨는 이 사건 이후 독립 개발자들이 더 신중해졌다고 말한다. 그의 Taiwan.md 팀은 저작권 문제가 있을 가능성이 보이면 자료를 제외해 수집 속도가 느려지고 있다. 소규모 프로젝트의 경우 형사 절차에 휘말릴 위험은 허가 여부를 확인하는 어려운 작업에 개인적 부담까지 더한다.

이 문제가 어떻게 전개됐는지 보여주는 주요 날짜는 다음과 같다.

• 2023년 초: 국가과학기술위원회가 2억 대만달러 이상의 예산을 들여 TAIDE 언어 모델 사업을 시작했다.
• 2025년 7월: 박사과정 학생이 무단 뉴스 기사가 포함된 말뭉치와 관련해 고발을 당했다.
• 2025년 12월 24일: 디지털발전부가 6억 토큰 규모의 주권 AI 말뭉치를 발표했다.
• 2026년 9월: 부처 발표 자료에 데이터셋 5,000여 개와 토큰 24억 개 이상이 담겼다.
• 2026년 10월 14일: 린 장관은 입법부에서 민간 기여는 자발적이며 유료 콘텐츠 계약이 정책 목표라고 밝혔다.

AI 학습에서 저작권이 쟁점이 되는 지점

루궈 법률사무소의 천치둥 선임 변호사는 복제가 핵심 법적 쟁점이라고 지적한다. 개발자는 일반적으로 모델을 학습시키기 전에 텍스트를 복제해야 한다. 저작권법은 공정 이용 같은 예외를 두고 권리자에게 복제에 대한 통제권을 부여한다.

공정 이용은 특정 상황에서 허가 없이 저작물을 사용하는 것을 허용한다. 천 변호사는 대만의 현행 규정에 AI 학습이 명시적으로 다뤄지지 않아 법원이 해당 이용을 인정할지 개발자들이 확신하기 어렵다고 말한다.

학습과 답변 생성은 서로 다른 행위이기도 하다. 학습 단계에서는 시스템이 사례를 처리해 패턴을 익힌다. 생성 단계에서는 이용자에게 텍스트를 내놓는다. 천 변호사는 저작권 보호 저작물과 매우 유사한 결과물이 나올 위험을 포함해 두 단계를 별도로 다루는 법률을 제안한다.

경제부 산하 지식재산국은 가능한 법적 조정을 검토 중이라고 밝혔다. 디지털발전부는 저작권 정책 담당 기관으로 지식재산국을 지목한다. 감찰원 조사에서도 행정원이 관련 업무를 지식재산국에 맡긴 뒤 법 체계를 조정하기 위해 적극적으로 나서라고 권고했다.

저작권 양도가 아닌 자발적 허가

린 장관은 입법원 교통위원회에서 민간 자료 수집 사업을 출판사와 전자책 플랫폼부터 시작한다고 밝혔다. 그는 확보하려는 자료를 네 가지 유형으로 설명했다.

• 저작권 보호 기간이 끝난 책.
• 출판사가 제공하는 도서 소개문.
• 책에서 발췌한 일부 미리보기 문장.
• 개별 저자가 자발적으로 이용을 허가한 저작물.

린 장관은 저자가 저작권을 보유한 상태에서 AI 학습에 저작물을 사용할 수 있도록 허가를 구한다고 말했다. 라이선스는 합의된 조건에 따라 다른 당사자가 특정 활동을 할 수 있도록 허용한다. 허용되는 이용과 기간 등이 라이선스 범위에 포함될 수 있다.

민진당 린추인 입법위원은 기여자에게 어떻게 보상할지, 나중에 허가를 철회하면 어떻게 할지, 학습이 다른 제품으로 이어질 때 이들의 이해관계를 어떻게 보호할지 질문했다. 대만민중당 훙위샹 입법위원은 품질 검토와 권리 확인, 유료 자료 확보, 다양한 라이선스 유형 관리를 맡는 서비스를 제안했다.

디지털발전부는 대만 주권 AI 학습 말뭉치 라이선스 제1판을 공개하고, 기관들이 이를 적용할 수 있도록 지식재산국과 사례를 마련했다. 표준 약관은 반복되는 협상과 저작권 분쟁을 줄이는 데 목적이 있다. 부처는 기여를 유도할 인센티브도 계획하고 있다. 공개적으로 제시된 제안에는 보상 요율과 허가 철회 방식, 결과물에 적용할 규칙이 아직 확정되지 않았다.

유료 협력의 작은 선례

오픈컬처재단의 리보펑 이사장은 출판사에 가치 있는 자료를 무료로 제공하라고 요청해서는 충분한 참여를 끌어내기 어렵다고 말한다. 그는 협상을 통해 언론사와 교육 플랫폼의 협력을 얻어낸 소규모 학습 사업을 사례로 든다.

계약에는 일회성 라이선스 비용, 데이터 사용 기간을 2년으로 제한하는 조건, 참여 콘텐츠 제공자에게 결과 모델을 우선 이용할 권리가 포함됐다. 기여자는 보상을 받고, 사용 기간을 명확히 하며, 그 대가로 유용한 결과물을 얻을 수 있었다.

위안류출판의 왕룽원 이사장도 정부와 상업 개발자가 콘텐츠 라이선스 비용을 예산에 반영해야 한다고 주장한다. 그는 형사 고발에 대한 우려가 민간 개발자와 AI 사업을 지원하려는 공무원 모두에게 제약이 된다고 본다.

린 장관은 주요 AI 기업에 유료로 접근을 허용하는 것이 정부의 최종 목표라고 입법위원들에게 말했다. 신기술을 둘러싼 저작권 분쟁은 3~5년 이어질 수 있다며, 부처가 우선 분쟁 소지가 적은 자료부터 활용한다고 설명했다. 그가 제시한 기간은 논란이 이어질 가능성을 가리킨 것이지, 입법이나 보상 제도의 도입 시한은 아니다.

법적 예외와 집중관리 라이선스라는 선택지

천 변호사는 대만 저작권법에 AI 관련 장을 신설하자고 제안한다. 여기에는 텍스트·데이터 마이닝 예외를 마련하고 학습 자료 출처 공개를 의무화하며, 요건을 충족한 활동에 대한 형사 처벌 위험을 줄이는 내용이 포함된다.

텍스트·데이터 마이닝은 소프트웨어를 이용해 방대한 자료를 분석하고 패턴을 찾는 것을 뜻한다. 유럽연합과 일본, 싱가포르에는 이 활동의 일부 유형을 허용하는 예외 규정이 있지만 규칙과 조건은 서로 다르다. 천 변호사는 이런 접근 방식을 대만 논의의 참고 사례로 본다.

리는 행정 차원의 선행 조치로, 당국이 어떤 학습 이용을 공정 이용으로 보는지, 어떤 경우 침해 위험이 있는지 설명하는 지침을 제안한다. 그는 개발자와 창작자가 실무적으로 참고할 수 있는 기대 기준을 제시한 사례로 일본 문화청의 2024년 AI 저작권 체크리스트와 지침을 든다.

천 변호사는 대만 음악저작권협회(MÜST)를 모델로 한 집중관리 라이선스도 제안한다. 이 방식에서는 단체가 다수 권리자를 대신해 허가를 관리하고 사용료를 걷어 배분한다. AI 분야에 비슷한 서비스가 도입되면 출판사나 저자 수백 명과 각각 협상하는 수고를 줄일 수 있다.

국립타이베이과학기술대 지식재산권연구소 겸임 조교수 장중신은 다른 견해를 내놓는다. 그는 법을 바꾸기보다 개발자가 현행 저작권 규정에 따라 사용료를 내야 한다고 주장한다. 그의 견해는 가치 있는 출판물과 뉴스 콘텐츠에 대한 협상을 해결책의 중심에 둔다.

TAIDE가 보여주는 접근성과 자원의 중요성

대만의 초기 신뢰형 AI 대화 엔진 TAIDE는 모델이 소수의 접근 가능한 자료 모음에 얼마나 크게 의존할 수 있는지 보여준다. 2023년 초 국가과학기술위원회 사업으로 출범했으며, 초기 개발에 2억 대만달러 이상의 예산이 투입됐다.

TAIDE는 정부 기관 15곳의 학습 자료를 활용했다. 대만중앙통신사 기사 약 400만 건이 텍스트 데이터의 70%를 차지했다. 저작권 문제를 고려해 자료를 확보했으며, 상당한 규모의 뉴스 아카이브에 체계적으로 접근할 수 있으면 현지 모델 개발에 도움이 된다는 점을 보여줬다.

중앙연구원 대만정보보안센터의 책임연구자 리위제는 국내 대안이 갖는 가치를 다음과 같이 설명했다.

처음에는 대형 엔진을 따라잡지 못할 수도 있지만, 자체 대화 엔진이 있으면 적어도 선택권은 갖게 됩니다.

초기 모델은 메타의 Llama 2를 기반으로 구축됐으며, 학습 과정에서 조정되는 수치 설정값인 매개변수 70억 개를 갖췄다. 국가고성능컴퓨팅센터는 일반 서비스를 유지하면서 프로젝트에 V100 그래픽 프로세서 1,028개를 지원했고, 2023년 11월 H100 프로세서 9개를 구매했다.

국립중흥대의 농업 질문응답 프로젝트 Demeter GPT는 이후 ChatGPT에서 TAIDE로 전환했다. 판야오중 부교수는 추가 학습 뒤 중국어 정확도가 개선됐다고 설명했다. 연구실은 이전에 OpenAI에 답변당 1~2대만달러를 지불했지만, TAIDE를 자체 운영하면서 운영 비용이 자가 컴퓨터와 전기료로 바뀌었다.

대만의 말뭉치 사업은 이런 응용을 뒷받침하는 텍스트 공급 문제를 다룬다. 정부의 사전과 문화 기록이 토대를 제공한다. 출판물과 전문 교육 자료, 언론 보도에 대한 접근 확대는 개발자가 감당할 수 있고 콘텐츠 권리자도 수용할 수 있는 합의에 달려 있다.

핵심 내용

• 민간 기여자가 제공한 자료는 말뭉치 항목 7,161건 중 111건으로 약 1.6%다.
• 정부는 2025년 12월 출범 당시 6억 토큰을 발표했으며, 2026년 9월에는 전체 규모가 24억 토큰을 넘어섰다.
• 린 장관은 민간 참여가 자발적이며 저자는 저작권을 보유한다고 밝혔다.
• 뉴스 콘텐츠는 현재 민간 자료 수집 사업에서 제외돼 있으며, 부처는 AI 기업과 유료 계약을 추진하고 있다.
• 2025년 7월 무단 뉴스 기사 14만 건과 관련한 형사 고발로 독립 개발자들의 우려가 커졌다.
• 제안에는 공정 이용 지침 명확화, 데이터 마이닝 예외, 집중관리 라이선스, 현행법에 따른 직접 보상이 포함된다.