AI 팀이 중국 저작권 정책 변화에 대비하는 방법

중국의 최신 저작권 계획은 모든 모델 개발자를 위한 준수 목록은 아니다. 그러나 중요한 운영 신호다. 국가판권국은 2026년 8월 31일에 발행된 제15차 저작권 5개년 계획을 9월 7일에 배포했다. 이 계획은 저작권 서비스, 집행, 국제 협력, 신기술을 하나의 정책 의제로 묶는다. AI 팀에게 콘텐츠의 출처를 아는 일은 익숙한 엔지니어링 과제를 넘어 조직의 준비 역량 문제가 된다.

유용한 대응은 모든 데이터 사용이 금지되었다고 가정하는 것도, 학습 데이터의 모든 질문에 답할 최종 규칙을 기다리는 것도 아니다. 대신 지금의 결정을 추적 가능하게 만들어야 한다. 무엇을 어떤 조건으로 얻었는지, 어떤 용도인지, 누가 승인했는지, 신뢰할 만한 이의 제기가 들어오면 어떻게 하는지를 기록한다. 미래 규칙이 예상과 다른 방향으로 전개되어도 이 증거는 유용하다.

이 글은 법률 자문이 아니다. 변화하는 정책 환경을 검토와 개선이 가능한 작업으로 바꿔야 하는 제품, 조달, 데이터, 보안 책임자를 위한 실무 틀이다.

확인된 사실과 미해결 쟁점을 분리하기

첫 번째 원칙은 폭넓은 정책 언어를 확실한 법적 결론처럼 바꾸지 않는 것이다. 저작권 계획은 실제 정책 방향이며, 국가판권국도 이전부터 AI와 다른 신흥 분야에 더 강한 저작권 제도 설계가 필요하다고 언급해 왔다. 하지만 계획 공지는 특정 코퍼스를 모델 학습에 사용해도 되는지, 각 출력물을 어떻게 취급해야 하는지, 어느 계약이 분쟁을 지배하는지에 보편적인 답을 주지 않는다.

9월 7일 최고인민법원이 낸 AI 분쟁 의견 설명은 이 경계를 이해하는 데 도움이 된다. AI 생성 콘텐츠와 관련한 청구에서 권리자는 먼저 문제의 콘텐츠가 AI 서비스에서 나왔고 보호되는 저작물과 실질적으로 유사하다는 점을 뒷받침해야 한다. AI 개발자가 비침해 항변을 할 때는 학습 데이터의 출처, 학습 과정, 운영 방식이 관련 증거가 될 수 있다고 설명한다.

같은 설명은 AI 생성물의 저작권성, 그리고 허가 없이 저작물을 대형 모델 학습에 쓴 행위의 법적 성격이라는 두 핵심 질문을 남겨 두었다. 이는 지침을 무시할 이유가 아니다. 불확실성 대장을 유지할 이유다. 팀은 결정을 계약, 적용 규칙, 문서화된 기술 통제, 미해결 가정 중 무엇에 근거하는지 표시해야 한다. 네 가지를 같은 것으로 취급하면 피할 수 있는 위험이 보이지 않게 된다.

분쟁이 요구하기 전에 데이터 증거 지도를 만들기

데이터 인벤토리는 “어떤 데이터셋을 썼는가”보다 더 많은 답을 제공해야 한다. 자산 또는 데이터셋, 공급자, 취득일, 적용 약관, 지역 및 제품 제한, 예정된 기술적 용도를 기록한다. 이어 필터링, 주석, 중복 제거, 합성 보강, 접근 통제, 그리고 해당 자료가 쓰인 모델 또는 평가로 이루어진 변환 경로를 남긴다. 나중의 스냅샷이 실제 학습 시점의 상태를 재현하지 못할 수 있으므로 버전 관리도 필요하다.

이는 형식을 위한 관료주의가 아니다. 권리 관련 불만은 흔히 “이 이미지, 문서, 음성 샘플, 코드 조각은 어디서 왔는가”라는 좁은 질문으로 시작한다. 출처 기록, 승인 경로, 보존 결정을 제시할 수 있는 시스템은 빠르게 조사할 수 있다. 라벨 없는 대형 저장소만 가진 시스템은 압박 속에서 자신의 이력을 재구성해야 한다.

이 지도는 빈틈도 보여줘야 한다. 공개 접근 콘텐츠, 파트너 제공 자료, 라이선스 데이터셋, 내부 제작 자료는 서로 바꿔 쓸 수 있는 범주가 아니다. 증거와 조건, 실패 방식이 다르다. 출처에 명확한 조건이나 출처 정보가 없다면 이를 조용히 “승인됨”으로 올리지 말고 그대로 표시해야 한다. 그러면 사용을 제한하거나 대체 자료를 찾거나 문서화된 위험 결정을 내릴 수 있다.

실행 가능한 답을 얻는 공급업체 질문하기

모델 API를 구매하거나 타사 도구를 내장한다고 해서 모든 운영 책임이 이전되는 것은 아니다. 법원 지침은 통제, 생성에서 각 당사자의 역할, 학습 데이터 출처, 피해를 줄이기 위한 조치에 주목한다. 이는 소송만의 문제가 아니라 조달의 실무 주제다.

좋은 공급업체 검토는 구체적 산출물을 요구한다. 서비스 약관이 어떤 사용 사례와 콘텐츠 범주를 다루는가? 공급업체는 학습 또는 검색 데이터의 출처와 거버넌스에 관해 무엇을 제공할 수 있는가? 권리 불만을 어떻게 접수·평가·처리하는가? 고객에게 어떤 로그가 제공되는가? 고객 업로드 자료, 파인튜닝, 검색 인덱스, 생성 출력에 어떤 통제가 있는가?

“책임 있는 AI” 같은 모호한 보장을 대응 절차 대신 받아들이지 말아야 한다. 공급업체는 기밀 기술 세부사항을 보호할 수 있지만, 고객은 연락 창구, 에스컬레이션 시간, 통지, 계약 약속, 책임 분담의 명확한 설명을 요청할 수 있다. 이후 팀이 다시 조사하지 않도록 답변을 조달 결정과 함께 보관한다.

출력 통제와 불만 처리를 제품 기능으로 다루기

저작권 위험은 학습에서 끝나지 않는다. 제품 팀은 사용자가 의심되는 복제를 어떻게 신고하는지, 어떤 정보를 제공해야 하는지, 신고를 어떻게 분류하는지, 잠재적으로 해로운 출력이 언제 제한되는지를 정의해야 한다. 최고인민법원의 설명은 책임을 판단할 때 기술과 사업 모델, 생성에서의 역할, 학습 입력, 예방 조치, 이익 같은 요인을 언급한다. 이는 간단한 제품 질문으로 이어진다. 서비스가 무슨 일이 있었는지 설명하고 비례적인 조치를 취할 수 있는가?

소비자 제품이라면 눈에 보이는 신고 경로, 사건 식별자, 악용 프롬프트 패턴에 의한 반복 생성을 멈출 방법이 필요할 수 있다. 기업 시스템이라면 워크스페이스 수준 감사 로그, 관리자 통제, 보존 설정, 문서화된 에스컬레이션 경로도 포함될 수 있다. 적절한 통제는 제품에 따라 다르다. 그러나 고객의 비공개 데이터를 불필요하게 노출하지 않으면서 증거를 보존하는 능력은 달라져서는 안 된다.

테이블톱 연습으로 절차를 시험한다. 생성 이미지나 검색된 문단에 관한 가상의 불만을 고르고, 계정, 관련 로그, 모델 버전, 출처 기록, 가능한 조치를 찾는 데 걸리는 시간을 잰다. 이 연습은 데이터, 법무, 지원, 엔지니어링 팀의 식별자나 보존 기간이 맞지 않는 문제를 드러내곤 한다. 실제 불만 전에 발견하는 것이 목적이다.

AI 보조 내부 작업을 검토 가능하게 만들기

새 법원 지침은 소송 자료 작성에 AI를 쓰는 사람에게도 직접 적용된다. 사용자는 AI 보조 제출물의 정확성을 확인하고 요구되는 경우 그 도움을 밝힐 책임을 계속 진다. 더 넓은 교훈은 법원 문서 밖에도 적용된다. AI 출력은 문장이 유창하다는 이유만으로 출처가 되지 않는다.

중요한 결과를 낳는 문서에 대한 내부 규칙을 만든다. 작성자는 사실 주장들을 식별하고, 1차 출처를 보존하며, 필요한 경우 사용한 모델 또는 도구를 기록하고, 결과를 수정하거나 거부할 권한이 있는 사람 검토자를 지정한다. 이는 정책 요약, 제품 주장, 권리 분석, 고객 커뮤니케이션에서 특히 중요하다. 모델이 만들어 낸 인용이나 초안 이후 바뀐 정책 규칙은 일반적인 오탈자보다 훨씬 큰 문제를 만들 수 있다.

목표는 AI 지원을 금지하는 것이 아니다. 보조 초안과 검증된 진술의 차이를 지키는 것이다. 이 구분은 자동화 텍스트가 독립적으로 사실을 확립한 것처럼 가장하지 않으면서 자동화를 활용하게 해 준다.

정기적인 준비 상태 검토 운영하기

월간 또는 분기별 검토를 통해 이 틀을 일상 운영으로 만들 수 있다. 새 데이터 출처, 중요한 공급업체 변화, 열린 불만, 사고 조사 결과, 로그 적용 범위, 미해결 법적 가정을 살핀다. 활성 데이터셋 중 문서화된 약관을 가진 비율, 불만 기록을 구성하는 시간, 에스컬레이션 연락처가 있는 고위험 공급업체 비율, 해결되지 않은 출처 공백의 기간 같은 증거 기반 지표를 소수 추적한다.

법이 불확실한 곳에서 이 점수표를 법적 준수 주장에 사용하지 말아야 한다. 더 겸손하고 유용한 목적은 조직이 현재 관행을 설명하고, 알려진 약점을 고치며, 더 나은 정보로 다음 결정을 할 수 있는지 보여주는 데 있다.

중국의 정책 방향과 법원 지침은 이 역량의 가치를 높인다. 그것들이 AI 학습과 소유권에 관한 어려운 질문을 없애지는 않는다. 그러나 고객, 창작자, 규제기관, 법원이 시스템이 어떻게 구축되고 통제되었는지 물을 때 아무 답도 하지 않는 일을 정당화하기는 더 어렵게 만든다.