"인류 역사상 최대의 노동 절도" — 봉인 해제된 내부 메모가 드러낸 학습 데이터 논쟁 | 뉴스

뉴욕타임스가 오픈AI·마이크로소프트를 상대로 제기한 저작권 소송에서 2026년 9월 17일 봉인 해제된 문서가 공개됐다. 그 안에는 마이크로소프트에서 응용과학을 담당하는 임원이 2023년 1월 내부 메모에서 공개 웹 스크래핑 학습을 두고 "전례 없는 규모의 놀라운 절도", "인류 역사상 최대의 노동 절도"라고 표현한 대목이 포함됐다.

공개된 자료에는 유료 구독 장벽 우회, 대량 스크래핑을 통한 학습 데이터 구축, 저작권 고지 제거 등에 관한 주장도 담겼다. 마이크로소프트 CEO는 증언에서 유료화된 콘텐츠는 학습이나 근거 제공에 쓰려면 라이선스를 받아야 한다는 취지로 진술한 것으로 전해졌다.

이 뉴스에서 중요한 건 문구의 자극성이 아니다. 업계 내부에서도 같은 우려가 일찍부터 제기됐다는 기록이 법정 문서로 남았다는 사실이다. 그동안 학습 데이터 논쟁은 창작자 진영과 AI 기업 진영의 대립 구도로 그려져 왔는데, 기업 내부 문서가 공개되면서 구도가 단순하지 않다는 게 드러났다.

사실관계

2023년 1월

마이크로소프트 내부 메모에서 해당 표현이 사용된 것으로 문서에 기록.

2023년 12월

뉴욕타임스가 오픈AI·마이크로소프트를 상대로 저작권 소송 제기. 자사 기사 수백만 건이 허락·대가 없이 상업 제품 구축에 쓰였다는 주장.

2026-09-17

소송 과정에서 제출된 문서 일부가 봉인 해제되며 내부 메모 내용과 증언이 공개.

주의해서 읽을 것 봉인 해제된 문서는 소송 당사자 일방이 제출한 자료를 포함한다. 문서에 담긴 주장이 곧 법원의 판단은 아니며, 사건은 진행 중이다. 인용된 표현 역시 특정 시점의 내부 의견으로, 회사의 공식 입장과는 구분해야 한다.

개발자·서비스 운영자에게 실제로 닥치는 문제

소송 결과가 무엇이든, 이미 현장에서는 변화가 진행 중이다. 학습 데이터 출처를 묻는 압력은 세 방향에서 온다. 규제, 계약, 그리고 고객사 실사(due diligence)다.

압력 주체	요구하는 것	대응 난도
규제	학습 데이터 출처·저작권 준수 문서화	높음 — 사후 재구성이 어렵다
고객사 계약	모델 산출물에 대한 면책·보증 조항	중간 — 벤더 조건 확인 필요
콘텐츠 보유자	크롤 차단, 라이선스 요구, 소송	즉시 발생 중
내부 리스크 관리	어떤 모델을 어디에 썼는지 추적	낮음 — 지금 시작하면 가능

지금 준비할 수 있는 것

✓사용하는 모델별로 학습 데이터 정책과 산출물 면책 조항을 정리해 둘 것

✓생성 산출물이 제품에 포함되는 경로를 문서화 (코드·이미지·문구 각각)

✓고위험 영역(브랜드 자산, 법적 문구, 의료·금융 콘텐츠)은 사람 검수 의무화

✓자사 콘텐츠에 대한 크롤 정책을 결정하고 robots.txt·차단 규칙에 반영

✓학습 거부(opt-out) 요청을 받을 창구와 처리 절차 마련

콘텐츠를 만드는 쪽의 선택지

웹사이트를 운영한다면 이제 세 가지 중 하나를 택해야 한다. 열어 두거나, 막거나, 조건을 붙이거나. 완전히 막으면 검색 유입까지 줄어들 수 있고, 완전히 열면 대가 없이 학습에 쓰인다. 그래서 현실적인 선택은 세 번째, 조건부다.

# robots.txt — 검색 크롤러는 허용, 학습 목적 크롤러는 차단하는 형태 (예시)
User-agent: Googlebot
Allow: /

User-agent: GPTBot
Disallow: /

User-agent: CCBot
Disallow: /

# 주의: robots.txt는 자발적 준수에 의존한다.
# 실제 차단이 필요하면 엣지/WAF에서 User-Agent·ASN 기반 규칙을 함께 걸어야 한다.

robots.txt는 법적 구속력이 없고 준수도 자발적이다. 그래서 실효성을 원하면 엣지 단에서 막아야 한다. 다만 과도한 차단은 정상 사용자와 검색 크롤러까지 걸러 낼 수 있으니, 로그를 보며 점진적으로 조이는 편이 안전하다.

전망 — 결국 라이선스 시장으로 간다

나는 이 논쟁이 판결 하나로 끝나리라고 보지 않는다. 이미 여러 대형 퍼블리셔가 개별 라이선스 계약을 맺었고, 그 흐름은 계속될 것이다. 결과적으로 시장은 두 층으로 나뉠 가능성이 높다. 라이선스를 지불하고 쓰는 고품질·법적 안전 데이터, 그리고 여전히 회색지대에 있는 공개 웹 데이터.

개발자 입장에서 이 분화가 의미하는 건 명확하다. 모델을 고를 때 성능만 보던 시대는 끝나 간다. 학습 데이터 출처와 산출물에 대한 면책 조건이 기술 사양만큼 중요한 선택 기준이 된다.

출처

TechCrunch, "Microsoft exec called AI scraping 'the largest theft of labor in human history'" (2026-09-17) — https://techcrunch.com/2026/09/17/microsoft-exec-called-ai-scraping-the-largest-theft-of-labor-in-human-history-new-unredacted-filings-reveal/
The Washington Post, "Microsoft exec called AI largest theft of labor history, court records show" — https://www.washingtonpost.com/business/2026/09/17/microsoft-exec-called-ai-largest-theft-labor-history-court-records-show/
Engadget, "Microsoft executive called OpenAI's web scraping the 'largest theft of labor in human history'" — https://www.engadget.com/2262055/microsoft-openai-internet-scraping-largest-theft-of-labor/

자주 묻는 질문

무엇이 공개된 건가요?

이것이 법적 판단인가요?

아닙니다. 소송 과정에서 제출된 자료가 공개된 것이며 사건은 진행 중입니다. 문서에 담긴 주장과 내부 의견은 법원의 결론과 구분해서 읽어야 합니다.

우리 서비스가 AI를 쓰는데 법적 위험이 있나요?

사용 방식에 따라 다릅니다. 산출물이 제품에 그대로 포함되는 경로가 있다면, 모델 제공자의 면책·보증 조항과 학습 데이터 정책을 확인해 두는 것이 필요합니다. 브랜드 자산이나 법적 문구처럼 위험이 큰 영역은 사람 검수를 의무화하는 편이 안전합니다.

우리 사이트를 AI 학습에서 제외하려면 어떻게 하나요?

robots.txt에서 학습 목적 크롤러를 차단하는 것이 출발점이지만, 준수는 자발적입니다. 실효성이 필요하면 엣지나 WAF에서 User-Agent·ASN 기반 규칙을 함께 적용해야 합니다. 다만 과도한 차단이 검색 크롤러까지 막지 않도록 로그를 보며 조정하세요.

앞으로 어떤 방향으로 갈까요?

대형 퍼블리셔와의 개별 라이선스 계약이 늘어나면서 라이선스된 데이터와 공개 웹 데이터가 분화될 가능성이 높습니다. 그 경우 모델 선택 기준에 성능뿐 아니라 학습 데이터 출처와 산출물 면책 조건이 함께 포함되게 됩니다.