AI 산출물의 저작권 침해 판단에 관한 연구

A Study on Determining Copyright Infringement in AI-Generated Outputs

생성형 AI의 등장은 저작권 침해 성립 요건인 의거성 및 실질적 유사성 법리에 대한 해석론적 재검토의 필요성을 제기한다. 의거성은 행위자가 선행 저작물에 접근하여 이를 이용하였다는 사실적 요건으로서, 전통적으로 이용자의 해당 저작물에 대한 인식 및 이용 의사를 중심으로 판단되어 왔다. 생성형 AI 환경에서 프롬프트는 이용자의 창작적 기여가 개입되는 지점으로서 산출물 생성의 방향성을 결정한다. 학습데이터에 대한 접근은 이용자의 프롬프트에 의해 강화될 수 있으나, 이용자의 인식 없이 AI 모델 자체에 의해서도 발생할 수 있다. 의거성은 이용자의 주관적 인식 및 이용의 의사를 요건으로 하면서도 객관적 요소를 가지므로, 전통적 법리를 AI 환경에 어떻게 적용할 것인지가 문제 된다. 이는 궁극적으로 이용자의 기존 저작물에 대한 인식 없이 생성된 침해적 산출물로 인한 저작권 침해에 대해 누구에게 책임을 귀속시킬 것인지의 문제로 귀결된다. 실질적 유사성 판단과 관련하여, 생성형 AI에 의한 스타일 모방은 포괄적·비문언적 유사성 차원에서 새로운 쟁점을 제기한다. 아이디어-표현의 이분법상 스타일은 보호받지 못하는 아이디어 영역에 속하나, 이는 후속 창작의 자유 보장 및 문화 발전이라는 저작권법의 입법 목적에 근거한 것으로, 인간의 창작 과정을 전제로 한다. 그러나 인간의 창작 과정이 아이디어로부터 독자적 창의성을 통해 새로운 표현을 생성하는 것과 달리, 생성형 AI는 학습데이터에 내재된 표현 양식을 통계적으로 분석하고 기계적으로 재생산한다. AI는 특정 작가의 작품군에 반복 출현하는 표현 요소—구성 방식, 조형적 특징, 색채 운용, 기법적 특성 등—를 패턴화하여 내재화함으로써, 실질적으로 표현의 수학적 조합과 통계적 변형을 수행한다고 볼 수 있다. 본 연구는 생성형 AI 환경에서 저작권 침해 판단 기준의 재검토를 위해, 의거성 판단에 있어 프롬프트의 법적 의의와 AI 모델 자체에 의한 저작물 접근에 대한 의거성 판단기준을 검토하고, 인간의 창작과 본질적으로 다른 AI의 표현 재생산 메커니즘을 고려할 때 실질적 유사성 판단에 있어 스타일 개념의 재정립 필요성을 검토한다.

The emergence of generative AI necessitates a reexamination of copyright infringement doctrines, particularly regarding access and substantial similarity. Access, traditionally assessed based on the user's awareness and intent to use a preexisting work, now faces challenges in AI contexts. In generative AI environments, prompts serve as points where users' creative contributions intervene, directing output generation. While user prompts may facilitate access to training data, AI models can also access copyrighted works independently of user awareness. Since access encompasses both subjective elements—user recognition and intent—and objective components, applying traditional doctrines to AI contexts becomes problematic. This ultimately raises questions about liability attribution for infringing outputs generated without user awareness. Regarding substantial similarity, AI-driven style imitation presents novel issues within comprehensive non-literal similarity. Under the idea-expression dichotomy, style belongs to the unprotected idea realm, premised on human creative processes that generate new expressions from ideas through independent creativity. However, unlike human creation, generative AI statistically analyzes and mechanically reproduces expressive patterns embedded in training data. AI internalizes recurring expressive elements—compositional methods, visual characteristics, color schemes, technical features—from specific artists' works, essentially performing mathematical combinations and statistical variations of expressions. This study examines, first, the legal significance of prompts and access criteria when AI models independently access copyrighted works, and second, the need to reconceptualize style in substantial similarity assessments given AI's fundamentally different expression reproduction mechanisms.