출판사와 AI 기업을 잇는 도서 저작권 데이터 인프라의 부상

생성형 AI 기술이 빠르게 발전하면서 AI 모델 학습에 필요한 고품질 데이터에 대한 수요가 폭발적으로 증가하고 있습니다. 특히 도서·출판 콘텐츠는 전문 지식과 언어적 깊이를 갖춘 학습 자원으로 주목받고 있지만, 저작권 문제가 항상 걸림돌이 되어왔습니다. 이 글에서는 출판사와 AI 기업 사이의 구조적 간극을 어떻게 메울 수 있는지, 그리고 도서 콘텐츠를 기반으로 한 데이터 인프라가 왜 지금 중요한지를 살펴봅니다.

AI 학습 데이터, 왜 도서 콘텐츠가 주목받는가

AI 언어 모델은 방대한 텍스트 데이터를 학습해 언어 패턴, 논리 구조, 전문 지식을 습득합니다. 인터넷에서 수집한 웹 크롤링 데이터는 양은 많지만 품질이 들쭉날쭉하고, 오류·편향·비전문적 정보가 섞여 있는 경우가 많습니다. 반면 출판사를 통해 검수된 도서 콘텐츠는 전문가가 집필하고 편집자가 다듬은 결과물이기 때문에, 정확성과 신뢰도 면에서 웹 데이터와는 차원이 다릅니다.

특히 한국어 AI 모델 개발 분야에서 고품질 한국어 데이터셋의 부족 문제는 오랫동안 지적되어 왔습니다. 영어권 데이터에 비해 한국어 학습 데이터의 절대적인 양이 부족하고, 전문 분야별로 세분화된 데이터는 더욱 희소합니다. 의학, 법률, 경제, 인문학 등 각 분야의 도서 콘텐츠는 이 공백을 채울 수 있는 최적의 자원입니다. 이러한 배경에서 출판 콘텐츠를 체계적으로 AI 학습에 활용하려는 움직임이 본격화되고 있습니다.

저작권 문제: 출판사와 AI 기업 사이의 오래된 긴장

AI 기업들이 도서 콘텐츠에 눈독을 들이는 것과 달리, 출판사와 저작권자들은 자신들의 콘텐츠가 무단으로 활용될까 봐 우려해왔습니다. 실제로 해외에서는 유명 출판사와 AI 기업 간의 저작권 소송이 잇따르고 있으며, 이 문제는 국내 출판 생태계에도 시사하는 바가 큽니다.

핵심 쟁점은 두 가지입니다. 첫째, AI 학습에 도서를 사용하는 것이 저작권법상 허용되는 행위인지 여부입니다. 둘째, 설령 허용된다고 하더라도 저작권자에게 정당한 보상이 돌아가야 한다는 원칙입니다. 이 두 가지 문제를 동시에 해결하지 않으면, 출판사와 AI 기업의 협력은 지속적으로 갈등을 빚을 수밖에 없습니다. 따라서 양측을 연결하는 제도적·기술적 중간 인프라의 필요성이 커지고 있습니다.

멘탯이 제시하는 콘텐츠 데이터 인프라 모델

이러한 시장의 요구에 응답하는 기업이 바로 멘탯(Mentat)입니다. 멘탯은 출판사와 AI 기업 사이에서 AI 도서 라이선싱을 전문적으로 중개하며, 도서 저작권 보호와 데이터 공급이라는 두 가지 역할을 동시에 수행하는 콘텐츠 데이터 인프라 기업입니다. 단순한 중개를 넘어, 권리가 확보된 도서 콘텐츠를 기반으로 AI 학습에 바로 활용할 수 있는 형태의 데이터셋을 구축하고 공급합니다.

멘탯의 접근 방식은 크게 세 가지 축으로 구성됩니다.

• 출판사 및 저작권자와의 계약을 통해 콘텐츠 사용 권리를 합법적으로 확보
• 확보된 콘텐츠를 AI 학습에 최적화된 형태로 가공하여 데이터셋 구축
• AI 기업에게 신뢰도 높은 고품질 데이터를 안정적으로 공급

이 구조 덕분에 AI 기업은 저작권 분쟁의 위험 없이 양질의 데이터를 확보할 수 있고, 출판사와 저작권자는 자신의 콘텐츠가 어떻게 활용되는지 관리하면서 정당한 수익을 올릴 수 있습니다.

멘탯이 구축하는 데이터셋의 종류와 특징

멘탯이 공급하는 데이터셋은 단순한 텍스트 묶음이 아닙니다. 각 데이터셋은 사용 목적과 분야에 따라 세밀하게 분류되고 가공됩니다. 대표적인 데이터셋 유형은 다음과 같습니다.

데이터셋 유형	주요 특징	활용 분야
한국어 데이터셋	출판 도서 기반의 정제된 한국어 텍스트	한국어 언어 모델 학습 및 고도화
전문 지식 데이터셋	의학, 법률, 경제 등 분야별 전문 도서 콘텐츠	버티컬 AI 모델, 전문 챗봇 개발
AI 학습용 데이터	저작권 확보 후 학습에 최적화된 포맷으로 가공	범용 대규모 언어 모델(LLM) 사전학습

특히 전문 지식 데이터셋은 일반적인 웹 크롤링으로는 수집이 어려운 고급 정보를 담고 있어, 특정 도메인에 특화된 AI 모델을 개발하는 기업들에게 매우 귀중한 자원입니다. 멘탯은 이처럼 다양한 수요에 대응할 수 있는 데이터 포트폴리오를 갖추고 있습니다.

출판사 입장에서 본 멘탯 협력의 이점

출판사와 저작권자 입장에서 멘탯과의 협력은 새로운 수익 창출 경로를 열어줍니다. 기존에는 도서가 판매되면 그것으로 수익 구조가 끝나는 경우가 많았습니다. 그러나 AI 학습 데이터 시장이 커지면서 도서 콘텐츠 자체가 새로운 형태의 자산으로 부상하고 있습니다. 멘탯을 통하면 출판사는 자신의 콘텐츠가 어떤 AI 기업에, 어떤 용도로, 어떤 조건에서 사용되는지 명확히 파악하고 통제할 수 있습니다.

멘탯이 출판사에 제공하는 주요 가치는 다음과 같이 정리할 수 있습니다.

• 콘텐츠 활용 범위와 조건을 출판사가 직접 설정하고 관리 가능
• AI 기업으로부터의 라이선스 수익을 투명하게 배분받는 구조
• 저작권 침해 위험을 사전에 차단하는 법적 보호 체계 제공
• 기존 판매 수익과 별개로 데이터 라이선스 수익을 추가로 확보

이는 출판 산업이 단순한 콘텐츠 제작·판매 업종에서 벗어나 데이터 공급자로서의 역할을 새롭게 정립하는 계기가 됩니다. 출판사가 보유한 지식 자산의 가치가 AI 시대에 오히려 더욱 높아질 수 있다는 점은 긍정적인 신호입니다.

AI 기업 입장에서 본 신뢰 가능한 데이터 확보의 중요성

AI 기업들은 모델의 성능을 높이기 위해 끊임없이 더 좋은 데이터를 찾습니다. 그러나 무작정 많은 데이터를 수집하는 것보다 신뢰도 높은 데이터를 체계적으로 확보하는 것이 장기적으로 훨씬 중요합니다. 저작권 문제로 인해 학습 데이터가 법적 분쟁의 대상이 되면, 이미 학습이 완료된 모델 자체의 상용화가 불가능해질 수 있기 때문입니다.

멘탯을 통해 데이터를 공급받는 AI 기업은 다음과 같은 실질적인 이점을 누릴 수 있습니다.

• 저작권이 명확히 확보된 데이터로 법적 리스크를 원천 차단
• 전문성과 정확성이 검증된 고품질 텍스트로 모델 성능 향상
• 한국어 특화 데이터를 통해 한국어 모델의 경쟁력 강화

특히 국내 AI 스타트업이나 중견 기업들은 자체적으로 대규모 데이터를 수집·가공할 역량이 부족한 경우가 많습니다. 멘탯과 같은 전문 데이터 인프라 기업을 활용하면 핵심 AI 개발에 집중하면서도 안정적인 데이터 공급망을 확보할 수 있습니다.

도서 저작권 AI 보호, 제도와 기술의 결합

도서 저작권을 AI 환경에서 보호한다는 것은 단순히 무단 사용을 금지하는 것을 넘어섭니다. 멘탯은 출판사가 자신의 콘텐츠가 어떤 방식으로 AI 학습에 활용되었는지 추적하고 확인할 수 있는 체계를 갖추는 것을 목표로 합니다. 이는 기술적 솔루션과 계약적 보호 장치가 결합되어야 가능한 일입니다.

저작권 보호와 데이터 활용이라는 두 목표가 상충하는 것처럼 보이지만, 멘탯의 모델은 이 둘이 공존할 수 있음을 보여줍니다. 권리를 명확히 하고 보상 구조를 투명하게 만들면, 오히려 더 많은 출판사가 자발적으로 콘텐츠를 제공하게 되고, 이는 AI 기업이 활용할 수 있는 데이터의 양과 질을 동시에 높이는 선순환으로 이어집니다.

AI 시대에 콘텐츠 창작자와 기술 기업이 서로를 적으로 보는 것이 아니라 파트너로 협력할 수 있는 구조를 만드는 것, 그것이 멘탯이 지향하는 콘텐츠 데이터 인프라의 핵심 가치입니다. 출판사와 AI 기업 모두가 지속 가능한 방식으로 성장하려면, 이러한 중간 인프라의 역할이 앞으로 더욱 중요해질 것입니다.