Authors Guild v. OpenAI/Microsoft: 공개된 법원 서류가 보여준 LibGen 사용 정황

Who Should Read

LLM 학습·파인튜닝용 데이터를 직접 모으거나 쓰면서 저작권 리스크가 궁금한 백엔드·ML 개발자

Core Mechanics

• 봉인 해제된 서류가 소송의 초점을 바꿨다
  • 2026년 9월 21일 Authors Guild가 지난 목요일 공개된 서류를 발표했다.
  • 서류는 OpenAI·Microsoft가 아는 상태에서 행동했다는 점을 소송의 중심에 놓는다고 한다.
• LibGen 사용을 두고 '이미지'를 걱정했다
  • 원문에 따르면 OpenAI 연구원 McCandlish는 'sketchy russian website' 데이터 사용이 Hacker News에 올라오면 곤란하다고 썼다.
  • 당시 연구 책임자 Dario Amodei는 LibGen이 학습 데이터로는 '좀 더 수상하다'고 답했다.
• Microsoft도 2019년 4월부터 알았다고 주장한다
  • 서류는 Altman과 Amodei가 GPT-3 초기 버전을 Bill Gates에게 보여주며 LibGen 사용을 알렸다고 적는다.
  • 자리에는 CTO Kevin Scott 등도 있었다고 한다.
• 2022년 여름 LibGen 파일을 삭제했다
  • 'Project Clear'라는 이름으로 OpenAI가 LibGen 파일을 지웠다고 서류는 말한다.
  • 2022년 6월 15일 Slack에서 VP of Research McGrew가 시스템과 저장소에서 LibGen을 빼내자고 썼다.
• 작가 일자리 대체를 내부에서 알고 있었다는 주장
  • 2020년 5월 Policy Director Jack Clark가 'GPT-X가 좋아질수록 장르소설 작가들이 더 걱정할 것'이라고 썼다고 한다.

Community Reactions

• 법적으로는 인용문보다 공정 이용 판단이 더 중요하다는 의견
  • 한 댓글은 법원이 이런 발언보다 fair use 법리와 경제 연구를 더 비중 있게 볼 것이라고 본다.
  • 발언은 침해 인정 후 고의성과 손해액 산정에서 더 중요해질 수 있다는 의견이다.
• AI가 작가를 대체한다는 증거는 얇다는 의견
  • 한 댓글은 연구 하나는 실제 영향이 없다고 했고 다른 하나는 AI를 쓰는 작가끼리의 경쟁을 지적했다고 말한다.
  • 작가가 직접 AI에 대체된 증거는 못 봤다는 입장이다.
• LibGen 데이터를 직접 받아 본 경험
  • 한 댓글은 코퍼스용으로 LibGen 데이터셋을 받아 보니 저작권 있는 교재가 압도적이었다고 말한다.
  • 그래서 퍼블릭 도메인이라는 주장은 설득력이 약하다는 경험이다.
• Ryan Lowe의 2020년 7월 평가가 추가로 인용됐다
  • 한 댓글이 서류를 인용해, 책 요약 프로젝트에서 LibGen을 계속 쓸 때 위험을 평가한 내용을 소개한다.
  • 출처를 물으면 답하지 못할 확률이 80% 넘고, 트위터 논란 확률은 약 40%라고 적었다는 내용이다.
• 원문이 원고 측 자료라는 지적
  • 한 댓글은 이해당사자가 맥락에서 떼어 낸 문장을 골랐을 수 있다고 말한다.
  • 다른 댓글은 이 단체를 자기 주장에 맞는 조각만 쓰는 로비 단체라고 비판한다.

How to Apply

• 학습·평가 데이터 출처 목록 만들기
  • 오늘 파인튜닝·RAG에 쓰는 코퍼스를 나열하고 출처 URL, 라이선스, 수집 날짜를 표에 적어라.
  • 출처를 설명 못 하는 항목은 따로 표시하라.
• 출처 불명 데이터 사용 여부를 팀에서 확인하기
  • 법무 담당자나 팀 리드에게 LibGen 같은 그림자 도서관 유래 데이터가 섞였는지 문의하라.
  • 섞였다면 해당 데이터를 쓰는 학습 작업을 멈추고 법무 검토를 받아라.
• 데이터 수집 내부 기록을 남기기
  • 데이터셋 추가 시 승인자와 근거를 문서로 남기는 절차를 만들어라.
  • 서류에서는 Slack 등 내부 대화가 증거로 인용됐으므로 우려는 구두가 아니라 공식 채널에 기록하라.

Try It

# Claude나 ChatGPT에 그대로 붙여넣는 프롬프트 (원문은 소송 기사라 논문 방법이 없어, 데이터 출처 점검용 간이 버전)

너는 AI 프로젝트의 데이터 출처 점검을 돕는 리뷰어야. 법률 자문이 아니라 체크리스트 작성 보조 역할이다.

아래는 우리가 모델 학습 또는 RAG에 쓰는 데이터셋 목록이다.
{{데이터셋 목록: 이름, 출처 URL, 수집 방법, 라이선스}}

각 데이터셋에 대해 표로 정리해줘.
1. 출처가 명확한가
2. 라이선스가 확인되었는가
3. 저작권 있는 도서나 논문이 섞였을 위험 신호가 있는가
4. 법무팀에 확인해야 할 질문

정보가 부족한 항목은 추측하지 말고 '확인 필요'라고 써줘.

이어서 해 볼 것: 결과 중 '확인 필요' 항목을 팀 이슈로 만들어 담당자를 지정해 보자.

Terminology

관련 논문

• The Judge Can Debias Itself: LLM-as-a-Judge가 스스로 편향을 고치게 하는 법

  심사 프롬프트에 편향 경고를 넣거나 스스로 비판시켰더니 21개 중 20개 조합에서 정확도가 올랐다

• 미국 노동시간의 90%는 AI 벤치마크가 제대로 다루지 못하는 일이다

  벤치마크 29개를 직업 과제에 매핑했더니 노동시간 90%가 커버 밖

• Postgres 19, AI 코드 리뷰가 버그를 너무 많이 찾아 출시 연기

  LLM 코드 리뷰가 버그를 쏟아내 Postgres 19가 11월로 밀리고 기능 8~10개가 빠졌다

• StarSkirmish Bench v0.2: LLM이 1시간 만에 짜는 StarCraft 봇 대결

  LLM에게 1시간 동안 StarCraft 봇을 짜게 했더니 GPT-6 Astra가 1위

• 그럴듯한 설명 하나면 멀티모달 LLM 심사위원도 속는다 (JUPE 벤치마크)

  정답은 그대로 두고 설명만 붙였더니 MLLM 심사위원의 오답 거절률이 12.7~13.8%p 떨어졌다

• 신경망은 이미 깔끔하다: polysemanticity의 원인 재해석

  뉴런을 직접 들여다봤더니 대부분 한 가지 역할이 있었다는 주장

• Linus Torvalds의 첫 LLM 보조 패치 시리즈

  Linus가 LLM으로 folio 조회 패치 10개를 만들어 read() 벤치가 10배 빨라졌다

Related Resources

• https://authorsguild.org/news/ag-v-openai-top-execs-knew-mass-book-piracy-was-illegal/
• https://openai.com/policies/row-terms-of-use/