신호 감사 결과 구글 학습 데이터셋의 45%가 사이트 이용약관상 사용이 제한된 자료였다

요약

이 시그널은 AI 학습 데이터 가운데 원래 출처 웹사이트가 사용을 막고 있는 비중이 얼마나 되는지를 보여 준다. 최근 한 감사는 구글의 어느 학습 데이터셋에서 45%가 웹사이트 이용약관상 사용이 제한된 자료라고 밝혔다. 이 결과는 AI 기업이 자기 콘텐츠를 쓰지 못하게 하려는 사이트와 창작자가 늘고, 그 방법으로 약관을 고치는 사례가 많아지는 가운데 나왔다. 다만 보고서는 약관 변경은 집행이 어렵고 이미 수집된 데이터에는 거슬러 적용되지 않는다고 지적한다. 창작자들은 소송과 함께 수집 프로그램을 막거나 데이터를 오염시키는 기술적 도구도 쓰고 있다. AI 학습에 자유롭게 쓸 수 있는 웹 데이터가 줄어들고 있다는 신호로 읽힌다.