目錄
2026년 8월 404 Media는 상당히 극적인 조사 결과를 공개했습니다. 기자가 한 서점과 협력해 약 1,000권의 책 가운데 한 권에 AirTag를 숨긴 뒤, 이 책들이 최종적으로 어디까지 이동하는지 추적한 것입니다. 신호는 California에서 출발해 Wisconsin과 Colorado를 거친 뒤 Amazon의 Las Vegas LAS8 시설에서 멈췄습니다. 그런데 일반적인 Print-on-Demand 구역이 아니라 북쪽에 별도로 운영되는 VGT3라는 작업 구역이었습니다. 404 Media는 Amazon 직원들이 내부 포럼에 남긴 설명을 토대로 이곳에서 대량의 종이책을 받아 제본 부분을 잘라낸 뒤 스캔하며, 그 과정에서 원래 책이 파손된다고 보도했습니다. 다음 날 Ars Technica 등 다른 매체도 이를 다루면서 「AirTag 하나가 Amazon 창고까지 따라갔다」는 이야기는 이번 주 기술 업계에서 가장 많이 논의된 AI 데이터 관련 뉴스 중 하나가 됐습니다.
404 Media는 VGT3를 Amazon의 AI training facility라고 표현했고, 현재 확보한 증거가 AI 학습 용도를 강하게 시사한다고 봤습니다. 하지만 Amazon은 이를 직접 확인하지 않았습니다. Amazon이 404 Media와 GeekWire에 제공한 답변은 상업적 경로를 통해 책을 구매해 고객이 사용하는 제품과 서비스를 개발하고 개선하는 데 활용한다는 정도였습니다. VGT3에서 스캔한 텍스트가 최종적으로 어떤 모델이나 Dataset에 들어가는지는 설명하지 않았습니다.
따라서 현재 확인할 수 있는 것은 「Amazon이 이 1,000권의 희귀서를 특정 AI 모델 학습에 사용했다고 인정했다」는 사실이 아닙니다. 더 분명하게 확인된 것은 대량의 종이책이 Amazon 시설로 들어가고 있고, 직원들이 설명한 작업에는 책을 잘라 스캔하는 과정이 포함되며 이 방식이 원래의 실물 책을 훼손한다는 점입니다. 스캔된 데이터가 이후 어떤 용도로 사용되는지는 Amazon이 아직 완전히 공개하지 않았습니다.
AirTag는 어떻게 Amazon의 도서 스캔 시설까지 따라갔을까? 원래 조사는 404 Media에서 시작됐다
약 1,000권 규모의 익명 주문이 최종적으로 Las Vegas의 Amazon LAS8에 도착했다
이번 조사는 기자가 임의로 오래된 책 한 권을 골라 보낸 것이 아닙니다. 404 Media는 먼저 중고책 시장에서 비정상적으로 큰 규모의 주문을 오랫동안 추적해 온 서점으로부터 단서를 얻었습니다. 한 판매자는 Biblio를 통해 약 1,000권의 책을 한꺼번에 주문받았는데 구매자 신원은 불분명했고, 최근 몇 달 동안 이런 대량 주문이 중고책 시장에서 반복적으로 나타나고 있었습니다. 서점은 404 Media가 제공한 AirTag를 책 한 권 안에 숨기는 데 동의했고, 이후 전체 화물이 어디로 이동하는지 추적했습니다.
AirTag는 결국 Amazon의 Las Vegas LAS8 시설에 도착했습니다. 처음에는 기자도 이 장소를 이해하기 어려웠습니다. LAS8의 주요 업무 가운데 하나는 Print-on-Demand, 즉 주문이 들어온 뒤 책을 인쇄하는 방식이었기 때문입니다. 대량의 기존 책을 잘라 스캔하는 일과는 정반대처럼 보였습니다.
단서를 연결한 것은 AirTag가 마지막으로 잡힌 위치였습니다. 일반 Print-on-Demand 구역이 아니라 창고 북쪽의 VGT3라는 별도 작업 구역이었습니다.
Amazon 직원들이 업무 포럼에 남긴 설명에 따르면 VGT3에는 대량의 종이책이 들어오고, 일부 직원은 책을 자르고 다른 직원은 책을 접수하고 스캔하는 일을 합니다. 404 Media의 조사는 이보다 한 단계 더 나아가 더 빠른 스캔을 위해 제본 부분을 잘라내며, 이 과정에서 원래의 책이 파손된다고 설명했습니다.
VGT3 입구에는 별도의 로고도 있습니다. 이빨을 드러낸 채 책 한 권을 들고 있는 Tyrannosaurus입니다. 이를 「책을 삼키려는 공룡」이라고 표현하면 실제 사진과 설명보다 조금 과장된 표현이 됩니다. 현재 확인 가능한 모습은 「책을 들고 있는 공룡」에 더 가깝습니다.
이 책들을 rare books라고 부를 수는 있지만 모두 유일본이나 최고급 고서인 것은 아니다
404 Media는 해당 화물을 직접 rare books라고 표현했고 조사에 협력한 사람도 희귀서 시장의 판매자였습니다. 하지만 영어의 rare를 그대로 「희귀 고서」로 받아들이면 박물관급 유일본, 초판본이나 수백 년 된 고서를 떠올리기 쉽습니다. 실제 구성은 그렇게 단순하지 않습니다.
GeekWire가 404 Media의 조사 내용을 정리하면서 특히 언급한 부분은 대량 구매자가 오히려 「가장 희귀한」 책은 사지 않는 것처럼 보였다는 점입니다. 즉 너무 오래돼 ISBN조차 없는 책들은 구매 대상에서 빠져 있었다는 것입니다.
이 때문에 판매자는 구매자가 ISBN 같은 출판 정보를 기준으로 아직 디지털화되지 않은 책을 체계적으로 찾고 있는 것은 아닐지 의심했습니다.
따라서 이 책들을 「희귀하거나 구하기 어렵고, 오래됐거나 널리 디지털화되지 않은 종이 출판물」 정도로 설명하는 것이 더 정확합니다. 전체를 전 세계에 몇 권밖에 남지 않은 귀중한 고서처럼 표현할 필요는 없습니다. 문화적 보존 문제는 여전히 존재하지만, 실제 보존 가치는 각 책의 Edition, 남아 있는 Copies 수와 실물 특징을 따로 확인해야 합니다.
AI 회사들은 왜 다시 종이책을 찾기 시작했을까? 핵심은 깨끗하고 아직 디지털화되지 않은 텍스트다
오래된 종이책은 데이터 공급업체에게 ‘AI 생성 콘텐츠가 섞이지 않은 자료’로 팔리고 있다
이번 AirTag 조사보다 한 달 앞서 404 Media는 이미 또 다른 데이터 공급망을 보도했습니다. 도서 데이터 회사 ISBNdb가 AI 고객을 대상으로 실물 도서를 대량으로 확보해 주는 서비스를 판매하고 있었는데, 주요 판매 포인트 가운데 하나는 오래된 책이 생성형 AI가 널리 보급되기 전에 만들어졌기 때문에 최근 급격히 늘어난 AI-generated text가 섞여 있지 않다는 점이었습니다.
ISBNdb는 당시 종이책을 편집을 거치고 구조가 명확하며 특정 분야의 지식을 담고 있는 데이터 소스로 홍보하기도 했습니다.
따라서 「실물 책은 아직 완전히 소진되지 않은 고품질 Corpus다」라는 방향은 유지할 수 있지만, 업계 전체가 공인한 「인터넷 데이터가 곧 고갈된다」는 특정 임계점이 존재한다고 단정해서는 안 됩니다.
현재 비교적 분명하게 확인되는 것은 AI 데이터 공급망이 두 종류의 콘텐츠를 적극적으로 찾기 시작했다는 점입니다. 하나는 아직 디지털화되지 않은 텍스트이고, 다른 하나는 생성형 AI가 대중화되기 전에 사람이 만든 텍스트입니다.
모델 개발사 입장에서는 이런 책에 또 다른 현실적인 가치도 있습니다. 지역사, 오래된 기술 매뉴얼이나 절판된 전문서적처럼 일반 중고 시장에서는 수요가 거의 없는 책이라도, 내용이 Common Crawl이나 대형 전자책 Database에 한 번도 들어간 적이 없다면 Training Dataset에서의 가치는 중고책 가격과 완전히 다른 기준으로 평가될 수 있습니다.
책등을 잘라 스캔하는 방식은 Amazon이 처음 만든 기술이 아니다
Destructive scanning 자체는 새로운 기술이 아닙니다. 많은 양의 제본된 책을 스캔할 때 책등을 잘라 낱장으로 만들면 페이지를 한 장씩 넘길 필요 없이 고속 Scanner에 넣을 수 있습니다.
다시 논란이 커진 이유는 생성형 AI 회사들이 실물 책을 대량 구매하면서 오래전부터 존재했던 디지털화 방식이 모델용 데이터 확보 과정에서 대규모로 활용되기 시작했기 때문입니다.
Anthropic은 이미 법원 기록을 통해 이런 방식이 구체적으로 공개된 사례입니다. 2025년 Bartz v. Anthropic 판결 기록에는 Anthropic이 종이책을 구매한 뒤 제본을 제거하고 페이지별로 스캔해 검색 가능한 디지털 버전으로 전환한 뒤, 자체 중앙 Database에서 콘텐츠를 골라 Claude 학습에 사용했다는 내용이 포함돼 있습니다. 법원 문서에는 디지털화 과정에서 원래의 종이책이 폐기됐다는 내용도 명확히 적혀 있습니다.
따라서 Amazon은 destructive book scanning 논란이 등장한 최초의 AI 관련 회사가 아닙니다. 차이는 Anthropic의 방식이 저작권 소송 Discovery 과정에서 공개됐다는 점이고, 이번 Amazon 사례는 서점과 AirTag 하나가 실제 화물의 이동 경로를 추적하면서 드러났다는 점입니다.
Amazon은 정말 이 책들을 AI 학습에 사용한다고 인정했을까? 현재는 아니다
Amazon은 책 구매 사실을 인정했지만 VGT3에서 스캔한 데이터의 용도는 확인하지 않았다
이 글에서 가장 중요하게 남겨야 할 불확실성입니다.
404 Media의 조사 제목은 목적지를 Amazon AI training facility라고 직접 표현합니다. 오래된 책의 대량 구매 패턴, VGT3의 작업 방식, Amazon의 AI 사업과 다른 AI 회사의 기존 사례를 종합하면 AI Training 용도라는 추론을 뒷받침하는 정황은 적지 않습니다.
하지만 Amazon의 공식 답변은 더 넓은 표현에서 멈췄습니다. 회사는 상업적 경로로 책을 구매해 고객이 사용하는 제품과 서비스를 개발하고 개선하는 데 활용한다고만 설명했습니다. GeekWire가 Amazon에 모델 학습을 위한 것인지 직접 질문했지만 Amazon은 확인하지 않았습니다.
따라서 「Amazon이 과거 이런 방식을 부인했다」는 문장은 빼는 편이 좋습니다. 현재 Amazon이 VGT3나 비슷한 내부 도서 스캔 프로젝트를 이전에 공개적으로 부인했다는 신뢰할 만한 기록은 확인되지 않습니다.
혼동하기 쉬운 것은 최근 다른 회사들이 비슷한 문제를 부인한 사례가 있다는 점입니다. 예를 들어 Zoom Books는 책을 디지털화한 뒤 파기하지 않는다고 밝혔고, Anthropic도 자체 데이터 확보 계획이 rare or antiquarian books를 구매해 파괴하는 방식은 아니라고 설명한 적이 있습니다. 이는 Amazon의 입장이 아닙니다.
더 정확한 질문은 「Amazon은 왜 거짓말했는가」가 아닙니다. Amazon은 제품과 서비스를 개선하기 위해 책을 구매한다고 인정했고, 404 Media는 실제로 책을 잘라 스캔하는 Amazon 작업 구역까지 찾아냈습니다. 하지만 그 사이 단계, 즉 스캔된 데이터가 최종적으로 어느 시스템에 들어가는지는 아직 공개되지 않았습니다.
실물 책을 구매하면 바로 스캔해도 될까? 소유권과 저작권은 서로 다른 문제다
First Sale Doctrine은 그 책 한 권을 처분할 권리를 다루지만 콘텐츠의 복제권까지 자동으로 주는 것은 아니다
합법적으로 구매한 책은 구매자의 재산이므로 해당 실물을 파기하는 것 자체가 곧바로 불법이라는 설명은 방향상 맞습니다. 다만 이후 문제를 분리해서 봐야 합니다.
미국 Copyright Act Section 109의 First Sale Doctrine은 합법적으로 취득한 특정 물리적 복제본을 다룹니다. 해당 Copy를 소유한 사람은 원칙적으로 그 책을 다시 팔거나, 빌려주거나, 처분할 수 있습니다. Copyright Holder가 이미 판매된 동일한 실물 Copy의 이후 유통을 계속 통제할 수 있는 것은 아닙니다.
하지만 책을 스캔하면 별도의 Copy가 생성됩니다. 따라서 「책을 샀다＝책 전체를 스캔할 권리도 얻었다」는 의미는 아닙니다.
저자의 허락 없이 복제할 수 있는지는 Copyright Act의 다른 규칙, 특히 Fair Use 분석까지 별도로 봐야 합니다. AI Training 논쟁이 회사가 종이책 값을 지불했다는 사실만으로 끝나지 않는 이유도 여기에 있습니다.
Anthropic은 특정 사건에서는 이겼지만 미국이 모든 AI 학습을 전면적으로 합법이라고 판단한 것은 아니다
2025년 Bartz v. Anthropic 연방지방법원 판결에서는 해당 사건에서 책을 Claude Training에 사용하는 것이 Fair Use라고 판단했습니다.
법원은 Anthropic이 합법적으로 구매한 종이책을 디지털 Library로 전환한 특정 방식도 Fair Use로 인정했습니다. 고려 요소 가운데 하나는 원래의 종이책이 파기돼 별도의 유통 가능한 두 번째 Copy가 함께 남지 않았다는 점이었습니다.
하지만 같은 판결은 Anthropic이 Pirate Websites에서 확보해 영구 보관한 책까지 정당화하지 않았습니다. 「합법적으로 구매한 뒤 스캔한 책」과 「먼저 불법 복제 출처에서 확보한 책」을 분리해서 판단했습니다.
따라서 2026년 현재 더 안전한 설명은 미국 연방지방법원이 Anthropic과 Meta의 특정 사건 기록에서 AI Training을 Fair Use로 인정한 사례가 존재한다는 것입니다.
그렇다고 모든 모델, 모든 데이터 출처와 모든 데이터 확보 방법이 미국 법원에서 일괄적으로 합법 판정을 받은 것은 아닙니다. 개별 사건의 데이터 출처, 시장 영향, 모델 출력과 사용 목적에 따라 판단은 달라질 수 있습니다.
책을 스캔한 뒤 왜 다시 파기할까? 법적 이유와 문화 보존 문제를 섞어서는 안 된다
Destructive scanning의 목적은 스캔 효율이며 실물을 보존하는 과정이 아니다
현재 공개 자료에서 확인할 수 있는 것은 제본을 잘라내면 스캔 효율을 높일 수 있다는 점입니다. Anthropic 사건에서는 「종이책을 디지털 버전으로 대체했다」는 사실이 해당 디지털화가 Fair Use인지 분석하는 과정의 한 요소가 되기도 했습니다.
Amazon이 VGT3에서 스캔한 책을 왜 다시 제본하지 않는지, 도서관에 기증하지 않는지, 장기간 보존하지 않는지는 회사가 공개적으로 설명하지 않았습니다.
따라서 그 이유를 Warehouse Cost, 온습도 관리, Insurance와 Labor Cost 때문이라고 직접 단정하면 실제로는 합리적인 추론일 수 있어도 Amazon이 밝힌 결정 이유처럼 읽힐 수 있습니다.
보다 확실하게 말할 수 있는 것은 Workflow의 목적이 대량의 텍스트를 빠르게 확보하는 것이라면 책을 자르고 스캔한 뒤 다음 책으로 넘어가는 방식이 각 책을 다시 수집 가능한 상태로 복원하는 것보다 훨씬 빠르다는 점입니다.
이것이 destructive scanning의 효율이 나오는 지점이자 보존 관련 단체가 특히 문제를 제기하는 이유입니다.
디지털 텍스트를 남길 수 있어도 특정 실물 책이 가진 정보는 텍스트만이 아니다
일반적인 대량 생산 중고책에서는 손실이 종이 Copy 하나가 줄어드는 정도일 수 있습니다. 하지만 특정 책 자체가 Edition, 특수 제본, Signature, Bookplate, 서점 표시나 독자의 손글씨 Annotation을 가지고 있다면 텍스트만 스캔해서는 모든 정보를 보존할 수 없습니다.
그래서 rare books라는 표현을 특히 조심해야 합니다.
이번 조사가 VGT3에서 유일본 수준의 문화재가 대규모로 파괴되고 있다는 사실까지 입증한 것은 아닙니다. 다만 ISBN과 텍스트 확보를 중심으로 구매 Workflow가 설계돼 있다면 「이 책의 Text가 데이터로 쓸 가치가 있는가」가 「이 실물 Copy 자체를 보존할 가치가 있는가」보다 먼저 평가될 가능성은 있습니다.
전자는 Model Database의 관점이고, 후자는 Library, Archive와 Rare Book Market이 중요하게 보는 관점입니다.
Amazon이 처음 책을 스캔한 회사는 아니다. 이번에 새로 드러난 것은 공급망의 실제 목적지다
Anthropic의 Project Panama는 이미 소송 문서를 통해 공개됐습니다. 법원 기록에 따르면 회사는 대량의 종이책을 구매해 분해하고 스캔했습니다.
최근 몇 달 동안 영국, 아일랜드와 호주의 중고책 판매자들도 비정상적인 대량 주문을 연이어 보고했습니다. 구매 주제에는 뚜렷한 공통점이 없고, 주문 규모가 크며, 구매자는 가격에 상대적으로 민감하지 않고, 목적지가 Freight Forwarding Warehouse인 경우도 있다는 특징이 있었습니다.
일부 판매자는 책이 최종적으로 destructive scanning에 사용될 가능성을 우려해 특정 주문을 거부하기 시작했습니다.
이번 Amazon 조사에서 새롭게 추가된 것은 실제로 추적 가능한 물류 체인입니다.
약 1,000권의 책이 판매자를 떠났고 AirTag가 Amazon LAS8／VGT3까지 도착했으며, VGT3 직원들은 책을 분해하고 스캔하는 업무를 설명했습니다.
이전에는 「도대체 누가 이런 책을 대량 구매하는가」가 질문이었다면 이번에는 적어도 한 건의 대량 주문에서 구체적인 종착지가 확인됐습니다.
따라서 「AI 산업 전체가 몰래 귀중한 희귀서를 파괴하고 있다」는 결론은 적절하지 않습니다. 더 정확하게 말하면 destructive scanning이 더 이상 Anthropic 소송에서만 확인된 특수 사례로 보기 어려워졌다는 것입니다. 독립적인 조사에서 유사한 작업 방식이 Amazon의 실제 시설까지 추적됐습니다.
Flock의 12만 대 번호판 인식 카메라는 또 다른 ‘규모 문제’를 보여 주는 비교 사례다
같은 주 Flock Safety도 미국 전역의 Automatic License Plate Recognition Network를 둘러싼 비판이 커지자 데이터 보관 기간을 줄이고, 비정상 검색 감사를 위한 도구 사용을 의무화하며, 법 집행기관이 검색할 때 Case Number를 연결하도록 하는 조치를 발표했습니다.
Flock 시스템은 현재 미국 49개 주에 걸쳐 있고 Camera 수는 12만 대를 넘습니다.
이 문제와 Amazon의 도서 스캔은 동일한 법적 쟁점이 아니며 「번호판 하나를 촬영하는 것도 합법이고 책 한 권을 스캔하는 것도 합법인데 10만 배가 되면 불법이 된다」고 단순화해서는 안 됩니다. ALPR의 헌법적 문제와 데이터 사용 방식 자체도 계속 소송 대상이고, 주마다 규칙도 다릅니다.
비교할 만한 부분은 Scale Effect입니다.
ALPR Camera 한 대가 차량 한 대를 촬영하는 것과 12만 대의 Camera가 검색 가능한 광역 이동 Database를 만드는 것은 Governance 측면에서 완전히 다른 문제입니다.
마찬가지로 한 회사가 내부 Search용으로 몇 권의 책을 스캔하는 것과 대규모 실물 도서 구매·절단·스캔 공급망을 구축하는 것도 같은 수준의 데이터 확보 능력은 아닙니다.
이 비교가 보여 주는 것은 최근 논란의 중요한 특징입니다. 많은 기술적 행동 자체는 오래전부터 존재했습니다. 환경을 바꾸는 것은 Automation, Database와 Scale이 연결됐을 때 한 번에 얼마나 많은 대상을 처리할 수 있게 되는가입니다.
이 문제는 웹사이트 창작자와 어떤 관계가 있을까? 종이책은 단지 비용이 더 많이 드는 데이터 공급 경로다
실물 책을 사용하려면 최소한 종이책 한 권을 확보하고, 운송하고, 분해하고, 스캔해야 합니다. 공개 Website에는 이런 물류 비용이 없습니다.
페이지가 공개적으로 접근 가능하다면 텍스트를 확보하는 비용은 대체로 훨씬 낮습니다.
따라서 Blog, Newsletter, 공개 Database나 다른 Website Content는 또 다른 Data Supply Chain에 놓여 있습니다.
robots.txt를 사용하면 Crawler에게 어느 경로에 접근하지 않기를 원하는지 전달할 수 있습니다. 하지만 IETF의 Robots Exclusion Protocol 자체도 이것이 효과적인 콘텐츠 보안 수단이 아니며 실제 Access Control을 대신할 수 없다고 명시합니다.
그렇다고 robots.txt가 필요 없다는 뜻도 아닙니다. 규칙을 준수하는 Search Engine과 AI Crawler에는 여전히 표준화된 정책 전달 방식으로 작동합니다. 다만 기술적인 도난 방지 잠금장치라고 이해하면 안 됩니다.
콘텐츠 운영자에게 더 현실적인 접근은 계층별로 나누는 것입니다.
검색 노출을 원하는 공개 글은 정상적인 Crawling을 허용할 수 있습니다. 임의 수집을 원하지 않는 Membership Content는 Login, Permissions와 Server-side Controls로 제한해야 합니다. Third-party Platform에 올린 콘텐츠는 해당 플랫폼 약관과 AI training opt-out 기능을 별도로 확인해야 합니다.
robots.txt 하나로 이 모든 문제를 동시에 해결하기는 어렵습니다.
창작자가 지금 할 만한 일은 모든 콘텐츠를 숨기는 것이 아니다
먼저 각 게시 플랫폼이 AI 학습 데이터를 어떻게 처리하는지 확인한다
같은 글을 자체 WordPress, Social Platform과 Newsletter Service에 동시에 올리더라도 적용되는 규칙은 다릅니다.
플랫폼이 콘텐츠에 대해 Training License를 확보하는지, Opt-out이 가능한지, Opt-out이 향후 데이터에만 적용되는지 기존 데이터까지 포함하는지를 각각 확인해야 합니다.
번거로운 작업이지만 작품 아래에 「AI 학습 금지」라고 한 문장 적고 모든 조치를 끝냈다고 생각하는 것보다 실제적인 대응입니다.
이런 문구는 창작자의 입장을 표현할 수 있습니다. 하지만 실제 Access와 Licensing은 Website Control, Platform Terms와 적용 법률에 따라 달라집니다.
자체 Website에서는 robots.txt를 정책 계층으로 사용하고 보안 계층으로 생각하지 않는다
robots.txt 설정은 계속 활용할 수 있습니다. 특히 알려진 AI Crawler가 명확한 User-Agent를 사용하는 경우 사이트의 정책을 직접 표현할 수 있습니다.
하지만 RFC 9309가 명시하듯 robots.txt는 Content Security Mechanism이 아닙니다. 정말 공개적으로 획득되면 안 되는 자료라면 Authentication, Authorization이나 다른 Server-side Access Control이 필요합니다.
그래서 공개 SEO Article과 Private Data는 같은 전략을 사용할 필요가 없습니다.
Google Search에 노출돼야 하는 글은 Search Crawler의 접근을 허용해야 합니다. 유료 교육 자료, 내부 파일이나 실제로 외부 유출이 허용되지 않는 자료를 Disallow 한 줄만으로 보호해서는 안 됩니다.
1차 자료와 검증 과정을 자신의 시스템에 남긴다
현장 사진, Interview Recording, Test Records, 원본 Spreadsheet, Purchase Receipt와 Version History의 가치는 단지 「AI가 복제하기 어렵다」는 데 있지 않습니다.
이 자료들은 생성된 텍스트가 답하기 어려운 질문 하나를 보여 줍니다.
이 정보는 어떻게 만들어졌는가?
공개 글은 Crawling될 수 있고 문체도 모방될 수 있습니다. 하지만 원본 인터뷰 파일과 실제 테스트 기록은 계속 데이터를 만든 사람이 가지고 있습니다.
장기적으로 신뢰를 쌓아야 하는 Content Website에서는 이런 Provenance가 억지로 글을 「AI처럼 보이지 않게」 만드는 것보다 실질적인 가치가 큽니다.
공개 글에서는 확인된 사실과 아직 확인되지 않은 내용을 분리한다
이번 Amazon 사건이 좋은 예입니다.
현재 확인할 수 있는 것은 AirTag가 어디까지 이동했는지, 직원들이 VGT3를 어떻게 설명하는지, Amazon이 어떤 답변을 했는지입니다.
아직 확인할 수 없는 것은 스캔 데이터가 정확히 어떤 모델에 들어갔는지, 전체적으로 몇 권의 책을 처리했는지, 현재 어느 Amazon Product에서 해당 데이터를 사용하는지입니다.
이 두 층을 분리해서 쓰면 독자는 어디까지가 조사 결과이고 어디부터가 합리적인 추론인지 알 수 있습니다.
AI-generated content가 늘어난 뒤 이런 글쓰기에 별도의 「인간미」 기술을 발명할 필요도 없습니다. 증거의 경계를 정확하게 표시하는 것만으로도 큰 차이가 생깁니다.
이번 AirTag 조사에서 가장 흥미로운 부분은 VGT3 입구의 공룡 로고만이 아닙니다.
조사를 진행한 404 Media가 처음 마주한 것은 직접 보기 어려운 Data Supply Chain이었습니다. 서점은 누군가 대량으로 책을 사고 있다는 사실을 알고 있었고, 외부에서는 Anthropic이 destructive scanning을 사용한 사실도 알고 있었습니다. 하지만 특정 주문을 실제로 받는 기업이 누구인지는 알 수 없었습니다.
결국 종이책 안에 숨긴 작은 Tracking Device 하나가 그중 한 배송을 Amazon까지 따라갔습니다.
하지만 증거는 여기에서 멈춰야 합니다.
Amazon은 아직 VGT3에서 스캔한 콘텐츠가 특정 AI 모델의 Training Set이라고 확인하지 않았고 전체 프로젝트 규모도 공개하지 않았습니다. 404 Media의 조사는 매우 강한 단서를 제공했고 Amazon 시설 안에서 실제 도서 절단과 스캔 작업이 존재한다는 점까지 확인했습니다.
그다음 단계에 필요한 것은 Amazon의 더 구체적인 설명이지, 남아 있는 빈칸을 모두 확정된 사실처럼 채우는 것이 아닙니다.
콘텐츠 창작자 역시 이 사건을 「앞으로 아무것도 공개하면 안 된다」는 결론으로 받아들일 필요는 없습니다.
더 현실적인 메시지는 하나입니다.
텍스트가 공개 유통 시스템에 들어간 뒤 그것이 어떤 방식으로 획득되고, 변환되고, 다시 사용될 수 있는지는 더 이상 단순히 「누군가 이 글을 읽는다」는 관점만으로 이해하기 어렵습니다.
Platform Settings, Website Crawler Rules, Licensing Terms와 원본 자료 보관도 이제 콘텐츠 작업의 일부가 되고 있습니다.
자주 묻는 질문 FAQ
현재 완전히 인정한 것은 아닙니다. 404 Media의 조사는 약 1,000권의 책이 Amazon LAS8／VGT3까지 이동한 것을 추적했고, 직원들로부터 책을 자르고 스캔하는 업무에 대한 설명도 확보했습니다. Amazon은 상업적 경로를 통해 책을 구매해 고객용 제품과 서비스를 개발하고 개선하는 데 활용한다고만 밝혔으며, VGT3에서 스캔한 데이터가 구체적으로 어떤 AI 모델에 사용되는지는 확인하지 않았습니다.
그렇게 말할 수는 없습니다. 404 Media는 조사 대상을 rare books라고 표현했지만 서점은 대량 구매자가 ISBN조차 없는 최고 수준의 희귀 고서를 집중적으로 구매하지는 않는 것 같다고 설명했습니다. 더 정확한 표현은 희귀하거나 구하기 어렵고, 오래됐거나 널리 디지털화되지 않은 종이 출판물입니다.
합법적으로 구매한 실물 책 한 권을 파기하거나 처분하는 문제와, 그 책의 저작권 보호 콘텐츠를 복제하는 문제는 별개입니다. 미국 First Sale Doctrine은 합법적인 Copy 소유자가 그 물리적 Copy를 처분하는 권리를 다루지만 스캔으로 새로운 Copy를 만드는 행위는 별도 분석이 필요합니다. 2025년 Bartz v. Anthropic의 특정 사건에서는 Anthropic의 Training과 합법적으로 구매한 종이책의 특정 디지털화 방식이 Fair Use로 인정됐지만, 이를 모든 AI Training Data 확보 방식이 자동으로 합법이라는 뜻으로 확대할 수는 없습니다.
현재 Data Supplier들이 제시하는 명확한 장점 중 하나는 생성형 AI가 널리 확산되기 전에 출판된 책에는 최근 급증한 AI-generated text가 섞여 있지 않다는 점입니다. 또한 아직 인터넷 Dataset에 완전히 포함되지 않은 희귀하거나 전문적인 텍스트를 확보할 수 있다는 장점도 있습니다. 404 Media의 7월 조사에서는 도서 데이터 업체가 이런 이유를 들어 오래된 종이책을 AI 고객에게 공급하려 한 사례가 기록됐습니다.
아닙니다. Anthropic 관련 소송 기록에는 회사가 대량의 종이책을 구매하고 제본을 제거한 뒤 스캔해 디지털 Database를 구축한 방식이 이미 기록돼 있습니다. 이번 Amazon 사건의 특징은 404 Media가 실제 Tracking Device를 이용해 한 번의 대량 배송이 Amazon VGT3까지 이동하는 과정을 직접 추적했다는 점입니다.
보장할 수 없습니다. robots.txt는 표준화된 Crawler Policy이지만 IETF는 Robots Exclusion Protocol이 실제 Content Security Mechanism을 대체할 수 없다고 명시합니다. Crawler에 사이트 운영자의 정책을 전달하는 용도로는 유용하지만 실제로 공개되면 안 되는 콘텐츠는 Login, Permissions 또는 Server-side Access Control을 사용해야 합니다.