[태그:] 생성형AI

키클롭스의 덩치가 컷이 넘어갈 때마다 달라집니다. 파도는 바람을 거슬러 밀려오고, 노는 젓는 도중에 휘고 뒤틀리고요. 러닝타임 2시간 30분, 처음부터 끝까지 AI로 만들었다는 영화 ‘오디세우스: 더 폴(Odysseus: The Fall)’에 실제로 들어 있는 장면들입니다. 한두 장면만 튀는 정도가 아니에요. 리뷰를 보면 이런 오류가 영화 내내 이어진다고 합니다.

놀란의 ‘오디세이’가 흥행한 자리에 나온 AI 장편

크리스토퍼 놀란의 ‘오디세이’는 박스오피스를 석권했습니다. 관객들이 고전 문학을 다시 찾아 읽는 흐름까지 생겼을 정도인데요. 같은 이야기를 들고 AI 기업 파운틴 제로가 내놓은 영화가 ‘오디세우스: 더 폴’입니다. 시점을 보면 놀란 영화의 열기와 떼어 놓고 보기 어려운데, 리뷰도 뒤에서 이 부분을 짚습니다.

각본과 연출은 공동창업자 애시 쿠샤가 맡았어요. 주인공 외모도 쿠샤 본인 것을 빌려줬고, 음악 역시 혼자 다 만들었습니다. 사람 손이 거의 들어가지 않았으니 엔딩 크레딧이 대단히 짧아요.

이력도 길지 않습니다. 이 스튜디오의 이전 작업물은 올해 초 트라이베카에 진출한 AI 영화 ‘드림스 오브 바이올렛츠’ 한 편이 전부거든요. 그런데도 이번엔 “할리우드 블록버스터 수준으로 제작된 최초의 완전 AI 생성 영화”라는 문구를 내걸었습니다. 작품이 한 편뿐인 스튜디오가 걸기엔 꽤 큰 약속이죠.

13세 자녀와 ‘이상한 장면 찾기’ 게임이 된 관람

더버지 보도를 보면 문제는 두 갈래예요. 일관성, 그리고 지루함.

일관성 문제는 이런 식입니다. 세계관이 쉬지 않고 모양을 바꾸다 보니 화면에 집중하기가 어렵다는 지적이 나와요. 입 모양은 대사와 따로 놀고, 소리 없이 입만 움직이는 장면도 있습니다. AI 내레이션은 군데군데 알아듣기 힘들고, 오디세우스와 제우스의 이름을 잘못 발음하는 대목까지 나온다고 하고요. 영화 제목에 들어간 주인공 이름을 틀렸다는 건, 사람이 한 번만 들어봤어도 걸러졌을 실수라 더 눈에 띕니다.

리뷰어는 13세 자녀와 함께 봤는데, 어느 순간부터 가장 이상한 실수를 찾아내는 게임처럼 돼버렸다고 적었어요. 검이 단검으로 바뀌는 장면이 걸렸고, 꼬치에 꿰여 구워지는 외계 생물 사체도 나왔습니다. 고대 그리스 서사시를 옮긴 영화에 외계 생물이라니, 설정 오류로밖에 볼 수 없는 대목이에요.

리뷰에 나온 결함을 유형별로 묶으면 아래와 같습니다.

지루함은 구성에서 온다는 평가로 읽힙니다. 현재 AI 모델이 몇 초 길이의 장면밖에 생성하지 못한다는 한계가 화면에 그대로 드러나거든요. 이야기가 흘러가지 않고, 토막 난 순간들을 이어 붙인 느낌이라는 거예요. 원작 줄거리를 모르고 보면 지금 무슨 일이 벌어지는지 따라가기 어렵다는 평가까지 나왔습니다. 페넬로페의 구혼자들 이야기는 영화가 거의 끝나갈 무렵에야 등장하고요. 앞에서 아무런 설명 없이 인물들이 막판에 나타나는 셈이니, 원작을 모르는 관객은 이 대목에서 더 헤맬 것 같습니다.

연기도 어색합니다. 인물들이 이유 없이 몇 초씩 굳어 있다가 느닷없이 웃음을 터뜨려요. 액션엔 무게감이 없어서, 물리 법칙이 상수가 아니라 권고사항인 세계 같다는 표현까지 리뷰에 나왔습니다. 괴물은 1930년대 스톱모션 인형처럼 조악한데, 바로 옆에는 매끈한 하이퍼리얼 인간 캐릭터가 서 있어요. 한 화면 안에서 질감이 전혀 다른 두 시대로 갈리니 이질감이 더 커질 수밖에 없고요.

국내에서 보려면: 현재는 9.99달러 브라우저 대여뿐

지금 공개된 관람 방법은 9.99달러짜리 대여 하나입니다. 리뷰어가 확인한 범위에선 웹 브라우저에서만 재생되고요. 거실 TV로 보려면 휴대폰 화면을 미러링해야 했다고 하니, 적어도 리뷰 시점에는 TV에서 바로 틀 방법이 마땅치 않았던 걸로 보입니다.

국내 정식 서비스 여부, 한국어 자막, 원화 가격은 공식 발표가 확인되지 않아요. 국내 OTT 입점 계획도 알려진 게 없고요. 지역 제한이 걸려 있는지에 대해서도 알려진 내용이 없어서, 한국에서 바로 결제하고 볼 수 있는지는 현재로선 단정하기 어렵습니다.

영상 생성 도구를 쓰는 국내 창작자라면 여기서 건질 게 따로 있다고 봐요. 몇 초짜리 클립은 그럴듯하게 뽑혀도, 장편 길이로 가면 사정이 전혀 다르거든요. 캐릭터 비례, 소품, 물리, 립싱크. 이걸 끝까지 일관되게 붙잡는 일은 아직 사람이 해야 한다는 게 이번 사례로 드러났습니다. 짧은 광고나 뮤직비디오와 장편 사이의 난도 차이가 그만큼 크다는 해석인데요. 어디까지나 영화 한 편을 근거로 한 추정이라는 점은 감안하고 보셔야 합니다.

확인된 것과 아직 불확실한 것

사실로 확인되는 항목과 아직 근거가 없는 항목을 나눠 봤습니다.

• 확인 — 제작사는 파운틴 제로, 각본·연출·음악과 주인공 외모까지 공동창업자 애시 쿠샤가 담당
• 확인 — 러닝타임 2시간 30분, 대여가 9.99달러, 웹 브라우저 재생
• 확인 — 이전 작품 ‘드림스 오브 바이올렛츠’가 올해 초 트라이베카 진출
• 확인 — “할리우드 블록버스터 수준의 최초 완전 AI 생성 영화”라는 자체 홍보 문구

• 미확정 — 국내 개봉·OTT 공개 여부, 한국어 자막, 원화 가격
• 미확정 — 제작비와 제작 기간, 사용된 AI 모델·툴의 구체적 구성
• 미확정 — 대여 판매량이나 수익 규모
• 미확정 — 파운틴 제로의 차기작 계획

놀란과 나란히 서면서 오히려 사람 손의 가치만 부각됐다

쿠샤는 각색 이유로 “오래전 처음 읽은 뒤로 호메로스의 서사시에 늘 애정을 품어왔다”고 밝혔습니다. 리뷰는 이 말을 그대로 받아들이지 않았어요. 놀란 영화가 만든 관심과 열기에 올라타, 예전 비디오 직행 염가 기획물의 현대판을 만든 쪽에 가깝다고 본 거죠.

비교 대상을 스스로 가장 불리한 상대로 골랐다는 점도 발목을 잡습니다. 놀란의 작품은 감독이 사람의 수공예적 작업을 고집했기 때문에 더 사랑받았거든요. 그 고집 덕분에 놀란은 배우들이 함께 일하고 싶어 하는 감독이 됐고요. 사람 손을 최대한 쓴 영화 옆에 사람 손을 최대한 뺀 영화가 선 셈이니, 대비가 선명하게 드러날 수밖에요.

수백 명의 숙련 인력이 나눠 하던 일을 소수 팀의 산출물로 압축하면 어떤 결과가 나오는지, 이 영화가 꽤 또렷하게 보여줬습니다. 사람이 만든 작품의 가치를 되레 실감하게 된다는 리뷰의 결론이 과장으로 들리지 않는 이유예요. 짧은 엔딩 크레딧이 효율의 상징처럼 보였을지 몰라도, 2시간 30분짜리 결과물은 그 크레딧에서 빠진 사람들이 원래 무슨 일을 해왔는지를 거꾸로 드러낸 셈입니다.

출처: The Verge

제미나이 API 가격표를 처음 열었을 때, ‘플래시’니 ‘프로’니 ‘나노’니 하는 이름들 보고 잠깐 멍해졌다. 구글 제미나이(Gemini) 시리즈는 이름이 자주 바뀌고 버전도 빠르게 올라가서, 실제로 뭐가 다른지 헷갈리는 경우가 많다. 제미나이 플래시가 정확히 뭔지, 프로 모델과는 어떤 기준으로 골라 써야 하는지 정리해봤다.

제미나이 라인업, 일단 체급부터 나눠보자

구글의 제미나이는 보통 세 가지 체급으로 나뉜다.

• 울트라/프로 — 가장 똑똑하지만 느리고 비싼 최상위 모델
• 플래시 — 속도와 비용, 성능의 균형을 맞춘 중간급 모델
• 플래시-라이트/나노 — 초경량, 초저가 모델. 온디바이스나 대량 처리용

구글은 이 라인업을 몇 달 간격으로 계속 업데이트한다. 최근에는 기존 플래시 모델보다 추론 단계를 더 많이 거치고, 도구 호출(tool calling)을 반복적으로 수행하도록 개선한 버전도 나왔다. 다만 이런 개선, 공짜가 아니다. 응답은 똑똑해지는 대신 토큰 사용량이 늘어나서 청구 비용도 같이 올라가는 트레이드오프가 따라붙는다.

플래시는 프로의 축소판이 아니다

플래시 모델은 프로 모델을 그냥 경량화한 버전이 아니다. 처음부터 지연 시간과 비용 효율을 목표로 따로 학습된 모델이다. 그래서 단순 텍스트 생성이나 요약, 분류처럼 반복적이고 대량으로 처리해야 하는 작업에서는 프로 못지않은 성능을 훨씬 저렴한 가격에 뽑아낸다.

여기서 핵심은 ‘추론 깊이’다. 최신 플래시 모델들은 복잡한 문제를 만나면 내부적으로 여러 단계를 거쳐 답을 찾는다. 이른바 단계적 추론이다. 덕분에 코딩이나 수학 문제 같은 어려운 작업에서도 예전 플래시보다 결과가 눈에 띄게 나아졌다. 대신 그 과정에서 토큰을 더 먹는다. 같은 작업이라도 실제 청구액은 이전 세대보다 높게 나올 수 있다는 얘기다.

토큰 요금, 계산법은 이렇다

API 요금은 보통 입력 토큰과 출력 토큰을 따로 계산해서 백만 토큰(1M tokens) 단위로 가격을 매긴다. 대략적인 감을 잡아보면:

• 플래시 계열: 입력 1M당 1달러 미만, 출력 1M당 3~4달러 수준
• 프로 계열: 입력·출력 모두 플래시의 3~5배 이상

주의할 게 하나 있다. ‘추론 토큰’이다. 모델이 답을 내놓기 전에 내부적으로 생각하는 과정도 토큰으로 잡히는 경우가 많다. 그래서 겉으로 보이는 답변은 짧은데 청구서에는 훨씬 많은 토큰이 찍히는 일이 흔하다. 프롬프트 설계 단계에서 이 부분을 안 챙기면, 요금이 예상보다 훅 뛰어서 당황할 수 있다.

플래시냐 프로냐, 뭘 골라야 할까

플래시가 유리한 경우

• 고객 문의 자동응답, 챗봇처럼 응답 속도가 중요한 서비스
• 대량의 문서 요약, 태깅, 분류 작업
• 스타트업이나 개인 프로젝트처럼 API 비용 자체를 아껴야 할 때

프로가 유리한 경우

• 복잡한 코드 리팩터링, 긴 문맥의 법률·의료 문서 분석
• 다단계 추론이 필요한 리서치, 데이터 분석 작업
• 정확도가 매출이나 안전과 직결되는 서비스

실무에서는 두 모델을 섞어 쓰는 전략도 많이 쓴다. 1차 분류나 필터링은 플래시로 처리하고, 정말 복잡한 케이스만 프로로 넘기는 식이다. 파이프라인을 이렇게 짜면 품질과 비용, 둘 다 잡을 수 있다.

GPT 미니, 클로드 하이쿠랑 비교하면 어떨까

다른 회사들도 비슷한 경량 라인업을 운영한다. OpenAI의 GPT 미니 계열, 앤트로픽의 클로드 하이쿠 계열이 제미나이 플래시와 같은 포지션이다. 셋 다 ‘빠르고 저렴한 실무용 모델’이라는 콘셉트는 같다. 다만 세부적으로 들어가면 코딩 벤치마크, 다국어 처리 품질, 컨텍스트 윈도우 크기(한 번에 처리 가능한 텍스트 분량)에서 차이가 난다.

가격만 놓고 보면 세 회사의 경량 모델 요금은 큰 틀에서 비슷한 수준으로 수렴하는 추세다. 그래서 모델 선택은 가격보다 실제 자신의 작업, 그러니까 코딩이든 번역이든 요약이든 벤치마크 점수와 응답 속도를 직접 테스트해보고 결정하는 편이 정확하다.

API 비용, 이렇게 아낀다

• 캐싱 활용: 반복되는 시스템 프롬프트나 문서는 프롬프트 캐싱 기능을 써서 중복 토큰 비용을 줄인다
• 모델 라우팅: 난이도가 낮은 요청은 플래시로, 어려운 요청만 프로로 자동 분기시킨다
• 출력 길이 제한: max_tokens 값을 필요 이상으로 크게 잡지 않는다
• 배치 처리: 실시간 응답이 필요 없는 작업은 배치 API를 이용하면 정가 대비 절반 가격에 처리되는 경우가 많다

자주 묻는 질문들

Q. 플래시 모델은 무료로 못 쓰나?
A. 구글 AI 스튜디오나 각 서비스의 무료 티어를 통해 제한된 요청 횟수 안에서는 무료 체험이 가능하다. 다만 프로덕션 서비스에 붙이려면 결국 유료 API 키가 필요하다.

Q. 버전이 올라가면 무조건 이전 버전보다 나은가?
A. 대체로 성능은 좋아진다. 하지만 앞서 말했듯 추론 단계가 늘면서 토큰 소비량과 응답 속도가 달라질 수 있다. 자신의 서비스에 맞는지는 꼭 직접 테스트해보는 게 안전하다.

Q. 라이트 버전과 일반 플래시는 뭐가 다른가?
A. 라이트는 플래시보다 더 가볍고 저렴하다. 대신 복잡한 작업 정확도는 떨어진다. 초간단 분류나 온디바이스 처리에 맞는 모델이다.

출처: The Verge

소니뮤직과 워너채플뮤직이 앤스로픽을 저작권 침해로 걸었다. 미국 캘리포니아 북부지방법원. 수만 건에 달하는 곡, 곡당 최대 15만 달러라는 숫자가 소장에 박혀 있다. AI 모델을 학습시키는 과정에서 저작권으로 보호받는 가사와 악보를 허락도 없이 가져다 썼다는 이유다. 뉴스만 보면 어리둥절할 수도 있다. 이런 소송, 대체 몇 번째인가 싶고. 왜 이렇게 자주 터지는지, 걸리면 얼마를 물어줘야 하는지 한번 정리해봤다.

AI 저작권 소송, 결국 다 ‘학습 데이터’ 문제

생성형 AI를 둘러싼 저작권 분쟁, 출발점은 거의 똑같다. AI 모델은 인터넷에 떠도는 방대한 텍스트, 이미지, 음원을 긁어모아 학습한다. 문제는 이 데이터 상당수가 남의 저작물이라는 것. 뉴욕타임스가 오픈AI와 마이크로소프트를 고소한 사건, 게티이미지가 스태빌리티AI를 상대로 낸 소송, 이번 소니뮤직·워너채플 사건까지 — 던지는 질문은 결국 하나다. 허락 없이 가져다 학습시킨 게 침해냐, 아니면 정당한 이용이냐.

여기서 AI 기업과 저작권자, 입장이 완전히 갈린다.

• 저작권자 측: 창작물을 대가 없이 가져다 쓰고, 그 결과물로 원작자와 경쟁하는 서비스까지 만든다는 주장
• AI 기업 측: 학습 과정은 결과물을 그대로 복제하는 게 아니라 패턴을 익히는 것이라 저작권법상 ‘공정 이용’에 해당한다는 주장

음악·언론·출판사가 유독 잘 걸고넘어지는 이유

음악 업계와 언론사, 출판사가 AI 기업 상대로 소송을 자주 거는 데는 이유가 있다. 저작권 관리 체계가 이미 촘촘히 잡혀 있어서다. 어떤 작품이 언제 누구 소유인지, 얼마나 자주 쓰였는지 추적하기가 상대적으로 쉽다. 개인 창작자나 소규모 저작권자는 자기 작품이 AI 학습에 쓰였는지조차 확인하기 어려운 것과 대조적이다.

하나 더 있다. 음원과 가사는 스트리밍이라는 이미 확립된 라이선스 시장이 있다. 그래서 “AI 학습도 라이선스 맺고 정당한 대가를 내라”는 논리가 힘을 받는다. 실제로 유니버설뮤직그룹은 몇몇 AI 스타트업과 라이선스 계약을 맺으며 소송 대신 협상을 택했다. 소송과 협상, 둘이 동시에 굴러가는 셈.

배상금은 대체 어떻게 정해지나 — 법정 손해배상의 구조

미국 저작권법에는 ‘법정 손해배상(statutory damages)’이라는 제도가 있다. 저작권자가 실제 손해액을 입증하기 어려울 때, 법원이 침해 건당 일정 금액을 정해서 물리는 방식이다.

• 일반적인 침해: 건당 최대 3만 달러
• 고의적 침해로 인정될 경우: 건당 최대 15만 달러
• 저작권 관리 정보(CMI)를 고의로 삭제·훼손한 경우: 건당 최대 2만 5천 달러 별도 청구 가능

이번 소니뮤직·워너채플 소송에서 곡당 최대 15만 달러, 저작권 정보 삭제 건마다 추가로 2만 5천 달러를 요구한 것도 이 규정 때문이다. 대상 저작물이 수만 건 단위라니, 이론상 최종 배상액은 수십억 달러까지 불어날 여지가 있다. 이건 좀 과한 거 아닌가 싶기도 하고. 실제 판결에서 법원이 이 상한선을 그대로 때리는 경우는 드물다. 침해 규모와 고의성을 따져 조정하는 게 보통이다.

AI 기업의 방패, ‘공정 이용’이란

공정 이용(Fair Use)은 저작권 보호 저작물을 허락 없이 써도 예외적으로 침해가 아니라고 인정하는 미국 저작권법 원리다. 법원은 보통 이 4가지를 본다.

• 이용의 목적과 성격 (상업적인가, 변형적인가)
• 저작물의 성격 (사실 기반인가, 창작성이 강한가)
• 이용된 분량과 비중
• 원작 시장에 미치는 경제적 영향

AI 기업들은 학습 과정이 ‘변형적 이용(transformative use)’이라고 주장해왔다. 2024년 이후 몇몇 판결에서는 AI 학습 자체는 공정 이용으로 볼 여지가 있다고 하면서도, 저작권 정보를 고의로 지우거나 불법 다운로드 경로로 데이터를 확보한 정황이 있다면 그건 별개로 책임을 물을 수 있다고 선을 그었다. 앤스로픽이 예전에 저자들과 벌인 소송에서도 비슷한 흐름이 있었다. 학습 자체와 데이터를 어떻게 확보했느냐, 법원은 이 둘을 따로 떼서 보는 편이다.

창작자라면 지금 체크해야 할 것들

작곡가, 작가, 사진가처럼 저작물을 만드는 입장이라면 소송 뉴스를 구경만 할 게 아니라 실제로 챙길 수 있는 부분이 있다.

• 로봇 배제 표준(robots.txt) 설정: 웹사이트나 블로그를 운영한다면 AI 크롤러 접근을 막는 설정을 걸어둘 수 있다
• 플랫폼별 옵트아웃 신청: 일부 이미지·음원 플랫폼은 AI 학습 이용을 거부하는 옵션을 준다
• 저작권 등록: 미국 저작권청 등록은 나중에 법정 손해배상을 청구할 때 유리한 근거가 된다
• 업계 단체 동향 확인: 음악출판협회, 작가조합 같은 단체가 집단으로 진행하는 소송이나 라이선스 협상에 낄 수 있는지 확인

국내 개발자·기업이 놓치면 안 되는 부분

한국에서 AI 서비스를 만들거나 생성형 AI API를 가져다 쓰는 입장이라면, 이 소송들 남 얘기만은 아니다. 미국 소송 결과에 따라 특정 모델의 학습 데이터 구성이나 라이선스 정책이 바뀌면, 그 모델을 API로 쓰는 서비스도 약관이나 요금 구조가 같이 바뀌는 경우가 많다. 국내 저작권법도 AI 학습과 관련한 ‘텍스트·데이터마이닝(TDM)’ 면책 조항 도입 논의가 이어지고 있어서, 미국 판례의 방향이 국내 입법 논의에도 참고 자료로 쓰인다.

기업 입장에서는 특정 AI 모델을 도입하기 전에, 그 회사가 저작권 소송에 얼마나 노출돼 있는지, 라이선스 계약은 얼마나 확보해 뒀는지 확인해두는 게 리스크 관리 차원에서 도움이 된다. 소송 결과에 따라 서비스 자체가 멈추거나 데이터셋이 통째로 재구성된 사례도 있었으니까.

이것도 궁금하죠?

Q. AI가 만든 결과물도 저작권 침해가 될까?
학습 데이터 문제와는 별개로, 생성된 결과물이 원작과 지나치게 비슷하면 따로 침해 판단을 받을 여지가 있다. 가사나 멜로디를 거의 그대로 베낀 수준으로 나온다면 이 경우도 마찬가지.

Q. 소송이 왜 이렇게 오래 걸리나?
수만 건 단위 저작물을 하나하나 대조해야 하고, 공정 이용 여부를 가리는 데도 방대한 증거 조사가 필요해서 보통 몇 년 단위로 흘러간다.

Q. 합의로 끝나는 경우가 많나?
실제로 라이선스 계약 형태로 합의하는 사례가 늘고 있다. 소송 대신 사용료를 내는 쪽으로 방향을 트는 기업도 있고.

출처: The Verge