Agent 기반 Open Data Compliance 시스템
LG AI 연구원은 인공지능 기술의 선행 연구와 윤리 원칙 수립을 주도하는 그룹의 싱크탱크로서, AI 개발 과정에서 발생할 수 있는 다양한 법적 리스크를 관리합니다. 특히 데이터 학습 과정에서는 저작물의 복제와 2차적 저작물 작성이 빈번하게 일어나는데, 이는 소스 코드를 다루는 방식과는 차별화된 접근이 필요합니다. 텍스트의 수치화부터 인스트럭션 튜닝에 이르기까지, 데이터가 변형되고 복제되는 모든 단계에서 저작권 침해의 소지가 존재하기 때문입니다. 따라서 데이터의 기술적 이용 방식이 저작물의 본래 목적을 침해하지 않도록 정교한 법적 검토가 수반되어야 합니다. 저작권 분쟁에서 주로 논의되는 공정 이용의 법리는 이용 목적, 저작물의 성격, 이용량, 잠재적 가치 등 네 가지 요소를 종합적으로 판단하지만, 이는 매우 주관적이라는 한계가 있습니다. 국가나 재판부마다 판단이 달라질 수 있는 상황에서 단순한 낙관론에 기대어 컴플라이언스 체계를 구축하는 것은 기업 경영에 큰 위험을 초래할 수 있습니다. LG AI 연구원은 이러한 리스크를 사전에 방지하기 위해 18가지의 엄격한 평가 기준을 수립하고, 수십 명의 법률 전문가와 협업하여 데이터 라이선스부터 개인정보 보안까지 아우르는 데이터 컴플라이언스 가이드라인을 운영하고 있습니다. 현대의 AI 학습 데이터는 수천 개의 원천 소스가 얽혀 있으며, 수십 번에 걸쳐 재배포되는 등 그 구조가 매우 복잡합니다. 특정 데이터셋이 표면적으로는 자유로운 이용이 가능한 라이선스로 배포되었더라도, 실제 출처를 추적해 보면 불법적으로 입수된 도서나 뉴스 기사가 포함되어 있을 가능성이 큽니다. 변호사 등 전문가가 수천 개의 소스 데이터를 일일이 분석하고 논문을 검토하여 법적 배포 행위의 적절성을 판단하는 것은 사실상 불가능에 가깝습니다. 이러한 물리적 한계는 데이터 활용의 안전성을 보장하기 위해 반드시 해결해야 할 핵심 과제로 떠오르고 있습니다. LG AI 연구원은 데이터 검토의 한계를 극복하고자 '엑사원 넥서스'라는 에이전트 AI 시스템을 개발하였습니다. 이 시스템은 QA, 내비게이션, 스코어링 모듈로 구성되어 웹상의 URL만으로 데이터의 모든 흐름을 추적합니다. 에이전트는 허깅페이스나 깃허브 같은 플랫폼은 물론, 관련 논문의 PDF를 직접 분석하여 데이터가 생성된 실제 소스와 라이선스 정보를 샅샅이 찾아냅니다. 실제로 상업적 이용이 가능하다고 알려진 데이터셋 중 약 21%만이 법적으로 안전하다는 사실을 밝혀냈으며, 이는 인간 전문가보다 높은 정확도와 스케일을 구현하며 데이터 분석의 새로운 지평을 열었습니다. 에이전트 AI를 통한 분석 결과는 전문가의 최종 검토를 거쳐 더욱 완벽한 리포트로 완성되며, 이는 안전한 AI 모델 개발의 토대가 됩니다. LG AI 연구원은 최근 ETRI와의 업무 협약을 통해 엑사원 넥서스 기술을 공유하고 오픈소스 커뮤니티에 기여함으로써 생태계 전반의 안전성을 높이고자 노력하고 있습니다. 모든 데이터의 연결성을 추적하고 투명하게 관리하는 시스템은 단순히 법적 리스크를 피하는 것을 넘어, 인류에게 도움이 되는 책임감 있는 인공지능을 만드는 중요한 발판이 될 것입니다. 앞으로도 기술적 성능과 윤리적 가치를 동시에 확보하는 연구를 지속할 예정입니다.
