원문은 twarx.com에서 처음 게시되었습니다 - 전체 인터랙티브 버전은 그곳에서 읽을 수 있습니다.

최종 업데이트: 2026년 6월 21일

대부분의 AI 기술 워크플로우(workflows)는 완전히 잘못된 문제를 해결하고 있습니다. 그들은 모델 품질에 집착하는 반면, Meta를 법정에서 침몰시킨 화려하지 않은 진실은 무시하고 있습니다. 즉, 아무도 데이터 파이프라인(data pipeline)을 조정하지 않았고, 기계가 새벽 3시에 기업 IP 주소로부터 저작권이 있는 영화를 토렌트(torrenting)로 내려받기 시작했다는 사실입니다. 이것이 현대 AI 기술의 핵심에 있는 실패 모드(failure mode)이며, 거의 아무도 이를 방지하기 위한 엔지니어링을 하고 있지 않습니다.

2026년 6월 11일, 미국 연방법원 Eumi K. Lee 판사는 포르노 지주 회사인 Strike 3 Holdings의 소송을 기각해 달라는 Meta의 신청을 거부했습니다. 이는 Meta가 AI 학습을 위해 2,300편 이상의 저작권이 있는 성인 영화를 토렌트로 내려받았다는 혐의로 재판에 직면하게 되었음을 의미합니다. 이것이 지금 중요한 이유는 LLM(대규모 언어 모델), RAG(검색 증강 생성) 시스템, 그리고 멀티 에이전트 오케스트레이션(multi-agent orchestration)을 위한 데이터 파이프라인을 구축하는 모든 팀이 정확히 동일한 실패 모드에 노출되어 있기 때문입니다.

이 글을 다 읽을 때쯤이면, 제가 'AI 조정 격차(AI Coordination Gap)'라고 부르는 프레임워크와, 이것이 귀하의 법적 증거 문서(legal discovery document)가 되기 전에 이를 방지하기 위해 어떻게 엔지니어링해야 하는지를 이해하게 될 것입니다. 기초가 생소하다면, AI 기술이 실제로 작동하는 방식에 대한 저희의 입문서를 통해 배경 지식을 쌓으실 수 있습니다.

판사가 AI 학습에 사용된 토렌트 영화에 대한 Strike 3 Holdings의 저작권 소송 기각을 거부함에 따라 Meta는 재판에 직면하게 되었습니다. 출처: Mashable

발표된 내용 — 정확한 사실

Mashable의 2026년 6월 15일자 Anna Iovine 보고서에 전적으로 근거한 확인된 사실은 다음과 같습니다:

• 누가 (Who): 404 Media에 따르면 인기 성인 사이트들을 소유하고 있는 Strike 3 Holdings 및 Strike 3가 과반수 지분을 보유한 Counterlife Media 대 Meta.

• 무엇을 (What): 2026년 6월 11일, 미국 연방법원 Eumi K. Lee 판사는 Meta의 기각 신청(motion to dismiss)을 거부하는 명령을 내렸으며, 원고들이 '[Meta]가 자사 영화의 토렌트(torrenting)를 기반으로 직접적, 대위적(vicarious), 그리고 기여적(contributory) 저작권 침해에 대한 책임이 있다고 그럴듯하게 주장했다'고 판결했습니다.

• 주장 내용 (The allegation): 2018년에서 2025년 사이, Meta는 AI 모델을 학습시키기 위해 BitTorrent를 통해 2,300편 이상의 저작권이 있는 영화를 다운로드함으로써 저작권을 침해했다고 주장됩니다.

• 손해 배상액 (The damages): 해당 기업들은 최대 3억 5,900만 달러의 손해 배상을 요구하고 있습니다.

• 결정적 증거 (The smoking gun): 소송장에 따르면, Meta의 본사 사무실로 추적되는 IP 주소들이 '인간이 소비할 수 있는 범위를 넘어선 대규모 침해를 포함하여, 일관되게 비인간적인 패턴(non-human patterns)으로 작동'했습니다.

이 소송은 2025년 7월에 처음 제기되었습니다. Meta는 2025년 10월에 기각 신청을 제출하며, 해당 주장이 '터무니없고 근거가 없다'고 반박하고 다운로드는 '개인적 용도'였다고 주장했습니다. Lee 판사는 이를 납득하지 않았습니다. 그녀는 같은 날 '만화부터 포르노에 이르기까지' 유사한 이름의 파일들을 토렌트하는 IP 주소들을 인용하며, '이러한 상관관계가 단순한 우연이며 개별 인간의 선택에 의한 결과라고 주장하는 것은 신뢰하기 어렵다'고 기술했습니다. 이 문장 하나만으로도 모든 데이터 파이프라인(data-pipeline) 팀의 Slack 채널에 고정해 두어야 할 가치가 있습니다.

2,300+
저작권이 있는 영화들이 AI 학습을 위해 토렌트(torrent)로 유포되었다고 주장됨
Mashable, 2026
...

모든 AI 엔지니어를 불편하게 만들 부분은 바로 이것입니다: Strike 3와 Counterlife는 Meta의 BitTorrent 활동을 Meta를 상대로 한 2025년 이전 소송에 대한 언론 보도를 통해서만 알게 되었습니다. 해당 소송의 증거 개시(discovery) 과정에서 Meta가 AI 학습을 위해 도서를 해적판으로 사용했다는 사실이 드러났기 때문입니다. Meta는 2025년 6월에 그 이전 소송에서 승소했지만, 판사는 원고 측이 다른 법적 논거를 내세웠다면 승소했을 수도 있다고 명시적으로 언급하며, 바로 이번 소송이 제기될 수 있는 길을 활짝 열어두었습니다. 한 소송의 증거 개시가 다음 소송의 고소 내용이 된 것입니다. 이 연쇄 반응은 멈추지 않습니다. Reuters Legal이 추적하는 더 넓은 AI 저작권 소송 지형 또한 업계 전반에서 동일한 패턴이 나타나고 있음을 보여줍니다.

기계는 기업의 지식재산권(IP)으로부터 '인간이 소비할 수 있는 수준을 넘어선' 규모로 저작권이 있는 영화를 토렌트(torrent)로 내려받았으며, 파이프라인 내의 그 누구도 문제를 제기하지 않았습니다. 이것은 데이터 문제가 아닙니다. 그것은 조정 실패(coordination failure)입니다.

이것이 무엇인가 — 비전문가를 위한 AI 조정 격차(AI Coordination Gap) 설명

성인 콘텐츠라는 헤드라인을 걷어내고 보면, 이는 AI 기술을 프로덕션(production) 환경에 출시하는 사람이라면 누구라도 공포를 느낄 만한 시스템 실패를 보여줍니다. 데이터 획득(data-acquisition) 프로세스가 감독 없이 수년간 실행되었으며, 인간은 복제할 수 없는 패턴으로 BitTorrent를 통해 콘텐츠를 수집하면서도 '우리가 이것을 법적으로 수집할 권한이 있는가?'라고 묻는 체크포인트(checkpoint)는 전혀 없었습니다. 개별 구성 요소들은 각각 설계된 대로 정확히 작동했습니다. 하지만 시스템 전체로 보았을 때, 이들은 수억 달러 규모의 불법 행위(tort)를 저지른 것으로 주장되고 있습니다.

명명된 프레임워크

AI 조정 격차 (The AI Coordination Gap)

AI 조정 격차 (The AI Coordination Gap)는 개별적으로 역량을 갖춘 AI 구성 요소들(스크레이퍼, 모델, 에이전트)과 이들이 집단적으로 수행하고, 소비하고, 생산하는 것을 조정하는 관리 계층(governing layer)의 부재 사이에서 발생하는 구조적 공백을 의미합니다. 이는 대부분의 파괴적인 AI 실패가 실제로 발생하는 지점입니다. 즉, 모델의 품질 때문이 아니라, 단계와 단계 사이의 감독되지 않는 이음새(unsupervised seams)에서 발생합니다.

이를 레스토랑 주방에 비유해 보겠습니다. 당신은 최고의 셰프(모델), 최고의 수셰프(검색 시스템, retrieval system), 그리고 최고의 공급업체(데이터 파이프라인, data pipeline)를 고용할 수 있습니다. 하지만 누가 무엇을, 언제 할지, 그리고 식재료가 제공하기에 법적으로 문제가 없는지 등을 조정하는 '패스(the pass, 주방과 홀 사이의 음식 전달 구역)'를 운영하는 사람이 없다면, 혼돈이 아름답게 접시에 담겨 나올 뿐입니다. Meta는 세계적인 수준의 모델을 보유하고 있었습니다. 하지만 Meta에 결여되었던 것으로 주장되는 것은 '우리가 자체 기업 IP를 통해 BitTorrent로 저작권이 있는 자료를 대량 다운로드하고 있다'는 사실을 경고할 조정 계층(coordination layer)이었습니다. 주방에는 인력이 있었지만, 패스는 비어 있었습니다.

이는 멀티 에이전트 시스템 (multi-agent systems), RAG 파이프라인, 그리고 자율 워크플로우(autonomous workflows)를 망가뜨리는 것과 동일한 격차입니다. 각 구성 요소는 고립되어 작동합니다. 시스템은 조정 과정에서 실패합니다. 만약 귀하의 스택을 감사하고 있다면, 방어 가능한 AI 데이터 파이프라인 구축 (building defensible AI data pipelines)에 대한 당사의 가이드가 동일한 체크포인트를 단계별로 안내해 드립니다.

시각화된 AI 조정 격차: 구성 요소들 사이에 관리 계층이 없는 유능한 구성 요소들 — Meta의 주장된 BitTorrent 문제를 야기한 아키텍처.

작동 원리 — 쉬운 언어로 설명하는 메커니즘

Meta의 상황이 데이터 실패가 아닌 조정 실패인 이유를 이해하려면, 현대적인 AI 데이터 파이프라인이 실제로 어떻게 흐르는지, 그리고 어디에서 격차가 발생하는지를 보아야 합니다.

감독되지 않는 AI 데이터 수집이 어떻게 3억 5,900만 달러의 부채가 되는가

  1

    **수집 에이전트 (예: BitTorrent 크롤러)**

자동화된 프로세스는 학습 데이터의 양을 극대화하도록 명령받습니다. 이 프로세스는 출처 확인 없이 '인간이 소비할 수 있는 수준을 넘어선' 기계적 규모로 파일을 끌어옵니다. 결과: 혼합된 라이선스를 가진 테라바이트 단위의 콘텐츠.

↓

  2
...

이 지점이 바로 거버넌스 계층 (governance layer)이 위치해야 할 곳입니다. 즉, 데이터 수집 (ingestion) 전에 저작권 상태, 지식재산권 (IP) 귀속, 그리고 동의 여부를 검증하는 정책 엔진 (policy engine)이 필요합니다. Meta의 파이프라인(pipeline)이라고 주장되는 과정에서는 이 계층이 부재했습니다. 파일들은 그대로 통과되었습니다.

↓

  3
...

콘텐츠는 정제(cleaned), 토큰화(tokenized), 중복 제거(deduplicated) 과정을 거칩니다. 지연 시간(latency)은 최적화되고 처리량(throughput)은 극대화됩니다. 법적 메타데이터 (legal metadata)는 데이터와 함께 이동하지 않으며, 출처 신호 (provenance signal)는 이미 소실된 상태입니다.

↓

  4
...

모델이 코퍼스 (corpus)를 흡수합니다. 이 시점에 이르면, 침해된 콘텐츠는 통계적으로 가중치 (weights)에 구워져 버립니다. 전체 재학습 (retraining) 없이는 되돌릴 수 없습니다.

↓

  5
...

BitTorrent는 공개적인 기록을 남깁니다. 기업의 IP 주소는 추적 가능합니다. 비인간적인 다운로드 패턴은 증거물 A (Exhibit A)가 됩니다. 손해 배상액: 최대 3억 5,900만 달러.

이 순서가 중요한 이유는 2단계에서의 격차(gap)가 이를 해결할 수 있는 유일하고 저렴한 지점이기 때문입니다. 4단계에 이르면 책임 (liability)은 되돌릴 수 없게 됩니다.

패턴을 주목하십시오. 개별 단계는 모두 자신의 역할을 수행했습니다. 크롤러는 크롤링을 했고, 전처리기 (preprocessor)는 전처리를 했으며, 트레이너 (trainer)는 학습을 했습니다. 시스템 전체는 조정 계층 (coordinating layer)이 접점들을 관리하지 못했기 때문에, 결과적으로 중범죄 수준의 불법 행위 (tort)를 저지른 셈이 되었습니다. 이것이 바로 실제 운영 환경에서의 조정 격차 (Coordination Gap)입니다.

BitTorrent는 은밀한 데이터 수집을 위한 선택으로는 독보적으로 최악의 선택입니다. 이는 '시딩 (seeding)' 프로토콜이며, 즉 다운로드한 것을 다시 업로드한다는 의미입니다. Meta의 IP는 단순히 콘텐츠를 가져오기만 한 것이 아니라, 소송의 논리에 따르면 콘텐츠를 배포하고 있었습니다. 이는 조용한 수집 문제를 공개적이고 추적 가능한 배포 문제로 전환시킵니다. 조정 실패 (Coordination failures)는 단순히 무언가를 망가뜨리는 데 그치지 않고, 그 망가진 상태를 방송해 버립니다.

전체 역량 목록 — 조정 격차 (Coordination Gap) 프레임워크가 실제로 다루는 내용

이 프레임워크는 동일한 아키텍처적 공백(architectural void)에 존재하는 여섯 가지 실패 유형을 명시합니다. 만약 AI 시스템을 운영하고 있다면, 다음 항목들에 대해 스스로를 감사하십시오. 관대하게가 아니라, 솔직하게 말입니다:

• 데이터 출처 조정 (Data provenance coordination): 데이터가 수집(ingestion) 과정을 거쳐 흐를 때, 어떤 계층이라도 라이선스, 동의, 저작권 상태를 추적하고 있습니까? (Meta의 사례로 지목된 격차입니다.)

• 에이전트 행동 조정 (Agent action coordination): 멀티 에이전트 시스템 (multi-agent systems)에서, 감독자(supervisor)가 하위 에이전트들이 출력하는 내용뿐만 아니라 그들이 무엇을 '수행'할 수 있는지 검증합니까?

• 속도 및 패턴 조정 (Rate and pattern coordination): 동일한 날에 상관관계가 있는 방식으로 2,300개의 파일이 전송되는 것과 같은 '비인간적 패턴(non-human patterns)' — Meta를 몰락시킨 바로 그 문구 — 을 감지하는 장치가 있습니까?

• 도구 호출 조정 (Tool-call coordination): 에이전트가 MCP (Model Context Protocol)를 통해 외부 도구를 호출할 때, 어떤 도구와 어떤 범위(scope)를 허용할지에 대한 정책 게이트(policy gate)가 있습니까?

• 출력 귀속 조정 (Output attribution coordination): 책임 소재를 파악하기 위해 모델의 출력을 학습 소스로 역추적할 수 있습니까? 제가 대화해 본 대부분의 팀은 이를 할 수 없었습니다. 그것이 바로 문제입니다.

• 교차 시스템 조정 (Cross-system coordination): RAG 검색기(retriever), 벡터 DB, 생성 모델 간에 의견이 불일치할 때, 누가 중재(arbitrate)합니까? 프로덕션 RAG 시스템 (production RAG systems)에 대한 당사의 분석에서는 신뢰할 수 있는 중재 패턴을 다룹니다.

각 단계의 신뢰도가 97%인 6단계 파이프라인은 엔드투엔드(end-to-end)로 보았을 때 신뢰도가 83%에 불과합니다. Meta의 파이프라인은 다섯 단계는 유능했지만 한 단계가 누락되어 있었습니다. 그리고 판사가 관심을 갖는 것은 바로 그 누락된 한 단계뿐입니다.

소상공인에게 미치는 의미 — 기회와 리스크

당신은 Meta가 아닙니다. 2,300편의 영화를 토렌트로 내려받고 있지도 않습니다. 하지만 당신은 소상공인 수준의 유사한 행위를 하고 있을 수도 있으며, 현재 설정되고 있는 법적 선례는 당신에게 직접적인 영향을 미칩니다.

위험 요소: 만약 당신이 라이선스 확인 없이 스크래핑된 고객 리뷰, 경쟁사의 카피, 또는 스톡 이미지(stock images)를 사용하여 모델을 미세 조정(fine-tune)한다면, 당신은 방금 Lee 판사가 인정한 것과 동일한 책임 이론(theory of liability)에 자신을 노출시키는 것입니다. 미국 저작권청(U.S. Copyright Office)의 진행 중인 AI 가이드라인은 출처(provenance)를 법적인 사후 고려 사항이 아닌, 비즈니스에 결정적인 사안으로 만듭니다. 저는 이를 첫 번째 중단 요구서(cease-and-desist)를 받은 이후가 아니라, 지금 바로 그렇게 다루어야 한다고 생각합니다.