소니와 유니버설, 선오 v6 모델 저작권 침해 주장으로 새 소송 제기

2026년 9월 25일, 소니 뮤직 엔터테인먼트와 유니버설 뮤직 그룹은 AI 음악 스타트업 선오를 상대로 v6 모델에 대한 새로운 소송을 제기했습니다. 고소장은 최신 버전이 레이블이 허가하지 않은 저작권 보호 음원을 계속 사용하고 있다고 주장합니다.

두 레코드 회사는 선오가 이전에 워너 뮤직 그룹, BMG, Believe와는 라이선스 계약을 체결했지만 소니와 유니버설을 고의로 배제했다고 지적합니다. 이 누락이 원고들의 주장, 즉 선오의 훈련 데이터에 무허가 자료가 포함됐다는 핵심 근거가 됩니다.

이전 모델에 대한 주장

고소장에 따르면 선오의 초기 모델들은 유튜브와 기타 온라인 소스에서 권리자의 허가 없이 수집한 녹음물들을 학습에 사용했다고 합니다. 소니와 유니버설은 이러한 녹음물이 alleged infringement의 ‘원본 녹음’이라고 주장합니다.

소송은 또한 v6 모델이 완전히 새로운 기반에서 만들어진 것이 아니라고 주장합니다. 대신, 이전 모델이 생성한 사용자 제작 콘텐츠를 학습에 사용했으며, 이는 간접적인 훈련 과정이 데이터셋을 바꾸는 것만으로는 끊을 수 없는 복제 사슬을 만든다고 합니다.

모델 세탁과 독나무 비유

고소장은 ‘모델 세탁’이라는 용어를 사용해 선오가 불법적인 데이터 출처를 파생 출력으로 재훈련함으로써 씻어내려 했다고 비판합니다. 독나무 비유를 들어 뿌리가 오염되면 열매도 오염된다는 점을 강조했습니다.

선오 공동 설립자 잭 브로디는 v6가 새로운 데이터셋을 기반으로 ‘땅부터 다시’ 훈련되었다고 답변했으며, 사용자 생성 콘텐츠가 훈련 자료에 포함됐다는 점은 인정했지만 구체적인 출처는 밝히지 않았습니다.

증류 기술에 대한 기술적 주장

소니는 선오가 ‘증류’라는 기법을 사용했다고 주장합니다. 이는 큰 ‘교사’ 모델이 행동을 작은 ‘학생’ 모델에 전달하는 방식이며, 교사 모델이 무허가 녹음으로 훈련되었다면 증류된 학생 모델인 v6도 동일한 침해 행동을 재현하게 된다는 논리입니다.

레코드사들의 법리적 주장은 간접 훈련이 alleged unauthorized source recordings와의 연결을 끊지 못한다는 것입니다. 즉, v6가 원본 트랙을 직접 보지 않았더라도 이전 모델의 출력에 노출된 것이 현재 저작권 이론 하에 책임을 발생시킨다고 봅니다.

• 선오 초기 모델이 무허가 유튜브 녹음으로 학습
• 그 모델에서 파생된 사용자 창작물이 v6 훈련에 사용
• 증류 과정이 교사 모델의 행동을 학생 모델에 전달
• 고소장은 이 사슬을 독나무에 비유해 여전히 오염됐다고 주장

이 주장은 아직 고소장에 적힌 주장일 뿐이며, 법원은 선오의 v6 모델이 실제로 저작권을 침해했는지 여부를 아직 판결하지 않았습니다. 소송 내용은 아직 심리되지 않았습니다.

만약 법원이 소니와 유니버설의 이론을 받아들인다면, AI가 이전에 잠재적으로 침해된 모델의 출력으로 학습될 때 그 콘텐츠가 어떻게 취급되는지에 대한 중요한 선례가 될 것입니다. 이는 직접적인 저작물 복제뿐 아니라 간접적인 파생 훈련 파이프라인까지 책임 범위를 확대할 수 있습니다.

이 소송에서 제기된 핵심 논점은 AI 모델이 과거에 침해된 데이터에 기반을 두고 있느냐이다. 기존 모델이 무허가 음원을 학습에 사용했을 경우, 그 모델이 생성한 출력이 새로운 모델의 학습 자료가 되는 과정은 단순히 데이터 교체만으로는 원천 침해와의 연계를 끊을 수 없다는 주장이다. 이는 저작권법이 데이터의 직접적 복제뿐 아니라 파생적 활용까지 포괄적으로 해석될 가능성을 시사한다. 따라서 법원이 이 논리를 받아들인다면, AI 훈련 파이프라인 전체에 대한 책임이 확대될 수 있다.

법리적 검토에서는 ‘증류’ 기법이 실제로 침해 책임을 전이시키는지를 따져야 한다. 증류는 대규모 교사 모델의 행동을 소규모 학생 모델에 전달하는 과정인데, 교사 모델이 무허가 자료로 훈련되었다면 그 행동 자체가 저작권 침해 요소를 내포하게 된다. 이 경우 학생 모델이 원본 데이터를 직접 보지 않았더라도, 법적 책임이 교사 모델의 불법적 기초에 기인한다는 판단이 내려질 수 있다. 이는 모델 설계 단계에서 데이터 출처 검증의 중요성을 부각시킨다.

실증적 검증 절차는 두 가지 축을 중심으로 진행된다. 첫째, v6 모델이 생성한 특정 샘플이 원본 저작물과 실질적으로 동일한 구조적 특징을 보이는지에 대한 기술적 분석이 필요하다. 둘째, 모델 훈련 로그와 데이터 파이프라인을 추적해 이전 모델의 출력이 어떻게 v6에 통합되었는지를 입증해야 한다. 이러한 검증이 충분히 이루어지지 않으면, 법원은 추정에 기반한 판단을 피하고 실질적 증거에 의존하게 된다.

제한점으로는 현재 AI 모델의 내부 작동을 완전하게 파악하기 어려운 점을 들 수 있다. 특히 대규모 신경망은 블랙박스 특성을 지니며, 특정 출력이 어느 데이터에 기인했는지를 역추적하는 것이 기술적으로 복잡하다. 이 때문에 법적 판단이 데이터 출처에 대한 명확한 증거보다는 추정과 일반적 원칙에 의존할 가능성이 있다. 또한, 국제적인 저작권 규정과 AI 특유의 기술적 특성이 충돌하면서 일관된 판례를 만들기 어려운 상황도 존재한다.

검증 과정에서 제시될 수 있는 실무적 방안은 투명성 강화와 데이터 관리 체계의 표준화이다. 기업은 모델 훈련에 사용된 데이터셋의 메타데이터를 체계적으로 기록하고, 외부 감사를 받을 수 있는 프로토콜을 마련해야 한다. 또한, 모델 계보를 문서화하여 어떤 버전이 어떤 데이터에 기반했는지를 명확히 하는 것이 향후 법적 분쟁을 예방하는 핵심 전략이 된다. 이러한 조치는 법적 리스크를 감소시킬 뿐 아니라, 산업 전반의 신뢰성을 높이는 효과도 기대된다.

실질적인 결과가 나타난다면, AI 음악 산업 전반에 걸쳐 파급 효과가 나타날 것이다. 모델 개발자는 기존 모델의 출력물을 재활용하기 전에 저작권 검증 절차를 추가해야 하며, 라이선스 계약이 없는 데이터는 완전히 배제하는 정책을 수립해야 한다. 또한, 콘텐츠 활용 기업은 AI 생성물의 사용 전후에 저작권 청구 가능성을 평가하고, 필요시 추가 라이선스를 확보하는 절차를 도입할 필요가 있다. 이러한 변화는 AI 기반 창작물의 법적 안전성을 확보하고, 음악 산업 내 이해관계자 간의 협업 구조를 재정립하는 계기가 될 것이다.

AI 생성 음악을 광고, 영상 제작, 스트리밍 서비스 등에 활용하는 기업들에게 이번 소송은 원시 훈련 데이터뿐 아니라 채택하는 모델의 계보까지 면밀히 검토해야 함을 경고합니다. 기업들은 모델 훈련 이력에 대한 투명한 문서를 요구하고, 파이프라인의 모든 단계가 무허가 자료로부터 자유로운지 확인해야 할 필요가 있습니다.