『인공지능 소프트웨어와 저작권』은 생성형 인공지능의 학습·추론·산출 전 과정이 저작권법과 어떻게 교차하는지를 비교법적·판례분석적으로 규명한 연구서이다. 이 책은 AI 모델이 대규모 저작물을 학습 데이터로 활용하는 행위가 복제·전송·2차적 저작물 작성과 어떤 관계에 있는지, 그리고 그 결과물의 법적 성격이 무엇인지를 미국·EU·일본·한국 법제를 중심으로 체계적으로 분석한다. 특히 EU의 TDM(Text and Data Mining) 예외 체계, 미국의 공정이용 판례(구글북스, Copilot 사건), 일본의 정보해석형 저작권 제한 규정, 한국의 공정이용 일반조항을 동일한 분석 틀 위에 올려 비교함으로써, AI 학습의 적법성 판단 구조를 정교하게 제시한다. 더 나아가 이 책은 단순한 저작권 침해 여부를 넘어, AI 개발자와 플랫폼 제공자에게 요구되는 주의의무(duty of care)의 내용과 범위를 이론적으로 정식화한다. 이 책은 생성형 AI 시대의 저작권법을 기술 중립적 규범으로 재해석하고, 데이터 기반 혁신과 창작자 보호 간의 균형을 어떻게 법제도적으로 설계할 것인지에 대한 학술적 토대를 제공한다.

머리말 I. 서론 II. 생성형 AI 코드 모델의 구조와 오픈소스 생태계 1. 생성형 AI 코드 생성 모델의 일반적 구조 (1) 데이터 수집 단계 1) 기술적 행위 2) 법적 쟁점 (2) 전처리·정규화 단계 1) 기술적 행위 2) 법적 쟁점 (3) 모델 학습 단계 1) 기술적 행위 2) 법적 쟁점 (4) 추론 단계 1) 기술적 행위 2) 법적 쟁점 (5) 학습 단계와 추론 단계의 법적 문제의식 정리 2. 오픈소스 생태계의 이해 (1) 개요 (2) 카피레프트 계열 1) GPL(GNU General Public License) 2) AGPL(GNU Affero General Public License) (3) 퍼미시브 계열 - MIT, Apache, BSD 등 1) MIT 라이선스 2) Apache 라이선스 3) BSD 라이선스 3. 오픈소스 생태계와 AI 저작권 분쟁 (1) 첫 번째 분쟁 유형 (2) 두 번째 분쟁 유형 (3) 세 번째 분쟁 유형 (4) 오픈소스 컴플라이언스의 필요성 1) SBOM(Software Bill of Materials)의 등장 2) 오픈소스 사용 정책(OSSP) 3) 오픈소스 책임자(OSPO: Open Source Program Office)의 역할 (5) AI 시대와 오프소스 1) 학습은 복제인가? 2) AI 출력물이 원본 코드와 유사한 경우 3) 차세대 라이선스 논의의 필요 (6) 오픈소스 공헌자 보상과 생태계 지속 가능성 문제 III. 생성형 AI 기업 분쟁 사례 1. Doe v. GitHub 사건의 개요와 의미(일명 Copilot 사건) (1) 당사자 구성 (2) 법적 쟁점 1) 오픈소스 소프트웨어 라이선스의 역할 2) 소규모 개발자와 스타트업의 오픈소스에 대한 의존 3) DMCA §1202(b)에 ‘동일성(identity)’ 요건 도입의 문제 4) 법원의 해석 (3) 현황 2. Andersen v. Stability AI Ltd. 개요와 의미 (Stable Diffusion 이미지 생성기 사건) (1) 당사자 구성 (2) 법적 쟁점 (3) 현황 3. 두 판례가 주는 시사점 IV. 생성형 AI 저작권 관련 각국의 법제 1. 미국 저작권법 §1202 (1) 저작권법상 위치 (2) 조문 구조 (3) 저작권 관리정보 (4) 허위 표시 금지와의 관계 (5) CMI 제거와 변경 금지 (6) 수사, 정보기관 등 합법적 활동에서의 비적용 (7) 방송, 케이블 사업자에 대한 책임 제한 (8) 민형사 구제방안 (9) 입법 취지와 WIPO·DMCA 맥락 2. 우리나라 저작권법 제104조의3 (1) 현황 (2) 개정 취지 3. 한국 제104조의3 vs 미국 DMCA §1202의 비교 (1) 제도의 기능과 보호법익 (2) 객관적 구성요건 (3) 주관적 요건 (4) 구제수단 1) 미국 법정 손해배상제도 2) 우리나라 손해배상제도 4. WCT 제12조와 WPPT 제19조 (1) WIPO 저작권조약(WCT) 제12조 (2) WIPO 실연자 음반제작자 조약(WPPT) 제19조 (3) 분석 1) 단계별 법적 해석 2) 3자 규범에 있어서 보호대상 3) 라이브러리별 법적 리스크의 존재 4) 권리관리정보와 개인정보 5) AI 학습, 크롤링에 있어 침해행위 6) EU와 DMCA 규제방식의 차이 7) 우리나라 저작권법 제104조의3 처벌 강도 8) 전자적 RMI와 CMI에 따른 방어방법 9) 실제 사례 V. EU AI Act의 훈련데이터 투명성·저작권 세이프가드 1. 훈련데이터 투명성과 책임성 (1) 문제의 제기 (2) EU AI Act 1) 투명성 2) 책임성 (3) 미국 DMCA, AI 규범 등 1) 미국 DMCA에 나타난 투명성과 책임성 2) 미국 AI 관련 규범에 나타난 투명성과 책임성 (4) ISO에 있어서 투명성과 책임성 (5) 우리나라 1) 투명성 2) 책임성 2. AI 규범 (1) EU 방식 (2) 미국 방식 (3) ISO 방식 (4) 소결 VI. 저작권법상 프로그램 저작물·공정이용·TDM 논의 1. 문제의 제기 2. 프로그램 저작물의 개념과 보호 범위 (1) 프로그램 저작물의 정의 (2) AI 학습과 프로그램 저작물 3. 공정이용의 법리 (1) 공정이용의 취지 (2) 공정이용 판단 요소 4. TDM(Text and Data Mining)의 등장과 의의 (1) TDM의 개념 (2) TDM과 복제권의 충돌 5. 비교법적 관점 (1) EU의 접근 (2) 미국의 접근 (3) 우리나라 (4) 소결 VII. AI 산출물의 저자성에 대한 국제적 논의 1. 인간만이 저작자인가 2. 국제조약의 출발점 3. 주요 국가별 접근 방식의 분화 (1) 미국 (2) EU (3) 영국 (4) 일본·중국 4. AI 산출물에 저자성을 부여할 것인가에 대한 찬반 논의 (1) 저자성 인정론 (2) 저자성 부정론(다수설) 5. 최근 논의의 방향 6. 향후 입법·정책적 시사점 VIII. 결론 1. AI 산출물의 ‘보호 공백’을 대체할 새로운 법적 수단은 있는가 (1) 보호 공백의 발생 구조 (2) 부정경쟁방지법에 의한 간접 보호 1) 부정경쟁법의 기능적 장점 2) 적용 구조 (3) 데이터권(Data Right)을 통한 보호 가능성 1) 데이터권 논의의 배경 2) AI 산출물과 데이터권의 결합 (4) 보호 공백 대체 모델의 국제적 공통점 2. 우리나라는 어떻게 대응해야 하는가 (1) 인간 저자성 원칙의 유지 (2) AI 산출물 표시 의무 1) EU 2) 미국 3) 일본과 한국 3. 일본 저작권법 제30조의4에 대한 국제적 비판과 한계 (1) 권리자 보호 약화 논란 (2) 출력 단계 침해 리스크의 집중 4. 우리나라 TDM 예외 입법 선택지 5. AI 출력물 유사성 판단 기준 6. 주체별 AI 저작권 침해 대응 방법 (1) 기업(모델 개발·제공 주체)의 전략 1) 사전 예방 2) 분쟁 초기 대응 3) 법리 구성 4) 합의 및 시정 옵션 (2) 플랫폼 운영자의 전략 (3) 창작자의 전략 (4) 권리자 측 전략 1) 증거 수집 2) 법리 선택 3) 구제 수단 (5) 정리

생성형 AI는 이제 소설을 쓰고, 그림을 그리고, 프로그램을 만든다. 그러나 그 AI는 과연 합법적으로 배웠을까? 그리고 AI가 만든 결과물은 누구의 것일까? 이러한 질문에 대해 현행 법체계 내에서 답을 제공하고자 하는 책이 『인공지능 소프트웨어와 저작권』이다. 이 책은 ChatGPT, GitHub Copilot, Stable Diffusion 등 대표적 생성형 AI가 수많은 저작물을 학습해 만들어진다는 점에서 출발해, 그 학습과 출력이 저작권법상 어떤 의미를 가지는지 분석한다. 저자는 단순히 인공지능이 저작권을 침해하는지를 묻는 데 그치지 않고, AI 개발자와 서비스 제공자가 어떤 법적 책임과 주의의무를 져야 하는지를 EU의 TDM 규정, 범용 인공지능의 의무, 미국의 공정이용 법리, 일본의 정보해석 규정과 우리나라 저작권법 제104조의3 등을 통해 함께 비교한다. 『인공지능 소프트웨어와 저작권』은 기술과 법, 창작과 혁신이 충돌하는 최전선에서, AI 시대의 새로운 규칙이 어떻게 만들어지고 있는지를 보여준다. 새로운 규칙을 제시해야 하는 인공지능 산업계 종사자와 이용자 모두 한번은 읽어야 할 필독서이다.