인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 생성형 AI 기술의 급격한 발전에 따른 저작권 침해 논란을 법학적 관점과 정량적 데이터 분석 기법을 결합하여 고찰하였다. 특히 미국 저작권법상의 공정이용 법리를 매개로, 파편화된 소송 양상을 체계적으로 구조화하고 개별 사건의 법적 리스크를 객관적으로 산출하는 모델을 제시하고자 하였다. 이를 위해 2025년 9월 기준 미국 내 주요 AI 저작권 소송 50건을 분석 대상으로 선정하였으며, 연구의 정밀도를 높이기 위해 최신 생성형 AI 도구를 방법론에 도입하였다. 소송 데이터 수집, 공정이용 4요소를 세분화한 12개 정량 평가 지표의 수립, 그리고 유클리드 거리 공식을 이용한 다차원 벡터 공간상의 리스크 산출 과정에는 Gemini 2.5 Pro Deep Research를 활용하였다. 또한, 산출된 데이터를 바탕으로 한 K-평균(K-Means) 군집 분석과 주성분 분석(PCA)을 통한 소송 지형도 시각화 과정에서는 Gemini 2.5 Pro Canvas를 활용하여 분석하였다. 분석 결과, AI 소송 사례는 리스크 프로필에 따라 ‘직접 경쟁자(초고위험군)’, ‘콘텐츠 생성자(고위험군)’, ‘LLM 학습 코퍼스(중위험군)’, ‘기능적 도구(저위험군)’의 4개 클러스터로 유형화되었다. ‘직접 경쟁자’ 그룹은 원본 저작물의 시장 대체 효과가 극대화되어 공정이용 주장이 취약한 반면, 코드 생성 AI와 같은 ‘기능적 도구’ 그룹은 변형적 이용 성격이 강해 법적 리스크가 상대적으로 낮은 것으로 나타났다. 본 연구는 추상적인 법리를 계량 가능한 지표로 전환함으로써 AI 개발자에게는 데이터 수집 및 모델 설계 단계에서의 ‘위험 완화 매뉴얼’을, 법률 전문가에게는 소송 전략 수립을 위한 ‘정량적 사례 평가 프레임워크’를 제공한다는 점에서 실무적 의의를 지닌다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096202947
