AI 음악 학습과 공정 이용의 한계 : 사전계약·라이선스 기반 음악 저작권 규범 설계 제안
Limits of Fair Use in AI Music Training : A Normative Proposal for a Pre-Contract and License-Based Music Copyright Framework
- 주제(키워드) 생성형 인공지능 , AI 음악 , 공정 이용 , 음악 저작권 , 사전계약·라이선스 , 음악 데이터 학습 , 혁신-규제 균형 , AI 데이터 거버넌스 , generative AI , AI music , fair use , music copyright , based on ex ante contracting and licensing , music data training , innovation–regulation balance , AI data governance
- 발행기관 서강대학교 가상융합전문대학원
- 지도교수 김진화
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 가상융합전문대학원 메타버스비즈니스
- 실제URI http://www.dcollection.net/handler/sogang/000000082866
- UCI I804:11029-000000082866
- 본문언어 한국어
- 저작권 논문은 저작권에 의해 보호받습니다.
초록(요약문)
본 연구는 생성형 인공지능이 대규모 음악 데이터의 학습·생성물 생성에 활용 되는 환경에서 현행 공정 이용(fair use) 체계가 AI 음악의 저작권 분쟁을 다루기에 구조적 한계를 지니고 있음을 비판적으로 검토하고, 그 대안으로 사전계 약·라이선스 기반의 새로운 음악 저작권 규범 모델을 제안하고 가이드라인 수준 에서 구체화하는 것을 목적으로 한다. 이를 위해 미국 저작권법 §107을 중심으로 공정 이용의 네 요소와 최근 판례를 분석하고, 음악 데이터의 특성이 저작물의 침해 판단에 어떠한 영향을 미치는지 검토한다. 나아가 이러한 음악 데이터의 특성이 AI 음악 학습 및 생성물 이용 단계에서, 대규모 데이터 학습 및 생성물 산출이 야기하는 문제와 결합하여 공정 이용 조항을 바탕으로 한 침해 판단에 어떠한 구조적 한계를 발생시키는지 구체화한다. 이를 바탕으로 사전계약·라이선 스 기반의 모델을 제안하며, 해당 모델과 유사한 구조를 다룬 관련 선행연구와 실제 적용 사례를 소개하여 사전계약·라이선스 기반 모델의 실무적 가능성을 제시한다. 또한 제안하고자 하는 모델과 기능적 유사성을 지닌 EU의 TDM 권리유보 제도와 AI Act·GPAI Code of Practice를 사례로 삼아, 권리유보 절차의 형식화, 데이터 사용의 불투명성, 보상 메커니즘 부재 등 현행 규제 프레임의 한계를 검토한다. 이어서 규범의 구체화를 위한 위험 유형·피해의 가역성·이해관계 구조 등에 따른 혁신–규제 간 균형 기준을 정립한다. 마지막으로 국내 포털(Naver)과 영미권 뉴스 데이터(GDELT)를 결합한 unigram·bigram 분석, 의미 연결망 분석, 행위자–쟁점 분석을 수행하여 AI 개발자, 권리자, 대중, 정부 간 담론 허브 구조와 인식 비대칭을 실증적으로 확인하고, 이를 규범 설계의 보조 근거로 활용한다. 연구 결과, 현행 공정 이용 조항만으로는 음악 데이터 학습과 생성물 이용에서 발생하는 구조적 위험과 분쟁을 예방·조정하기에 한계가 있으며, AI 음악을 전면 금지 또는 포괄 허용하기보다 조건부 허용을 전제로 한 사전계약·라이선스 모델이 보다 적합한 규범 프레임으로 도출되었다. 구체적으로 본 논문은 사전계약–사후 구제를 결합한 조건부 허용형 조정 모델을 바탕으로, 데이터 유형·이용 목적·규모·시장 대체 위험을 반영한 차등 라이선스, 데이터 이용의 투명한 공개와 감사, 개인정보 최소 수집 및 사후 통제, 집단관리 기구를 통한 보상·분배, 신속한 분쟁 조정과 기술·시장 변화에 따른 동적 갱신 절차를 결합한 다자적 거버넌스 구조를 제시하며, 이를 AI 음악 생태계에서 혁신 촉진과 저작권 보호의 균형 달성을 위한 규범 가이드라인으로 제시한다.
more초록(요약문)
This study critically examines the structural limitations of the current fair use regime in addressing copyright disputes involving AI-generated music in an environment where generative artificial intelligence relies on large-scale music data for training and generation of outputs. It aims to propose and elaborate, at the level of normative guidelines, an alternative music copyright framework based on ex ante contracts and licensing. To this end, the study analyzes the four factors of fair use and recent case law with a focus on §107 of the U.S. Copyright Act, and investigates how the specific characteristics of music data influence the assessment of copyright infringement. It further specifies how these characteristics, when combined with the problems arising from large-scale data training and the downstream exploitation of AI-generated outputs in the stages of AI music training and use, give rise to structural limits in infringement analysis grounded solely in fair use. On this basis, the study proposes an ex ante contract- and license-based model and, by introducing related scholarship and real-world implementations that approximate this design, demonstrates its practical feasibility. In addition, taking as case studies the EU’s text and data mining (TDM) rights-reservation regime—whose functional logic is analogous to the model proposed in this thesis—as well as the AI Act and the GPAI Code of Practice, this study examines the limitations of the current regulatory framework, including the formalization of rights-reservation procedures, the opacity of data use, and the absence of workable remuneration mechanisms. It then establishes criteria for balancing innovation and regulation by reference to factors such as risk typologies, the reversibility of harms, and the configuration of stakeholder interests. Finally, unigram and bigram analyses, semantic network analysis, and actor–issue mapping are conducted on a combined news corpus drawn from a Korean portal (Naver) and an English-language global database (GDELT) to empirically identify discourse hubs and perception asymmetries among AI developers, right holders, the public, and governments; these findings are used as supplementary evidence for normative design. The results indicate that the existing fair use provisions alone are insufficient to prevent and manage the structural risks and disputes arising from music data training and the use of AI-generated outputs, and that, rather than a binary approach of prohibition or blanket permission, a conditionally permissive, ex ante contract- and license-based model provides a more appropriate normative framework. Specifically, drawing on a conditionally permissive coordination model that combines ex ante contracting with ex post remedies, the thesis proposes a multi-stakeholder governance structure that integrates differentiated licenses reflecting data type, purpose of use, scale, and market substitution risk; transparent disclosure and audit of data use; data minimization and ex post control over personal information; remuneration and distribution through collective management organizations; and expedited dispute resolution and dynamically updated terms in response to technological and market changes. It ultimately advances this structure as a set of normative guidelines for achieving a balance between innovation and copyright protection in the AI music ecosystem.
more목차
제1장 서 론 1
제1절 연구 배경 및 필요성 1
제2절 연구목적 및 연구 문제 3
제I부 이론적 논의 6
제1장 공정 이용의 개념과 구조 6
제1절 공정 이용의 개념 6
제2절 공정 이용의 구조와 판단 기준 6
제3절 기존 공정 이용 조항의 불확실성 9
제4절 인공지능 시대의 공정 이용의 구조적 쟁점 10
제5절 공정 이용 판단과 구조적 개선의 시의성 11
제6절 미국 §107과 한국 제35조의3의 제도적 연속성 11
제2장 음악 데이터의 특성과 공정 이용 11
제1절 음악 데이터 학습의 공정 이용에 관한 재판 현황 11
제2절 저작권 침해 판단에 있어 음악 데이터의 특성 16
제II부 공정 이용 적용 한계에 대한 법리규범 분석 20
제1장 인공지능 음악 데이터 학습·이용에 대한 공정 이용 판단의 한계와
쟁점 20
제1절 대규모의 데이터 학습·생성과 기존 시장에 미치는 영향 20
제2절 중간복제 22
제3절 침해판단의 복잡성 23
제4절 소결 27
제III부 대안 검토 및 사전계약·라이선스 기반 규범 제안 29
제1장 저작권 분쟁 해결을 위한 대안 검토와 규범 제안 29
제1절 기여 기반 로열티 분배 모델 제안 29
제2절 법적으로 안전하고 투명한 음악 데이터셋 구축 30
제3절 기존 저작권자와의 사전 합의를 통한 수익 배분 제도 활성화 32
제4절 사전 계약 방식을 통한 수익 배분 제도 활성화의 예시 33
제5절 소결 34
제2장 EU의 AI 음악 프레임의 참고: TDM 권리유보 및 AI Act·GPAI Code의
시사점 35
제1절 EU의 옵트아웃 기반 : 기계판독형 TDM 권리유보 제도 35
제2절 AI 규제 프레임(AI Act/GPAI Code of Practice) 36
제3절 창작 데이터에 있어 현 EU 저작권 제도의 한계 36
제4절 소결 38
제IV부 규범 설계 기준 및 빅데이터 기반 담론 분석 39
제1장 AI 기술과 혁신–규제: 균형의 기준은 무엇인가 39
제1절 혁신과 규제 : 상호 갈등관계의 법적 구조와 갈등해소를 위한 법리와
법적 수단 40
제2절 인공지능(AI) 기술과 음악, 그리고 혁신-규제 사이의 균형 52
제2장 빅데이터를 통한 AI–음악–저작권 담론 지형 분석 55
제1절 데이터 수집 56
제2절 데이터 전처리와 문장 단위 분할 58
제3절 uni-gram (단어 빈도) 분석 60
제4절 2-gram(공출현) 분석 62
제5절 의미연결망(semantic network) 및 연결중심성 분석 66
제6절 행위자 – 쟁점 키워드 2-gram 분석 72
제7절 빅데이터 분석 종합 결론 82
제V부 결론 및 한계 85
제1장 결론(제언) 85
제1절 결론 및 제언 85
제2절 한계 및 보완점 92
참고 문헌 95
