LLM 기여 전면 금지부터 조건부 허용까지의 제안

전면 금지를 주장하는 제안서는 대규모 언어 모델(LLM)이나 생성형 AI 도구를 사용해 작성된 모든 기여물을 데비안에 포함하는 것을 명시적으로 금지해야 한다고 밝히고 있다. 마티아스 가이거(Matthias Geiger) 등이 제출한 이 제안은 LLM의 '빠르게 움직이고 파괴하라(move fast, and break things)'는 태도가 안정성을 최우선으로 하는 데비안의 정체성과 충돌한다는 점을 근거로 든다. 특히 LLM 출력물의 저작권 상태가 불분명하며, 학습 데이터의 라이선스 영향을 받을 수 있어 데비안 정책과 자유 소프트웨어 가이드라인(DFSG)이 요구하는 절대적 명확성을 충족하지 못한다는 분석이다.

조건부 허용을 제안한 측은 AI 도구가 기여 과정에서 도움을 줄 수 있다는 실용적 이점을 인정한다. 루카스 누스바움(Lucas Nussbaum)의 제안은 AI 보조 기여를 허용하되, 기술적 품질과 유지보수 가능성, 법적 상태에 대한 명확한 가이드라인을 준수할 것을 전제로 한다. 이는 AI의 위험성을 인지하면서도 커뮤니티 내의 다양한 의견 차이를 조율하려는 접근이다.

인간 간의 소통 영역에 대해서는 더 엄격한 기준이 제시됐다. 이언 잭슨(Ian Jackson)의 제안에 따르면 버그 리포트, 메일링 리스트 메시지, 블로그 포스트 등 사람에게 전달되는 메시지는 반드시 인간이 직접 작성해야 하며 LLM의 도움을 받아서는 안 된다. 또한 데비안 업무에 LLM을 사용한 경우 이를 반드시 공개해야 하며, 개별 프로젝트 유지관리자가 LLM 기여를 완전히 금지하는 결정을 내릴 경우 이를 존중해야 한다는 내용을 담고 있다.

오픈소스 생태계의 채택 거부와 '안정성'의 충돌

GNOME과 Gentoo, Codeberg 같은 다른 주요 오픈소스 프로젝트들이 이미 유사한 AI 정책을 논의하거나 도입한 흐름과 궤를 같이한다. 이는 단순히 도구의 효율성 문제가 아니라, AI 기업들의 무분별한 웹 스크래핑이 오픈소스 커뮤니티의 공공 웹 자원에 가한 피해에 대한 반작용이기도 하다. 제안서에서는 AI 학습을 위한 데이터 수집 과정이 사실상 대규모의 지속적인 서비스 거부(DoS) 공격과 다름없었으며, 이로 인해 인프라 접근이 차단되는 등 실질적인 피해가 발생했음을 지적한다.

법적 불확실성과 품질 저하 문제는 채택 흐름을 늦추는 핵심 요인이다. LLM은 구문론적으로 가능성이 높은 조합을 생성할 뿐 정답 여부를 '알지' 못하며, 특히 패키징 구문이나 최신 모범 사례가 계속 변하는 데비안 환경에서는 과거와 현재의 내용이 섞인 부적합한 결과물을 낼 가능성이 크다. 숙련된 기여자는 이를 수정할 수 있지만, AI에 의존하는 신규 기여자는 학습 기회를 잃게 되고 결국 리뷰어의 업무 부담만 가중시켜 커뮤니티의 번아웃을 초래한다는 논리다.

한국 AI 실무자와 기여자가 관찰해야 할 지점

기여자가 가장 먼저 확인해야 할 것은 타겟 프로젝트의 `CONTRIBUTING.md`나 AI 관련 정책 문서다. 이번 데비안의 논의는 AI로 생성한 코드가 효율적일지라도, 오픈소스 커뮤니티의 '사회적 계약(Social Contract)'과 '법적 투명성'이라는 기준 앞에서는 거부될 수 있음을 보여준다. 특히 기업 환경에서 오픈소스 프로젝트에 기여할 때 AI 도구를 사용했다면, 이를 명시적으로 공개하지 않았을 때 발생할 수 있는 거부 리스크와 행동 강령(Code of Conduct) 위반 가능성을 검토해야 한다.

리뷰어의 관점에서는 AI 생성 콘텐츠가 유입될 때 발생하는 검증 비용의 증가를 경계해야 한다. 단순히 코드의 작동 여부를 넘어, 해당 코드가 프로젝트의 장기적인 유지보수 철학과 일치하는지, 그리고 저작권 분쟁의 소지가 없는지를 판단하는 기준이 더 중요해지고 있다. 향후 오픈소스 생태계에서는 AI 생성물에 대한 '공개 의무'와 '인간 작성 증명'이 기여의 기본 전제가 될 가능성이 높다.