기본 설정된 AI 학습과 '옵트아웃'의 충돌

사용자가 직접 거부하지 않는 한 모든 스트리머의 콘텐츠가 AI 학습에 쓰이는 구조가 도입됐다. 아마존은 자회사 트위치(Twitch)의 스트리밍 녹화본을 생성형 AI 모델 학습 데이터로 활용한다. 이번 조치의 핵심은 '옵트아웃(Opt-out)' 방식의 적용이다. 사용자가 설정 메뉴에서 명시적으로 거부 의사를 밝히지 않으면, 자동으로 학습 데이터 제공에 동의한 것으로 간주한다.

반발의 중심은 선택권의 방향이다. 트위치 커뮤니티에서는 왜 '옵트인(Opt-in, 사전 동의)' 방식이 아닌 '옵트아웃' 방식을 택했는지에 대해 강하게 항의했다. 이에 대해 마이크 민턴(Mike Minton) 트위치 최고제품책임자(CPO)는 라이브 방송에서 "옵트인 방식으로 진행했다면 아무도 동의하지 않았을 것"이라며, 데이터 확보를 위해 옵트아웃 방식을 선택했음을 사실상 인정했다.

학습에서 제외되길 원하는 창작자는 별도의 경로를 통해 설정을 변경해야 한다. 크리에이터 대시보드가 아닌 '채널 설정'으로 들어가 '보안 및 개인정보 보호' 탭을 선택한 뒤, 하단의 '생성형 AI 학습(training for generative AI)' 토글을 꺼야 한다. 이 과정이 수동으로 이루어지기 때문에, 많은 사용자가 인지하지 못한 상태에서 자신의 음성과 영상 데이터가 아마존의 AI 모델에 입력될 가능성이 크다.

데이터 확보 전략의 변화와 플랫폼의 선택

수천 시간 분량의 오디오와 비디오 데이터는 생성형 AI의 성능을 높이는 데 매우 가치 있는 재료다. 아마존의 이번 결정은 플랫폼이 보유한 사용자 데이터를 AI 경쟁력으로 전환하려는 전략적 흐름에 있다. 특히 실시간 소통이 담긴 스트리밍 데이터는 정제된 텍스트 데이터보다 훨씬 역동적인 학습 소스를 제공한다.

이러한 행보는 메타(Meta)의 데이터 활용 방식과 궤를 같이한다. 메타 역시 페이스북과 인스타그램의 공개 콘텐츠를 AI 학습에 활용하고 있으며, 일부 지역(영국 등)을 제외하고는 계정을 비공개로 전환하지 않는 한 학습 제외가 사실상 어렵다. 플랫폼 기업들이 '공개된 데이터'라는 명분 아래, 사용자에게 선택권을 주기보다 거부권을 주는 방식으로 데이터 수집 효율을 극대화하는 추세다.

다만 트위치는 창작자 생태계의 특수성 때문에 더 큰 저항에 부딪혔다. 스트리머들은 자신의 정체성과 목소리가 담긴 콘텐츠를 통해 수익을 창출하는 집단이다. 무단 스크래핑으로 학습된 기존 AI 모델들에 대한 거부감이 강한 상황에서, 플랫폼이 기본 설정으로 학습 동의를 강제한 것은 창작자와 플랫폼 간의 신뢰 관계에 리스크로 작용하고 있다.

AI 실무자가 주목해야 할 데이터 권리 리스크

데이터 수집 단계에서 '기본 설정'을 어떻게 잡느냐가 향후 AI 서비스의 법적·윤리적 리스크를 결정하는 핵심 변수가 됐다. 이번 사례는 단순히 설정의 문제를 넘어, AI 학습 데이터의 출처(Provenance)와 동의 절차가 사용자 커뮤니티에 얼마나 민감하게 받아들여지는지를 보여준다. 특히 개인의 정체성이 강하게 투영된 멀티모달 데이터(음성, 영상)를 다룰 때 '옵트아웃' 방식이 불러오는 브랜드 타격은 상당하다.

한국의 AI 개발사나 서비스 운영자라면 데이터 확보 전략을 짤 때 '효율'과 '수용성' 사이의 임계점을 관찰해야 한다. 아마존처럼 거대 플랫폼의 지배력을 이용해 옵트아웃을 강행할 수 있는 경우라도, 실제 사용자들의 강력한 반발은 데이터의 질적 저하나 플랫폼 이탈로 이어질 수 있다. 특히 창작자 기반의 데이터를 활용하는 AI 모델일수록, 데이터 제공자에 대한 보상 체계나 명확한 동의 절차가 제품의 채택률에 영향을 미칠 가능성이 크다.

결국 AI 학습 데이터의 확보 경쟁은 '얼마나 많은 데이터를 가졌는가'에서 '얼마나 정당하게 확보했는가'의 영역으로 이동하고 있다. 실무자들은 향후 각국 정부의 AI 규제 가이드라인이 '옵트아웃' 방식의 정당성을 어떻게 판단할지, 그리고 이것이 데이터 수집 비용의 상승으로 이어질지를 핵심 신호로 추적해야 한다.