 |
 |
지난주 구글이 파산한 스피릿 항공의 내부 데이터를 사들이겠다고 나섰습니다. 항공기도, 공항 슬롯도 아닙니다. 직원들이 주고받은 이메일과 채팅이 이런 가격표를 달았습니다.
인공지능(AI)의 원자재, 데이터가 마르고 있습니다. AI는 읽어서 배우는데 인터넷에 공개된 데이터는 이미 바닥이 보이기 시작했습니다.
오늘 레터에서는 이 이야기를 정리해 보려 합니다. 데이터는 대체 AI에게 어떤 의미일까요. 빠르게 시작합니다.
 |
|
오늘의 세줄 요약 1.AI 기업들이 ‘인터넷 밖 데이터’ 확보에 나서고 있습니다. 구글, 아마존, 앤트로픽은 물론 피지컬AI 기업들도요. 2.이유는 인터넷 데이터만으로는 AI를 더 똑똑하게 만들기 어려워졌기 때문입니다. 기업 업무 과정, 희귀 서적, 인간의 손동작처럼 웹에 없는 데이터가 차세대 AI 성능을 좌우하는 핵심 자원이 되고 있습니다. 3.데이터 확보 경쟁은 새로운 논란도 낳고 있습니다. 파산 기업 직원의 프라이버시, 희귀 서적의 파기, AI를 학습시키는 노동자들이 결국 AI에 일자리를 빼앗길 수 있다는 역설까지 데이터를 둘러싼 새로운 갈등이 커지고 있습니다. |
 |
 |
| 스피릿 항공. 저희가 모르는 사이에 이미 파산 기업의 데이터를 사고파는 시장이 형성되어 있습니다. 이유는 AI 교육 때문이고요. [사진=스피릿 항공] |
구글이 원한 기업 '내부' 데이터 지난 8월 14일 구글은 파산한 스피릿 항공의 내부 데이터를 사들이겠다며 경매 최고가인 1000만 달러를 써냈습니다. 담긴 건 직원들이 주고받은 이메일과 채팅, 재무 회계 시스템, 항공기 운항 기록, 매출, 웹사이트 분석 등의 데이터입니다. 구글은 이 데이터를 기반으로 자사 제품과 AI 모델을 개선하는 데 쓸 수 있다고 밝혔습니다. 스피릿은 높은 부채와 연료비를 견디지 못하고 지난 5월 운항을 멈췄고 1만7000명 넘는 직원이 일자리를 잃은 것으로 전해집니다. 데이터 규모는 상당합니다. 이메일 약 1억 건, 팀즈 메시지 5억 건, 코드 3000만 줄 등 1986년까지 거슬러 올라가는 기록이라고 해요. 승객 프로필과 상용 고객 계정은 빠졌고요. 왜 죽은 회사의 이메일에 이러한 돈을 쓸까요. 앞서 말씀드렸듯이 AI는 읽어서 배우는데 읽을거리가 바닥나고 있기 때문입니다. 유네스코 추산에 따르면 세상 지식 가운데 디지털화된 건 15%가량에 불과합니다. 공개된 웹은 천장과 사각지대를 동시에 갖고 있습니다. 기업이 스스로에 대해 뭐라고 말하는지는 보여주지만 실제로 어떻게 굴러가는지는 거의 보여주지 못하거든요. 스피릿의 데이터는 바로 그 빈칸을 메웁니다. 특히 AI에이전트를 기반으로 기업 고객을 끌어들이려는 AI 기업에 이러한 데이터는 절실합니다. 문제가 생기고 팀이 매뉴얼을 따르거나 벗어나고, 결정이 내려지고, 시스템이 바뀌고, 결과가 뒤따르는 흐름을 기업 내부 데이터에서 확인할 수 있어요. 이런 데이터를 학습한다면 기업용 AI 에이전트의 성능을 끌어올릴 수 있습니다. 게다가 스피릿은 마이크로소프트365, SAP처럼 구글이 아닌 프로그램을 활용했습니다. 구글 입장에서는 남의 집 살림을 통째로 들여다볼 기회라고 해야 할까요. 게다가 구글은 미국에서 AI 모드의 호텔 예약을 시험하고 있는데요. 여기에 항공권 예약도 붙일 계획입니다. 이러한 상황에서 스피릿 항공의 데이터는 요금과 예약 곡선, 환급, 바우처, 운항 차질 데이터 등 일이 흘러가는 상황을 보여주는 소중한 데이터가 됩니다. 인터넷에서는 절대 얻을 수 없을 뿐 아니라 에이전트가 거래를 맡기 전에 반드시 익혀야 하는 대목이에요. 파산 기업 데이터 확보 시장 구글은 자사 지메일을 스캔해 비슷한 데이터를 긁어낼 수도 있습니다. 다만 합법적으로는 불가능해요. AI 모델은 본 적 없는 걸 마주하면 환각을 일으키는데 이렇게 떳떳하게 확보한 실제 기업 데이터는 그 환각을 줄이는 재료가 되기도 합니다. 위기를 통과한 항공사의 안팎을 통째로, 그것도 합법적으로 들여다볼 기회가 흔할 리 없는 만큼 1000만 달러를 낼 가치가 있다고 본거죠. 값어치는 경쟁 입찰에서도 드러납니다. 이번 경매에는 미국 AI 스타트업 머코도 참여했는데. 안타깝게도 750만 달러를 제시하는 바람에 떨어졌습니다. 머코는 AI 연구소에 학습 데이터를 공급하는 회사입니다. 여기에 AI 스타트업 마이크로1이 마감을 넘겨 1250만 달러를 써냈다는 보도도 나왔는데요. 구글이 매긴 값이 그만한 데이터치고 싸다고 본 거죠. 사실 이런 거래는 이제 처음이 아닙니다. 올해 들어 망한 기업의 내부 기록을 AI 기업에 파는 작은 시장이 생겼습니다. 창업 초기 스타트업의 메시지와 문서가 채권 회수를 위해 매물로 나오는 건데요. 파산 절차가 데이터를 공항 슬롯이나 비행기 같은 자산으로 취급하기 때문입니다. 여기서 문제는 파산법이 1978년에 쓰였다는 점이에요. 당시만 해도 데이터의 값어치도, 거기 딸린 프라이버시 문제도 상상할 수 없었습니다. 마이크로1의 늦은 입찰이 심리 테이블에 오른 것도 이 헐거운 틈 덕분이라고 해요. 미국 파산법은 채권자에게 더 많은 돈이 돌아간다면 마감 뒤 입찰도 받아줄 여지를 남겨 뒀거든요. 이 상황에서 미국 항공승무원협회가 매각에 이의를 제기합니다. 익명 처리를 하더라도 개인이나 소규모 집단을 다시 알아볼 수 있다는 우려 때문입니다. 파산법원은 결국 이러한 우려를 받아들여서 지난주로 잡혀 있던 승인 심리를 9월 9일로 미뤘습니다. 지금 구글이 손에 쥔 건 데이터가 아니라 입찰권입니다. |
 |
 |
스캔을 마친 책을 폐기하고 있는 '상상도.' 굳이 폐기할 필요가 있을까요. 아마존이 그냥 가지고 있으면 안되는 걸까요. [그림=챗GPT] 아마존, 희귀 책 스캔 뒤 폐기 스피릿의 이메일이 기업의 속살이라면 책은 인류가 디지털 이전에 쌓아둔 텍스트의 원본입니다. 그리고 그 원본이 지금 분쇄기로 들어가고 있어요. 세상에서 가장 큰 서점을 꿈꾸며 출발한 아마존이 책을 사서 갈아 없애는 쪽에 서 있다는 건 그 아이러니한 일입니다. 아마존은 책을 사들여 책등을 잘라내고 페이지를 스캔한 뒤 원본을 파기하는 것으로 알려졌습니다. 미국의 한 IT 매체가 1000권의 주문을 추적해 이 과정을 확인했는데요. 한 헌책방 상인이 AI 학습용으로 의심되는 책 한 권에 애플 에어태그를 넣었고 마지막 신호가 노스라스베이거스에 있는 아마존 물류창고 LAS8의 북쪽 끝에서 잡혔습니다. 이곳은 VGT3라 불리는 특수 구역인데 책을 스캔하고 분쇄하는 곳입니다. 입구의 로고는 책을 문 채 이빨을 드러낸 티라노사우루스라고 하고요. 아마존은 남부 네바다에서만 이러한 시설 19개를 운영합니다. 아마존 대변인은 고객이 쓰는 제품과 서비스를 개선하기 위해 상업적 경로로 책을 사들인다고 밝혔고요. 징후는 오래전부터 있었습니다. 2024년 9월 아마존 셀러 포럼에서는 LAS8로 향하는 주문이 갑자기 몰린다는 증언이 나왔습니다. 한 상인은 단일 구매자로부터 68건의 주문을 받았고 다른 상인은 같은 계정이 매일 책을 사 갔다고 했고요. VGT3 직원들은 책마다 ISBN 바코드를 먼저 찍고 페이지를 스캔합니다. 1970년부터 쓰인 이 고유 번호는 AI 기업에 아직 확보하지 못한 책이 무엇인지 알려줍니다. 전체 ISBN 데이터베이스를 채워가는 지도인 셈입니다. 앤트로픽이 띄운 작은 공 실제로 북미와 유럽의 헌책방들은 주제도, 맥락도 없는 대량 주문을 받았다고 합니다. 오직 ISBN이 붙어 있다는 것 하나로 묶인 주문이었는데요. 지적이 안나올 수 없습니다. 책에는 여러 가치가 있습니다. 값으로 매기는 가치도 있고 역사적·지적·감정적 가치도 있고요. 그런데 AI 기업은 그런 걸 거들떠보지 않습니다. 이들이 원하는 건 딱 하나, 페이지에 적힌 글자예요. 책을 그저 학습용 텍스트 뭉치로 볼 뿐이라는 거죠. 이 관행의 원형은 앤트로픽입니다. 앤트로픽은 수백만 권의 책을 사들여 책등을 제거하고 스캔한 뒤 파기했습니다. ‘파나마 프로젝트’라는 이름이 붙었고 소송에서 공개된 내부 문서는 이를 세상의 모든 책을 파괴적으로 스캔하려는 노력이라고 적었습니다. 2025년 6월 판사는 합법적으로 산 종이책을 AI 학습용 디지털 파일로 바꾸는 건 ‘변형적 공정 이용’에 해당한다고 판결했습니다. 다만 앤트로픽이 항소 대신 합의로 사건을 끝내면서 다른 사건에 구속력을 갖는 선례는 남지 않았습니다. 별개로 앤트로픽은 700만 권이 넘는 불법 복제본을 내려받은 문제를 15억 달러에 합의했습니다. 미국 시민단체는 이 문제를 저작권이 아니라 경쟁의 문제로 봅니다. 디맨드 프로그레스 교육기금과 미국소비자연맹 등 18개 기관은 FTC의 앤드루 퍼거슨 위원장 등에게 조사를 촉구하는 서한을 보냅니다. 책을 대량으로 사서 영구히 파괴하는 건 후발 주자가 필요로 하는 자원 자체를 시장에서 굶겨 없애는 불공정 경쟁이라는 논리입니다. 원본을 없애면 가장 부유한 기업만이 인류의 기록을 독점적으로 쥐는 미래가 온다는 경고입니다. 이들은 학습 자체를 규제하자는 게 아니라 기존 저작물을 없애는 관행을 겨냥합니다. 스캔하고 보관하면 문제가 생기는 것일까요. 이들의 논리를 아무리 이해해 보려해도 잘 안되더라고요. |
 |
 |
피겨AI CEO인 브렛 애드콕은 최근 자신의 X에 휴머노이드 로봇 피겨02의 은퇴 소식을 알렸습니다. 본사에 더 이상 둘 곳이 없다는 말과 함께요. 인간과 로봇이 함께하는 시대, 언제쯤 볼 수 있을까요. [캡처=애드콕 X] 인도 찾는 피지컬AI 기업들 죽은 기업의 데이터도, 세상의 책도 과거의 기록입니다. 이미 존재하는 걸 긁어모으는 일입니다. 그런데 로봇에게 필요한 데이터는 어디에도 없습니다. 사람이 접시를 어떻게 집고 물병 뚜껑을 어떻게 여는지 그 동작의 기록은 인터넷 어디에도 쌓여 있지 않으니까요. 없으면 만들어야 합니다. 그래서 기업들이 인도로 향하고 있어요. 남부 인도 타밀나두주의 소도시 카루르가 그 현장입니다. 이곳 사람들은 세상에 없는 데이터를 몸으로 만들어냅니다. 어떤 이들은 집에서 이마에 아이폰을 붙이고 채소를 썰거나 침대를 정리하며 자기 동작을 녹화해 넘기거든요. 로봇이 따라 배울 '사람의 움직임'을, 사람이 직접 찍어 공급하는 겁니다. 로봇을 위한 데이터 수집입니다. 여기에 영상 속 대상을 하나하나 표시하는 라벨링, AI가 제대로 해냈는지 프레임 단위로 확인하는 검수도 더해집니다. 어디에도 없던 데이터를 사람 손으로 채워 넣는 일이 진행되고 있습니다. 오브젝트웨이스라는 곳이 대표적인 기업인데요. 이 회사는 2600명을 고용하고 있는데 그중 300명은 최근 한 달 사이 뽑았습니다. 그만큼 일이 늘어나고 있다는 건데, 숙련 사무직 월급은 210~260달러 선입니다. 인구 44만 명의 소도시에서는 넉넉한 액수라고 해요. 집에서 자기를 녹화하는 작업은 쓸 만한 영상 기준 시간당 2.5달러를 받습니다. 회사의 시험용 주방에서는 카메라를 단 로봇 집게가 접시를 들고 물병 뚜껑을 열어 물을 따르고 음식을 정리하는 장면을 찍어 분석합니다. 같은 작업을 시험용 욕실과 침실에서도 반복합니다. 시각장애인에게 주변을 설명해 주는 기기용 데이터를 만드는 팀도 있습니다. 왜 하필 인도일까요. 데이터를 사람이 직접 만들어야 하는 시대엔 사람이 많은 곳이 곧 값싸고 빠른 곳이기 때문입니다. 인도에서는 매달 200만 명이 18세가 됩니다. 로봇에게 먹일 데이터를 손으로 찍어낼 인력이 그만큼 쏟아진다는 뜻입니다. 피지컬AI 시대, 인간 데이터를 모아라 챗GPT 같은 언어 모델은 인터넷에 쌓인 글을 읽으며 컸습니다. 하지만 로봇이 배워야 하는 건 글이 아니라 몸짓입니다. 접시를 집는 손의 각도, 미끄러운 병뚜껑을 돌릴 때 힘을 어떻게 바꾸는지, 놓쳤을 때 어떻게 잡는지 등 이런 기록은 인터넷에 없습니다. 텍스트와 이미지, 영상은 인터넷 덕에 차고 넘치지만 로봇 데이터는 정반대입니다. 로봇이 세상과 직접 부딪쳐 하나씩 모아야 하니 쌓이는 양이 애초에 적거든요. 시각과 깊이, 힘과 토크, 촉각 신호를 밀리초 단위로 맞춰 담아야 하는데 그건 긁어올 수도, 시뮬레이션으로 값싸게 지어낼 수도 없습니다. 진짜 세계의 마찰과 미끄러짐, 센서의 잡음은 실제로 해봐야 얻을 수 있습니다. 게다가 로봇은 성공만 봐선 안 됩니다. 실패하고 되돌리는 장면까지 익혀야 진짜 데이터입니다. 그래서 시연 하나하나를 실제 환경에서, 한 번에 하나씩 사람이 직접 만들어야 가치가 생깁니다. 다양성도 관건이에요. 부엌도 사람도 제각각이라 한 부엌에서 배운 로봇은 옆집 부엌에서 헤맵니다. 그만큼 사람도, 언어도, 일하는 방식도 다양한 곳이 유리한데 인도가 부상한 배경이 여기 있습니다. 그래서 엔비디아와 구글, 메타 같은 곳들도 저마다 데이터 수집 인프라를 짓고 있습니다. 학습에 쓸 로봇의 실제 동작 기록은 인터넷 영상에 견주면 규모가 몇 자릿수나 작습니다. 휴머노이드의 병목은 하드웨어가 아니라 데이터라는 진단까지 나오고요. 인도에서 뽑아낼 수 있는 규모가 경이롭다는 게 현지 업체들의 말이고요. 역설은 여기 있습니다. 이 일자리는 AI가 아직 못 하는 일이라서 생겼습니다. AI가 할 수 있게 되는 순간 사라진다는 뜻인데요. 인도의 IT 서비스 일자리 최대 150만 개가 AI 때문에 없어질 수 있다고 하는데 지금 로봇에게 데이터를 먹이는 이 손들도 언제든 그 명단에 오를 수 있습니다. 이러한 데이터 라벨 작업은 2030년까지 인도 경제에 최대 100억 달러를 보탤 거라고 합니다. 사람이 손으로 데이터를 만들어 파는 지금의 호황이 정작 그 사람들을 대체할 로봇을 앞당기고 있는 아이러니가 이어지고 있는게 아닐까요. |
 |
※ 제목을 누르면 상세 내용으로 연결됩니다. |
삼성이 만든 엔비디아 추론칩, AI 에이전트 정조준 애플이 팀 쿡 CEO의 고별 행사를 열고 14년간의 리더십에 작별을 고했습니다. 팀 쿡은 무대에서 밴드와 함께 기타를 연주하고, 연설에서는 파트너 ‘마이크’를 언급하며 개인적인 소회도 밝혔는데요. 다음 주부터는 존 터너스 CEO 체제가 시작되고, 팀 쿡은 이사회 의장으로 남아 정책 대응 등을 맡을 예정입니다. 대만 검찰이 엔비디아와 슈퍼마이크로 전직 직원 등 9명을 AI 서버의 중국 밀반출 혐의로 기소했습니다. 이들은 대만에서 사용할 것처럼 허위 서류를 꾸며 엔비디아 AI 서버를 구매한 뒤 홍콩과 일본 등을 거쳐 중국으로 빼돌린 것으로 조사됐는데요. 미국의 AI 반도체 수출통제가 갈수록 촘촘해지는 가운데, 이번 사건은 외부가 아닌 내부 공모가 최대 허점이 될 수 있음을 보여줍니다. |
AI 시대의 원자재는 데이터입니다. 그걸 캐려고 기업들은 죽은 회사의 편지함을 사들이고 세상의 책을 갈아 없애고 지구 반대편 사람을 고용해 없던 데이터를 손으로 찍어냅니다.
방식은 제각각이지만 모두 사람이 남긴 기록을 노리고 있습니다.
이렇게 데이터를 긁어내는 일이 데이터를 말려 죽이고 있습니다. 원본을 없애고 시장을 AI가 쓴 글로 채우면 AI가 배울 진짜 사람의 데이터가 줄어들거든요. 그러면 AI는 자기가 뱉은 걸 다시 주워 먹습니다.
복사본을 복사하고, 그걸 또 복사하는 꼴이죠. 품질은 떨어지고 오류는 불어납니다. 이걸 ‘모델 붕괴’라고 부릅니다.
2024년 네이처에 실린 옥스퍼드대 연구진의 논문이 이를 보여주는데요. AI가 만든 글을 가려내지 않고 다시 학습에 쓰면 모델에 되돌릴 수 없는 결함이 쌓인다는 내용입니다.
후속 연구는 진짜 사람의 데이터가 일정 비율 이상 섞여 있으면 붕괴를 피할 수 있다는 결론이 나옵니다. 이래저래 필요한 것은 사람이 남긴 데이터입니다.
구글이 파산한 항공사의 데이터를 인수하고, 직원들은 이에 반발하고. 사람이 데이터를 만드는 인도의 예는 당분간 반복될 것으로 보입니다.
이러한 데이터까지 바닥이 나는 그 이후에는 과연 어떤 일이 벌어질까요. 지금보다 더 똑똑해진 AI는 인간이 만든 데이터가 필요할까요 아니면 필요 없어질까요.
AI 시대 벌어지고 있는 새로운 ‘일화(?)’들이 우리에게 미칠 영향이 점점 궁금해집니다. 미라클레터가 계속해서 독자분들께 전달해 드리겠습니다
.
그런 의미에서 오늘 점심은 곰탕처럼 우려낸 국물 어떠신가요. 오래 우려낸 국물일수록 맛있습니다. 하지만 ‘어떤 임계점’을 지나는 순간 더 이상 국물의 진한 맛을 느낄 수 없습니다.
마치 인간이 지금 알고 있는 AI처럼 말이에요. 지금까지 AI는 재료를 더할수록 국물이 진해졌습니다. 그런데 넣을 재료가 슬슬 바닥나기 시작했어요.
새 재료가 없으니 제가 우려낸 국물을 다시 솥에 붓는데 그 순간부터 맛은 진해지긴커녕 옅어집니다.
그 임계점을 넘으면 아무리 오래 끓여도 맹탕이죠. 방법은 하나뿐입니다. 새 뼈를 넣는 것. AI에게 그 새 뼈는 사람이 새로 남긴 진짜 데이터입니다.
그러니 오늘은 재탕 말고, 갓 우려낸 첫 국물로 드시면서 AI의 데이터에 대해 논의해 보시기 바랍니다.
말이 길었습니다. 빠르게 사라지겠습니다. 읽어주셔서 감사합니다.