AI 거버넌스, 투명성을 확보하라
(2부) AI 모델 사용 시 직면하는 리스크- Part 1 라이선스

- Open UP -

기업은 AI 모델 채택 시 성능 및 활용성에 대한 고려 뿐만 아니라 그 모델의 라이선스, 저작권 등을 명확히 식별하는 것이 필요

• 개방형 AI 기술의 개방·확산에 따라 오픈소스 AI는 기술 접근성과 활용 유연성을 바탕으로 다양한 산업과 조직에서 빠르게 채택되며, AI 활용의 핵심 전략으로 부상

  • AI 활용 현황을 살펴보면, 기업의 94%가 AI를 채택 중이고, 기업의 63%가 오픈소스 AI를 사용 중이며, 75%는 향후 확대 계획이 있음

  • 데이터 출처 : The Economic and Workforce Impacts of Open Source AI(리눅스 재단, 2025)

  • 오픈소스 AI 활용률은 기술 스택별로 모델(63%)과 툴(59%), 데이터(56%)에서 높게 나타나며, 산업별로는 기술·미디어·통신 부문(70%), 금융(62%), 헬스케어(51%) 등 평균 63%의 사용 비율을 보임

  • 데이터 출처 : Open Source Technology in the Age of AI(맥킨지·모질라 재단, 2025)

  • AI 시대에 오픈소스 AI는 성능 및 사용 편의성에서 높은 만족도와 함께 혁신 촉진, 비용 절감, 기술 자율성 확보 등 기업 경쟁력 강화를 위한 핵심 자산으로 그 가치를 인정받고 있음

• (1부)에서 살펴본 바와 같이, 오픈소스 AI, 오픈웨이트와 같은 개방형 AI 기술은 AI 생태계의 투명성을 높이는 데 기여하고 있으나, 기업이 AI를 도입할 때는 법적·보안적 리스크 관리 과제로 새롭게 부상하고 있음

  • 오픈소스 AI를 활용하는 조직의 다수가 보안(62%), 규제 준수(54%), 지식재산권 침해(50%)를 주요 우려 요인으로 인식하고 있음

  • 데이터 출처 : Open Source Technology in the Age of AI(맥킨지·모질라 재단, 2025)

  • AI 모델은 소프트웨어와 달리 데이터, 가중치, 코드의 결합체로 구성되어, 저작권 및 사용권의 경계가 불명확

  • 이러한 불명확성과 복잡성을 해소하고, 모델의 적법한 사용을 보장하기 위해 각 모델 라이선스 유형에 따른 준수(Compliance)는 필수적인 과정임

  • 다양한 개방형 AI 모델의 짧은 출시 주기에 따른 모델별, 버전별 라이선스 유형 변화 및 상업적 허용, 제약사항 세부 준수 항목 복잡

   

[Meta LLaMA 모델의 버전별 준수사항 비교]

• 라이선스 조건을 정확히 파악하지 못한 채 모델을 재활용하거나 상용 서비스에 통합할 경우 법적 분쟁 및 재작업 비용 발생 가능
  • 개방형 AI 모델을 재활용해 상용 서비스를 만들 경우, 원 라이선스가 ‘비상업적’으로 명시돼 있다면 배포 자체가 위법이 될 수 있음
  • 학습 데이터가 제3자 저작물을 포함할 경우, 모델 생성물의 저작권 소유 관계가 불명확해짐
  • 오픈웨이트 모델의 경우 학습코드나 데이터가 비공개라 편향 검증 및 재현성 확보가 어려워, 신뢰성 측면의 위험도 존재
  • 공개된 오픈소스 AI라고 해서 무조건 자유롭게 사용 가능한 것은 아니며, 모델별 라이선스 및 특정 용도에 적합한 모델 검토 필요

[주요 개방형 AI 모델별 제약사항 예시]

• 모델별로 상업적 사용 가능 여부, 파생모델 생성 조건, 재배포 권한, 출처 표시 의무 등이 달라 이를 검증하지 않고 활용할 경우 저작권 침해 또는 라이선스 위반 가능
• 이러한 개방형 AI 라이선스의 복잡성과 비호환성 문제 해소를 위해, 리눅스 재단은 AI 모델의 복합적 법적 특성을 포괄할 수 있는 ‘Open Model, Data and Weights License (OpenMDW)’를 제안(‘25.05.)
  • MIT와 Apache-2.0과 같은 라이선스는 개발자에게 코드를 공유할 수 있는 표준적이고 법적으로 강력한 방법을 제공하여 마찰을 줄이고 도입이 가속화됨
  • 대부분의 모델별 라이선스는 너무 복잡하거나, 지나치게 제한적이거나, 법적으로 모호하며, 또한 기존의 오픈소스 소프트웨어 라이선스는 AI 모델을 염두에 두고 설계되지 않아 개방형 AI의 잠재력을 최대한 발휘하려면 머신러닝의 현실에 맞춰 특별히 제작된 라이선스가 필요하다고 강조

[OpenMDW-1.0 라이선스 주요 내용]

• 글로벌 시장의 오픈소스 AI 모델의 정책 및 거버넌스가 강화됨에 따라 안전한 AI 활용을 위한 출처·저작권·사용조건 검증 체계 필요
• 인권·안전·시장 신뢰성을 보장하기 위한 글로벌 규제 강화(EU AI Act 등)

[EU AI Act 위험 수준별 규제]

[NIST AI RMF 리스크 관리 4대 기능]

• 다수 AI 데이터 소송 및 입법 추진으로 데이터 저작권 검토 필요
• AI 학습 및 서비스 과정에서 원천 데이터의 복제, 변형(혹은 2차적저작물 생성), 배포가 이뤄지고, 배포된 데이터가 타 AI 모델에 재학습 활용되면서 저작권 침해 발생
• 각 국가는 AI 학습에 이용되는 데이터의 출처나 저작권법 준수 여부와 관련한 법률 제정 및 입법 추진(EU AI ACT, 미국 저작권청 저작권과 AI 3차 보고서, 학습 데이터 투명성 관련 : 워싱턴주 HB 1168, 캘리포니아주 AB 2013, 버지니아주 HB 2250 등)
• 이렇듯 기술 개방이 확산될수록 모델의 출처·저작권·활용 제한 조건을 명확히 이해하고 관리하는 체계, 즉 AI 거버넌스의 필요성이 커지고 있음
• AI 거버넌스는 선언적 원칙에 그치지 않고, 실제 모델 도입 단계에서의 구체적인 검증·관리 절차로 구현되어야 함
• 이를 위해 기업이 개방형 AI 모델을 도입할 때 다음 주요 점검 항목들은 필수적으로 확인 필요

[AI 모델 도입 시 주요 점검 항목]

시사점

• 개방형 AI 모델마다 상이한 라이선스와 조건이 혼재하는 상황에서, 명확한 라이선스 식별과 보안 관리 체계 구축은 AI 신뢰성을 확보하기 위한 AI 거버넌스의 출발점임
• 기업은 AI 모델 도입 단계에서부터 법적·기술적 검증 절차(라이선스 검증, 보안 점검, 데이터 적법성 평가 등)를 내재화해야 함
• 최근 글로벌 규제(EU AI Act, NIST AI RMF 등)들은 모델 문서화, 리스크 평가, 투명성 확보를 핵심 요건으로 제도화하는 추세임
• 이에 따라 국내 기업도 AI 위험 관리·감사 체계를 선제적으로 마련하여 글로벌 규제·표준과의 정합성을 강화하여, 글로벌 시장 진출 시 AI 신뢰성 검증의 투명성을 확보해야 함