AI가 데이터에서 학습하는 방법: Meta의 스크래핑 조항 논쟁 속 훈련 설명

지금 이것이 왜 뉴스가 되고 있는가

2026년 10월 16일, The Register는 Meta의 개정된 상업 서비스 약관이 10월 30일에 발효될 것이며, 회사가 자동화된 소프트웨어(약관에서 웹 스크래퍼, 봇, 로봇, 스파이더, 크롤러, 사용자 에이전트를 포함한다고 설명)를 사용하여 비즈니스 고객과 관련된 웹사이트에 액세스, 인덱싱, 캐싱, 분석, 수집, 검색 또는 크롤링할 수 있는 권리를 부여할 것이라고 보도했습니다. 이러한 비즈니스 고객에는 Facebook 광고를 실행하거나 Meta 도구를 통해 제품을 판매하거나 비즈니스 페이지 또는 그룹을 관리하거나 WhatsApp 및 Messenger AI 에이전트를 사용하는 사람들이 포함됩니다. Meta는 이 범주가 약 100만 개의 비즈니스를 포함한다고 말했습니다.

약관은 수집된 콘텐츠를 Meta 제품 제공, 개발, 개선, 연구, 훈련 및 유지를 포함한 일련의 목적에 사용할 수 있다고 명시했습니다. News/Media Alliance 회장 겸 CEO Danielle Coffey는 이 조항을 "끔찍하고 아마도 불법"이라고 부르며 Meta이 기업에 광범위한 데이터 수집 조건을 수락하지 않으면 고객에게 청중 접근을 거부할 수 있다고 주장했다고 The Register가 보도했습니다. Santa Clara 대학교 법학 교수 Eric Goldman은 Meta이 진정한 거부 옵션 없이 기존 고객 관계를 수정하는 것에 대해 절차적 우려를 제기했으며, Meta의 프라이버시 분쟁 역사를 지적했습니다.

비판에 직면한 Meta은 문언을 개정했습니다. TechCrunch는 10월 17일에 회사가 허용된 용도 목록에서 "훈련"이라는 단어를 제거하고 명시된 목적을 모든 Meta 제품이 아닌 광고 및 비즈니스 제품으로 제한했다고 보도했습니다. Meta 대변인은 크롤링 조건이 회사의 광고 및 비즈니스 제품에만 적용되며 변경이 Meta이 웹 크롤러를 사용하는 방법을 변경하지 않았다고 말했습니다.

편집 후에도 법률 전문가들은 기자들에게 더 광범위한 크롤링 권한이 여전히 존재한다고 말했습니다. mediacopilot.ai의 보도 설명에 따르면, Cornell Law School 교수 James Grimmelmann은 약관이 기술적으로 Meta이 익명 방문자보다 더 많은 사이트를 볼 수 있는 자격 증명을 등록할 수 있다고 말했고, Loevy & Loevy 변호사 Matt Topic은 문제의 콘텐츠가 라이선스 시장에서 수백만 달러의 가치가 있을 수 있다고 말했습니다. Wisconsin 대학 학자 Benjamin Sobel은 Meta의 비즈니스 도구를 사용하려면 데이터 조건을 수락해야 하므로 이 안을 독점금지법의 결합 개념과 비교했습니다.

AI 모델이 실제로 데이터에서 어떻게 학습하는가

Meta 분쟁과 별개로, AI 훈련의 기본 메커니즘은 대부분의 현대 시스템 전반에 걸쳐 일관됩니다. AI 인력 회사 Mercor가 발표한 설명서에 따르면, 훈련 데이터는 모델이 연구하는 예제의 모음이며, 각 예제는 모델의 내부 수치 매개변수를 조금 변화시킵니다. 모델은 예측을 하고, 이를 데이터 집합의 정답과 비교하고, 결과 오차를 측정하고, 해당 오차를 줄이기 위해 매개변수를 조정합니다. 이 주기는 수백만 개의 예제에 걸쳐 반복됩니다.

Mercor의 설명서는 인간이 정답이나 카테고리를 제공하는 레이블이 지정된 데이터와 모델이 스스로 패턴을 추론해야 하는 레이블이 지정되지 않은 데이터를 구별합니다. 또한 구조화된 데이터(테이블, 데이터베이스)와 텍스트, 이미지, 오디오, 비디오 등의 비정형 데이터를 분리합니다. 현재의 많은 대규모 언어 모델은 두 가지 접근 방식을 결합합니다. 대량의 레이블이 없는 텍스트 또는 이미지에 대한 초기 사전 훈련 단계는 일반적인 능력을 구축하고, 그 후 더 작은 레이블이 지정된 데이터 세트에 대한 미세 조정은 작업별 동작을 형성합니다.

원재료가 어디서 나오는가

동일한 설명서에 따르면, 훈련 데이터는 일반적으로 세 가지 채널에서 나옵니다. 일반 연구를 위해 제공되는 공개 데이터 세트 및 리포지토리, 회사의 내부 기록과 같은 독점 데이터, 그리고 유급 근로자가 원본 자료에 레이블을 지정하여 지도 예제를 생성하는 인간 주석입니다. 대규모 웹 스크래핑(공개적으로 도달할 수 있는 페이지의 자동 크롤링)은 현대 모델이 필요로 하는 규모에서 공개 데이터 세트 범주를 조립하는 가장 일반적인 방법 중 하나입니다. Meta의 경우처럼, 회사의 크롤링 권한 범위가 개방형 웹의 얼마나 많은 부분이 합법적으로 AI 시스템에 공급될 수 있는지에 직접적으로 중요한 이유가 바로 이것입니다.

스크래핑 논쟁이 Meta를 넘어 중요한 이유

Meta의 문언에 대한 분쟁은 AI 데이터 관행에서 반복되는 두 가지 마찰 지점을 설명합니다. 기업의 이용약관이 웹사이트의 robots.txt 파일과 같은 기술적 거부 신호를 무시할 수 있는지 여부, 그리고 기업에 플랫폼의 청중에 대한 접근을 제공하는 동일한 기업 관계를 별도의 지불이나 동의 없이 해당 기업의 콘텐츠를 훈련용으로 추출하는 데 사용할 수 있는지 여부입니다. mediacopilot.ai가 중계한 Nieman Lab의 보도는 대부분의 뉴스 조직이 적어도 하나의 Meta 비즈니스 계정을 유지하고 있으며, 이는 이 조항의 범위가 비즈니스 고객보다는 출판사를 중심으로 표현되었음에도 불구하고 뉴스 업계의 많은 부분에 미칠 수 있음을 의미한다고 지적했습니다.

Meta은 자신의 크롤러가 비즈니스 계정과 관련된 콘텐츠에 도달할 수 있다는 것을 부인하지 않습니다. TechCrunch에 전달한 회사의 입장은 명확히 된 조건이 기존 크롤링 동작을 변경하지 않는다는 것입니다. 보도에 인용된 법률 전문가들은 그러한 서비스 약관 언어가 제3자 또는 robots.txt 제한에 대해 강제 가능한지 여부가 법원에서 아직 미결정이며, 10월 30일 발효 날짜가 다가옴에 따라 조항의 실제 범위가 미해결 상태로 남아 있다고 말했습니다.