중국 저작권 당국, 2030 계획 제시했지만 기술 뉴스가 주목할 AI 규정은 여전히 부족

Ethan Carter
14분 전
10분 분량

중국 국가판권국은 2030년까지의 측정 가능한 목표와 5대 정책 우선순위를 담은 5개년 저작권 계획을 발표했다. 이는 중국에서 활동하는 AI 개발사, 미디어 기업, 소프트웨어 퍼블리셔, 창작자에게 중요한 기술 뉴스다. 다만 이 계획이 해결하지 못한 문제에 갈등의 핵심이 있다. 신흥 기술에 관한 규제 강화를 약속하면서도, 저작권 보호 자료를 AI 모델 학습에 누가 사용할 수 있는지는 정하지 않았다.

당국은 2026년 8월 31일 공식 통지에 날짜를 기재한 뒤 9월 7일 이를 공개했다. 이 계획은 2026년부터 2030년까지 이어지는 중국의 제15차 5개년 계획 기간을 다룬다. 법제 강화, 집행, 저작권 서비스, 국제 협력, 대중 인식 제고가 목표다.

이러한 목표는 중국 법원과 규제기관이 기존 저작권 체계가 답하도록 설계되지 않았던 문제에 직면한 시점에 나왔다. 생성형 AI 시스템은 개발 과정에서 방대한 텍스트, 이미지, 음악, 영상, 소프트웨어를 활용한다. 창작자는 통제권과 보상을 원하고, AI 기업은 학습 자료에 현실적으로 접근할 수 있어야 한다.

창작자 통제와 AI 개발 간의 이 대립은 계획의 핵심 압박 지점이다. 중국은 이제 도달점과 여러 경제적 목표를 제시했다. 그러나 어느 쪽이 가장 큰 비용을 부담하게 될지를 결정할 세부 규정은 아직 공개하지 않았다.

중국 저작권 계획, 포괄적 정책을 2030년 목표로 구체화

이 계획은 저작권 정책을 일반적 약속에서 기한, 기관별 책임, 측정 가능한 결과를 갖춘 국가 프로그램으로 전환한다.

중국 국가판권국(NCAC)은 이 문서를 성급 저작권 기관, 집행 부서, 저작권 신탁관리단체 및 기타 저작권 기관에 배포했다. 공식 통지는 8월 31일 발령일과 9월 7일 공개일을 확인한다.

이 시점은 초기 뉴스 알림의 불확실성을 해소한다. 해당 사건은 단순히 9월 7일 보도된 언론 보도가 아니라, 일주일 전 정식 발령된 정부 계획이 공개된 일이었다.

계획은 다섯 가지 주요 업무 영역을 설정했다. 중국은 저작권 법제도를 개선하고, 혁신을 장려하는 보호 체계를 강화하며, 더 효율적인 서비스를 구축하고, 국제 협력을 확대하고, 저작권에 대한 폭넓은 존중을 촉진할 방침이다.

계획의 5대 우선순위를 다룬 9월 7일 보도 역시 2030년이라는 시간표를 확인한다. 그때까지 정부는 더 강한 법적 제도, 개선된 집행과 서비스, 심화된 국제 협력, 더욱 우호적인 저작권 환경을 구축하려 한다.

여러 정량 목표는 이러한 목적을 더 쉽게 평가할 수 있게 한다. 연간 저작물 등록 건수는 2025년 749만 건에서 2030년 950만 건으로 늘리는 것이 목표다. 이는 계획 기간 전체에 걸쳐 약 27% 증가하는 수준이다.

연간 컴퓨터 소프트웨어 저작권 등록은 318만 건에서 400만 건으로 늘리는 것이 목표다. 저작권 권리를 금융 지원에 활용하는 저작권 질권 금융 등록은 84억 위안에서 120억 위안으로 확대할 계획이다.

정부는 또한 저작권 산업의 부가가치가 2025년 국내총생산의 7.46%에서 2030년 7.53%로 성장하기를 원한다. 핵심 저작권 산업의 경우 해당 목표는 4.72%에서 4.79%로 높아진다.

이러한 비율 변화는 더 큰 등록 및 금융 확대 목표와 비교하면 크지 않아 보인다. 이 차이는 중요하다. 계획이 중국 경제 전체 대비 저작권 산업의 급격한 확장보다는 제도적 범위와 권리의 상업적 활용을 강조한다는 점을 시사한다.

등록 건수 역시 신중히 해석해야 한다. 저작권은 일반적으로 정부가 기록할 때가 아니라 적격 저작물이 창작될 때 발생한다. 등록 증가는 증거 확보, 라이선싱, 거래를 개선할 수 있지만 자동으로 더 나은 보호를 입증하지는 않는다.

금융 목표에도 비슷한 단서가 따른다. 저작권을 담보로 한 금융 규모가 커진다면 대출기관과 권리 보유자가 저작권을 자산으로 더 자주 활용한다는 점을 보여줄 수 있다. 그러나 평가가 신뢰할 수 있는지, 소규모 창작자도 해당 금융에 접근할 수 있는지는 드러나지 않는다.

그럼에도 이 지표들은 계획을 상징적 선언과 구분 짓는다. 기관들은 진전을 보고할 수 있는 수치적 기준을 갖게 된다. 기업 역시 성급 프로그램, 집행 캠페인, 서비스 플랫폼, 이행 조치가 뒤따를 것으로 예상할 수 있다.

긴장은 여기서 시작된다. 계획은 등록과 금융을 정밀하게 측정하지만, 가장 어려운 기술 관련 질문은 단순한 수치 목표로 환원되기 어렵다.

이 기술 뉴스가 AI 및 미디어 기업에 중요한 이유

저작권은 이제 출판 이후의 법적 쟁점이 아니라 AI 개발을 위한 투입 제약이 되었기 때문에 이 계획은 중요하다.

현대 생성형 AI 모델은 방대한 인간 창작물에서 패턴을 학습한다. 이 과정은 모델 개발을 접근, 복제, 라이선싱, 저작자 표시, 시장 피해와 관련된 저작권 문제에 직접 연결한다.

중국의 국가 경제 전략은 과학, 산업, 문화, 공공 서비스, 거버넌스 전반에서 AI 도입 확대를 동시에 요구한다. AI 활용 확대는 더 많은 데이터 수요를 만들고, 상업 시장으로 유입되는 합성 미디어의 규모도 키운다.

따라서 저작권 계획은 두 가지 국가적 목표 사이에 놓인다. 중국은 AI와 기타 디지털 산업의 신속한 발전을 원한다. 동시에 창작자, 출판사, 소프트웨어 기업, 방송사, 저작권 신탁관리단체에 더 강한 보호를 제공하려 한다.

앞선 정책 신호는 당국이 이 충돌을 인식하고 있음을 보여준다. 2026년 5월 한 회의에서 저작권 당국은 신흥 분야의 규정 개선과 저작권 관리에서 AI의 혁신적 활용 확대를 촉구했다. 같은 5월 정책 신호는 온라인 집행 강화와 보조 저작권 규정 개정도 강조했다.

회의에서는 AI와 함께 숏드라마, 디지털 음악, 도서, 스포츠 중계, 영화, 소프트웨어, 게임, 애니메이션이 논의됐다. 이 범위는 정책이 얼마나 폭넓게 영향을 미칠 수 있는지 보여준다. 정책은 AI 연구소나 모델 개발사 관련 분쟁에만 국한되지 않는다.

동영상 플랫폼은 무단 클립 탐지에 관한 새로운 기대에 직면할 수 있다. 게임 스튜디오는 캐릭터 등록과 라이선싱을 위한 더 나은 도구를 확보할 수 있다. 모델 개발사는 결국 학습 데이터와 연계된 공개 또는 라이선스 의무를 부담할 수 있다.

출판사는 어떤 계약이 머신러닝을 허용하는지 보여주는 더 강한 기록이 필요할 수 있다. AI 서비스를 구매하는 기업은 공급업체가 데이터 출처, 콘텐츠 통제, 권리 침해 신고 대응 절차를 설명할 수 있는지 확인해야 할 수 있다.

소프트웨어 개발사도 직접적인 이해관계를 갖는다. 연간 소프트웨어 등록 400만 건 목표는 소스 코드와 소프트웨어 제품이 중국 저작권 체계의 핵심으로 남아 있음을 시사한다. AI 생성 코드, 오픈소스 라이선스, 모델 학습에 사용되는 코드 관련 문제는 점점 더 서로 맞물릴 것이다.

이 때문에 이 사안은 좁은 법률 공지가 아니라 기술 뉴스에 속한다. 저작권 정책은 기업이 사용할 수 있는 데이터셋, 안전하게 판매할 수 있는 제품, 분쟁이 있는 결과물을 제거해야 하는 속도에 영향을 미친다.

이 계획은 창작자와 사용자 사이에 위치한 기술 플랫폼에도 압력을 가한다. 하나의 플랫폼은 단일 서비스 안에서 무단 콘텐츠를 호스팅하고, 유사한 자료를 생성하며, 알고리즘으로 배포하고, 이용자층을 수익화할 수 있다.

전통적인 저작권 집행은 종종 하나의 복제 저작물과 하나의 발행사를 다뤘다. AI 시스템은 침해 주장이 학습 입력물, 모델의 행동, 생성된 결과물 또는 이용자 행위와 관련될 수 있어 이 모델을 복잡하게 만든다.

상업적 이해관계는 침해 손해배상을 넘어선다. 기업은 문서화, 콘텐츠 필터링, 라이선싱, 신고 처리, 소송 비용에 직면한다. 이러한 비용은 어떤 기업이 경쟁할 수 있고 어떤 사업 모델이 유지 가능한지에 영향을 준다.

대형 플랫폼은 컴플라이언스 팀을 구축하고 포트폴리오 라이선스를 협상할 수 있다. 소규모 AI 개발사는 권리 문서가 불완전한 공개 데이터셋이나 제3자 공급업체에 의존할 수 있다.

창작자는 반대 방향의 규모 문제에 직면한다. 개인 사진가, 작가, 음악가는 특정 저작물이 모델에 사용됐는지 알기 어렵다. 유사한 결과물을 발견한 뒤에도 해당 창작자는 모델의 학습 과정에 관한 증거에 접근하지 못할 수 있다.

계획은 더 효율적인 저작권 서비스 체계를 약속하며, 이는 이러한 불균형 해소에 도움이 될 수 있다. 통합 등록, 모니터링, 분쟁 서비스는 권리를 더 쉽게 문서화하고 거래하게 할 수 있다.

그러나 서비스만으로 법적 경계를 정의할 수는 없다. 중국에는 AI 학습에 언제 허가가 필요한지, 개발자가 어떤 증거를 보존해야 하는지, 적법한 예외가 어떻게 적용되는지를 설명하는 운영 규칙이 여전히 필요하다.

창작자 통제와 AI 개발은 이제 같은 병목을 공유한다

핵심 상충 관계는 보호 대 혁신이 아니다. 중국이 AI 규모에서 허가, 증거, 라이선싱을 실용적으로 만들 수 있는지가 관건이다.

창작자들은 상업용 AI 시스템이 허가나 보상 없이 가치 있는 학습 자료를 취득해서는 안 된다고 주장한다. 개발사들은 모든 저작물에 대해 개별 협상하는 방식이 대규모 학습을 감당하기 어려울 만큼 느리거나 비용이 많이 들 수 있다고 반박한다.

두 입장 모두 실질적인 인프라 문제를 드러낸다. 저작권 제도는 식별 가능한 저작물, 이용, 당사자를 중심으로 설계됐다. 파운데이션 모델은 여러 공급업체, 저장소, 수집 방식을 통해 구축된 막대한 데이터셋을 포함할 수 있다.

실행 가능한 체계는 몇 가지 서로 다른 질문에 답해야 한다. 개발사는 학습 중 보호된 저작물을 복제했는가? 예외 규정이 그러한 이용을 허용했는가? 생성 결과가 보호된 표현을 재현하는가, 그리고 누가 그 결과를 통제했는가?

중국은 이미 소송을 통해 이 사슬의 일부를 시험했다. 2023년 베이징 인터넷법원은 이용자의 선택에 충분한 인간의 지적 기여가 반영됐다는 이유로 AI 보조 이미지의 저작권 보호를 인정했다.

이 판결은 구체적 사실관계 아래 생성형 소프트웨어를 창작 도구로 다뤘다. 모든 프롬프트나 기계 생성 결과물이 보호 대상이 된다는 점을 확립한 것은 아니다.

후속 사건들은 플랫폼 책임과 침해 결과물에 관한 불확실성을 드러냈다. 서로 다른 법원은 AI 서비스가 침해 자료를 직접 생성했는지, 아니면 이용자의 행위만 가능하게 했는지를 검토했다.

중국 최고인민법원은 2026년 9월 중요한 절차적 신호를 추가했다. 사법 지침은 권리 보유자가 우선 분쟁 콘텐츠가 AI 서비스에서 나왔고 자신의 저작물과 실질적으로 유사하다는 점을 보여야 한다고 밝혔다.

이 지침은 침해가 없었다고 주장하는 개발사에 더 큰 입증 부담을 부과한다. 개발사는 학습 데이터 출처, 학습 과정, 운영 방식에 관한 정보를 제공해야 할 수 있다.

이 접근은 기본적인 정보 비대칭에 대응한다. 개발사는 창작자가 시스템 외부에서 들여다볼 수 없는 기술 기록을 통제한다.

그러나 이 지침은 의도적으로 두 가지 근본적인 쟁점에 대한 판단을 유보한다. AI 생성물의 저작권상 지위를 확정하지 않았고, 무단 모델 학습을 저작권법상 어떻게 분류할지도 규정하지 않았다.

당국자들은 견해가 여전히 엇갈리며 추가 검토가 필요하다고 설명했다. 이러한 유보는 보호를 강화하겠다는 폭넓은 약속보다 더 많은 것을 시사한다.

이는 기업들이 이 5개년 계획을 완성된 AI 저작권 체계로 간주할 수 없다는 뜻이다. 이 계획은 정책 방향을 제시하지만, 법원은 계속해서 더 좁은 범위의 분쟁을 다루게 된다.

미국 사례는 동일한 균형을 맞추는 일이 얼마나 어려울 수 있는지를 보여준다. 미국 저작권청은 2023년 AI 이니셔티브를 시작해 1만 건이 넘는 공개 의견을 받았다. AI 저작권 조사는 디지털 복제물, 저작권 보호 가능성, 생성형 AI 학습을 각각 검토했다.

이 비교가 중국이 미국 방식을 그대로 따를 것이라는 의미는 아니다. 미국의 소송은 종종 공정 이용에 따라 결론이 나지만, 이 원칙은 모든 법체계에 정확히 대응되는 실무적 개념이 있는 것은 아니다.

다만 하나의 짧은 규정으로 모든 AI 저작권 분쟁을 해결할 수 없다는 점은 보여준다. 결과물 보호, 학습 책임, 디지털 복제물, 플랫폼 책임, 라이선스 시장은 각기 다른 당사자와 유인을 수반한다.

중국의 신흥 접근법은 규제, 법원이 발전시킨 증거 규칙, 기술적 집행, 등록 서비스, 업계 조율을 결합하는 것으로 보인다. 각 요소는 문제의 일부를 해결할 수 있다.

기술 도구가 한 가지 사례다. 2024년 중국 최고인민법원은 여러 성급 법원 시스템에서 AI 보조 저작권 재판 시범사업을 시작했다. 이 프로젝트는 이미지 검색 및 비교 기능을 활용해 소유권과 유사성 분쟁을 판단하는 데 도움을 준다.

이런 시스템은 복제된 이미지를 찾아내는 비용을 낮출 수 있다. 하지만 특정 이용이 라이선스를 받았는지, 예외에 해당하는지, 변형적 이용인지, 또는 특정 개발자에게 귀속되는지를 독자적으로 판단할 수는 없다.

콘텐츠 출처 정보는 다른 방식으로 도움이 될 수 있다. 출처 기록은 자료가 어디에서 왔고 어떻게 변경됐는지를 설명하며, 워터마킹은 파일에 신호를 삽입하거나 연계한다.

어느 방법도 완전하지 않다. 메타데이터는 편집이나 플랫폼 변환 과정에서 사라질 수 있다. 워터마크는 제거되거나 누락될 수 있으며, 형식별로 일관되지 않게 적용될 수도 있다.

집단 라이선싱은 하나의 조직이 다수의 권리자를 대표하도록 해 거래비용을 줄일 수 있다. 이 모델은 이미 음악 같은 분야에서 운영되고 있지만, AI 학습은 훨씬 더 다양한 자료에 걸쳐 이뤄진다.

국가 등록 플랫폼은 기록이 표준화되고 기계가 읽을 수 있는 형태가 된다면 라이선싱을 지원할 수 있다. 이를 위해서는 정확한 소유권 데이터, 명확한 이용 범주, 상충하는 청구를 처리하는 절차가 필요하다.

이러한 메커니즘은 실제 쟁점을 드러낸다. 창작자에게는 집행 가능한 통제권이 필요하고, 개발자에게는 예측 가능한 접근권이 필요하다. 어느 한쪽에 포괄적인 약속만 제공된다면 분쟁은 법원과 플랫폼 신고 시스템으로 옮겨갈 것이다.

목표는 계획의 가장 큰 위험을 해소하지 못한다

계획의 정량 목표는 행정 활동을 추적하지만, 저작권 집행이 일관되고 접근 가능하며 AI 개발과 양립 가능해지는지를 아직 측정하지는 않는다.

등록 증가가 가장 분명한 사례다. 연간 저작물 등록 950만 건 달성은 기록된 권리 기반을 확대할 것이다. 그러나 검증 품질이 물량 증가에 맞춰 향상되지 않으면 중복 청구, 가치가 낮은 등록, 소유권 분쟁도 늘어날 수 있다.

소프트웨어 목표도 비슷한 의문을 제기한다. 연간 소프트웨어 저작권 400만 건 등록은 기업이 코드 소유권을 문서화하는 데 도움이 될 수 있다. 하지만 AI 코딩 보조 도구가 독점 코드나 오픈소스 의무와 어떻게 상호작용하는지는 자동으로 명확해지지 않는다.

저작권 질권 금융은 비례 기준으로 가장 큰 목표를 제시한다. 등록 금융 규모를 84억 위안에서 120억 위안으로 늘리는 것은 거의 43%의 성장에 해당한다.

이 결과는 저작권 자산의 상업화가 더 활발해졌음을 의미할 수 있다. 그러나 이 수치만으로는 대출 성과, 가치평가 품질, 대기업 집중도, 개별 창작자의 접근성을 알 수 없다.

GDP 비중 목표는 더 폭넓은 경제 지표를 제공하지만 원인을 특정하기는 여전히 어렵다. 저작권 산업에는 소비자 수요, 수출, 플랫폼 성장, 전반적인 경제 여건의 영향을 받는 다양한 활동이 포함된다.

집행 통계도 또 다른 위험을 낳는다. 사건 수나 삭제 조치의 증가는 감독 강화, 침해 악화, 탐지 개선 또는 이 세 가지 모두를 뜻할 수 있다.

따라서 독자들은 향후 활동 보고서를 성공의 직접적 증거로 받아들이지 않아야 한다. 결정의 질, 처리 시간, 접근성, 성별 일관성이 더 중요하다.

지리적 일관성은 글로벌 기업에 특히 중요하다. 국가 정책이 존재하더라도 등록, 증거 수집, 행정 집행, 법원 절차에서 지역별 관행은 달라질 수 있다.

데이터세트, 클라우드 서비스, 창작자, 사용자가 국경을 넘기 때문에 이러한 국제적 차원은 중요하다. 모델은 한 관할권에서 학습되고, 다른 관할권에서 배포되며, 전 세계 사용자를 위해 분쟁 소지가 있는 콘텐츠를 생성할 수 있다.

상이한 법적 기준은 기업이 지역별 데이터세트나 통제 체계를 유지하도록 만들 수 있다. 또한 기업이 전 세계 제품에 가장 엄격한 주요 시장의 기준을 적용하도록 유도할 수도 있다.

중국이 공통 기술 표준과 상호운용 가능한 라이선싱 관행을 지원한다면, 계획의 국제 참여 약속은 파편화를 줄일 수 있다. 반대로 국내 요건이 호환 가능한 해외 메커니즘 없이 발전한다면 파편화를 심화시킬 수 있다.

가장 큰 불확실성은 모델 학습의 법적 취급이다. 명확한 학습 규칙 없이 집행만 강화하면 소송은 증가하는 반면, 합법적인 개발자들은 준수 방법을 알기 어려울 수 있다.

투명성 없는 허용적 규칙은 창작자가 보호 저작물이 상업적 데이터세트에 포함됐는지 확인하지 못하게 할 수 있다. 의무적 라이선싱 모델은 창작자를 보호할 수 있지만, 대규모로 협상하고 비용을 지불할 수 있는 대기업에 유리할 수 있다.

특히 개발자가 관련 기록을 통제하는 경우 증거 규칙은 격차를 좁힐 수 있다. 그러나 영업비밀, 모델 보안, 법원이 요구할 수 있는 실무상 세부 수준에 관한 우려도 제기된다.

기업은 세부 사항이 나오기 전에 준비해야 한다. AI 공급업체는 데이터세트 출처, 계약상 허가, 필터링 결정, 삭제 절차를 문서화할 수 있다. 미디어 기업은 계약이 모델 학습과 합성 파생물에 관한 내용을 다루는지 점검할 수 있다.

창작자는 AI 보조 작업이 포함된 경우 원본 파일, 출판 기록, 계약서, 프롬프트 이력을 보관할 수 있다. 체계적으로 정리된 기록은 소유권 주장을 강화하고 저작물 제작 경위를 재구성하는 데 필요한 시간을 줄인다.

검색 가능한 지식 베이스는 팀이 정책 결정, 라이선스, 증거를 보존하는 데 도움이 될 수 있다. 법률 검토를 대체하지는 않지만, 준수 기록을 더 쉽게 찾아볼 수 있게 한다.

세 가지 신호가 계획이 시장을 바꾸는지 보여줄 것이다

계획은 시행 규칙이 증거 의무, 라이선싱 행태 또는 제품 설계를 바꿀 때 중요한 의미를 갖게 된다.

첫 번째 신호는 AI 학습 데이터와 생성 결과물에 관한 세부 지침이다. 이는 개발자가 무엇을 사용할 수 있고 창작자가 무엇에 이의를 제기할 수 있는지를 결정하므로 가장 중요한 미해결 쟁점이다.

명확한 규칙은 이 계획이 실행 체계로 발전하고 있다는 결론을 강화할 것이다. 계속해서 판단을 피한다면 그 결론은 약화되고 정책은 사건별 소송에 의존하게 된다.

제대로 작동하는 국가 플랫폼은 거래비용을 낮추고 소유권 확인을 더 쉽게 만들 수 있다. 또한 소프트웨어, 이미지, 텍스트, 음악 및 기타 학습 자료를 위한 표준화된 라이선스를 지원할 수 있다.

중요한 증거로는 공개된 기술 표준, 온라인 업무 절차, 상호운용 가능한 기록, 성급 기관의 도입 등이 있다. 단순히 등록 신청만 표시하는 포털은 검증과 라이선싱을 지원하는 포털보다 효과가 작을 것이다.

이 분야의 진전은 AI 개발을 자동으로 막지 않으면서 계획의 창작자 통제권 측면을 강화할 것이다. 낮은 데이터 품질이나 분절된 성급 시스템은 실질적 가치를 떨어뜨릴 것이다.

세 번째 신호는 AI 서비스와 디지털 플랫폼을 둘러싼 집행 행태다. 법원 판결과 행정 조치는 당국이 개발자, 사용자, 플랫폼, 데이터 공급자 사이에서 책임을 어떻게 나누는지 드러낼 것이다.

당국이 학습 기록을 요구하는지, 독립 감사를 수용하는지, 모델 수준의 안전장치를 명령하는지, 아니면 개별 결과물 삭제에만 초점을 맞추는지를 지켜봐야 한다. 각각의 대응은 서로 다른 준수 시장을 만든다.

모델 수준의 구제 조치는 개발자에게 더 큰 책임을 부과한다. 결과물 수준의 구제 조치는 사용자와 유통 플랫폼에 더 큰 책임을 남긴다.

사건의 양상은 소규모 창작자도 이 제도를 활용할 수 있는지를 보여줄 것이다. 주요 스튜디오와 플랫폼에만 봉사하는 체계는 광범위한 접근성 문제를 해결하지 못한 채 형식적 집행 목표만 충족하게 된다.

이러한 신호는 함께 평가해야 한다. 명확한 규칙이 없는 엄격한 집행은 예측 가능성이 낮고, 신뢰할 수 있는 서비스와 일관된 구제책이 없다면 세부 규칙의 가치도 제한적이다.

개발자에게 필요한 실무 조치는 공개 의무가 생기기 전에 추적 가능성을 구축하는 것이다. 인력 교체 후에도 유지될 수 있는 형태로 데이터세트 출처, 라이선스 조건, 공급업체 보증, 필터링 단계, 민원 대응을 기록해야 한다.

출판사와 창작자에게 우선순위는 어떤 저작물을 라이선스할 수 있는지, 어떤 계약이 AI 이용을 포괄하는지, 어떤 증거가 소유권을 입증하는지를 파악하는 것이다. 분쟁이 발생한 뒤까지 기다리면 이러한 질문은 더 어렵고 비용도 커진다.