Hacker News가 포착한 AI 도서 범람, 그리고 밀려나는 인간 작가들

Hacker News는 AI 생성 소설에 대한 가장 손쉬운 반론, 즉 독자들이 형편없는 작품은 그냥 외면할 것이라는 주장에 의문을 제기하는 14,419권 대상 연구를 소개했다. 연구진은 상당량의 AI 텍스트가 감지된 도서가 평균적으로는 판매 성과가 낮았다고 밝혔다. 그러나 막대한 물량 덕분에 이들 도서는 다른 책들이 얻을 판매, 수익, 그리고 한정된 순위 자리를 여전히 차지했다.

2026년 7월 제출돼 현재 검토 중인 이 working paper는 주로 Amazon에서 판매되는 자가 출판 장르 소설을 살폈다. 저자들은 Stony Brook University, Columbia Law School, University of Michigan, MIT Initiative on the Digital Economy 소속이다.

이들의 핵심 주장은 AI가 더 뛰어난 소설을 쓴다는 것이 아니다. 생성형 AI는 품질 경쟁에서 이기지 못하더라도 창작 시장의 구조를 바꿀 수 있다는 것이다. 저렴한 제작 비용은 출판사가 충분히 많은 책을 내놓게 해, 제한된 독자 관심을 훨씬 더 많은 제목으로 분산시킨다.

이 구분은 작가, 출판 플랫폼, AI 기업에 중요하다. 또한 저작권 소송에서 ‘시장 희석’이라는 논쟁적 이론을 뒷받침하는 새로운 증거가 된다. 이 이론에 따르면 AI 산출물은 개별 결과물이 부진하더라도 규모를 통해 시장에 피해를 줄 수 있다.

이 연구는 이례적으로 상세한 증거를 제시하지만, 모든 의문을 해결하지는 않는다. AI 분류는 텍스트 탐지기에 의존하며, 시장 데이터는 Amazon 소설 가운데 선택된 부문만 포괄한다. 분석 역시 관찰 연구이므로, 가장 뚜렷한 패턴이 모든 하락을 AI만의 영향으로 증명하는 것은 아니다.

그럼에도 한 가지 결론은 쉽게 무시하기 어렵다. 생산이 산업적 규모에 가까워지면, 낮은 평균 품질이 자동화 콘텐츠의 경제적 중요성을 막지는 못한다.

Hacker News 논문이 실제로 발견한 것

이 연구가 포착한 것은 AI 베스트셀러의 장악이 아니라 공급 충격이다.

연구진은 2023년 1월부터 2026년 3월까지 출간된 14,419개 타이틀을 분석했다. 전체 텍스트 AI 탐지 결과와 2026년 6월까지 이어지는 일별 판매 관측치를 결합했다. 표본은 자가 출판 장르 소설의 여덟 개 클러스터를 다뤘다.

각 타이틀은 세 그룹 중 하나에 포함됐다. AI 텍스트가 감지되지 않은 책은 0점을 받았다. 경미한 AI 사용 도서는 감지된 AI 텍스트 비중이 25% 이하였고, 상당한 AI 사용 도서는 그 기준을 넘었다.

이 라벨은 법적 저작자 지위가 아니라 탐지기 결과를 설명한다. 특정 필명 작가가 특정 모델을 사용했다는 사실을 입증하지도 않는다. 침해를 증명하거나 누가 해당 문단을 생성했는지도 식별하지 않는다.

표본 안에서 상당한 AI 사용 도서는 타이틀의 20%를 차지했다. 하지만 관측된 출시 초기 기간 판매의 12.1%, 수익의 11.3%만을 만들어냈다. AI 텍스트가 감지되지 않은 도서는 타이틀의 62.9%였지만 판매의 71.7%를 벌어들였다.

이 결과는 AI 비중이 높은 도서가 개별적으로는 성과가 낮다는 익숙한 비판을 뒷받침한다. 그러나 시장 차원의 추세는 다른 방향을 가리킨다. 이들의 관측 판매 점유율은 2023년 초 거의 0에 가까운 수준에서 2026년 2분기 약 5분의 1까지 올랐다.

이들의 존재감은 시장 상단에도 닿았다. 연구진은 Amazon 판매 순위 중앙값을 사용해 각 장르에서 주간 Top-25 그룹을 구성했다. 상당한 AI 텍스트를 포함한 신규 진입작은 결국 이 그룹에 새로 추가되는 도서의 31%를 차지했다.

AI 텍스트가 감지되지 않은 도서는 주요 타이틀 가운데 여전히 다수였다. 그럼에도 경미한 AI 사용 도서와 상당한 AI 사용 도서의 합산 비중은 2026년 2분기 구성된 Top-25 자리의 40%에 근접했다.

따라서 이 연구는 평균 성과와 총체적 압박을 분리한다. AI 비중이 높은 책 한 권은 판매가 부진할 수 있지만, 수천 권의 유사한 출간물이 합쳐지면 의미 있는 관심을 가져갈 수 있다. 이것이 논문 제목과 가장 강력한 발견의 배경이 되는 메커니즘이다.

연구진의 성장 지표를 보면 대조가 더 선명해진다. 누적 출간 카탈로그는 2023년 초 수준의 38.3배로 증가했다. 분기별 판매 타이틀 수는 19.2배 늘어난 반면, 판매 부수는 7.3배, 수익은 8.9배 증가했다.

이 수치가 Amazon 전체 카탈로그가 그 비율로 확장됐다는 뜻은 아니다. 연구에서 관측한 출간 코호트와 지수화된 표본을 설명하는 수치다. 그러나 공급이 수요보다 훨씬 빠르게 증가했기 때문에 내부 격차는 두드러진다.

더 많은 타이틀이 판매 한 건을 두고 경쟁하게 됐다. 그 결과 판매된 책 한 권당 수익은 2023년 코호트와 2025년 코호트 사이 여덟 개 장르 그룹 중 여섯 곳에서 하락했다. AI 텍스트가 감지되지 않은 도서만 보면 여덟 곳 중 일곱 곳에서 떨어졌다.

이 마지막 결과가 희석 논거의 핵심을 뒷받침한다. 평균치가 하락한 이유는 단지 성과가 약한 AI 타이틀이 분모에 들어왔기 때문만이 아니다. AI 텍스트가 없는 것으로 분류된 책들도 후속 코호트에서 수익이 줄었다.

AI 도서 시장의 희석은 물량을 통해 작동한다

생성형 AI는 반복적 발견보다 반복적 생산을 쉽게 만들어 출판 경제를 바꾼다.

전통적인 도서 제작에는 몇 가지 자연스러운 한계가 있다. 초고 작성에는 시간이 들고, 편집에는 주의가 필요하며, 출간마다 기회비용이 따른다. 생성형 AI는 특히 반복되는 줄거리와 익숙한 인물 유형을 중심으로 한 공식적 장르에서 초고 작성의 제약을 줄인다.

이 연구는 모든 AI 사용자가 매우 다작하게 된다고 주장하지 않는다. 연구진은 첫 번째 상당한 AI 사용 도서 출간을 기준으로 824개의 필명 정체성을 살폈다. 이후 상당한 AI 사용 도서를 더 출간한 385명 가운데 287명은 월간 출간량을 늘렸다.

이 74.5%라는 비중은 평균 품질이 불완전한 척도인 이유를 보여준다. 작가나 제작자는 모든 타이틀을 성공시킬 필요가 없다. 대규모 포트폴리오는 장르, 필명, 표지, 키워드, 출간일에 걸쳐 위험을 분산할 수 있다.

그 결과 경쟁은 여러 층위에서 일어난다. 책은 검색 노출, 추천 자리, 카테고리 순위, 구독형 독서, 광고 노출, 그리고 독자의 제한된 탐색 시간을 두고 경쟁한다. 타이틀이 하나 추가될 때마다 이 제한된 자리를 놓고 경쟁하는 후보도 하나 늘어난다.

이는 출판을 저렴한 콘텐츠가 범람한 다른 알고리즘 시장과 닮게 만든다. 희소한 자원은 더 이상 상품 하나를 생산하는 능력이 아니다. 적절한 순간에 구매자 앞에 그 상품을 배치하는 능력이다.

연구진은 상당한 AI 사용 타이틀이 카탈로그에서 더 많은 비중을 차지한 곳에서 압박이 더 강하다는 사실을 발견했다. AI 텍스트가 감지되지 않은 도서는 AI 노출이 낮은 그룹에서 구성된 Top-25 자리의 약 88%를 차지했다. 가장 노출이 높은 그룹에서는 그 비중이 약 63%로 떨어졌다.

이 관계는 Kindle Unlimited 참여 비중이 높은 장르에서 더 강해졌다. Kindle Unlimited는 독자에게 공동 구독 카탈로그 접근 권한을 제공한다. 새 책들이 같은 독서 선택지 풀에 들어오기 때문에 이 구조는 경쟁을 심화한다.

Kindle Unlimited 비중이 높은 장르에서 AI 미사용 도서가 지닌 판매 점유율 우위는 8.5%포인트 더 작았다. 수익 점유율 우위도 8.4%포인트 더 작았다. 이는 실험적 추정치가 아니라 조정된 연관관계다.

이 시스템은 잦은 출간 일정에도 보상을 준다. 제작자는 더 많은 타이틀을 시험하고, 어떤 조합이 독자를 끄는지 관찰하며, 성공한 패턴을 반복할 수 있다. 더 느린 주기로 작업하는 인간 작가는 다른 위험 구조에 직면한다.

소설가는 한 작품을 다듬는 데 몇 달을 쓸 수 있다. AI 중심 운영은 비슷한 제작 노력을 많은 책에 분산할 수 있다. 대부분이 실패하더라도 추천에 진입하거나 반응하는 틈새를 찾을 기회는 더 많아진다.

이것이 논문의 진정한 역전이다. AI 소설은 모든 독자에게 훌륭하다고 설득할 필요가 없다. 성공한 소수의 출간물이 대규모 실패작의 긴 꼬리를 보상할 만큼 출판 비용을 낮추기만 하면 된다.

연구의 상위 성과작은 이 긴 꼬리 안에도 상업적으로 의미 있는 예외가 존재할 수 있음을 보여준다. 상당한 AI 사용 타이틀 가운데 선두권은 상당한 판매 부수에 도달했다. 상위 15개 타이틀은 적격 표본 내 상당한 AI 사용 도서 수익에서도 큰 비중을 차지했다.

이 성공작들이 자동화된 제작이 성공을 보장한다는 뜻은 아니다. 다만 시장 안에 대량 실험에서 의미 있는 판매로 이어지는 실현 가능한 경로가 있음을 보여준다. 이 경로는 경쟁하는 모든 제작자의 유인을 바꾼다.

인간 작가가 맞닥뜨린 것은 품질 문제가 아니라 관심의 문제다

인간 작가는 더 나은 책을 써도, 플랫폼이 독자가 흡수할 수 있는 양보다 훨씬 많은 재고를 받으면 가시성을 잃을 수 있다.

출판 업계의 논쟁은 흔히 독자의 판단이 AI 콘텐츠 문제를 해결할 것이라고 가정한다. 이 관점에서 약한 책은 낮은 평점을 받고, 순위에서 사라지며, 진지한 작가에게는 큰 피해를 주지 않는다.

이 연구는 왜 그 필터가 불완전한지 보여준다. 독자가 책 전체를 판단하기 전에 발견 과정이 먼저 일어난다. 구매자는 대개 표지, 제목, 설명, 짧은 미리보기, 카테고리 배치, 추천, 광고를 먼저 접한다.

따라서 품질이 낮은 책도 판매를 성사시키지 않은 채 관심을 소비할 수 있다. 검색 결과 한 자리를 차지하거나, 노출을 발생시키거나, 추천 목록에 들어갈 수 있다. 어느 경우도 독자가 책을 끝까지 읽을 필요는 없다.

순위 자리는 더 좁은 병목을 만든다. 카테고리는 많은 책을 표시할 수 있지만, 눈에 띄는 위치를 받는 책은 소수에 불과하다. 성공한 AI 비중 고도 도서가 하나 진입할 때마다 다른 타이틀 하나가 그 가시적인 그룹에서 밀려난다.

압박은 개별 소설 간 직접 경쟁을 넘어선다. 늘어나는 카탈로그는 신뢰할 수 있는 작가, 믿을 만한 출판사, 세심하게 편집된 작품을 구별하는 비용을 높인다. 독자는 선택하기 전 더 많은 불확실한 신호를 평가해야 한다.

공개 라벨링은 이 불확실성을 줄일 수 있지만, Amazon은 현재 제한적인 구분만 둔다. Amazon의 KDP content rules는 출판사에 AI가 생성한 텍스트, 이미지, 번역물에 대해 Amazon에 알리도록 요구한다.

Amazon은 사람이 나중에 대폭 편집하더라도 AI 도구가 만든 자료를 AI 생성 콘텐츠로 정의한다. 창작자가 최종 텍스트를 직접 작성한 경우에는 브레인스토밍, 오류 수정 또는 기타 AI 보조 작업의 공개를 요구하지 않는다.

이 공개는 출판 과정에서 플랫폼에 이뤄진다. Amazon의 규정은 공개된 모든 타이틀에 대해 고객에게 보이는 라벨을 약속하지 않는다. 이는 플랫폼이 아는 정보와 독자가 아는 정보 사이의 격차를 만든다.

이 격차는 연구의 핵심이다. 저자들은 데이터세트의 어느 책도 AI 제작 콘텐츠 포함 여부를 공개하지 않았다고 보고한다. 따라서 독자는 구매 전 연구에서 탐지된 그룹을 신뢰성 있게 구분할 수 없었다.

Amazon은 작가와 옹호 단체가 우려를 제기한 뒤 2023년에 이 공개 요건을 도입했다. 당시 Authors Guild는 이 변경을 유용한 첫걸음이라고 평가하면서도 공개적 투명성을 요구했다고 Associated Press report는 전했다.

플랫폼은 어려운 관리 문제에 직면한다. 엄격한 라벨에는 제작 방식에 관한 신뢰할 수 있는 정보가 필요하다. 자가 신고는 실패할 수 있고, 자동 탐지는 편집된 작품, 번역된 문체, 또는 독특한 인간의 문체를 잘못 분류할 수 있다.

더 느슨한 정책은 오탐에 따른 비난을 줄이지만 독자에게는 더 적은 정보를 남긴다. 또한 제작자가 모호성의 혜택을 누리게 한다. 정교한 표지와 그럴듯한 설명은 원문이 얼마나 빠르게 만들어졌는지를 감출 수 있다.

인간 작가들은 AI를 피하더라도 이러한 불확실성에 대응해야 한다. 더 강한 커뮤니티, 독자와의 직접적인 관계, 알아볼 수 있는 시리즈 정체성, 또는 더 일관된 저작 증명이 필요할 수 있다. 이런 활동에는 원래 글쓰기에 쓸 수 있었던 시간이 든다.

창작자가 초고, 출처, 수정 이력, 편집 결정을 기록해야 하는 상황에서는 지식 관리도 더 중요해진다. 검색 가능한 개인 지식 베이스는 작가를 별도의 행정 시스템으로 몰아넣지 않으면서도 이러한 창작 과정을 보존할 수 있다.

더 근본적인 문제는 AI가 작가의 작업 흐름에 속해야 하는지 여부가 아니다. 편집 보조와 자동화된 대량 생산은 시장에 매우 다른 영향을 미친다. 현재의 스토어프론트는 이런 차이를 독자에게 항상 드러내지 않는다.

저작권 논쟁은 이제 시장 메커니즘을 갖게 됐다

이 논문은 AI 학습 분쟁을, 기계가 만든 대체재가 인간의 작업을 뒷받침하는 시장을 잠식할 수 있다는 증거와 연결한다.

저작권법은 무단 이용이 공정 이용에 해당하는지 판단할 때 여러 요소를 검토한다. 그중 중요한 요소 하나는 저작권 보호 작품의 잠재 시장에 미치는 영향이다.

생성형 AI는 이 분석을 복잡하게 만든다. 모델은 개별 출력에서 책 한 권 전체를 재현하지 않고도 책을 학습할 수 있다. 그럼에도 동일한 장르의 도서와 경쟁하는 수많은 신규 작품의 제작을 뒷받침할 수 있다.

이 논문은 저자들과 모델 학습이 관련된 저작권 사건인 Kadrey v. Meta와 연구 결과를 연결한다. 해당 소송에서 법원은 시장 희석 이론을 검토했지만, 원고들이 이를 뒷받침할 충분한 증거를 제시하지 못했다고 판단했다.

연구진은 그 증거 공백의 일부를 다룬다. 이 연구는 상당한 양의 AI 텍스트가 탐지된 도서가 다른 도서와 같은 시장에 진입하는지를 살펴본다. 이어 AI 노출이 증가함에 따라 판매량, 매출, 순위가 어떻게 변하는지 측정한다.

결과는 희석 가설과 부합하지만, 이 논문만으로 책임 여부를 판단할 수는 없다. 저작권 침해는 복제, 보호되는 표현, 공정 이용, 인과관계에 관한 법적 쟁점에 따라 결정된다. 시장 상관관계만으로는 이러한 문제를 해결할 수 없다.

상류와 하류의 행위도 구분해야 한다. 저작권 보호 도서로 모델을 학습시키는 것은 하나의 행위다. 사용자가 경쟁 소설을 생성해 출판하는 것은 또 다른 행위다. 플랫폼이 그 소설을 인간이 쓴 책과 나란히 순위화하는 것은 세 번째 층위를 더한다.

미국 저작권청은 시장 효과를 학습 논쟁의 중요한 부분으로 다뤄 왔다. 2025년 분석에서는 출력물이 관련 창작 시장에서 경쟁할 경우 상업적 학습이 더 약한 공정 이용 보호를 받을 수 있다고 주장했다. 이 평가는 보편적인 법원 판결이 아니라 정책 지침으로 남아 있다.

이번 연구는 추상적인 법적 우려와 관찰된 시장 행동 사이를 잇는 가능한 다리를 제시한다. 대체는 출처를 대신하는 복제판처럼 보일 필요가 없음을 시사한다. 느슨하게 대체 가능한 수천 개의 장르 도서는 피해를 많은 작가에게 분산시킬 수 있다.

논문은 기존 도서와 공유되는 독특한 언어도 분석한다. 희귀 표현은 Google Books 권수 기준으로 5권 이하에서만 발견되는, 최소 다섯 단어로 이루어진 연속 구문으로 정의된다. 또한 이런 표현은 방대한 일반 웹 스냅샷에 없어야 한다.

각 비교 집단에서 가장 높은 수익을 올린 50권 가운데 상당량의 AI 텍스트가 포함된 도서는 희귀 표현 커버리지가 더 높았다. 평균은 45%로, AI 텍스트가 탐지되지 않은 도서의 37.7%와 비교된다.

상당량의 AI 텍스트가 포함된 상위 200권에서는 희귀 표현 커버리지가 매출과 함께 증가했다. 매출이 10배 차이 날 때마다 7.6퍼센트포인트 상승했다. AI가 탐지되지 않은 도서에서는 이에 상응하는 관계가 통계적으로 0과 구별되지 않았다.

이 패턴은 주목할 만하지만, 신중하게 표현해야 한다. 이 측정치는 집합적인 텍스트 중복을 탐지한다. 어떤 모델이 특정 구절을 생성했는지 식별하거나, 특정 도서에 대한 접근을 입증하거나, 개별 작품에서의 복제를 확립하지는 못한다.

저자들도 이 한계를 명시적으로 인정한다. 독특한 중복은 공통 장르 영향, 학습 데이터의 재현, 편집 선택, 반복적으로 사용된 출처 자료 등 여러 과정에서 비롯될 수 있다. 법적 결론에는 통계적 유사성을 넘어서는 증거가 필요하다.

그럼에도 이 조합은 중요하다. 대량 생산은 인간 작가에게 경제적 압박을 가할 수 있고, 성공한 AI 비중이 높은 작품은 기존 언어와 더 많은 중복을 보인다. 이 두 발견은 누가 가치를 제공하고 누가 이를 포착하는지에 관한 의문을 강화한다.

숫자가 입증하지 못하는 것

이 결과는 주목할 만하지만, 하나의 관찰 시장과 하나의 분류 체계에서 나온 증거에 머문다.

이 논문은 심사 중인 작업 초안이며, 완성된 동료 심사 출판물이 아니다. 비판, 재현 연구, 추가 분석 뒤에는 방법론과 결론이 바뀔 수 있다. 독자는 이 주장을 진지한 예비 연구로 받아들여야 한다.

첫 번째 불확실성은 AI 탐지에 관한 것이다. 연구진은 Pangram의 전문 탐지기를 사용해 모든 도서에 백분율 점수를 부여했다. 특히 편집된 산문과 변화하는 모델 계열 전반에서 탐지기 출력에는 거짓 양성과 거짓 음성이 포함될 수 있다.

전문 분석은 짧은 미리보기를 판단하는 것보다 강력하다. 분류기에 더 많은 자료를 제공하고 연구진이 여러 임곗값을 시험할 수 있게 한다. 그러나 더 큰 표본도 체계적인 탐지기 오류를 없애지는 못한다.

“AI 텍스트 없음”이라는 라벨도 AI 텍스트가 탐지되지 않았다는 뜻이다. 완전히 인간만의 과정이었다는 보장은 아니다. 마찬가지로 25%를 넘는 점수도 표시된 모든 구절이 생성형 모델에서 직접 나왔음을 증명하지는 않는다.

연구는 임곗값 변화와 탐지기 드리프트 가능성에 대한 강건성 검사를 보고한다. 이런 검사는 분석을 강화한다. 하지만 작가나 플랫폼의 제작 기록을 통한 독립적 검증을 대체할 수는 없다.

두 번째 불확실성은 표본의 경계다. 데이터셋은 특정 기간에 출간된 자가출판 장르 소설 전자책에 초점을 둔다. 로맨스, 미스터리, 판타지, 호러, 공상과학 및 관련 범주가 분석의 대부분을 차지한다.

이 시장은 독자들이 익숙한 클리셰와 잦은 출간을 찾는 경우가 많으므로 물량을 연구하기에 적합하다. 하지만 출판의 모든 부문을 대표하지는 않는다. 학술서, 문학소설, 아동서, 논픽션, 전통 출판 도서는 다르게 작동한다.

판매 패널 역시 한 주요 출판사가 유지하는 독점 데이터다. 논문에 따르면 이 패널은 일일 전자책 판매 단위 물량의 상당 부분을 추적한다. 외부 연구자는 공개 논문만으로 그 시스템을 완전히 감사할 수 없다.

세 번째 불확실성은 인과관계다. AI 노출이 증가하는 동안 도서당 매출은 감소했고, 노출이 큰 장르에서 하락 폭도 더 컸다. 이런 패턴은 희석을 뒷받침하지만, 같은 기간 다른 요인들도 변했다.

광고 환경, 구독 행태, 장르 인기, 가격, 계절별 출간, 플랫폼 알고리즘은 모두 판매에 영향을 줄 수 있다. 저자들은 고정 효과와 비교를 사용해 대안적 설명을 줄인다. 그러나 관찰 데이터는 무작위화된 시장을 재현할 수 없다.

독자들은 더 큰 카탈로그에서 혜택을 볼 수도 있다. 더 많은 책은 더 큰 다양성, 더 빠른 출간 일정, 추가적인 틈새 소재를 만들어낼 수 있다. 연구진은 자신의 증거가 시장 전체의 후생 효과를 판단하지는 못한다고 밝힌다.

인간 작가의 평균 수익은 줄어드는 반면, 일부 독자는 선택지가 늘어날 수 있다. AI 보조 작가도 접근성을 개선하거나 그렇지 않았다면 존재하지 않았을 프로젝트를 완성하기 위해 도구를 사용할 수 있다. 이런 이점이 희석을 없애지는 않지만, 정책 결정을 복잡하게 만든다.

Hacker News의 맥락은 또 다른 한계를 제시한다. 짧은 토론 스레드는 논문에 관심을 끌 수 있지만, 대표적인 대중의 판단을 만들어내지는 않는다. 댓글 4개와 15포인트는 초기 관심을 보여 줄 뿐, 폭넓은 기술적 합의를 뜻하지는 않는다.

가장 책임 있는 결론은 더 좁다. 이 데이터셋은 탐지된 AI 공급 증가와 도서별 성과 약화 사이의 뚜렷한 연관성을 담고 있다. 그럴듯한 메커니즘을 제시하지만, 출판 전반에서 보편적인 피해를 증명하지는 않는다.

홍수가 계속 불어날지 보여 줄 세 가지 신호

다음 단계는 플랫폼 투명성, 독립적 재현 연구, 시장 희석에 대한 법적 판단에 달려 있다.

첫 번째 신호는 Amazon이 AI 공개를 어떻게 다루는지다. 현재 규정은 출판사로부터 정보를 수집하지만, 독자에게 보편적인 공개 라벨을 제공하지는 않는다. 눈에 보이는 공개 시스템은 구매 행동에 관한 새로운 증거를 만들 수 있다.

Amazon이 신뢰할 수 있는 라벨을 공개한다면, 연구자는 독자가 AI 생성 도서를 피하는지 또는 특정 장르에서는 이를 받아들이는지 시험할 수 있다. 라벨링 이후에도 판매가 안정적이라면 성공이 숨겨진 제작 방식에 달려 있다는 주장은 약화될 것이다.

공개 라벨이 모든 문제를 해결하지는 않는다. 출판사는 자신의 과정을 잘못 보고할 수 있고, AI 보조 콘텐츠와 AI 생성 콘텐츠는 흔히 연속선상에 놓인다. 하지만 플랫폼 데이터는 탐지기 기반 추론보다 더 유용해질 수 있다.

두 번째 신호는 독립적 재현 연구다. 연구자들은 서로 다른 탐지기, 시장, 기간, 판매 데이터셋을 활용한 비교 가능한 연구가 필요하다. 여러 플랫폼에서 유사한 결과가 나온다면, 희석이 일반적인 창작 시장 메커니즘을 반영한다는 논문의 주장이 강화될 것이다.

상반된 결과도 가치가 있다. Kindle Unlimited, 장르 소설, 또는 Amazon의 순위 시스템이 유난히 강한 효과를 만들어낸다는 점을 드러낼 수 있다. 그러면 관심은 생성형 AI만이 아니라 플랫폼 설계로 이동할 것이다.

재현 연구는 물량과 가시성도 분리해야 한다. 출간 수는 공급을 보여 주지만, 노출, 검색, 추천 배치, 광고 경매는 관심을 드러낸다. 이런 데이터는 실제로 어디에서 대체가 발생하는지 명확히 해 줄 것이다.

세 번째 신호는 법원이 AI 저작권 사건에서 시장 증거를 어떻게 다루는지다. 판사들은 생성된 작품의 분산된 경쟁이 전통적인 시장 영향 분석에 포함되는지 판단해야 한다. 또한 어떤 피해든 법적으로 관련 있는 복제와 연결해야 한다.

copyrightability guidance는 이미 인간의 창작적 통제와 순수 생성 출력물을 구분한다. 학습 분쟁은 모델 구축에 사용된 출처 자료에 관한 다른 질문을 제기한다.

향후 판결은 시장 희석을 관련 증거로 받아들여 논문의 중요성을 강화할 수 있다. 또는 특정 학습 행위가 보호되는 작품과 관련된 대체를 초래했다는 더 엄격한 증거를 요구함으로써 이를 약화할 수 있다.

플랫폼은 최종적인 법적 답변을 기다릴 필요가 없다. Amazon은 출간 속도, 고객 불만, 환불 행태, 반복적인 메타데이터, 미공개 생성 여부를 연구할 수 있다. 이런 운영 신호는 법정 원칙보다 더 빨리 중요해질 수 있다.

작가들도 이 같은 지표를 지켜봐야 한다. 독자 수요가 카탈로그 성장과 함께 늘어난다면 커지는 카탈로그는 관리 가능하다. 판매보다 생산량이 더 빠르게 늘어나 모든 작품이 줄어드는 관심의 몫을 두고 경쟁하게 될 때 위험은 커진다.

Hacker News 토론은 논문에서 시작됐지만, 다음 증거는 시장과 플랫폼에서 나와야 한다. Amazon이 AI 라벨을 공개하는지, 독립 데이터셋이 희석을 재현하는지, 법원이 그 메커니즘을 받아들이는지 지켜봐야 한다.

독자에게 필요한 즉각적인 행동은 더 간단하다. 책을 고를 때 표지, 순위, 출간 빈도 너머를 살펴보라. 신뢰하는 작가를 따르고, 산문을 주의 깊게 미리 읽고, 플랫폼에 더 명확한 제작 라벨을 요구하라. 더 나은 발견 신호가 자동화 출판을 멈추지는 못하겠지만, 규모만으로 계속 승리할지를 결정할 수 있다.