AI 연구소와 로봇 공학 기업들이 물리적 AI 훈련에 필요한 방대한 영상 데이터 확보에 어려움을 겪는 가운데, 상당량의 영상이 크리에이터들에 의해 제작되지만 제대로 된 보상이 이뤄지지 않는 문제가 지적되어 왔다. 이에 대응하여 미국 오하이오주 랭커스터에 기반을 둔 인플루언서 마케팅 및 데이터 기업 Diffraction이 크리에이터 권리를 보호하고 보상을 제공하는 새로운 AI 훈련 데이터 시장을 구축하고 있다. 이 회사는 계약, 데이터 확보 및 출처 증명 인프라를 통해 기존 시장의 불투명성을 해소하고 공정한 거래 환경을 조성하는 데 주력하고 있다.
물리적 AI 훈련 데이터 시장의 성장과 과제
최근 AI 기술, 특히 로봇 공학 분야의 발전은 기계가 도구를 쥐거나, 불규칙한 지형을 탐색하고, 물의 움직임을 인지하는 등 물리적 환경에서 실제적인 작업을 수행하는 능력을 요구하고 있다. 이를 위해서는 방대한 양의 고품질 훈련 영상 데이터가 필수적이지만, 이러한 데이터의 상당 부분은 온라인 크리에이터들이 일상적으로 제작하는 영상에서 얻어지고 있다. 문제는 이 영상들이 상업적 가치를 제대로 인정받거나 크리에이터에게 정당한 보상이 이루어지지 않는 경우가 많다는 점이다.
Diffraction은 공동 설립자 조셉 소틸과 톰 스완의 주도로 2022년 9월 설립되었으며, 2026년 1월에는 데이터 레이어인 '스트림지니(StreamGenie)'를 선보였다. 이들은 크리에이터들이 수많은 영상 아카이브를 보유하고 있음에도 불구하고 AI 훈련에 사용되는 영상에 대한 보상을 받지 못하고 있다는 문제의식을 공유하며, 크리에이터와 데이터 구매자 간의 연결고리를 만들고자 했다.
크리에이터 권리 보호를 핵심 가치로
Diffraction은 물리적 AI 데이터 시장이 '사기' 문제를 안고 있다고 지적한다. 영상이 스크린 녹화되거나, 공공 소스에서 무단으로 추출되거나, 명확한 권리 문서 없이 취합되는 관행은 데이터 세트의 법적 무결성을 훼손한다. 이에 Diffraction은 데이터의 '출처 증명(provenance)'을 최우선 설계 원칙으로 삼고, 모든 데이터 세트에 콘텐츠 소유자의 동의와 명확한 권리 부여를 증명하는 문서를 첨부한다. 이는 2025년 8월부터 일반 목적 AI 모델 제공업체에 훈련에 사용된 콘텐츠 요약본 공개를 의무화한 EU AI Act와 같은 규제 환경 변화에도 선제적으로 대응하는 전략이다.
회사는 라이선스 조건에 개인의 초상권 사용 및 복제, 라이선스 데이터의 중복 사용을 금지하며, 라이선스 사용이 완료되면 데이터를 삭제하도록 의무화한다. 또한, 스트림 배경 음악이나 카메라에 등장하는 제3자와 같은 영상 내 포함된 저작권 있는 요소에 대해서도 별도의 동의를 요구하는 등 크리에이터의 권리를 다층적으로 보호한다.
수요 기반 맞춤형 데이터 구축과 가치 평가
대부분의 물리적 AI 데이터 시장이 광범위한 영상을 취합하고 구매자를 기다리는 '투기 모델'로 운영되는 것과 달리, Diffraction은 고객의 특정 요구사항에 맞춰 데이터를 구축하는 '맞춤형(build to spec)' 방식을 채택한다. 이들은 500건 이상의 콘텐츠 감사를 통해 어떤 크리에이터 콘텐츠가 활발한 구매 수요를 이끌어내는지 파악한다. 예를 들어, 한 크리에이터의 100GB 아카이브 중 20시간 분량의 레고 조립 영상이 즉각적인 시장 가치를 가질 수 있다는 식이다.
데이터의 가격은 희소성, 숙련도, 다양성이라는 세 가지 변수에 따라 시간당 수 달러에서 수백 달러까지 폭넓게 책정된다. 인터넷에 흔히 접할 수 있는 일상적인 작업 영상은 가치가 낮지만, 숙련된 배관공이 실제 수리를 진행하는 영상처럼 특정 기술이 담긴 콘텐츠는 더 높은 가치를 갖는다. AI 훈련은 올바른 결과뿐만 아니라 숙련자와 비숙련자의 차이점에서도 학습하기 때문이다. Diffraction은 물리적 AI 훈련 데이터가 크리에이터의 외모나 신분이 아닌, 행동 및 물리적 데이터에 초점을 맞추기에 크리에이터의 초상권이 침해될 것이라는 오해를 해소하고 있다.
미래 로드맵: 아카이브 라이선싱에서 원격 조작까지
Diffraction은 세 단계로 구성된 로드맵을 제시한다. 첫째, 기존의 아카이브 영상을 라이선스하는 단계, 둘째, 구매자의 요구사항에 맞춰 맞춤형 데이터를 캡처하는 단계, 그리고 셋째, '텔레오퍼레이션(teleoperation)' 단계이다. 텔레오퍼레이션은 원격으로 로봇 팔을 조작하여 시연 데이터를 생성하는 것으로, 사람이 로봇 메커니즘을 통해 작업을 수행하는 모습을 직접 기록하며 물리적 AI 개발을 위한 가장 가치 높은 입력 데이터 중 하나로 평가된다.
텔레오퍼레이션으로 나아가기 위해서는 VR 제어 인터페이스에 익숙한 인력과 시험 프로그램을 운영할 연구소 파트너가 필요하다. 공동 설립자 조셉 소틸은 VR 헤드셋을 통해 가상 환경을 탐색하는 기술이 로봇 팔 원격 조작으로 직접 연결될 수 있다고 언급하며, 숙련된 크리에이터들이 향후 로봇 기술과의 시너지를 통해 새로운 가치를 창출할 수 있을 것이라고 강조했다.
