커뮤니케이션북스 인공지능총서 6월 2주 신간 6종을 소개해 드립니다.

 

 

나의 문학 독서 파트너 챗GPT

인공지능에서 편향의 위치

개인 투자자를 위한 AI 안내서

AI 채용의 서막

인공지능 시대 ｢특허법｣의 과제

AI로 급변하는 엔터테인먼트 산업

 

 

챗GPT와 함께 읽는 시, 그리고 비평의 가능성
인공지능 시대, 인간의 독서 능력과 문학적 감수성을 어떻게 유지하고 확장할 것인가? 대학 글쓰기 교육에서 독서와 비평의 비중이 줄어드는 오늘날, 챗GPT와 같은 AI 기술은 독자의 사유를 확장하는 독서 파트너가 될 수 있다. 이 책은 챗GPT를 단순한 정보 제공 도구가 아니라 독서와 쓰기의 메타인지적 훈련을 유도하는 매개체로 활용하는 구체적 실습 과정을 제시한다.
특히 현대시 작품을 중심으로 챗GPT의 인용문을 비판적으로 해석하고, 이를 바탕으로 비평문을 작성하는 예시를 통해 AI와의 상호작용이 어떻게 고차원적 리터러시 역량으로 이어질 수 있는지 보여 준다. 교수자와 학습자 모두에게 유용한 리터러시 실천 안내서로서 인공지능과 인간이 협력하는 새로운 문해 교육의 가능성을 모색한다.

나의 문학 독서 파트너 챗GPT

01 챗GPT 프롬프팅의 중요성
02 챗GPT의 거짓 도출
03 챗GPT의 수정 도출
04 챗GPT의 시 학습 능력
05 챗GPT의 시 읽기 1: 김수영
06 챗GPT의 시 읽기 2: 기형도
07 챗GPT의 시 읽기 3: 트랜스휴먼
08 챗GPT의 시 읽기 4: 포스트휴먼
09 챗GPT의 시 읽기 5: 대화
10 챗GPT와 시의 새로운 방향: 메타읽기

최근 대학 수업 현장에서는 개인 태블릿PC로 교과와 관련된 텍스트를 빠르게 수집하고 이에 대한 메타적 읽기를 수행하는 학생들을 쉽게 찾아볼 수 있다. 이 같은 상황에서 여러 대학의 독서 교육은 여전히 읽기를 인간의 고유한 영역으로 강조하고 인공지능의 능력을 ‘도전적인 것’ 또는 ‘시기상조의 것’으로 파악하고 있다. 물론 인공지능이 생성한 정보에는 객관성 문제, 윤리적 문제, 프로그래밍 결함으로 인한 원천적 오류 등 여러 문제가 있으며 이는 논의해야 할 대상임이 틀림없다. 그러나 이 책에서 강조하고 싶은 것은 미래세대인 현 대학생들을 대상으로 하는 리터러시 교육(읽기와 쓰기 교육)이 인공지능의 기술적 한계를 이미 사용자(user)로서 경험한 주체를 교육 대상으로 삼고 있다는 사실이다.
－“나의 문학 독서 파트너 챗GPT” 중에서

김수영이 시에서 논하는 ‘설움’의 다양한 의미 가운데 하나는 한국전쟁 이후 폭압적인 현실 세계 속에 놓인 자신의 처지와 구속된 자유정신에 대한 저항으로 발발한 불화에서 시작된 정념이다. 이는 챗GPT가 설명하고 있는 ‘설움’의 의미와 어느 정도 상응한다. 이와 관련해 사용자는 “한국의 시인 가운데, 김수영은 ‘설움’을 주제로 많은 작품을 썼다”고 말하며 ‘설움’을 주제로 한 담화를 진행해 보았다. 그러자 챗GPT는 김수영에 대해 “인간의 고독과 설움, 그리고 사회적 억압에 대한 저항을 주제”로 “사회적인 억압과 그로 인한 개인의 고통을 드러내면서도, 동시에 저항과 반항의 정신을 강조”했다고 설명했다.
－02_“챗GPT의 거짓 도출” 중에서

이 프롬프트에서 교수자가 주목해야 하는 것은 AI의 창의성이 아니다. AI가 제시된 조건을 만족하면서 생성한 텍스트가 원작품과 수사학적·내용적 유사성을 띨 수 있는지를 학생이 자기 고찰로 소화해 내는가에 주목해야 한다. 다시 말해 이 같은 학습 사례는 인공지능의 시 창작 능력에 중점을 두는 것이 아니라 학습자가 인공지능의 창작물에 스스로 비평적으로 접근하면서 유용한 조건을 끊임없이 제공할 수 있는지에 방점을 찍는다.
－06_“챗GPT의 시 읽기 2: 기형도” 중에서

인간은 생명과 더불어 생동하는 존재다. 생동이라는 말 속에 잠재해 있는 욕망은 인간을 변화의 순간의 총체로 만든다. 이 같은 박동은 죽음ᐨ되기로만 정지한다. 그리고 이 과정은 영원하다. 이는 일종의 알고리즘과 메커니즘을 수행하는 기계의 일상과 분명한 차이가 있다. 문제는 시에서 이러한 차이를 인간의 숭고한 존재 가치로 승화시키는 것이 아니라 비인간이 되지 못하는 슬픔의 위장으로 치환하고 있다는 점이다. 그것이 비인간의 문법과 규칙에 어긋나기 때문이다. 타자와 재회하려면 비인간의 문법과 규칙을 따라야만 한다.
－08_“챗GPT의 시 읽기 4: 포스트휴먼” 중에서

김웅기
문학평론가. 2025년 조선일보 신춘문예로 등단했다. 대구대학교 국어국문과를 졸업하고 《김수영의 변증법적 공간 연구》와 《윤곤강 시 연구》로 경희대학교 대학원 국어국문학과 석사 학위와 동 대학원 박사 학위를 받았다. 주요 연구로 AI 분야에서는 《인공지능과 문학의 미래》(2024), 《인공지능 시대의 문학》(2025)을 공저했고, “AI 시대 논증적 글쓰기를 위한 프롬프팅 연구”, “챗GPT 번역 프롬프팅 연구” 등의 논문을 발표했다. AI를 활용한 현대시 향유 및 비평 작업을 위한 연구를 이어 나갈 예정이다. 경희대학교 프락시스 연구회 소속으로 《윤곤강 문학 연구》(2022), 《한국문학사와 동인지문학》(2022), 《모던 경성과 전후 서울》(2023), 《해방 이후 동인지문학》(2025) 등을 공저했다. 우리문학회 학술상, 백조학술논문상 등을 수상했다. 현재 경희대학교 후마니타스칼리지에 출강하고 있다.

인공지능은 왜 편향되는가
데이터 기반의 현대 인공지능은 기획, 설계, 학습, 배포의 전 단계에서 인간의 선택과 사회적 조건에 의해 다양한 편향을 내포한다. 인공지능 편향의 개념과 발생 원리를 기계학습 구조 속에서 설명하고, 단순한 데이터 불균형을 넘어 윤리적·사회적 차원의 구조적 차별이 어떻게 알고리즘을 통해 증폭되는지를 짚는다. 나아가 블랙박스 구조 속 편향 탐지의 어려움, 공정성 기준의 충돌, 의도하지 않은 차별 효과 등 현재 인공지능이 직면한 핵심 문제를 구체적 사례와 함께 제시한다.
인공지능 개발자뿐 아니라 정책 입안자, 일반 사용자 모두가 편향을 인식하고 대응해야 할 이유를 설명하며, 데이터 전처리부터 공정성 기준의 적용, 편향 완화 기술까지 총망라해 AI 윤리 실천의 길을 제시한다. 인간의 편향이 만든 AI, 그 편향을 다룰 책임도 결국 인간에게 있다는 사실을 강조한다.

인공지능에서 편향의 위치

01 인공지능 편향 정책
02 인공지능 편향의 원인
03 보호 속성과 인공지능 공정성
04 인공지능 공정성의 유형
05 공정성 기준들 간 상충
06 인공지능 구성 단계에서의 편향
07 편향 제거가 아닌 완화
08 인공지능 편향 완화 기술
09 정확도-공정성 트레이드오프
10 편향 완화 플랫폼과 인간 판단

인공지능 윤리 및 신뢰성의 다양한 점검 항목 각각에 대해 ‘표준(standard)’이 여러 기관에서 개발되고 있다. ‘표준’은 개발자와 조직이 보다 책임감 있고 투명한 인공지능 시스템을 개발하고 배포할 때 가이드라인과 우수 사례 홍보를 포함하는 모범 사례로 역할을 한다. 대표적으로, IEEE(국제전기전자공학자협회)에서는 다양한 신뢰성 항목들에 대한 표준들을 개발하고 있으며, 인공지능 편향성에 대해서는 ‘IEEE P7003: 알고리즘 편향 고려 사항 표준(IEEE 2025)’이라는 이름으로 보고서 작업을 진행 중이다. 이 표준은 IEEE 자율 및 지능형 시스템 윤리 글로벌 이니셔티브의 일부이며 알고리즘 의사 결정 시스템에서 의도치 않은, 정당화되지 않은, 부적절한 편향을 식별하고 완화하는 데 개인이나 조직에 개발 프레임워크를 제공하려는 것이다.
－01_“인공지능 편향 정책” 중에서

통계적 공정성이란 모든 집단이 동일한 비율의 결과를 가지는 상태로, 결과의 수학적 동등성에 초점을 맞추는 종류의 공정성을 의미한다. 예컨대 대출 승인에서 모든 인종 집단이 동일한 비율로 승인을 받아야 한다는 기준을 세우는 경우다. 이러한 기준은 개인의 자격이나 능력을 고려하지 않고 단순히 집단 간 비율만을 맞추기 때문에 개인의 특수 상황을 고려하기 어렵다. 이러한 이유로 통계적 공정성은 다른 의미의 불공정성, 즉 ‘형평성 (equity)’의 관점에서는 불공정하다.
－03_“보호 속성과 인공지능 공정성” 중에서

그러나 주어진 시간과 재원은 한정되어 있기에 다양성과 데이터의 양을 무조건 늘리는 것은 현실적이지는 않다. 따라서 샘플의 ‘대표성’ 또한 중요하다. 의도된 인종 차별은 아니지만 인공지능이 학습하는 데이터는 그 양에서 특정 집단, 특정 속성에 치중될 가능성이 높다. 이 편향은 인공지능이어서 가지게 되는 편향이라기보다는 인간 사회가 이미 가지고 있는 데이터의 불균형이 반영된 결과다. 데이터를 수집하고 기술 구축 및 구현을 담당하는 팀에 다양성이 부족할수록 부정적인 결과의 가능성이 커진다. 예를 들어 특정 집단과 관련한 데이터가 의도치 않게 배제되면, 데이터가 모델 학습에 사용되는 방식 때문에 궁극적으로 데이터 품질에 영향을 주게 된다.
－06_“인공지능 구성 단계에서의 편향” 중에서

사후 처리 방법 중 하나인 임곗값(threshold) 조정은 집단별로 서로 다른 결정 임곗값을 적용하여 공정성을 향상하는 방법이다. 예컨대 균등 기회 기준을 사용할 경우, 각 집단의 진양성율을 동일하게 맞추는 것을 목표로 할 수 있다. 또 인구 통계학적 동등성 기준을 선택해 사용할 경우, 각 집단의 긍정 예측 비율을 동일하게 맞추도록 할 수 있다. 동등한 가능성 기준을 선택할 경우, 진양성율과 위양성율을 모두 동일하게 맞추도록 하여 편향을 조정할 수 있다. 구체적으로 특권 혹은 비보호 집단(privileged group)(예: 고소득층)의 임곗값이 0.5라면, 보호 집단(예: 저소득층)의 임곗값은 0.3으로 낮춰서 진양성율을 맞출 수 있다. 보호 집단의 대출 승인 가능성을 높이기 위한 조치다. 이렇게 임곗값을 차등 적용하면, 보호 집단의 경우 신용 점수가 0.3 이상이면 대출이 승인되므로, 기존에 0.5 이상이어야 했을 때보다 더 많은 사람들이 대출 기회를 얻게 된다. 이를 통해 두 집단 간의 대출 승인율 격차가 줄어들어 공정성이 개선된다.
－09_“정확도ᐨ공정성 트레이드오프” 중에서

김효은
국립한밭대학교 인문교양학부 교수이며 과학철학자, 실험철학자다. 국내 최초로 인공지능 윤리 교과를 개설했고, IEEE(국제전기전자공학자협회) 인공지능 윤리 지침 위원으로 참여했다. 철학과 인공지능 학사, 세인트루이스 소재 워싱턴대학교의 철학ᐨ신경과학ᐨ심리학 프로그램(PNP program) 인지과학 석사, 이화여자대학교에서 의식 연구로 박사를 마쳤고, 뉴욕대학교와 듀크대학교, 매쿼리대학교에서 객원 학자를 지내면서 분석철학을 전산 방법론과 연계하는 연구를 모색해 왔다. 딥러닝을 이용한 도덕 판단 유형 예측 시스템을 특허 등록(2022)했으며, 가치 개념들의 디지털 구현 및 현실 적용에 관심을 두고 있다. 최근 연구로는 재범 예측 시스템 데이터, MLforKids 등 디지털 도구를 활용한 교육 방법 개발, 생성형 AI 활용 교육 가이드라인 개발 등이 있다. 주요 저서는 『인공지능과 윤리』(2021), 『인지과학 실험실』(2021) 등이다.

개인 투자자, AI를 만나다
기술과 금융이 만나는 지점에서 개인 투자자가 AI 시대를 어떻게 준비하고 활용할 수 있는지 안내한다. 과거 대형 기관만이 누리던 고급 분석과 전략이 이제는 로보어드바이저, AI 기반 포트폴리오 관리 등 다양한 형태로 개인 투자자에게도 열리고 있다. 컴퓨터공학 교수이자 투자자로서 실제 경험과 이론을 바탕으로 AI 투자 서비스의 원리와 작동 방식을 알기 쉽게 설명한다.
특히 ETF 중심의 실전 사례를 통해 독자가 직접 AI 투자를 실행할 수 있도록 실용적인 팁과 전략을 제공하며, AI 기술의 한계와 윤리적 고려사항도 함께 다룬다. 투자의 민주화가 가속화되는 시대, 초보자부터 중급 투자자까지 모두에게 AI를 현명하게 활용할 수 있는 균형 잡힌 지식을 제공한다.

개인 투자자를 위한 AI 안내서

01 개인 투자자를 위한 AI 투자 서비스 이해
02 적합한 AI 투자 서비스 선택
03 AI 기반 투자 전략 이해
04 로보어드바이저 서비스 시작
05 AI 신호 기반 직접 투자 실행
06 AI를 활용한 ETF 배분 비율 최적화: SCHD와 QQQ 집중 분석
07 AI 투자 서비스 성과 평가와 최적화
08 개인 투자자의 AI 서비스 사용 시 주의 사항
09 개인 맞춤형 AI 투자 서비스 구성
10 AI 투자의 미래 전망과 개인 투자자를 위한 장기 전략

개인 투자자가 활용할 수 있는 AI 투자 서비스 유형으로는 로보어드바이저, 알고리즘 트레이딩 플랫폼, AI 투자 신호 및 분석 서비스, AI 기반 ETF 및 펀드 등이 있다. 소규모 자본으로도 AI 투자를 시작할 수 있으며 투자 목표 및 기간 설정, 투자 가능 금액 결정, 적합한 AI 서비스 선택, 단계적 투자 시작 등의 가이드를 따르는 것이 중요하다. 분산 투자 전략과 달러 코스트 애버리징 같은 장기적인 접근법이 소액 투자에 적합한 전략이다.
－01_“개인 투자자를 위한 AI 투자 서비스 이해” 중에서

효과적인 백테스팅을 위해 충분한 데이터 기간, 현실적인 가정, 과적합 방지, 다양한 시나리오 테스트를 고려해야 한다. 백테스팅 결과 해석 시에는 과거 성과가 미래 성과를 보장하지 않음을 인지하고, 특정 기간에만 잘 작동하는 전략은 경계해야 한다. 수익률만큼 리스크 지표도 중요하게 평가하고 이해하기 어려운 블랙박스 전략은 신중하게 접근해야 한다.
－03_“AI 기반 투자 전략 이해” 중에서

개인 투자자를 위한 ETF 매수 타이밍 전략으로는 AI 기반 매수 시그널을 활용할 수 있다. 기술적 지표[RSI(상대 강도 지수)가 30 이하, 200일 이동평균선 근처, MACD(이동평균 수렴·확신 지수) 반등 신호], 시장 심리 지표[VIX(Volatility Index, 변동성 지수)가 30 이상 상승, CNN Fear & Greed Index(공포와 탐욕 지수)가 “극도의 공포” 구간], 뉴스 감성 분석 등을 참고할 수 있다. 초보자를 위한 단순화된 매수 전략으로는 ETF가 3개월 고점 대비 10∼15% 하락 시 계획 금액의 1/3 투자, 20% 이상 하락 시 2/3 투자, 광범위한 시장 패닉 상황에서 비상금 일부를 활용한 추가 매수 등이 있다.
－06_“AI를 활용한 ETF 배분 비율 최적화: SCHD와 QQQ 집중 분석” 중에서

자녀 교육 자금을 위한 AI 투자 전략은 목표 일자형 접근과 계단식 구조가 특징이다. 교육 단계별로 영유아기 준비(0∼5년)는 보수 균형형 AI(주식 30∼40%, 채권 50∼60%), 초중학교 준비(5∼10년)는 균형형 AI(주식 50∼60%, 채권 30∼40%), 고등학교 준비(10∼15년)는 균형 성장형 AI(주식 60∼70%, 채권 20∼30%), 대학 준비(15년+)는 성장형 AI(주식 70∼80%, 채권 10∼20%)를 활용한다. AI 교육 자금 계산기를 통해 자녀 나이와 교육 목표에 따른 예상 교육비와 필요 월 저축액을 산출할 수 있다.
－09_“개인 맞춤형 AI 투자 서비스 구성” 중에서

이정헌
경희대학교 컴퓨터공학과 교수다. 1999년부터 2011년까지 3번 스타트업을 창업하고 투자금을 회수(exit)했고, 한국정보화진흥원 프로그램 매니저(PM)를 거쳐 2013년부터 현재까지 경희대학교 컴퓨터공학과 교수로 재직 중이다. 2018년부터 전문 개인 투자자로 투자 활동을 하고 있으며 다른 전문 개인 투자자들과 AC(액셀러레이터)/VC(벤처캐피탈) 투자사를 설립해 스타트업을 발굴하고 투자하고 성장을 지원하는 투자 활동을 활발히 하고 있다. 2020년부터 중소벤처혁신기업협회 협회장으로 활동하고 있으며 국가지식재산위원회 신지식 재산 분과에서 전문위원으로 4년간(2013∼2017) 활동했으며, ISO/ IEC JTC1 SC24 국제표준위원(2004∼현재)으로 활동하고 있다. 과기부, 산업부, 문체부에서 기술기획위원회 기획위원으로 활동하고 있으며, AI, 빅 데이터, AR/VR, 영상처리 분야에서 다수의 국책 연구개발 프로젝트를 수행했으며, 세계인명사전에도 영상전문가로 등재되어 있다. 주요 저서로 『애즈 어 서비스다! 비트 경제의 게임체인저』(2021), 『4차 산업 시대의 역량 강화를 위한 생성형 AI 그리고 산업자동화』(2024) 등이 있다.

AI 시대, 채용은 어떻게 달라져야 하는가
디지털 전환은 ‘기술’이 아닌 ‘인재’의 문제로 귀결되고 있다. 인재 확보는 생존 전략이며, AI는 그 전면에 있다. 기업은 더 이상 직관에 의존할 수 없다. 편향과 과신, 일관성 부족의 문제를 넘어, 데이터와 AI 기반 채용 시스템이 급부상하고 있다. 효율성과 공정성을 갖춘 채용이 가능해진 한편, 알고리즘 편향, 설명 불가능성, 지원자 경험 저하 같은 새로운 과제도 대두된다.
이 책은 AI 채용의 구조, 효과, 위험, 그리고 채용 담당자의 새로운 역할까지 입체적으로 조망한다. 채용은 도구의 변화가 아니라 판단 방식 전체의 대전환이다. 기술과 인간성을 결합한 새로운 채용 문화를 만드는 길잡이다.

AI 채용의 서막

01 AI와 HR 데이터
02 공고 작성과 후보자 유입
03 AI 기반 스크리닝
04 면접과 의사결정
05 커뮤니케이션과 후보자 경험
06 AI 채용 대응 전략과 준비
07 채용 데이터로 본 조직 성장
08 AI 채용에서 발생하는 윤리 이슈
09 성공과 실패로부터 배우기
10 AGI 시대와 증강지능의 방향성

대표적인 생성형 AI인 대규모 언어 모델(LLM, Large Language Model)은 직무 기술서 자동 생성, 후보자 안내 메일 작성, 인터뷰 질문 설계, 교육 콘텐츠 및 피드백 메시지 작성 등 HR의 일상적인 콘텐츠 제작 업무를 빠르고 정밀하게 처리할 수 있게 해준다. 이는 HR의 업무 부담을 크게 줄이며, 더 나아가 포용적이고 다양성을 고려한 언어를 사용하는 데에도 도움을 준다. 또한 생성형 AI는 예측형 AI의 한계를 보완한다. 예측형 AI는 데이터를 기반으로 미래 행동을 예측하지만, 그 결과를 전달하고 실현하기 위한 언어적, 설계적 표현이 필요하다. 이때 생성형 AI는 예측 결과를 바탕으로 실제 실행 가능한 커뮤니케이션과 콘텐츠를 생산함으로써, ‘분석’에서 ‘실행’으로의 전환을 돕는다.
－01_“AI와 HR 데이터” 중에서

요약 기능은 주로 텍스트 생성 모델(text generation models)을 활용하며, 다음과 같은 문장으로 출력된다. “이 후보자는 5년 이상의 백엔드 개발 경력을 보유했으며, Java와 Spring Framework에 숙련되어 있습니다.” 한편, 점수화는 AI가 특정 직무 또는 역량 기준에 따라 지원자의 적합도를 수치로 표현하는 것이다. 예를 들어, 업무 연관성, 경력 연차, 기술 키워드 일치율 등을 기준으로 0~100점의 점수를 매긴다. 이러한 점수는 지원자 간 비교 및 우선 검토 대상을 가려내는 데 사용된다. 이 기능은 사람의 직관적 판단을 보완하는 ‘보조 의사결정 장치’로서 역할 한다.
－03_“AI 기반 스크리닝” 중에서

커버레터(Cover Letter. 이력서, 자기소개서)에서도 정량적 성과는 중요하다. 첫 단락에서 “지난 2년간 개발자 및 디자인 직군 중심으로 총 73명을 채용하며, 지원자 경험 개선 및 채용 전환율 제고를 주도해 왔습니다”와 같이 자신의 핵심 성과를 요약하는 문장이 필요하다. 중간에는 기업이 요구하는 직무와 자신이 수행한 프로젝트의 연결성을, 마지막에는 기업의 문화와 가치에 공감하는 지원 동기를 설득력 있게 전달해야 한다.
－06_“AI 채용 대응 전략과 준비” 중에서

국내 일부 기업들은 AI 기반의 면접 솔루션을 도입했으나, 신뢰성과 정확성 문제로 논란을 겪고 있다. 예를 들어, 국내 대기업들의 채용 과정에서 AI 면접 시스템이 사용되었으나, 구직자들은 평가 기준의 불명확성과 예측 불가능성에 대해 불만을 토로했다. 또한 AI 시스템이 지원자의 실제 역량보다 말의 속도나 목소리 톤 같은 비본질적인 요소에 지나치게 민감하게 반응한다는 비판도 있었다. 실제로 몇몇 사례에서는 높은 평가를 받은 지원자들이 실제 업무에서 기대에 크게 못 미치는 성과를 보여, AI 평가의 예측 타당성이 의문시되었다. 이는 AI 기술을 채용에 도입할 때 명확한 설명 가능성과 신뢰성 확보가 반드시 선행되어야 함을 시사한다.
－09_“성공과 실패로부터 배우기” 중에서

윤명훈
원티드랩 사업총괄이자 중앙대학교 글로벌인적자원개발대학원, 가천대학교 경영대학원 겸임교수로 재직 중이다. 중앙대학교에서 HRD 박사 학위를 취득한 후, AI와 HR의 접점에서 실무와 연구를 이어 가고 있다. 국내 대기업과 유니콘 스타트업 등에서 15년 이상 HR과 디지털 전략을 경험했으며, 현재는 HR 비즈니스를 직접 운영하며 현장의 관점에서 일하고 있다. 『피플애널리스트들이 온다』(2024), 『스타트업 HR팀장들』(2024) 등 저서를 통해 HR의 미래를 현장 언어로 풀어내고 있으며, AI 기반 채용, HR 애널리틱스, 데이터 기반 조직 문화 설계 등을 주제로 강의와 자문을 병행하고 있다. 기술과 사람, 데이터를 연결해 더 나은 일의 방식을 고민하는 HR 전문가다.

AI도 발명가가 될 수 있을까
인공지능이 발명 과정에 개입하거나 스스로 창작하는 시대, 특허 제도는 기존 전제를 다시 묻고 있다. 이 책은 AI 발명을 중심으로 한 특허법의 쟁점을 총망라하며, 발명자 개념부터 권리 귀속, 특허 요건, 침해 책임까지 제도 전반의 재해석 가능성을 탐색한다. AI가 제안한 기술이 인간의 개입 없이 도출된 경우, 이는 특허로 보호받을 수 있는가? AI가 기존 특허를 침해했을 때 책임은 누구에게 귀속되는가? 또, AI 자체를 발명의 대상 혹은 주체로 인정할 수 있는가?
이 책은 기술과 제도의 경계에서 발생하는 복잡한 법적 질문에 답하고자 한다. 학계, 산업계, 정책 현장에서 AI 특허를 둘러싼 법적 기준이 모호한 지금, 이 책은 체계적 분석과 구체적 시나리오를 통해 법적 해석과 입법 방향을 제시한다. 기술 발전이 법체계를 앞지르는 지금, 미래의 법제 설계에 꼭 필요한 통찰을 제공한다.

01 인공지능 시대 ｢특허법｣의 과제
02 인공지능 기술의 개념과 분류
03 인공지능 발명의 특허 적격과 권리 보호를 위한 제도적 조건
04 인공지능 생성 발명의 발명자 특정
05 인공지능 생성 발명의 권리 귀속
06 인공지능 발명과 특허 요건의 재구성
07 인공지능이 유발한 특허 침해와 법적 책임
08 윤리적·정책적 고려 사항
09 인공지능 시대를 위한 특허 제도 개혁의 방향
10 미래 전망과 제언

그러나 인공지능의 등장은 “기술적 창작과 공개에 대한 특허권 보호”라는 기본 프레임에 대해 본질적 의문을 제기한다. AI란, 학습, 추론, 판단, 문제 해결, 언어 이해 등과 같은 인간의 지능 활동을 기계가 모사하거나 대체할 수 있도록 설계된 기술 시스템을 말한다. 이는 단순한 계산 처리 능력을 넘어, 방대한 데이터를 분석해 패턴을 인식하고, 스스로 경험을 축적하며, 새로운 결과를 생성하거나 복잡한 결정을 내릴 수 있는 자율성을 갖춘 알고리즘 기반의 지능 체계라 할 수 있다.
－01_“인공지능 시대 ｢특허법｣의 과제” 중에서

AI 모델 구조 및 학습 방법의 근간이 되는 소스 코드는 컴퓨터 프로그램 저작물이라 할 수 있으나, 소스 코드는 AI를 이루는 한 요소일 뿐, 그것만을 AI라고 부를 수는 없다. 인간이 DNA 서열만으로 설명되지 않듯, AI 역시 단순한 코드의 집합이 아닌 모델 구조, 학습된 파라미터, 훈련 데이터, 실행 환경의 총체로 구성된다. AI는 사전 정의된 절차에 따라 작동하는 것이 아니라, 데이터에 따라 스스로 규칙을 형성하고, 입력에 대한 출력을 동적으로 생성한다. 이 기능은 단순한 코드로는 구현되지 않으며, 반드시 학습(learning)의 과정을 통해 만들어진 모델이 포함되어야 한다. 따라서 AI라고 할 수 있는 지점부터 논의하자면, AI는 ‘표현’이 특정되지 않으므로 저작권으로 보호될 수 없다.
－03_“인공지능 발명의 특허 적격과 권리 보호를 위한 제도적 조건” 중에서

예컨대, AI가 자율주행 자동차의 경로 탐색을 위한 알고리즘을 생성했다고 하자. 해당 알고리즘이 기존의 그래프 기반 탐색 알고리즘과 기본 구조는 유사하더라도, 병목현상을 회피하고 연산 자원 소모를 절반 이하로 줄이면서도 안전도를 높이는 효과를 가져왔다면, 이는 단순한 구조적 유사성으로 진보성을 부정할 수 없는 사례다. AI 생성 발명의 진보성 판단은 기존 기술과 구별되는 “문제 해결 방식”과 “기술의 효과”가 중심에 놓여야 한다.
－06_“인공지능 발명과 특허 요건의 재구성” 중에서

AI의 작동 결과가 타인의 특허를 침해하는 경우, 그 침해가 어떤 주체의 ‘고의’ 또는 ‘과실’에 기초한 것인지 판단하는 것이 어렵다. 특히 생성형 AI는 자율적으로 결과물을 생성하므로, 사용자나 개발자의 침해 인식을 전제한 고전적 책임론이 적용되기 어려운 경우가 많다. 더불어 AI 시스템은 설계자, 제공자, 사용자 등 다양한 주체가 분산적으로 기능을 수행하기 때문에, 행위의 통일성과 협동성을 전제로 하는 공동 침해 또는 간접 침해 판단에도 구조적 한계가 존재한다.
－09_“인공지능 시대를 위한 특허 제도 개혁의 방향” 중에서

조성광
지본 특허법률사무소 대표 변리사다. 충남대학교 공학대학원에서 건축구조를 전공해 공학 박사학위를 받았고, 중앙대학교 법학전문대학원에서 지식재산권을 전공해 법학 박사학위를 받았다. 산업재산권 분쟁조정위원, 한국저작권위원회 감정위원, 법원 전문심리위원, 한국무역위원회 자문위원, 신기술/신제품 심사위원, 변리사 시험 및 지식재산능력시험 출제위원 등으로 활동한다. 융복합지식학회 부회장, 대한변리사회 윤리위원 등을 역임했고 현재 한국중재학회 상임이사다. 여러 대학에서 특허법, 상표법, 저작권법, 특허경영실무, 디자인행정론, 주택기술특허특론, 광고 지식재산 경영, 예술과 법 등 지식재산권 각 분야의 과목을 강의했다. 저서로 『CASE 특허법』(2008), 『스마트 앱과 지식재산권』(2013), 『건축과 지식재산권』(2013), 『브랜드네이밍과 상표권』(2014), 『신지식재산법: 퍼블리시티권』(2025) 등이 있다. “외국 중재판정 승인 및 집행의 직권 거부사유에 관한 쟁점 검토”(2023), “A Comparative Review of R.O.K and U.S. Law on Induced Infringement of Therapeutic Method Patents by Legally Manufactured Generic Drugs”(2024), “포스트모더니즘 미술의 저작물성”(2024) 등의 논문 다수를 국내외 등재 학술지에 게재했다.

AI가 바꾸는 쇼비즈니스의 미래
AI 기술은 지금 이 순간에도 엔터테인먼트 산업을 뒤흔들고 있다. 영화, 음악, 게임, 드라마의 제작과 유통은 물론, 아티스트의 창작과 팬과의 소통 방식까지 AI가 개입하는 시대다. 이 책은 음악 산업의 AI 작곡, 음원 추천 시스템, 가상 보컬 제작 사례부터 영화 제작과 VFX, 배우 음성 복제까지 엔터테인먼트 전 분야에 걸쳐 나타나는 변화 양상을 생생하게 전한다.
AI 활용의 밝은 가능성과 함께, 창작자 일자리의 위기, 저작권 침해, 프라이버시 문제, 콘텐츠 편향 등 우리가 반드시 고민해야 할 윤리적·사회적 쟁점도 짚는다. 챗GPT, 복스팩토리, 스포티파이 DJ, 디지털 휴먼까지 최신 사례를 풍부하게 담아, 콘텐츠 기획자, 창작자, 기술 개발자, 팬 모두에게 필요한 정보를 담았다.

AI로 급변하는 엔터테인먼트 산업

01 AI와 아티스트
02 AI와 아티스트 매니지먼트
03 AI와 고용
04 AI와 IP
05 AI와 팬덤
06 AI와 공연
07 AI와 초개인화 서비스
08 AI와 예술적 진정성
09 AI와 윤리, 그리고 규제
10 AI와 창의적 협업을 위한 공존

K팝의 왕국인 대한민국에서 가장 대중적으로 알려진 AI 엔터테이너들을 꼽으라면 우선 나이비스를 들 수있다. 나이비스는 지난 2020년 11월 데뷔한 걸그룹 ‘에스파(aespa)’의 세계관 시즌 1에서 처음으로 대중에게 소개된 후 2024년 9월 10일 데뷔 싱글 〈던(Done)〉으로 공식 데뷔한 버추얼 아티스트다. SM엔터테인먼트 측에 따르면 나이비스는 AI 보이스 기술로 구현되는 목소리, 생성형 AI로 제작되는 콘텐츠 등을 통해 음악뿐 아니라 웹툰, 게임, 브랜드 컬래버레이션 등 다양한 영역에서의 활동을 위해 탄생한 아티스트다.
－01_“AI와 아티스트” 중에서

게임 산업이야말로 AI로 인해 직업이 대대적으로 대체될 산업군으로 지목된다. 우선 게임 개발 및 디자인 직업군이다. 우리가 게임을 할 때 장르를 불문하고 게임 속 세상에서 오감을 통한 경험을 하게 된다. 그 게임 속 세상을 디자인하는 레벨 디자이너는 이미 AI로 대체되고 있다. AI는 자동으로 지형을 생성하고, 게임 레벨 구조를 설계하는 도구(예: Procedural Generation)를 활용해 레벨 디자인 작업의 상당 부분을 대체하고 있다. 또한 AI 기반 툴(DALL·E, MidJourney 등)로 게임 배경과 환경의 초기 디자인을 자동으로 생성해, 일부 반복적인 작업이 대체되고 있다. UX 디자이너도 AI가 플레이어의 행동 데이터를 분석해 인터페이스를 자동으로 최적화하거나 사용자 경험을 개선할 수 있는 분야로 대체될 확률이 높다.
－03_“AI와 고용” 중에서

AI를 사용해 전에 없던 독특한 사운드를 창조해 내는 아티스트들도 있다. 2016년, 메이저 레이저(Major Lazer)는 저스틴 비버(Justin Bieber)와 함께 ‘콜드 워터(Cold Water)’라는 곡을 발표했다. 이 곡은 AI가 주도한 사운드 디자인을 포함해 AI 알고리즘이 다양한 음악 요소를 분석하고 독특한 비트, 멜로디, 화음의 조합을 만들어 냈다. 이 접근 방식은 메이저 레이저와 저스틴 비버가 팬들과 공감할 수 있는 신선하고 혁신적인 사운드를 창조하는 데 크게 기여했다.
－06_“AI와 공연” 중에서

영화에서 딥페이크 기술의 사용은 창의적 가능성을 열어 주는 동시에 윤리적 논란을 불러일으켰다. 〈스타워즈: 라이즈 오브 스카이워커〉에서 여주인공 캐리 피셔의 모습을 디지털로 재현한 것이 동의 문제와 진위성 논의를 촉발한 바 있다. 버락 오바마 전 미국 대통령이 등장하는 딥페이크 영상이 디지털 조작임이 밝혀지며, AI가 허위 정보와 여론 조작에 사용될 가능성에 대한 우려를 제기하기도 했다.
－09_“AI와 윤리, 그리고 규제” 중에서

황준민
동국대학교 문화예술대학원 글로벌음악산업전공 책임교수다. 캘리포니아주립대학교 노스리지에서 음악 산업을 전공했다. 소니뮤직산타모니카, 미주중앙일보, JYP엔터테인먼트를 거친후 현재 ㈜엔터스테이션 대표이사를 겸직하고 있다. 문화체육관광부 자문위원으로도 활동하고 있다.