Taiwan Sovereign AI Training Corpus(臺灣主權AI訓練語料庫), 민간 언어자료 제공 모집 시작: 라이선스 약관과 하카어 데이터 현황

2026년 9월 15일, 대만 디지털발전부(moda)는 Taiwan Sovereign AI Training Corpus(臺灣主權AI訓練語料庫)에 대한 민간 언어자료 제공 모집을 공식적으로 시작한다고 발표하고, 출판사와 작가, 문화 기관에 출판물을 AI 훈련용으로 코퍼스에 라이선스 제공해 달라고 요청했습니다. 린이징(林宜敬) 장관은 작가로서 가장 먼저 자신의 저서 《행복한 귀신섬》(幸福的鬼島)과 《떠돌이 반란군과 혁신가》(流寇與創新者)를 기증했으며, 여러 출판사와 전자책 플랫폼, 작가들도 기자회견 현장에서 라이선스 동의서에 서명했습니다. 명단은 다음 절에서 소개합니다.

본 기사는 2026년 9월 17일에 검증을 진행했으며, moda 보도자료 3건의 전문과 Taiwan Sovereign AI Training Corpus 웹사이트에 게재된 라이선스 약관 페이지를 확인했습니다. 본 사이트는 직접 시험해 보지 않았고, 라이선스 제공이나 투고 여부를 독자 대신 판단하지도 않습니다. 아래에서 다루는 규모 수치, 날짜, 조항 내용은 모두 이 네 건의 공식 문서가 검증 당일 시점에 기재하고 있던 내용에 근거하며, 이후 변경될 수 있습니다.

9월 15일 기자회견, 누가 무엇에 서명했나

moda는 같은 날 '민간 언어자료 모집 시작 기자회견'을 열었습니다. 보도자료에는 '秀威資訊(Showwe Information Co., Ltd.), 印刻文學(INK), Readmoo讀墨(Readmoo), 食力(foodNEXT), 巨思文化(Cunext Group) 등 출판 및 전자책 플랫폼 업체와 란이펑(藍弋丰), 리쿠이셴(李魁賢, 가족 대표) 등 작가가 직접 참석해 라이선스 동의서에 서명했다'고 되어 있지만, 이는 예시일 뿐 완전한 명단은 아닙니다. 천밍중(陳明忠), 롄밍웨이(連明偉), 주궈전(朱國珍), 주허즈(朱和之) 등 작가는 별도로 '저작물 제공으로 호응했다'고 기재되어 있습니다. 공식 발표는 이 두 그룹을 구분해서 서술했을 뿐, 후자가 현장에 참석했는지는 설명하지 않습니다.

린이징 장관은 AI 모델이 민주주의, 권력 견제와 균형 같은 개념을 이해하는 방식이 훈련 언어자료에 담긴 사회적・문화적 맥락의 영향을 받는다고 지적하며, 현재 국제 대형 언어모델의 중국어 훈련 데이터가 여전히 대부분 간체자 콘텐츠 위주라고 언급했습니다. 이는 장관 본인의 현황에 대한 견해이며, 본 사이트는 이 발언 자체가 사실인지 별도로 검증하지 않았습니다.

moda는 언어자료 모집이 '자발적 참여, 명확한 라이선스, 철회 가능'이라는 3대 원칙을 따른다고 강조하고, 완비된 철회 신청 창구를 마련했다고 밝혔습니다. 다만 공식 보도자료는 이 창구의 URL, 신청 양식, 처리 시간을 설명하지 않으며, 이번 모집의 마감일이나 건수 상한도 정하지 않았습니다. 기재된 내용은 'moda는 작가, 출판사, 문화 기관, 법인, 각 분야의 콘텐츠 제공자가 함께 참여해 주기를 진심으로 요청한다'는 한 문장뿐입니다.

코퍼스는 어떻게 지금의 규모로 성장했나

Taiwan Sovereign AI Training Corpus는 9월 15일에 갑자기 등장한 것이 아닙니다. 디지털발전부는 2025년 12월 24일 가동 개시 발표를 냈으며, 본문에는 '현재 이미 200개가 넘는 정부 기관이 참여했고, 2,000건이 넘는 데이터셋과 6억 개가 넘는 tokens가 공개되어 있다'고 되어 있으며, 내용은 언어, 문화, 교육, 생물, 지리환경 등의 분야를 포괄한다고 밝혔습니다. 공식이 사용한 표현은 '현재'이며, 이 세 수치에 대한 통계 기준일은 제시되지 않았습니다. 이 페이지 자체의 작성일은 2025년 12월 24일, 갱신일은 2026년 3월 19일입니다.

2026년 7월 24일, moda는 보도자료를 내고 코퍼스가 하카위원회(客家委員會)와 협력해 최근 하카어 언어자원, 출판물, 문사(文史) 자료, 연구보고서 등을 정식으로 공개하고, 처음으로 약 2,000만 tokens의 고품질 훈련 언어자료를 추가했다고 발표했습니다. 실제 공개일은 명시되지 않았습니다. 하카어는 보도자료에서 '우리나라 국가언어 중 하나'로 규정되었습니다. 같은 발표에는 코퍼스가 가동 이후 15억 tokens가 넘는 언어자료량을 누적했다고 되어 있지만, 이 누적 수치에는 어떤 마감 시점도 붙어 있지 않습니다.

9월 15일이 되자 moda는 코퍼스 규모가 '올해 8월 말 기준' 약 22억 Tokens에 달했다고 밝히고, 민간 언어자료 모집 시작을 코퍼스가 '새로운 발전 단계에 접어드는' 이정표라고 칭했습니다. 세 건의 발표 중 규모 수치에 통계 기준일을 명시한 것은 이 발표뿐입니다. 12월 발표는 '현재', 7월 발표는 '가동 이후'라고 되어 있으며, 둘 다 마감 시점이 없습니다. 따라서 세 수치는 각각 다른 산정 기준에 근거하고 있으며, 본 기사는 이를 더하거나 빼지 않고, 같은 시점의 규모로 환산하지도 않습니다.

누가 언어자료를 제공할 수 있고, 무엇을 제공할 수 있으며, 누가 중개하는가

moda의 설명에 따르면, 현 단계에서는 풍부한 언어자료 자원을 보유한 출판업과 전자책 플랫폼을 협력 대상으로 삼아 무상 라이선스 방식으로 추진하고 있습니다. 작가가 자신의 저작물을 제공하고 싶은 경우 소속 출판사가 코퍼스 등록을 지원할 수 있다고 되어 있지만, 작가 본인이 직접 등록을 신청할 수 있는지는 공식 보도자료에 언급이 없습니다. 중점 모집 대상은 네 가지 범주입니다. 동의를 거쳐 라이선스된 출판물, 출판물 소개, 출판물 미리보기 콘텐츠, 그리고 저작권 보호 기간이 이미 지나 공공재로 활용할 수 있는 고전과 창작물입니다.

라이선스 약관은 전체 절차를 세 가지 역할로 정리합니다. '라이선서(Licensor)'는 언어자료를 제공하는 권리자, '라이선시(Licensee)'는 약관에 따라 언어자료를 이용하는 수령자, 그리고 '코퍼스 플랫폼'은 라이선서로부터 언어자료를 확보해 그 지시에 따라 라이선시에게 다리 역할을 하는 제3자입니다. 약관에는 코퍼스 플랫폼이 '본 라이선스가 정하는 어떠한 라이선스 관계의 당사자에도 해당하지 않는다'고 명시되어 있지만, 라이선서의 동의를 얻어 언어자료의 수령 대상이나 유효기간을 평가・선정할 수 있다고 되어 있습니다.

라이선스 약관이 정의하는 '언어자료 데이터'의 범위는 책보다 넓습니다. AI의 언어 및 멀티모달 학습에 사용할 수 있는 어문, 음악, 미술, 사진, 도형, 시청각, 녹음 등의 저작물을 포함하되 이에 한정되지 않으며, 창작성 있는 데이터의 선택과 배열로 생기는 편집저작물도 포함됩니다. 9월 15일 발표에는 이번 모집이 몇 권, 몇 tokens가 모이면 종료되는지 쓰여 있지 않고, 향후 2차 모집이 있을지도 기재되어 있지 않습니다.

라이선스 약관은 투고자의 권리에 무엇을 하는가

코퍼스 웹사이트가 공개한 'Taiwan Sovereign AI Training Corpus License – Version 1(臺灣主權AI訓練語料授權條款-第1版)'은 디지털발전부의 2025년 12월 24일자 가동 개시 발표에 따르면 moda와 경제부 지식재산국(TIPO)이 공동으로 마련한 것입니다. 약관은 언어자료를 제공하는 적법한 권리를 가진 개인 또는 단체를 '라이선서', 언어자료를 받아 이용하는 쪽을 '라이선시'라고 부릅니다. 라이선서가 라이선시에게 부여하는 것은 복제, 각색, 편집 및 그 밖에 저작권과 저작인접권상 필요한 이용권이며, 이를 통해 언어자료를 AI 훈련에 적법적으로 사용할 수 있게 됩니다. '이 라이선스는 재허가 및 양도가 불가능'하며, 유효기간은 라이선서 또는 그 대리인이 특정 연수 또는 영구로 지정할 수 있습니다.

약관은 또한 '철회 가능'의 실제 경계도 정하고 있습니다. 라이선시가 훈련을 통해 얻은 모델, 가중치, 코드, 문서 또는 그 밖의 산출물은 저작권 보호 요건을 충족할 경우 라이선시 또는 모델 운영자에게 귀속됩니다. 또한 '원 언어자료 데이터가 이후 제공이 중단되더라도, 이미 완료된 훈련 성과(산출된 모델, 가중치, 코드, 문서 또는 그 밖의 형태의 산출물을 포함하되 이에 한정되지 않음)에는 영향을 주지 않는다'고 되어 있습니다. 반면 이미 다운로드된 언어자료 사본을 이후에도 계속 훈련에 사용할 수 있는지는 약관에 쓰여 있지 않습니다. 또 다른 단서 조항으로, 성과가 원 언어자료와 실질적으로 유사하고 원 언어자료 데이터의 시장 또는 가치에 부정적 영향을 미치며 합리적인 학습 범위를 초과하는 경우가 아니라면, 라이선서는 AI 훈련 성과를 자신의 저작물에 대한 각색이나 편집으로 보지 않으며, 이후의 사용, 수정, 재배포 또는 연산 행위에 어떤 제한도 가하지 않고 소송도 제기하지 않는다는 데 동의합니다.

라이선시가 언어자료를 사용해 훈련한 모델이나 도구는 법에 따라 면제되거나 라이선서가 별도로 동의한 경우가 아니라면, 코퍼스 플랫폼이 제공하는 식별 정보를 표시해야 합니다. 약관이 드는 예로는 데이터셋 이름, 버전 번호, 데이터셋 제공자, 공개 연도, 데이터셋 신청 페이지 또는 공식 웹사이트가 있으며, 이것이 이 라이선스 약관에 따라 공개된 상태임을 밝혀야 합니다. 다만 약관에는 '본 라이선스의 언어자료 데이터에 포함된 개별 소재에 대해……낱낱이 표시할 필요는 없다'고 명시되어 있어, 책 한 권 한 권마다 출처를 나열할 필요는 없습니다. 산출물이 코드나 문서인 경우 표시 의무는 더 간소화할 수 있습니다. 약관이 드는 예는 산출 결과를 공개적으로 상연하거나 전시할 때 'AI 생성 산출물'임을 명시해야 한다는 것입니다. 약관 페이지의 메타데이터에 따르면 최종 수정 시각은 2026년 9월 3일로, 9월 15일 기자회견보다 앞서 있습니다.

약관이 쓰지 않은 부분과 직접 확인하는 방법

약관의 면책 조항은 직설적입니다. 이는 '로열티 프리 라이선스 기반'이며, 라이선서는 언어자료 자체에 대해 보유한 저작권 및 저작인접권 지위만을 명확히 주장하고, 그 밖의 사항에 대해서는 어떤 보증도 제공하지 않으며, 데이터 이용으로 발생하는 직접적・간접적 손실에 대해서도 책임을 지지 않습니다. 약관은 이어서 라이선시가 전적으로 책임져야 할 법률적・윤리적으로 논란이 될 수 있는 행위 열 가지를 열거합니다. 국제 또는 현지 법규 위반, 미성년자에 대한 위해, 허위 정보 생성, 개인정보 추적 목적 사용, 타인의 적법한 권리 침해 등입니다. 약관이 밝히는 바는, 라이선서(언어자료를 제공한 개인 또는 단체)는 언어자료 데이터를 제공했다는 사실만으로 이러한 행위에 동의, 허가, 승인의 의사를 표시한 것으로 간주되지 않는다는 것입니다.

본 기사가 인용하는 네 건의 공식 문서를 2026년 9월 17일까지 확인한 범위에서는, 철회 신청 창구의 URL, 신청 양식, 처리 시간은 확인되지 않았고, 이번 민간 모집이 지금까지 몇 건의 저작물을 접수했는지, 코퍼스 운영 관리를 맡은 기관이나 업체가 어디인지도 확인되지 않았습니다. 반면 보상에 관해서는 '언급이 없는' 것이 아니라 명확히 언급되어 있습니다. 보도자료에는 '무상 라이선스 방식으로 추진한다'고 되어 있고, 약관에는 '로열티 프리 라이선스 기반'이라고 되어 있는데, 둘 다 원고료나 수익 배분이 아닙니다.

언어자료 제공을 희망하는 출판사나 작가는 Taiwan Sovereign AI Training Corpus 공식 웹사이트에 직접 문의하거나, 보도자료에 공개된 상담 전용 회선 0800-023-300으로 전화할 수 있습니다. 약관에는 또한 정체자 중국어판과 영어판이 모두 정식 텍스트이며 동등한 법적 효력을 가진다고 명시되어 있습니다. 두 언어판의 문구가 다를 경우, 본 기사는 중국어판에 따라서만 서술합니다.

2026년 테크 뉴스 총정리: 하드웨어, 플랫폼, 통신, 규제의 핵심

디지털발전부, 6G 주파수 국제 심포지엄 개최: 무엇을 논의했고 무엇이 아직 정해지지 않았나

• 테크·산업
• 테크 뉴스