출처: Tom's Hardware, 2026-08-24
50톤의 책, 하룻밤 사이에 미국行
Tom's Hardware가 어제 보도한 기사의 제목에는 그대로 "5x sales surge"라고 적혀 있었다. 일본 중고책 판매량이 갑자기 5배로 뛰었다는 이야기다.
한번 생각해 보면 좀 이상한 상황이다. 중고책은 본래 기피 산업이 아닌가. 젊은 세대는 책도 안 읽고, Kindle이 깔려 있고, 공짜 도서관까지 있는데 누가 중고책을 사나.
그런데 올해 상반기부터 일본의 주요 중고책 체인(Bookoff 같은 곳)에서 평소와 다른 주문이 들어오기 시작했다. 한두 권이 아니라 톤 단위로 사 간다.
보도에서 구체적으로 언급된 주문이 하나 있다. 50톤을 한 번에 미국으로 보냈다는 사례다.
50톤이 어느 정도 규모냐면, 문고본 한 권이 평균 300g이라고 치면 대략 16만 권이다. 11미터 트럭 한 대 분량이다.
이런 주문 한 건이 들어오면 서점 재고의 절반이 한 번에 빠져나가, 점원들이 밤새 보충해야 하는 사태가 벌어진다.
누가 사 가는가: 구매자 프로필
보도에서 특정 회사를 지목하지는 않았지만, 제시된 구매자 프로필은 거의 "AI 학습데이터 구매"의 교과서다.
- 상태를 가리지 않는다: 절판 소설이든, 연도가 지난 연감이나 사전이든 전부
- 출처를 묻지 않는다: 물량만 맞으면 바로 결제
- 결제가 시원하다: 흥정도 없고, 대금 지연도 없음
- 수령지가 모호하다: 대부분 제3의 운송업체를 거치며 최종 행선지는 비공개
이거 어디서 많이 본 패턴이다. Anthropic이나 OpenAI가 공개한 "데이터 구매 RFP" 로직과 똑같다. 먼저 카테고리를 정하고, 언어를 좁히고, 마지막에 가격을 비교하는 흐름.
기사에는 "multitude of suspicious bulk buys"라는 표현이 그대로 등장한다. 중고책점 여러 곳에서 동일한 패턴의 대량 구매가 목격됐다는 뜻이다.
여기서 중개상 역할이 중요하다. 실제 구매자는 보통 중고책점에 직접 나타나지 않는다. 한두 개 무역회사를 통해 주문을 넣고, NDA에 서명하고, 계약금을 보내고, 해운으로 물량을 빼낸다. 무역회사에서 사슬이 끊기면 그 뒤는 아무도 추적할 수 없다.
데이터 고갈은 진짜다: 고품질 말뭉치가 바닥을 드러낸다
왜 하필 일본인가. 이유는 세 가지다.
첫째, 일본어 고품질 텍스트. 일본어 자료는 영어가 아닌 언어 중에서도 말뭉치 품질이 최상급으로 꼽힌다. 특히 소설·라이트노벨 같은 픽션과, 학술·기술 분야 논픽션의 품질이 높다. 일본어 문법이 복잡해 라벨링 비용은 비싸지만, 한번 학습시키면 모델의 다국어 능력 향상에 뚜렷한 효과가 있다.
둘째, 절판 도서의 저작권 회색지대. 1990년대 이전에 출판된 일본어 책 중 상당수는 인터넷에 전자본 자체가 없다. Common Crawl도 못 잡고, Google Books에도 등재돼 있지 않고, 오프라인 서점 책장에만 누워 있다. 이른바 orphan works(저작자 불명 저작물)는 LLM 학습에서 가장 가치가 큰 증분이다.
셋째, 물리적 형태의 편의성. AI 회사는 책 자체가 필요한 게 아니라 책 안의 글자가 필요하다. 스캔하고, OCR 돌리고, 텍스트만 뽑아내면 물리적인 책은 폐기해도 된다. 절차만 보면 일본 저작권법상 "복제권 침해"에 해당하지 않을 여지가 있다(일본 저작권법에서 텍스트 OCR에 대한 특별 면제 논의가 이뤄져 왔으며, 뒤에서 다시 다룬다).
이건 추측이 아니다. Anthropic은 2025년 법정 문서에서 "high-quality data is the limiting factor in AI training"라고 인정했다. OpenAI의 Ilya Sutskever도 2023년에 이미 비슷한 말을 했다. 업계 전체가 2024년부터 "we are running out of data"를 외쳐 왔다.
Common Crawl 같은 공개 크롤링 데이터는 품질 천장이 이미 정해져 있다. 다음 증분은 "웹에는 없지만 물리적으로 존재하는" 콘텐츠, 즉 책·신문·내부 문서를 캐야만 얻을 수 있다.
일본 중고책 시장이 가장 눈에 띄는 광산이 됐다.
저작권 회색지대: 절판서 = 법 바깥?
일본 저작권법에 좀 난감한 지점이 있다.
저작재산권 기간이 남아 있고(일본은 저작자 사후 70년), 동시에 출판사가 절판해 더 이상 판매하지 않는 책의 경우, "누가 복제를 허락할 권리가 있는가"에 대해 법이 명시적인 규정을 두지 않는다.
이게 저작권법에서 말하는 orphan works 문제다. 이론적으로 권리는 살아 있지만, 정작 허락을 받을 상대가 없다.
중고책점에서 책을 사는 것은 "물리적 책의 소유권"이지 "복제권"이 아니다. 따라서 절판 소설 한 권을 사 가서, 그것을 읽고, 팔고, 태우는 것까지는 자유지만, 스캔하거나 OCR 돌려 학습데이터로 변환할 권한은 없다.
그런데 문제는 여기서 생긴다.
- 누가 감시할 것인가. 스캔 행위는 미국에서 일어나며, 데이터 주체는 일본에 없다.
- 물리적 책이 일단 빠져나가면 일본 측에서는 추적이 불가능하다.
- 추적에 성공하더라도, 국제적 집행 비용이 이익보다 훨씬 크다.
이 회색 공급망이 존재하는 근거가 바로 여기에 있다.
구매자는 무역회사를 통해 주문하고, 책을 받은 시점에서는 그것이 법적으로 "개인 재산"이며, 스캔 행위는 제3국에서 이루어지고, 권리자는 자신이 권리를 침해당했는지조차 모른다. 사슬 전체에서 명확한 법적 구멍은 단 한 곳에도 없다. 대신, 개별적으로는 모두 합법인 세 가지 행위가 합쳐져 저작권 보호를 우회하는 구조다.
공급망 반대편: 스캔 후 즉시 파쇄
기사에는 "AI scan and shred facilities"이라는 표현이 그대로 나온다.
의미는 이렇다. 책이 미국(또는 제3국)에 도착하면 전용 시설로 들어간다. 컨베이어 라인, 초고속 스캐너, OCR 인식, 텍스트 추출. 한 권 스캔이 끝나면 바로 파쇄기.
이런 시설이 존재한다는 사실 자체는 뉴스가 아니다. 미국 텍사스, 뉴멕시코에서 유사한 소문이 꾸준히 돌았고, 2024년에도 "book-to-training-corpus"를 전문으로 처리하는 회사가 1년에 수백 톤을 다루는 것으로 보도된 바 있다.
물리적 폐기 단계가 결정적이다. 스캔 후 남는 흔적은 "복제된 데이터"가 아니라 "파쇄된 책 한 권"이다.
이 차이가 법적으로는 중요하다.
디지털 크롤링이라면 서버 로그가 남아 추적이 가능하지만, 물리적 파쇄라면 남는 건 폐지뿐, 추적할 단서가 없다. 증거 수집 관점에서 이 경로는 순수 디지털 크롤링보다 훨씬 은밀하다.
기사에서 이런 스캔 시설들은 종종 "document destruction services"(문서 파쇄 서비스업체)로 위장한다고 언급한다. Shred-it 같은 회사와 사업 영역이 비슷해 보이지만, 내부를 들여다보면 전용 산업용 스캐너가 있고, 한 대가 하루에 만 페이지 이상을 처리한다.
폐지는 재활용 업체에 팔고, 텍스트는 학습용 코퍼스로 입고. 물리적 흔적은 0으로 돌아간다.
편집자 의견
이 사태가 그간 있었던 데이터 크롤링과 뭐가 다른가. 세 가지로 요약된다.
첫째, "웹에서 긁어오는 것"에서 "집에서 들어오는 것"으로. 지난 10년간 AI 학습데이터의 주류는 Common Crawl, Wikipedia, Reddit, arXiv 같은 "이미 웹에 떠 있는" 콘텐츠였다. 이제는 "웹에 없는" 실물 책, 절판 간행물, 내부 문서까지 파고든다. 질적 변화다.
둘째, "디지털 복제"에서 "물리적 파괴"로. 책을 스캔하고 태워버리는 행위는 "데이터 복제"의取证(증거 확보) 난이도를 "물증 소멸" 수준으로 끌어올린다. 과거 저작권 소송에서 본 적 없는 수법이다.
셋째, "개인 단위 권리 행사"에서 "국경을 넘는 산업 사슬"로. 한 권의 저작재산권자가 수십 개 국가에 흩어져 있고, 일본 저자, 미국 AI 회사, 제3국 중개상, 동남아 운송 주체가 등장한다. 이 사슬의 법적 관할권 자체가 닫혀 있지 않다.
내 판단으로는 이 일은 쉽게 끝나지 않는다.
학습데이터 고갈은 구조적 문제지, 어떤 모델 하나 학습이 끝나면 해소되는 성격이 아니다. 기초 모델의 학습 규모가 계속 커지는 한, 증분 말뭉치에 대한 수요는 멈추지 않는다. 일본이 마지막 표적이 되지는 않을 것이다. 유럽의 고서 시장, 인도의 교재 중고 체인, 라틴아메리카 도서관 정리재가 전부 다음 후보가 될 수 있다.
이 모델의 지속 가능성에는 의문이 있다. 법적 관점에서 "개인 재산 + 국경 이동 + 파쇄"로 이어지는 이 사슬이 몇 년은 더 유지될 수 있다. 하지만 업계 관점에서 2023년 NYT v. OpenAI 같은标志性(상징적인) 소송이 한 번 터지면 사슬 전체가 무너질 수 있다.
아직 확인되지 않은 부분도 있다. 보도에서 특정 AI 회사가 지목되지 않았다는 점, 정보 소스 사슬이 얼마나 신뢰할 만한지, 중고책점의 "5배 성장"이 절대치인지 상대치인지. 교차 검증이 더 필요하다.
그렇긴 해도 이 사건의 흐름은 주시할 가치가 있다. 일본 중고책 시장만의 문제가 아니라, AI 학습데이터가 "디지털 크롤링"에서 "물리적 약탈"로 넘어가는标志性(상징적인) 전환점이다.