캘리포니아 AI 투명성법이 오픈소스를 위협하는 이유

캘리포니아 AI 투명성법(SB 942)이란?

캘리포니아주의 AI 투명성법(AI Transparency Act, SB 942)은 AI로 생성된 콘텐츠의 공개 의무와 개발자 책임을 규정하는 법안입니다. AI 거버넌스(AI Governance, AI 책임 관리 체계) 분야에서 가장 주목받는 주(州) 단위 입법으로, 캘리포니아의 선택은 전 세계 정책에 파급 효과를 미칩니다.

이 법안이 최근 큰 논란에 휩싸였습니다. SB 1000으로 수정 제안된 초안에 포함된 라이선스 취소(License Revocation) 조항이 오픈소스(Open Source, 공개 소스) 생태계의 근간을 흔들 수 있다는 우려 때문입니다.

왜 오픈소스 생태계가 위험한가?

문제의 조항은 이렇습니다. 하류 사용자(downstream user)가 특정 의무를 이행하지 않으면, 원개발자가 라이선스를 취소해야 한다는 것입니다.

그런데 이는 오픈소스 라이선스의 핵심 원칙인 **영속성(perpetual)·불가취소성(irrevocable)**과 정면으로 충돌합니다. MIT 라이선스, Apache 2.0, GPL 등 현재 전 세계 수십억 줄의 코드를 떠받치는 오픈소스 라이선스는 모두 '한 번 부여된 권한은 영구적으로 유효하다'는 전제로 설계되어 있습니다.

이 조항이 통과된다면 어떻게 될까요? GitHub에 코드를 올린 개발자 누구든, 자신의 코드가 AI 학습에 활용된 하류 사용자의 위반으로 인해 예상치 못한 법적 분쟁에 휘말릴 수 있는 불확실성이 생깁니다. 이는 협업과 공유를 바탕으로 하는 오픈소스 소프트웨어 공급망(software supply chain) 전체에 혼란을 야기합니다.

GitHub·Hugging Face·Mozilla의 공동 대응

GitHub는 Black Forest Labs, Hugging Face, Mozilla Corporation과 함께 **오픈소스 연합(Open Source Coalition)**을 결성해 법안 수정을 촉구하는 공개 서한을 발표했습니다.

연합의 주요 논거는 세 가지입니다.

1. 이 조항은 법안 목표에 불필요하다

AI 시스템을 실제로 수정·배포하는 개발자는 이미 법의 직접 적용 대상입니다. 원저자에게까지 라이선스 취소 의무를 부과하지 않아도 AI 투명성이라는 목표를 충분히 달성할 수 있다는 것입니다.

2. EU AI법이 더 나은 대안을 제시한다

연합은 EU AI법(EU AI Act)의 투명성 실천 규약(Code of Practice for AI-generated content)을 대안으로 제시합니다. EU 접근법은 오픈소스 생태계의 특수성을 인정하고, 라이선스 취소 대신 문서화 모범 사례를 하류 사용자에게 알리는 방식으로 투명성을 확보합니다.

3. 혁신과 책임은 공존 가능하다

"캘리포니아가 AI 책임과 오픈소스 혁신을 동시에 지지할 수 있는 균형점을 찾는 것이 중요하다"는 것이 연합의 입장입니다.

AI 접근성의 지정학: OpenAI 모델 출시 제한

오픈소스 규제 논쟁과 맞물려, 트럼프 행정부가 OpenAI에 다음 GPT 모델(GPT 5.6) 출시를 제한하고 초기 사용자를 정부 승인 파트너로 제한할 것을 요청했다는 소식도 전해졌습니다. 미국 AI 기업이 모델 출시 전 정부 검토를 받는 것은 이번이 처음입니다.

AI 투자자 Nathan Benaich(Air Street Capital)는 이 상황을 예리하게 짚었습니다.

"가장 앞선 AI는 미국 법률 아래 소수 미국 기업이 미국 땅에서 만들며, 나머지 세계가 그것으로 무엇을 할 수 있는지는 어느 금요일 오후에 바뀔 수 있다."

이는 학생과 연구자에게도 직접적인 함의가 있습니다. 특정 최첨단 AI 모델에 대한 접근이 정책적 이유로 제한될수록, 오픈소스 모델의 전략적 중요성은 더욱 커집니다.

실용 소식: AI 파인튜닝 효율이 3.7배 향상됐다

규제 뉴스에 지쳤다면, 실용적인 소식도 있습니다. NVIDIA는 Hugging Face와 협력해 NeMo AutoModel을 공개했습니다. MoE(Mixture of Experts, 전문가 혼합) 아키텍처 모델의 파인튜닝(Fine-tuning, 미세 조정) 속도를 Hugging Face Transformers v5 대비 3.4~3.7배 높이고, GPU 메모리 사용량을 최대 32% 줄인 라이브러리입니다.

가장 주목할 점은 기존 Hugging Face API와 완전 호환된다는 것입니다. import 한 줄만 바꾸면 됩니다.

# 기존 Hugging Face 방식
from transformers import AutoModelForCausalLM

# NeMo AutoModel 방식 (import 한 줄만 변경)
from nemo_automodel import NeMoAutoModelForCausalLM

model = NeMoAutoModelForCausalLM.from_pretrained("Qwen/Qwen3-30B-A3B")

Qwen3-30B, NVIDIA Nemotron 등 최신 MoE 모델을 직접 실험해보고 싶은 학생이라면, 기존 코드 변경 없이 훨씬 빠른 학습 환경을 경험할 수 있습니다.

이번 주 핵심 정리

AI 규제와 기술 발전이 동시에 가속되는 지금, 정책 흐름을 읽는 눈과 새로운 도구를 빠르게 익히는 능력, 두 가지 모두가 개발자 역량의 핵심이 되고 있습니다.