AI 기업의 학습데이터셋, 모델 가중치, 학습 파이프라인 설정, 시스템 프롬프트는 영업비밀의 요건을 갖추면 보호받을 수 있습니다. 다만 공개 데이터셋을 모아 놓기만 한 것, 공개 모델을 그대로 쓴 것, 누구나 떠올릴 수 있는 프롬프트는 비공지성이나 경제적 가치가 부정될 수 있습니다. 따라서 회사가 데이터 정제·라벨링, 학습 설정, 미세조정 가운데 어느 부분에 독자적인 노력을 들였는지를 먼저 가려내야 합니다. 데이터 자체에는 부정경쟁방지법의 데이터 부정사용 규정이 따로 적용될 수도 있습니다.
지금 할 일
- 회사의 AI 자산을 원천 데이터, 정제·라벨링한 데이터셋, 학습 코드와 설정, 모델 가중치, 평가 결과, 시스템 프롬프트로 나누어 정리합니다.
- 각 자산이 공개된 자료에서 가져온 것인지, 회사가 직접 만든 것인지 출처를 기록합니다.
- 자산별로 접근 권한, 저장 위치, 반출 통제, 비밀 표시를 점검하고 그 결과를 기록합니다. 특히 가중치 파일은 외부 저장소에 올리지 못하도록 통제합니다.
- 공개 API, 논문, 오픈소스처럼 외부에 공개하거나 제공한 부분을 정리합니다. 이미 공개한 부분은 영업비밀로 보호받을 수 없습니다.
- 핵심 인력의 서약서와 퇴직 절차에 AI 자산을 반환하고 삭제했는지 확인하는 항목을 넣습니다.
하지 말아야 할 일
- 공개 데이터셋이나 오픈소스 모델을 회사의 영업비밀이라고 주장하지 않습니다.
- 모델 가중치를 개인 클라우드나 외부 저장소에 보관하는 관행을 그대로 두지 않습니다.
- 프롬프트를 "누구나 쓸 수 있는 문장"으로만 여기지 않습니다. 반복 실험을 거쳐 다듬은 프롬프트는 회사의 자산입니다.
공개 데이터를 모아서 만든 데이터셋도 보호되나요?
원천 데이터가 공개되어 있더라도, 회사가 많은 비용과 노력을 들여 선별·정제·라벨링한 데이터셋은 영업비밀이나 부정경쟁방지법상 데이터(제2조 제1호 카목)로 보호받을 수 있습니다. 이때 보호되는 것은 공개된 개별 데이터가 아니라, 회사가 그 데이터를 골라 가공해 만든 결과물입니다. 따라서 어떤 가공을 거쳤는지를 기록으로 보여 줄 수 있어야 합니다.
모델 가중치 파일을 가져간 직원을 고소할 수 있나요?
회사가 독자적으로 학습시킨 가중치는 비공지성과 경제적 가치가 인정되기 쉽고, 비밀로 관리해 왔다면 영업비밀 침해로 고소할 수 있습니다. 공개 모델을 미세조정해 쓴 경우라면 미세조정한 결과가 보호 대상이 됩니다. 고소에 앞서 저장소 다운로드 기록이나 외부 업로드 기록처럼 파일이 빠져나간 경로를 보여 주는 로그부터 확보해야 합니다.
AI 인력이 경쟁사로 옮기면 무엇이 문제되나요?
먼저 자료를 가져갔는지가 쟁점이 되고, 가져가지 않았다면 경험과 일반적인 지식을 활용하는 것만으로는 침해가 되지 않습니다. 다만 학습 설정값, 데이터 구성 비율, 평가 기준 같은 구체적인 수치를 기억해 두었다가 그대로 재현했다면 다툼이 생길 수 있습니다. 전직금지 약정이 있다면 그 효력과 범위도 함께 살펴봐야 합니다.
기술 쟁점: 연구원의 시각에서
AI 자산의 가치는 가중치 파일 자체보다 "어떤 데이터를 어떤 비율로, 어떤 설정으로 학습시켰는가"라는 노하우에 모여 있는 경우가 많습니다. 이런 노하우는 설정 파일, 실험 기록, 평가 결과에 나뉘어 담겨 있어서 어디까지를 영업비밀로 볼지 경계를 정하기가 쉽지 않습니다. 평소에 AI 자산 목록을 기술적으로 정리해 두어야, 유출 사건이 생겼을 때 무엇이 빠져나갔는지를 특정할 수 있습니다.
