韩国生成式AI训练数据版权：一般性合理使用框架解析

裁判状态说明：生成式AI训练版权争议的司法现状与理性定位

在当前全球数字经济快速演进与人工智能技术蓬勃发展的背景下，生成式模型在训练阶段对海量作品、数据库及网络公开信息的大规模复制、抓取与特征提取，引发了前所未有的著作权法冲突。对于涉韩业务的某数据利用方、某模型运营方以及相关企业而言，准确理解韩国现行司法体制下的裁判状态，是开展合规风控的基石。需要明确指出的是，截至本批公开核验资料，未发现韩国大法院已就“生成式AI训练复制是否构成侵权”或“AI训练是否当然属于合理使用”作出专门终局裁判。这意味着，在韩国现行著作权法律体系中，并不存在针对生成式人工智能大模型训练阶段的成文法定许可或专门的文本数据挖掘（TDM）豁免规则，亦不能将海外司法实践、学术研究或立法建议直接套用于韩国本土司法裁决。

面对这一司法现状，某数据利用方和某模型运营方在进行模型预训练、微调及数据管道建设时，通常需要回归韩国著作权法的一般性框架。部分观点或行业讨论中可能提及的海外成文TDM豁免（如欧盟或德国相关立法），在韩国现行法律中并未直接转化为明文规定。韩国版权委员会等机构的相关研究报告，更多是对国际制度发展与海外争议动态的介绍与跟踪，不能直接作为韩国本土现行裁判的法律依据。因此，在缺乏专门立法和最高法院终局定性之前，任何关于AI训练合法性的断言都可能面临法律不确定性，审慎的市场主体需要从一般性合理使用与既有数字复制规则中寻求法律指引，切忌盲目套用未经证实的境外标准。

问题场景：海量数据抓取与大模型预训练的现实痛点

在生成式AI技术的实际研发过程中，某数据利用方通常需要通过自动化网络爬虫、公开数据集汇聚、第三方数据采购等方式，收集数以亿计的文本、图像、音频、视频及结构化数据库内容。这些原始数据在进入模型参数训练前，往往需要经过清洗、去重、切片、格式转换等一系列数字化复制与技术处理。在这一全流程中，某权利人作为各类文学、艺术、科学作品及数据库的著作权人或邻接权人，其作品常在未经事先明示许可、未支付对价的情况下被纳入训练语料库。由此引发的利益冲突表现为：一方面，模型运营方认为大规模数据的统计性学习属于不触及表达实质性垄断的非强占性利用；另一方面，权利人则强调复制行为已完整现实化，且模型后续输出可能对原作品市场构成潜在替代与价值贬损。

在涉韩业务场景中，某平台或某第三方数据供应商在提供训练数据服务时，往往面临合同条款不明、权利链条断裂、开源协议限制模糊等现实痛点。例如，部分网络数据源在前端网页上设置了反爬协议、使用条款或技术访问限制，某数据利用方若在抓取过程中绕过相关限制，可能不仅触及著作权法层面的复制权争议，还可能引发网络安全、不正当竞争或合同违约等多重法律风险。此外，由于训练语料的黑盒化特征，模型在后续运行中生成的文本或图像内容，是否会触发与原作的实质性相似或不当利用，也需要结合具体的技术机制、用量比例和市场表现进行综合评估，这给企业的合规管理带来了极大的挑战。

核心裁判规则：韩国大法院一般性合理使用与引用规范的司法确立

在缺乏AI训练专门判例的情况下，韩国司法实践对数字化利用与著作权限制的边界界定，主要依托大法院在传统领域的经典裁判规则。其中最具代表性的是韩国大法院2024年7月11日作出的2021다272001号民事判决。该判例对韩国著作权法中涉及的一般性合理使用条款（现行第35条之5）的解释与适用结构作出了系统阐述。根据该判例确立的裁判规则，判断某项著作物的利用行为是否属于不与著作物的通常利用方式冲突、且不不当损害作者正当利益的合理使用时，司法机关通常需要综合考量四个核心法定要素，并可审酌利用经过、方式等列举以外的事项：

第一，利用目的和性质。司法审查通常会考量相关利用是否超越了单纯替代原作的范畴，从而呈现出新的表达、意义或信息，是否具有与原作不同的独立目的与性质，其变形程度是否高于形成二次创作物所需的程度，以及是否具有公共利益导向或非营利性质。对于生成式AI训练而言，模型的学习过程是否将海量作品转化为统计参数和权重，是否赋予数据以全新的算法意义，是衡量其“变形性”与“独立目的”的关键维度。

第二，所利用部分在整体中的比例与重要性。司法实践会审视利用行为在量化比例上的占比、质性上的重要性，以及该종利用是否严格限于实现既定目的的必要范围之内。在全量数据抓取场景下，虽然单件作品在整个千亿级语料库中所占比例极低，但由于全量复制的客观存在，仍需结合模型训练的必要性进行审慎评估。

第三，对当前市场、价值或具有合理可能性的潜在市场或价值的影响。这是衡量权利人经济利益是否受损的核心标准。司法审查通常会判断利用行为是否替代、削弱或有损既有市场需求，或者是否对权利人未来具有合理可能性的通常潜在市场需求造成实质性负面冲击。

第四，结合大法院2013年2月15日作出的2011도5835号刑事判决（该判例在2021다272001判决中被引用）所确立的正当引用规范，判断已发表著作物是否构成正当范围内、符合公正惯例的引用时，需要综合考量引用目的、作品性质、引用内容和分量、收录方法与形态、一般读者观念及是否替代原作需求。需要特别强调的是，上述传统判例均不涉及生成式AI训练、数据集构建或大模型输出，不能将其直接外推为“AI训练已当然构成合理使用”或“AI训练天然享有引用例外”，其核心价值在于为审视数据利用行为提供了稳健的综合分析结构。

争点拆解：从传统复制权到AI模型特征提取的深层法理冲突

将韩国著作权法的一般规则映射至生成式AI训练场景，会引发一系列复杂的深层法理争点。首先是“复制权的界限与数字化固定”争点。传统著作权法上的复制，通常指向将作品以印刷、复印、录音、录像、数字化等方式固定于有形载体之上的行为。某数据利用方在网络抓取、本地缓存及语料库构建过程中，必然会在服务器硬盘或内存中形成大量的数字副本。权利人通常据此主张未经许可的复制行为已经构成侵权。然而，某模型运营方则可能抗辩认为，该种底层数字化复制具有高度的技术过渡性，其目的并非为了向公众展示原作的表达，而是为了提取底层的统计规律、语意特征和词频矩阵。这种从“人类可读的表达固定”向“机器可读的特征提取”的转变，构成了现代版权法解释上面临的核心张力。

其次是“变形性与市场替代效应”的对立。在一般性合理使用框架下，某数据利用方是否能够证明其训练行为具有高度的变形性，直接决定了其抗辩的成败。若模型在训练后生成的输出内容并未对原作形成市场替代，且未损害原作的当前及潜在市场价值，则更有可能被评估为不当损害较小的合理利用。反之，若模型在特定垂直领域输出高度模仿特定权利人风格、情节或具体表达的内容，从而直接分流原作的市场需求，则可能被认定为对权利人正当利益的实质损害。因此，输出端的表现与训练端的数据处理行为之间，往往存在着复杂的联动影响关系，需要结合具体技术措施、数据来源及市场反馈进行全面剖析与动态调整。

韩国法路径：一般性合理使用框架在数据利用中的适用逻辑

在缺乏成文TDM豁免的法治环境下，某数据利用方和某模型运营方在韩国开展生成式AI业务时，必须严格遵循韩国现行法治路径，将一般性合理使用框架作为评估和防范法律风险的核心工具。具体而言，适用逻辑主要体现在以下几个层面：

第一，个案审慎评估原则。由于韩国大法院尚未就AI训练作出专门定性，任何将合理使用作绝对化、概括性适用的做法都存在合规隐患。某数据利用方需要针对不同类型的数据源（如纯文本、新闻资讯、美术作品、数据库、计算机软件代码等）采取差异化的法律评价标准。例如，对于具有高度独创性且商业价值集中的文学艺术作品，其训练利用的合理使用抗辩难度通常高于高度公开的科学数据或统计信息。

第二，综合要素的平衡论证。在构建合规法律意见或应对潜在争议时，必须对照大法院2021다272001确立的四要素标准，逐一举证说明：一是训练目的的非单纯替代性与技术创新性；二是抓取与利用的量化比例是否严格控制在实现模型收敛所必需的范围之内；三是对权利人既有及潜在市场价值的不冲突性证明；四是利用过程是否遵循了行业公正惯例与技术伦理规范。通过多维度的证据链条，论证相关数据利用符合韩国著作权法促进文化与产业发展的立法宗旨。

证据与履约留痕：数据源追踪、抓取协议与合规审计的实操维度

在涉韩业务的实际落地中，法律论证的有效性高度依赖于扎实的证据与履约留痕机制。某数据利用方、某平台及某第三方在进行数据采集与模型训练时，需要建立覆盖全生命周期的证据治理体系：

在数据源追踪阶段，某数据利用方应当详细记录每一批次训练数据的来源渠道、抓取时间、原始网页协议（如robots.txt规则）、页面使用条款及是否包含权利声明。若数据通过第三方采购获得，则必须留存完整的商业采购合同、数据授权链条证明及第三方关于数据合法合规采集的承诺函。在抓取与存储阶段，应当通过技术手段确保抓取行为未突破网站合理的技术访问限制，并对不当抓取或权利人明确提出反对的数据进行及时剔除与隔离。

在合规审计与履约留痕方面，某模型运营方应当建立数据资产台账与算法训练日志，确保在面临权利人质疑、行政调查或司法诉讼时，能够随时调取证明数据利用目的、用量比例及技术处理过程的客观证据。通过完备的合规审计闭环，向监管机构或司法机关展示企业在尊重知识产权与推动技术创新之间保持了合理的平衡，从而有效降低潜在的法律不确定性风险。

企业预案或处理设计：面向涉韩业务的AI训练合规风控体系

面对错综复杂的韩国版权争议环境，拟在韩国市场或面向韩国用户开展生成式AI业务的企业，需要建立系统化的企业合规预案与处理设计。首先，应当设立专门的知识产权与数据合规审查工作组，负责对拟引入的训练数据集进行全方位的合规尽职调查。其次，建立分级分类的风险应对机制：对于存在明确版权争议或权利人明确表示拒绝授权的高风险数据源，应当采取主动规避或替代采集策略；对于公有领域作品或获得明确商业授权的数据，应当建立规范的许可档案与履约管理流程。

此外，某模型运营方应当在技术与产品设计层面引入风险过滤与输出管控机制。例如，通过在模型生成端设置版权防护过滤器，防止大模型直接输出高度侵权、与特定知名作品实质性相似的内容，从而切断“训练端复制”与“输出端侵权”之间的因果传导链路。同时，建立便捷的权利人异议快速处理通道（如DMCA风格的通知/移除机制或本地化投诉响应渠道），在发生争议时能够及时沟通、妥善协商，避免矛盾升级为司法诉讼，全面保障业务稳健运行。

合规清单：跨境数据利用与模型训练的日常审查要点

为了便于企业在实际运营中对照执行，以下梳理了跨境生成式AI训练数据利用与版权合规的日常审查核心清单。企业可结合自身业务特点，将其嵌入数据治理与合规管理流程之中：

判例依据与延伸阅读

1. 韩国大法院2024年7月11日，2021다272001判决：韩国大法院官方新闻发布 / 国家法令信息中心裁判全文：国家法令信息中心链接
2. 韩国版权委员会：《人工智能学习和版权限制》专题研究：韩国版权委员会趋势报告
3. 韩国法制研究院：《人工智能学习数据的利用与著作权限制》研究报告：韩国法制研究院研究平台

结语

综上所述，在韩国现行著作权法体系下，生成式AI训练数据的版权合规管理正处于从传统数字复制向一般性合理使用框架过渡的关键时期。由于韩国大法院尚未就AI训练作出专门终局裁判，某数据利用方、某模型运营方及相关企业在开拓涉韩业务时，切忌盲目依赖海外立法或未经证实的豁免规则。唯有立足于大法院确立的一般性合理使用四要素标准，结合严格的数据源溯源、履约留痕、技术输出管控与常态化合规审计，构建全方位的风险防控体系，方能在复杂的跨境合规环境中行稳致远，实现技术创新与知识产权保护的动态平衡，确保企业在人工智能出海浪潮中的可持续发展。