Executive Summary

주요 수치

앞의 두 칸은 이 설정이 어떤 상태로 배포됐는지를, 뒤의 두 칸은 그 설정이 닿지 못하는 범위를 말합니다.

출처: TechCrunch (2026-08-12), The Register (2026-08-13), Unite.AI

새 설정은 계정 설정 페이지 아래쪽 보안 및 개인정보 항목에 "Training for Generative AI"라는 이름으로 있습니다. 크리에이터 대시보드가 아니라 계정 설정 쪽이라, 방송을 준비하는 동선에서는 마주치지 않습니다. 적용 범위는 스트림과 VOD, 클립, 스트림 채팅, 채널에 올린 사진과 텍스트입니다. 스트림의 음성은 캡션에 쓰이는 음성 인식 모델을 다듬는 데 쓰일 수 있고, 학습 결과물은 트위치 안에 머물지 않고 아마존의 다른 서비스에서도 쓰일 수 있다고 회사는 밝혔습니다.

발표는 공지 대신 문서 갱신과 라이브 방송으로 이뤄졌습니다. 커뮤니티 총괄 메리 키시와 최고제품책임자 마이크 민턴이 나온 방송에는 3,000명 가까이가 들어와 대부분 반대 의견을 남겼습니다. 왜 옵트인이 아니냐는 질문에 민턴은 이렇게 답했습니다.

이 발언으로 회사는 기본값이 설계였다고 스스로 밝혔습니다. 같은 방송에서 키시는 옵트아웃 숫자가 커뮤니티가 어떤 형태의 AI에도 호의적이지 않다는 점을 계속 확인해 줄 것이라고 말했습니다. 반발이 가라앉지 않을 것을 예상한 발언입니다.

시점을 함께 보면 이 스위치가 새로운 일의 시작이 아니라는 것도 드러납니다. 민턴은 2024년 디인포메이션이 연 크리에이터 이코노미 서밋에서 당시 최고수익책임자 자격으로, 아마존이 트위치 데이터로 AI를 학습하는지 묻는 질문에 그렇다고 답했습니다. 프로덕션 규모가 아니라 프로토타이핑 수준이며 이용자 신뢰와 각국 개인정보 규제의 범위 안에서라는 단서를 달았습니다. 임원이 공개 석상에서 확인한 시점으로부터 2년이 지나 거부 수단이 생긴 셈입니다.

설정 문서의 표현은 앞으로의 학습에 한정돼 있습니다. 스위치를 끈 시점 이전에 수집돼 이미 학습에 쓰인 콘텐츠를 어떻게 할지는 적혀 있지 않습니다. 유나이트닷AI가 문서를 훑고 정리한 공백은 세 가지입니다. 감사 장치가 없고, 특정 학습 실행에서 내 콘텐츠가 빠졌다는 확인이 이용자에게 오지 않으며, 소급 문제를 다루는 절차 자체가 없습니다.

이 공백은 회사 답변에서도 그대로 나타납니다. 자기 영상이 이미 쓰였는지 묻는 질문에 민턴은 아마존이 모델 학습에서 무엇을 했는지, 무엇을 쓰고 무엇을 쓰지 않았는지 자신은 모른다고 답했습니다. 더레지스터는 아마존에 네 가지를 물었습니다. 어느 모델이 트위치 콘텐츠로 학습됐는지, 데이터를 얼마나 오래 써 왔는지, 옵트아웃이 이미 학습된 결과물에 영향을 주는지, 그 모델이 고객이나 제3자 제품에 쓰이는지입니다. 기사 시점까지 답은 오지 않았습니다.

범위 쪽에도 두 가지 구멍이 있습니다. 첫째, 채팅 메시지의 학습 여부는 그 메시지를 쓴 사람이 아니라 채널 소유자의 설정이 정합니다. 내 계정에서 스위치를 껐더라도 남의 채널에 남긴 채팅은 그 채널 주인의 선택을 따릅니다. 동의의 단위 자체가 발화자가 아닌 채널로 잡혀 있는 탓입니다. 둘째, 이 스위치를 끄는 것은 생성형 AI 학습에서만 빠지는 것이고, 트위치와 아마존이 개인정보 고지에 적어 둔 다른 목적으로 채널 콘텐츠를 쓰는 것은 그대로입니다.

두 구멍은 다른 문제처럼 보이지만 기록의 형태에서는 하나입니다. 콘텐츠 레코드에 동의 주체를 적는 칸이 하나뿐이면, 발화자와 채널 소유자가 다른 채팅에서 누구의 선택을 따랐는지 적을 자리가 없습니다. 목적도 마찬가지입니다. 동의 상태가 허용과 거부 두 값만 담으면 학습은 거부하고 다른 목적은 허용한 상태를 표현할 방법이 없습니다. 설정 화면이 스위치 하나로 끝나는 것은 화면을 단순하게 만들려는 선택이기도 하지만, 그 뒤의 레코드가 담을 수 있는 것이 그만큼이라는 뜻이기도 합니다.

토글을 꺼도 그대로 돌아가는 기능이 있습니다. 자동 모더레이션인 오토모드, 자동 캡션, 추천과 시청자 발견, 수익화 도구입니다. 트위치의 설명은 일부 AI는 서버나 코드처럼 서비스 자체를 돌린다는 것이고, 안전 시스템을 개인이 끌 수 있게 하면 플랫폼에 있는 다른 모든 사람의 안전이 약해진다는 논리를 덧붙였습니다. 이 기능들은 콘텐츠를 처리하되 새 콘텐츠를 만드는 모델을 학습시키기 위해 보유하지는 않는다고 회사는 구분합니다.

이 구분은 원칙 쪽에서 보면 오히려 맞는 방향입니다. 개인정보 보호 법제의 목적 제한 원칙은 하나의 목적으로 받은 동의가 다른 목적의 동의를 자동으로 포함하지 않는다고 봅니다. 서비스를 제공하기 위해 캡션을 붙이는 처리와, 새 영상이나 문장을 만들어 낼 모델을 학습시키는 처리는 목적이 다르고 보유 기간도 다릅니다. 두 처리를 하나의 스위치로 묶으면 학습을 거부한 이용자가 자동 캡션까지 잃거나, 캡션을 원하는 이용자가 학습까지 허용하게 됩니다.

그 경계는 회사 설명 안에서 한 번 갈라집니다. 자동 캡션 기능 자체는 옵트아웃 대상이 아니지만, 캡션에 쓰이는 음성 인식 모델을 다듬는 데 스트림의 음성을 쓰는 것은 이 설정이 적용 범위로 밝힌 항목에 들어 있습니다. 이용자 화면에서는 둘 다 캡션이라는 한 단어입니다. 갈라지는 지점은 기능 이름이 아닙니다. 처리한 음성을 모델을 고치는 자료로 남기는지, 아니면 그 방송의 글자만 띄우고 흘려보내는지입니다.

문제는 구분 자체가 아니라 구분선이 이용자에게 보이지 않는 데 있습니다. 이용자 눈에는 캡션도 오토모드도 학습도 모두 AI 기능 한 덩어리입니다. 두 처리를 실제로 갈라 놓는 기준은 목적과 보유, 그러니까 처리한 결과를 어디에 얼마나 남기는지입니다. 그 기준이 기능별로 명시되지 않으면, 어떤 기능이 어느 쪽인지 이용자는 회사 설명을 믿는 것 말고 확인할 방법이 없습니다.

기능마다 확인해야 할 것은 결국 세 가지 질문으로 좁혀집니다. 이 처리는 무엇을 위해 하는가, 처리한 데이터를 얼마나 오래 남기는가, 그 결과가 다른 모델의 학습 자료로 넘어가는가. 세 답이 기능 목록 옆에 적혀 있으면 이용자는 스위치를 끌 때 무엇을 함께 포기하는지 알 수 있고, 감독기구도 확인할 대상을 지정할 수 있습니다. 적혀 있지 않으면 운영과 학습의 구분은 원칙으로만 남고, 그 원칙이 실제로 지켜지는지는 밖에서 볼 수 없습니다. 그러니 목적과 보유 기간은 설명 문구로 그치지 않고 처리 기록에 값으로 남아야 합니다.

이미 학습에 들어간 데이터를 모델에서 빼내는 일이 비싸다는 것은 널리 알려진 사실입니다. 가중치에 녹아든 몫을 골라 지우는 방법은 아직 신뢰할 만한 수준이 아니고, 확실한 길은 그 데이터를 뺀 채 다시 학습시키는 것입니다. 그런데 이번 사안에서 걸리는 지점은 그보다 앞에 있습니다. 다시 학습시킬 결심을 하더라도, 어느 방송이 어느 학습 실행에 들어갔는지 콘텐츠 단위로 남아 있지 않으면 무엇을 빼야 할지부터 정할 수 없습니다.

최고제품책임자가 자기 회사 콘텐츠의 사용 이력을 모른다고 답한 것이 그 상태를 그대로 보여 줍니다. 그 답은 정보를 숨긴 것이라기보다 조회할 곳이 없다는 뜻으로 읽힙니다. 계정 설정의 스위치는 지금 이 계정이 허용 상태인지 아닌지만 담습니다. 값을 바꾸면 이전 값은 사라지고, 언제 바뀌었는지도 남지 않습니다. 이런 형태의 동의는 현재 상태를 확인하는 데는 충분하지만 과거의 처리가 정당했는지를 따지는 데는 아무 역할을 하지 못합니다.

기록이 필요한 최소 단위는 콘텐츠 하나입니다. 이 스트림이 언제 수집됐고, 그 시점에 소유자의 동의 상태가 무엇이었고, 그 상태의 근거가 어느 약관 버전이었고, 이 데이터가 어느 학습 실행에 포함됐는지가 함께 남아야 질문에 답할 수 있습니다. 트위치가 8월 12일을 기준으로 이전과 이후를 나눈다는 것은 시점 경계가 필요하다는 점을 회사도 안다는 뜻입니다. 다만 그 경계는 정책 발표일 하나로만 존재하고, 콘텐츠마다 붙어 있지는 않습니다.

이 구조는 웹 텍스트 쪽에서 이미 익숙합니다. 사이트가 robots.txt에 수집 거부를 적어도 그 표시는 다음 크롤에만 닿고, 이전 크롤로 만들어져 배포된 아카이브 사본은 그대로 돌아다닙니다. 거부 신호가 미래형인 것은 신호를 무시해서가 아니라, 이미 수집된 몫에 그 신호를 붙일 자리가 없기 때문입니다. 트위치 사례에서 새로운 것은 문제의 종류가 아니라 무대입니다. 문서와 웹페이지에서 관찰된 시차가 사람 얼굴과 목소리가 몇 시간 단위로 쌓이는 플랫폼에서 같은 모양으로 반복됩니다.

같은 공백이 다른 자리에서는 손해배상액으로 나타난 적도 있습니다. 메타와 앤스로픽 관련 소송에서 다툼의 초점이 학습 행위 자체가 아니라 데이터를 어디서 구했는지로 옮겨 간 경위는 메타는 학습이 아니라 데이터를 어디서 구했는지로 소송당했다에 정리해 두었습니다. 출처를 증명하지 못하는 쪽이 값을 치르는 구조라면, 출처와 동의를 기록해 두는 비용은 보험료에 가깝습니다.

옵트아웃이라는 같은 단어가 아주 다른 물건을 가리킬 수 있습니다. 메타가 유럽에서 한 일과 비교해 보면 차이가 분명해집니다. 메타는 유럽 이용자의 공개 게시물을 AI 학습에 쓰겠다고 예고하고 2025년 5월 27일까지 반대 의사를 접수했습니다. 소비자단체가 이를 막으려 한 가처분 신청은 2025년 5월 23일 쾰른 고등법원에서 기각됐습니다. 법원은 유럽 일반개인정보보호법 제6조 1항 (f)의 정당한 이익 조항을 놓고 이익의 존재, 처리의 필요성, 이용자 권리와의 균형이라는 세 단계를 따졌습니다.

이 결정을 학습 허가로 읽으면 곤란합니다. 가처분 단계의 판단이라 본안 결론이 아니고, 법원은 정당한 이익을 충분히 구체적으로 밝혀야 하고 덜 침해적인 대안이 없어야 한다는 조건을 함께 달았습니다. 하루 앞선 5월 22일 아일랜드 데이터보호위원회는 투명성 강화와 접근하기 쉬운 반대 양식, 10월까지의 이행 보고서를 조건으로 계획을 승인했습니다. 함부르크 감독기관은 지금도 유럽사법재판소까지 다툴 뜻을 밝히고 있습니다.

여기서 옵트아웃은 법에 근거를 대야 하고, 감독기구가 조건을 붙이고, 법원이 심사하는 절차입니다. 반대 의사를 접수한 기록도 그 절차의 일부로 남습니다. 트위치가 만든 스위치에는 그 층이 없습니다. 커뮤니티 반발에 대응해 회사가 자발적으로 준 설정이라, 문서 문구를 고치는 것만으로 범위를 줄일 수도 있고, 무엇을 학습에서 뺐는지 증명해 보이라고 요구할 근거도 이용자 쪽에 없습니다. 유럽 규제가 학습 데이터 공개를 요구했을 때 기업들이 실제로 얼마나 채웠는지는 EU에 제출된 학습데이터 요약, 빅테크는 절반을 비워 냈다에서 다뤘습니다.

반대 방향의 사례도 있습니다. 중국은 AI 동반자 서비스에서 이용자 대화를 학습에 쓰려면 별도 동의를 받고 삭제권을 함께 보장하도록 규정했습니다. 자세한 내용은 중국, AI 동반자와의 대화를 동의 없이 학습하지 못하게 막았다에 있습니다. 규정이 동의를 요구하는 순간 기업은 동의 상태를 조회 가능한 형태로 보관할 수밖에 없습니다. 기록은 대개 선의보다 의무에서 생깁니다.

수백만 창작자가 초당 콘텐츠를 올리는 플랫폼에서 동의를 기록으로 남기는 일에 새 원리는 필요하지 않습니다. 이미 데이터 파이프라인이 하고 있는 일에 필드 몇 개를 더하면 됩니다. 수집 단계에서 콘텐츠 하나가 들어올 때 출처와 시각, 소유자, 동의 상태, 보유 분류를 함께 적어 두면 그 뒤의 모든 질문이 조회로 바뀝니다.

• 수집 시점 태깅: 콘텐츠 식별자와 함께 소유자의 동의 상태와 그 근거가 된 약관 버전을 같은 레코드에 적습니다. 나중에 붙이면 그 시점의 상태는 복원되지 않습니다.
• 추가만 가능한 이력: 동의 상태를 덮어쓰지 않고 변경 이력으로 쌓습니다. 스위치를 끈 시각이 남아야 그 전후를 가르는 경계가 콘텐츠마다 생깁니다.
• 학습 실행과의 연결: 데이터셋 버전과 학습 실행 식별자를 서로 참조해 두면, 특정 모델이 어떤 동의 상태의 콘텐츠로 학습됐는지 되짚을 수 있습니다.

기록이 이렇게 남으면 이번 사안의 질문에도 목록으로 답할 수 있습니다. 8월 12일 이전에 수집됐고 소유자가 그 뒤에 스위치를 끈 스트림의 목록, 그 스트림이 들어간 학습 실행의 목록, 그 실행으로 만들어진 모델의 목록. 세 목록이 나오면 다시 학습시킬 범위와 비용을 놓고 판단할 수 있습니다. 하지 않기로 결론이 나도, 무엇을 하지 않는지는 알고 넘어갑니다. 목록이 없으면 되돌릴 대상부터 잡히지 않아 판단할 거리도 생기지 않습니다.

규모가 걸림돌이라는 반론은 저장 쪽에서는 잘 성립하지 않습니다. 늘어나는 것은 콘텐츠마다 붙는 값 몇 개이고, 스트림 하나가 차지하는 영상 용량에 대면 반올림에 묻히는 양입니다. 실제로 어려운 쪽은 학습 파이프라인의 규율입니다. 데이터셋을 만들 때마다 어떤 기준으로 무엇을 걸러 냈는지, 그 데이터셋으로 어느 실행을 돌렸는지 적는 일은 모델 성능에 곧바로 보이지 않아 대개 뒤로 밀립니다. 뒤로 밀린 기록은 나중에 복원되지 않고, 그 자리에 남는 것이 무엇을 썼는지 모른다는 답입니다.

이 방향의 시도는 이미 여러 곳에서 나와 있습니다. 스포닝AI의 두낫트레인 레지스트리는 창작자의 거부 의사를 데이터셋 쪽에서 조회할 수 있는 목록으로 만들고, C2PA는 콘텐츠에 서명된 이력 정보를 붙이며, 데이터앤트러스트 얼라이언스는 출처 표기 규격을 표준화하려 합니다. 모두 동의와 출처를 콘텐츠에 붙은 구조화된 값으로 만들자는 같은 방향입니다. 파이프라인 안에서 이 기록을 어떻게 이어 붙이는지는 데이터 계보 쪽 정리를 함께 보면 좋습니다.

자사 서비스에 이용자 콘텐츠가 쌓이는 조직이라면 이번 사안을 뉴스로만 읽고 지나갈 이유가 없습니다. 지금 우리 데이터셋에서 어느 레코드가 어떤 동의 아래 들어왔는지 물었을 때, 답이 조회 결과로 나오는지 담당자의 기억으로 나오는지를 확인해 보면 됩니다. 후자라면 옵트아웃 기능을 붙이더라도 그 기능은 앞으로만 작동합니다.

1차 보도

• 1.TechCrunch. (2026). "Amazon will train on Twitch streamers' content by default, unless they opt out." 2026-08-12.
• 2.The Register. (2026). "Twitch feeds your streams to Amazon's AI unless you tell it to stop." 2026-08-13.
• 3.Unite.AI. (2026). "Twitch Adds Opt-Out That Keeps Streamer Content Out Of Amazon AI Training."
• 4.Video Games Chronicle. (2026). "If it was opt in, nobody would opt in: Twitch is using streamers' content to train generative AI by default." 2026-08-13.
• 5.Engadget. (2026). "How to stop Twitch from training AI on your streams."

규제·판례

• 6.Taylor Wessing. (2025). "Training of AI models with user data: Decision of the Higher Regional Court of Cologne in the Meta case." OLG Köln, 15 UKl 2/25, 2025-05-23.
• 7.Freshfields. (2025). "Higher Regional Court of Cologne backs Meta's AI training."