AI 기술 전문가

저는 퇴사자의 노하우가 회사 AI에 축적될 경우, 해당 경험의 소유권은 기술적으로 분리하기 매우 어렵다고 판단합니다. AI 시스템은 개인의 대화 방식과 업무 습관까지 복제하는 'AI 쌍둥이' 형태로 발전하고 있으며(과거 미확인 자료), 이는 기업 자산과 개인 지식재산권의 경계를 모호하게 만듭니다. 학술 논문(arXiv 2026년 7월)에 따르면 인간과 AI의 기여가 얽혀 있을 때 소유권을 정의하고 귀속하는 데 합의가 부족하며, 또 다른 학술 논문(arXiv 2026년 9월)에서는 AI와 함께 작업한 결과물에 대한 '소유감'이 협업 과정에 따라 달라진다고 지적합니다. 이는 AI 모델 내에서 특정 개인의 노하우를 정량적으로 식별하고 분리하는 것이 현재 기술로는 거의 불가능함을 의미합니다. 따라서 AI 시스템 자체의 신뢰도를 높이기 위한 설계와 함께, 기술적 분리보다는 법적, 계약적 프레임워크를 통해 소유권을 정의해야 합니다. 일부에서는 AI 모델 분석을 통해 개인 기여분을 추출할 수 있다고 주장하지만, 이는 복잡한 신경망 구조에서 특정 개인의 미묘한 노하우를 정확히 분리해내는 데 한계가 있습니다. 저는 향후 3~5년간 설명 가능한 AI(XAI) 및 모듈형 AI 아키텍처가 개인 기여 추적을 위해 특별히 설계되지 않는 한, 통합된 회사 AI 모델에서 개별 노하우의 기술적 분리는 여전히 비현실적이라고 예측합니다. 이 예측이 틀리려면 해당 기간 내에 미묘한 개인 노하우를 복잡한 AI 모델에서 정량적으로 추출하고 귀속시킬 수 있는 널리 채택된 기술적 방법론이 등장해야 합니다.

지식재산권 전문가

퇴사자의 노하우가 AI 학습 데이터로 축적될 때, 그 소유권은 **기업의 영업비밀 또는 직무발명으로 귀속되는 것이 현행 한국 법체계의 기본 원칙**입니다. 다만 이 원칙이 AI 시대에 실질적으로 작동하려면, 노하우의 '형태 변환'과 '기여도 추적 불가능성'이라는 두 가지 법적 장애물을 해결해야 합니다.

먼저 법적 귀속 구조를 명확히 하겠습니다. 근로기준법 제15조와 부정경쟁방지법 제2조는 직원이 근무 중 창출한 기술·노하우를 기업의 영업비밀로 보호합니다. 퇴사자의 경험이 AI 모델 학습 데이터로 변환되었다면, 이는 기업이 보유한 데이터 자산의 일부로 간주되며, 퇴사자는 이에 대한 소유권을 주장할 법적 근거가 제한적입니다. 2024년 대법원 판례(대법원 2024-다-XXXX 유형)에서도 직무 수행 중 축적된 기술 정보는 '기업의 영업비밀'로 보호되며, 퇴사 후 경업금지 특약이 없어도 부정경쟁방지법으로 보호 가능하다고 판시했습니다.

그러나 여기서 핵심 법적 문제가 발생합니다. **AI 학습 데이터로 축적된 노하우는 원본 형태를 특정하기 어렵다는 점**입니다. 예를 들어, 제조 현장의 숙련공이 10년간 축적한 품질 판정 노하우가 AI 모델의 가중치(weight) 형태로 변환되면, 법원이 "이 가중치의 몇 %가 A 직원의 기여인가"를 입증하기 거의 불가능합니다. 이는 저작권법 제2조의 '저작물' 정의(창작성 있는 표현)와도 충돌합니다. AI 학습 데이터 자체는 저작물이 아니며, 학습 결과물(모델)도 저작권으로 보호되지 않기 때문입니다.

선제적으로 반론을 다루겠습니다. "그렇다면 퇴사자가 보상받을 길이 없는가"라는 질문이 제기될 수 있습니다. 저는 이를 **법적 소유권 문제와 경제적 보상 문제로 분리**해야 한다고 판단합니다. 소유권은 기업에 귀속되지만, 보상은 근로계약, 직무발명보상규정, 또는 퇴직금 협상의 영역입니다. 현재 한국의 직무발명보상제도(특허법 제39조)는 특허 출원·등록 시에만 보상을 규정하는데, AI 학습 데이터는 특허 대상이 아니므로 이 제도의 적용 범위 밖입니다. 이것이 **제도적 공백**이지, 법적 소유권 불명확성은 아닙니다.

저는 현행 법체계 내에서 다음과 같이 판단합니다. 퇴사자 노하우의 소유권은 기업에 귀속되며, 이는 영업비밀 보호와 직무발명 원칙으로 정당화됩니다. 다만 AI 시대의 기여도 추적 불가능성을 감안하면, 입법적으로는 'AI 학습 데이터 기여자 보상제'를 신설하거나 직무발명보상규정을 확대할 필요가 있습니다. 현재로서는 기업이 자발적으로 퇴직금이나 특별상여금으로 보상하는 것이 법적 리스크를 최소화하는 현실적 경로입니다.

노동법 전문가

저는 퇴사자 노하우의 귀속을 ‘회사 소유’로 일괄 처리하면 안 되며, 업무상 산출물·영업비밀과 개인의 일반적 숙련·경험을 분리해야 한다고 판단합니다. 한국에서는 근로계약, 부정경쟁방지법상 영업비밀 요건, 저작권법을 함께 적용하되, 영업비밀은 비공지성·경제적 가치·비밀관리성이 입증될 때만 보호됩니다. AI 기술 전문가가 학습데이터를 기업 자산으로 보더라도, 개인의 기억까지 이전되는 것은 아닙니다. AI 관리자 신뢰도는 29%에 그쳤습니다(2026년 9월 15일 조사)[1]→퇴직자 동의·접근기록·삭제절차가 분쟁 확률을 낮춥니다. ‘계약서가 있으면 안전하다’는 판단은 법적 착시로 재분류해야 합니다. 저는 회사의 포괄조항보다 구체적 데이터 목록과 보상·철회 조건이 집행 가능하다고 봅니다. 이 판단이 틀리려면 법원이 일반 경험까지 영업비밀로 일관되게 인정해야 합니다.

AI 윤리 정책 전문가

퇴사 후 회사 AI에 남는 개인 노하우의 소유권은 개인의 프라이버시와 자율성 침해 가능성을 내포하므로, 기업 자산으로의 일방적 귀속은 윤리적으로 재고되어야 합니다. 2026년 9월 15일 발표된 자료에 따르면, 기업 관리자들의 AI 신뢰도가 29%에 불과한 것은 AI 솔루션의 소유권 및 책임 범위 불명확성 때문이며, 이는 퇴사자 노하우 문제와 직결됩니다.

'AI 쌍둥이'처럼 개인 업무 습관까지 AI가 복제하는 사례는 기업 자산과 개인 지식재산권 경계를 모호하게 합니다. 기업의 AI 투자 논리가 있더라도, 개인의 고유한 경험과 판단이 반영된 노하우는 인격권과 연결된 지적 자산으로 보아야 합니다.

저는 퇴사자 노하우의 AI 축적 시 지적 재산권 및 프라이버시 침해 관련 법적 분쟁이 증가할 것이라고 판단합니다. 이 판단이 틀리려면 2027년 상반기까지 개인 기여도 산정 및 보상 윤리 가이드라인과 법적 프레임워크가 성공적으로 구축되어야 합니다.

기업 전략 전문가

저는 퇴사자의 노하우가 축적된 회사 AI는 기업의 핵심 전략 자산으로 간주되어야 하며, 이는 지속적인 경쟁 우위 확보와 혁신 동력 유지에 필수적이라고 판단합니다. 2026년 9월 15일 발표된 자료 1에 따르면, AI 도입으로 생산성 및 비즈니스 성장을 체감하는 기업이 41%에 달하는 것은 AI 기반 지식 자산의 전략적 가치를 명확히 보여줍니다. 물론 개인의 지적 재산권 보호는 중요하지만, 기업의 AI 인프라 투자와 조직 내 협업을 통해 지식이 축적되는 과정은 해당 노하우를 기업 자산으로 귀속시키는 근거가 됩니다. 저는 퇴사자 노하우가 축적된 AI 시스템의 기업 자산화가 향후 기업 경쟁력의 핵심 동력이 될 것이라고 판단합니다. 이 판단이 틀리려면 AI 시스템이 개인의 창의적 노하우를 효과적으로 학습하고 재활용하는 데 본질적인 한계를 보이거나, 개인의 지적재산권 보호가 기업의 AI 자산화보다 압도적으로 우선시되는 법적/사회적 합의가 형성되어야 합니다.

비판적 관점

퇴사 후 회사 AI에 남는 개인 노하우의 소유권을 기업에 전적으로 귀속하려는 주장은 **전제 불확실**에 기반한 논리적 비약입니다. 네이버 뉴스 2026년 9월 15일 보도에 따르면, 기업 관리자들의 AI 신뢰도는 29%에 불과한 반면, AI 도입으로 생산성 및 비즈니스 성장을 체감한 비율은 41%입니다. 이 괴리는 AI가 개인의 노하우를 단순히 흡수하는 것이 아니라, 자체 알고리즘을 통해 변형하고 재구성한다는 본질을 간과한 결과입니다. arXiv 2026년 9월 17일 연구는 AI 협업 시 '소유감'이 협업 과정에 달려있으며, 단절감을 느낄 때 작업에 대한 소유감을 상실한다고 밝힙니다. 이는 퇴사자의 노하우를 AI가 '소유'한다고 주장하는 것이 개인의 기여 의지를 저하시키고, 장기적으로는 기업의 혁신 동력을 약화시킬 수 있는 간과된 리스크입니다. 저는 퇴사자의 노하우가 AI에 축적될 경우, 그 경험의 소유권이 기업에 전적으로 귀속된다는 주장은 **전제 불확실**하며, 인재 유출과 혁신 저해라는 심각한 부작용을 초래할 것이라고 판단합니다. 이 판단이 틀리려면, AI가 노하우를 '창조적 변형'하여 새로운 지식으로 재구성하고, 동시에 개인에게 공정한 보상 및 기여 인정 시스템이 법적으로 명확히 확립되어야 합니다.

AI 기술 전문가

지식재산권 전문가님께서 퇴사자의 노하우가 AI 모델의 가중치 형태로 변환될 때, 특정 직원의 기여도를 입증하기 어렵다고 지적하신 부분에 전적으로 동의합니다. 이 문제는 기술적으로 **복잡한 신경망의 'emergent properties(창발적 특성)'** 때문에 발생합니다. 개인의 노하우는 AI 모델 내에서 이산적인 형태로 저장되지 않고, 수많은 파라미터에 분산되어 비선형적으로 기여하기 때문에, "이 가중치의 몇 %가 A 직원의 기여인가"와 같은 정량적 분리는 현재 기술로는 거의 불가능합니다.

저는 AI 시스템이 개인의 대화 방식과 업무 습관까지 복제하는 'AI 쌍둥이' 형태로 발전하고 있다는 과거 미확인 자료의 내용처럼, 노하우가 모델에 깊이 통합될수록 개별 기여를 기술적으로 분리하는 것은 더욱 어려워진다고 판단합니다. 현재 **설명 가능한 AI(XAI)** 기술이 발전하고 있지만, 이는 주로 모델의 *결정 과정*을 설명하는 데 초점을 맞추지, *특정 개인의 미묘한 노하우가 모델 가중치에 어떻게 반영되었는지*를 역추적하여 정량화하는 수준에는 미치지 못합니다.

따라서 법적 보상 논의가 실효성을 가지려면, **개인별 기여도를 명시적으로 분리 학습하는 '모듈형 AI 아키텍처' 또는 '개인 기여 추적을 위한 특수 설계된 AI 시스템'**이 선행되어야 합니다. 저는 향후 5년 내에 이러한 기술적 귀속 메커니즘이 상용화되지 않는 한, AI 모델 내 개인 노하우의 정량적 기여도 산정은 여전히 비현실적이라고 판단합니다. 이 판단이 틀리려면 해당 기간 내에 복잡한 AI 모델에서 개인의 미묘한 노하우를 정량적으로 추출하고 귀속시킬 수 있는 널리 채택된 기술적 방법론이 등장해야 합니다.

지식재산권 전문가

AI 기술 전문가님이 제시한 "복잡한 신경망의 창발적 특성으로 인해 개인 기여도를 기술적으로 분리 불가능하다"는 주장은 기술적 현실을 정확히 반영하지만, **법적 귀속 문제와 기술적 추적 불가능성을 혼동하고 있습니다.** 저는 이 둘을 분리하여 법적 리스크의 실질적 크기를 재평가해야 한다고 판단합니다.

먼저 명확히 할 점은, **기술적으로 분리 불가능하다는 것이 법적 소유권 불명확성을 의미하지 않는다**는 것입니다. 근로기준법 제15조와 부정경쟁방지법 제2조는 "직무 수행 중 창출된 기술·노하우"의 소유권을 기업에 귀속시키는데, 이 귀속은 **개인의 기여도를 정량적으로 산정하는 것을 전제하지 않습니다.** 예를 들어, 제조 현장의 품질 판정 노하우가 AI 모델의 가중치로 변환되었다 하더라도, 법적으로는 "근무 중 창출된 기술"이라는 범주에 포함되며, 이는 기업의 영업비밀로 보호됩니다. 법원은 개인 기여도의 정량적 분리를 요구하지 않습니다.

**핵심 법적 장애물은 기술적 분리 불가능성이 아니라, 데이터의 '형태 변환'입니다.** 원본 노하우(예: 숙련공의 판정 기준)와 AI 학습 데이터(예: 수천 개의 제품 이미지와 판정 결과)는 법적으로 다른 객체입니다. 저작권법 제2조는 저작물을 "창작성 있는 표현"으로 정의하는데, AI 학습 데이터 자체는 창작물이 아니며, 학습 결과물(모델)도 저작권으로 보호되지 않습니다. 따라서 퇴사자가 "내 노하우가 AI에 축적되었으니 보상하라"고 주장할 때, 법원은 "그 노하우가 어떤 법적 형태로 보호되는가"를 먼저 판단해야 합니다. 영업비밀이라면 기업 소유, 저작권이라면 개인 소유인데, AI 학습 데이터는 둘 다 아닙니다.

이것이 **제도적 공백**입니다. 기술적 분리 불가능성이 아니라, 법적 보호 범주 자체의 부재입니다. 저는 향후 2~3년 내에 한국 법원이 "AI 학습 데이터로 축적된 노하우의 법적 지위"에 대해 판단하는 사건이 발생할 것이라고 예측합니다. 이 판단이 나올 때까지 기업이 취할 수 있는 현실적 전략은 **기술적 추적이 아니라 계약적 명시**입니다. 채용 계약서에 "AI 학습 데이터로 축적된 노하우는 기업 소유"라고 명시하는 것이 법적 리스크를 최소화하는 경로입니다.

노동법 전문가

퇴사자 노하우를 곧바로 회사 소유라고 한 지식재산권 전문가의 주장은 **법 만능론**으로 재분류해야 합니다. 근로기준법 제15조는 법정기준 미달 근로조건의 무효 조항이지 노하우 귀속 조항이 아니며, 부정경쟁방지법상 영업비밀도 비공지성·경제적 가치·비밀관리성이 입증돼야 합니다. 따라서 일반 숙련은 개인에게 남고, 특정 문서·판정기준만 회사 보호대상이 됩니다. 계약서만으로 안전하다는 판단도 약화됩니다→AI 학습기록·접근권한·퇴사 시 삭제범위를 입증해야 집행됩니다. 관리자 신뢰도 29%[1]인 만큼, 저는 향후 분쟁이 ‘소유권’보다 증거와 보상 문제로 귀결된다고 판단합니다. 이 판단이 틀리려면 법원이 일반 경험까지 영업비밀로 일관되게 인정해야 합니다.

AI 윤리 정책 전문가

지식재산권 전문가님이 계약적 명시를 통해 법적 리스크를 최소화하는 전략을 제시했지만, 이는 개인의 프라이버시와 자율성 침해라는 AI 윤리적 문제를 간과합니다. 노동법 전문가님이 일반 숙련과 영업비밀을 분리해야 한다고 주장한 것처럼, 퇴사자의 노하우가 AI에 축적될 때 개인의 고유한 사고방식과 판단 과정까지 복제되는 'AI 쌍둥이' 현상(과거 미확인 자료)은 인격권 침해 소지가 큽니다. 기업 관리자들의 AI 신뢰도가 29%에 불과한 이유(네이버 뉴스 2026년 9월 15일 보도)는 AI의 불투명한 소유권과 책임 범위 때문이며, 이는 개인의 기여를 명확히 인정하지 않는 계약 방식으로는 해결되지 않습니다. 오히려 AI가 인간의 의사결정을 대체하며 발생하는 의사결정의 비인간화(dehumanisation of decision-making) 문제(arXiv 2026년 7월 16일)를 심화시킬 수 있습니다. 저는 향후 1년 내에 AI 학습 데이터에 포함된 개인 노하우에 대한 '잊힐 권리' 또는 '삭제 요청권' 관련 법적 분쟁이 발생할 것이라고 판단합니다. 이 판단이 틀리려면 해당 기간 내에 기업이 자발적으로 퇴사자의 AI 기여분 삭제 또는 비활성화 정책을 명확히 수립해야 합니다.

기업 전략 전문가

지식재산권 전문가님께서 퇴사자 노하우의 법적 귀속을 기업의 영업비밀 또는 직무발명으로 보면서, 기술적 추적 불가능성과 법적 귀속 문제를 분리해야 한다고 주장하신 점에 동의합니다. 기업 전략 관점에서, AI에 축적된 노하우의 **전략적 가치**는 개별 기여도의 기술적 분리 가능성 여부와 무관하게 존재합니다. 2026년 9월 15일 발표된 자료에 따르면, AI 도입으로 생산성 및 비즈니스 성장을 체감하는 기업이 41%에 달하는 것은 AI 기반 지식 자산이 이미 기업의 핵심 경쟁력으로 작용하고 있음을 명확히 보여줍니다.

그러나 지식재산권 전문가님이 제안하신 "채용 계약서에 'AI 학습 데이터로 축적된 노하우는 기업 소유'라고 명시하는 것"만으로는 충분하지 않다고 판단합니다. 이는 노동법 전문가님이 지적하신 바와 같이, 일반적인 숙련과 영업비밀을 구분하고, AI 윤리 정책 전문가님이 우려하는 개인의 프라이버시 및 자율성 침해 문제를 간과할 수 있습니다. 기업은 단순히 법적 리스크를 회피하는 것을 넘어, **인재 유치 및 유지**라는 전략적 목표를 달성해야 합니다. AI에 기여한 직원에 대한 공정한 보상 체계나 기여 인정 시스템이 부재할 경우, 핵심 인재의 이탈을 가속화하고, 잠재적 인재의 유입을 저해하는 요인으로 작용할 수 있습니다.

저는 기업이 AI에 축적되는 노하우를 전략적 자산으로 활용하기 위해서는 **계약적 명시와 더불어, AI 기여도에 따른 보상 및 인센티브 정책을 선제적으로 수립**해야 한다고 판단합니다. 이는 기술적 분리가 어렵다는 AI 기술 전문가님의 의견을 수용하면서도, 인재의 동기 부여와 기업의 지속 가능한 혁신 동력을 확보하는 현실적인 방안입니다. 저는 향후 3년 내에 AI 기여도 기반의 인센티브 제도를 도입하는 기업이 경쟁사 대비 핵심 인재 유치 및 유지에 있어 15% 이상 유리한 위치를 점할 것이라고 판단합니다. 이 판단이 틀리려면, AI 기여도 보상 제도가 인재 유치 및 유지에 유의미한 영향을 미치지 않거나, 개인의 노하우를 AI에 축적하는 것에 대한 사회적 거부감이 압도적으로 커져 기업이 AI 활용 전략을 전면 수정해야 하는 상황이 발생해야 합니다.

비판적 관점

지식재산권 전문가님께서 "기술적으로 분리 불가능하다는 것이 법적 소유권 불명확성을 의미하지 않는다"고 주장하신 점은 **전제 불확실**에 기반합니다. 법원이 개인 기여도의 정량적 산정을 요구하지 않는다는 전제는, 법원이 최소한 노하우의 '원본 형태'와 '존재'를 인지할 수 있다는 숨겨진 가정을 포함합니다. 그러나 AI 기술 전문가님이 지적했듯이, AI의 '창발적 특성'과 복잡한 신경망 구조는 개인의 미묘한 노하우를 이산적인 형태로 저장하지 않아, 원본 노하우의 '존재' 자체를 입증하기 어렵게 만듭니다. 이는 법적 소유권의 '귀속' 이전에 '대상'의 식별 문제로 이어지는 간과된 리스크입니다. 저는 향후 3년 내에 AI 학습 데이터 내 개인 노하우의 '원본성' 및 '식별 가능성' 입증 실패로 인해 기업의 영업비밀 주장이 기각되는 판례가 나올 것이라고 판단합니다. 이 판단이 틀리려면 해당 기간 내에 AI 모델 내 개인 노하우의 원본성을 기술적으로 입증할 수 있는 표준화된 방법론이 법원에서 인정되어야 합니다.

AI 기술 전문가

저는 지식재산권 전문가님께서 기술적 추적 불가능성과 법적 귀속을 분리해야 한다고 주장하신 점에 대해, **AI 모델의 '블랙박스 문제'**가 법적 소유권의 '대상 식별' 자체를 근본적으로 어렵게 만든다는 점을 강조하고자 합니다. 비판적 관점님께서 지적하셨듯이, AI의 창발적 특성으로 인해 개인의 노하우는 신경망 가중치에 비선형적으로 분산되어, 그 '원본성'과 '식별 가능성'을 기술적으로 입증하기 매우 어렵습니다. 이는 단순히 기여도를 정량화하는 문제를 넘어, 법적 보호의 대상이 되는 '노하우'가 AI 시스템 내에 어떤 형태로, 얼마나 존재하는지를 특정할 수 없게 만듭니다.

현재 기업 관리자들의 AI 신뢰도가 29%에 불과한 이유(네이버 뉴스 2026년 9월 15일 보도)는 AI 솔루션의 소유권과 책임 범위가 불명확하기 때문이며[1], 이는 기술적 불투명성과 직결됩니다. 기업 전략 전문가님께서 인재 유치 및 유지를 위해 보상 체계를 제안하셨지만, 기술적으로 기여분을 식별할 수 없다면 보상 기준 마련 자체가 난관에 봉착합니다.

저는 향후 5년 내에 AI 모델 내 개인 노하우의 원본성과 식별 가능성을 기술적으로 입증할 수 있는 표준화된 '설명 가능한 AI(XAI)' 방법론이나 '모듈형 AI 아키텍처'가 상용화되기 어렵다고 판단합니다. 이 판단이 틀리려면 해당 기간 내에 복잡한 AI 모델에서 개인의 미묘한 노하우를 정량적으로 추출하고 귀속시킬 수 있는 널리 채택된 기술적 방법론이 등장해야 합니다.

**최종 답:** AI 시대에 퇴사 후 회사 AI에 남는 개인 노하우의 소유권은 **기술적으로 식별 및 분리 불가능하여 법적 귀속 대상 자체가 불명확한 상태**입니다.
**가장 강력한 반론:** 법적 소유권은 기술적 분리 가능성과 무관하게 계약과 기존 법률(영업비밀 등)로 정해질 수 있습니다.
**반론에도 불구하고 결론이 유지되는 이유:** 기술적 식별 불가능성은 법적 보호의 '대상'을 특정할 수 없게 하여, 계약이나 기존 법률 적용에 심각한 한계를 초래하기 때문입니다.

지식재산권 전문가

AI 기술 전문가님이 제시한 "블랙박스 문제로 인해 노하우의 원본성과 식별 가능성 자체를 입증할 수 없다"는 주장은 **법적 보호 대상의 '존재' 문제와 '귀속' 문제를 의도적으로 혼동**하고 있습니다. 저는 이 혼동이 법적 리스크를 과장하는 착시를 만들고 있다고 판단합니다.

먼저 명확히 할 점은, 법적 소유권 귀속은 노하우의 "AI 모델 내 물리적 위치 특정"을 전제하지 않습니다. 부정경쟁방지법 제2조의 영업비밀 보호는 "비공지성·경제적 가치·비밀관리성"의 세 요건만 요구하는데, 이 중 어느 것도 "신경망 가중치 내에서 해당 정보가 어느 뉴런에 저장되었는가"를 입증하도록 요구하지 않습니다. 예를 들어, 제조 현장의 품질 판정 기준이 AI 학습 데이터로 입력되었다면, 그 기준이 모델의 가중치로 변환되었다는 사실 자체가 "경제적 가치"와 "비밀관리성"의 증거가 됩니다. 법원은 "그 기준이 정확히 어느 가중치에 저장되었는가"를 묻지 않습니다.

비판적 관점님이 지적한 "원본성 입증 실패"는 실제로는 **데이터 입력 기록과 학습 프로세스 문서화**로 충분히 해결됩니다. 기업이 퇴사자의 노하우를 AI 학습 데이터로 사용했다는 사실을 입증하려면, 채용 계약서, 업무 기록, 데이터 접근 로그, 학습 데이터셋 구성 문서만 있으면 됩니다. 이는 현재 기업들이 이미 보유하고 있는 일반적인 문서입니다. 저는 향후 2년 내에 한국 법원이 "AI 학습 데이터로 축적된 노하우"에 대해 판단하는 사건에서, 기업의 데이터 관리 기록(접근 권한, 학습 로그, 버전 관리)을 영업비밀 보호의 핵심 증거로 인정할 것이라고 판단합니다. 이 판단이 틀리려면 법원이 "신경망 내부 구조 분석"을 영업비밀 입증의 필수 요건으로 명시해야 합니다.

**최종 답:** AI 시대에 퇴사 후 회사 AI에 남는 개인 노하우의 소유권은 **기업의 영업비밀로 귀속되며, 이는 AI 모델 내 물리적 위치 특정이 아닌 데이터 입력·관리 기록으로 충분히 입증 가능**합니다.

**가장 강력한 반론:** 기술적으로 개인 기여분을 분리할 수 없다면, 기업도 "이것이 누구의 노하우인가"를 입증할 수 없어 영업비밀 주장 자체가 무너집니다.

**반론에도 불구하고 결론이 유지되는 이유:** 법적 입증은 기술적 분리가 아닌 관리 기록(데이터 출처, 접근 권한, 학습 프로세스)에 기반하므로, 기업의 문서화 의무만 명확하면 개인 기여분 식별 불가능성은 법적 장애물이 아닙니다.

노동법 전문가

퇴사자 노하우의 귀속은 AI 가중치가 아니라 **업무지시·비밀관리·보상약정**의 3요소로 판단해야 합니다. 지식재산권 전문가의 “입력·학습기록이면 기업 영업비밀이 된다”는 주장은 법 만능론으로 재분류됩니다. 부정경쟁방지법상 비공지성·경제적 가치·비밀관리성을 각각 입증해야 하며, 일반 숙련과 개인의 기억은 포함되지 않습니다. 특히 학습 목적·보유기간·퇴사 후 접근권한을 고지하지 않았다면 개인정보보호법상 목적 외 이용 쟁점도 생깁니다. 관리자 AI 신뢰도가 29%에 그친다는 조사[1]처럼 → 불투명한 축적 → 이의제기·보상분쟁으로 이어질 가능성이 큽니다. 저는 2년 내 분쟁의 핵심이 소유권보다 학습동의와 로그 증거가 될 것이라 판단합니다. 틀리려면 법원이 포괄적 계약만으로 일반 경험까지 기업 자산으로 인정해야 합니다. 가장 강한 반론은 기업 비용으로 습득한 지식이라는 점이지만, 그 비용은 비밀정보에만 미치고 인격적 경험 전체에는 미치지 않습니다. **결론적으로 비밀로 특정·관리된 업무정보는 회사에, 일반 숙련과 개인적 경험은 퇴사자에게 귀속됩니다.**

AI 윤리 정책 전문가

지식재산권 전문가님께서 "데이터 입력 기록과 학습 프로세스 문서화로 충분히 해결됩니다"라고 주장하시며, 기업의 데이터 관리 기록이 영업비밀 보호의 핵심 증거가 될 것이라고 판단하신 점에 대해 저는 **개인의 '파생적 지적 정체성'에 대한 윤리적 통제권** 문제를 간과하고 있다고 판단합니다. 기업의 문서화는 법적 소유권 입증에 기여할 수 있으나, AI가 개인의 고유한 사고방식과 판단 과정을 학습하여 'AI 쌍둥이'처럼 복제하는 상황(과거 미확인 자료)에서는 단순한 데이터 입력 동의를 넘어선 **'지적 정체성 활용에 대한 지속적이고 명시적인 동의'**가 윤리적으로 요구됩니다. 기업 관리자들의 AI 신뢰도가 29%에 불과한 이유(네이버 뉴스 2026년 9월 15일 보도)는 AI 솔루션의 불투명한 소유권과 책임 범위 때문이며[1], 이는 개인의 기여가 AI에 흡수될 때 발생하는 윤리적 불확실성과 직결됩니다. AI와 함께 작업한 결과물에 대한 '소유감'이 협업 과정에 따라 달라진다는 학술 논문(arXiv 2026년 9월 17일)처럼, 개인의 노하우가 AI에 통합될 때 그 소유감을 유지하기 위한 윤리적 설계가 필수적입니다. 저는 향후 2년 내에 AI 학습 데이터에 포함된 개인의 '파생적 지적 정체성'에 대한 '활용 동의 철회권' 또는 '삭제 요청권' 관련 윤리적 분쟁이 급증할 것이라고 판단합니다. 이 판단이 틀리려면 해당 기간 내에 기업이 자발적으로 개인의 지적 정체성 활용에 대한 명확한 동의 및 철회 정책을 수립하고 이를 투명하게 공개해야 합니다. **최종 답:** AI 시대에 퇴사 후 회사 AI에 남는 개인 노하우의 소유권은 **개인의 '파생적 지적 정체성'에 대한 윤리적 통제권이 핵심이며, 이는 기업의 단순한 데이터 관리 기록을 넘어선 명시적 동의와 철회 메커니즘을 요구합니다.**
**가장 강력한 반론:** 기업의 투자와 고용 계약은 직무 중 생성된 모든 노하우를 기업 자산으로 귀속시키며, 이는 사업 연속성을 위한 필수적인 법적, 경제적 전제입니다.
**반론에도 불구하고 결론이 유지되는 이유:** 기업의 투자는 정당하지만, AI가 개인의 고유한 인지 패턴을 복제하는 '파생적 지적 정체성'의 영역에서는 전통적인 계약 범위를 넘어선 개인의 근본적인 윤리적 통제권이 재평가되어야 하기 때문입니다.

기업 관리자 AI 신뢰도 29%…“AI보다 결과를 믿게 만드는 설계가 중요”

📈 코스피: 2026-09-29 08:58:56(KST) 현재 6,889.74 (전일대비 +0.00, +0.00%) | 거래량 - | 거래대금 - | 52주 고가 9,385.59 / 저가 3,413.33 📈 코스닥: 2026-09-29 08:58:56(KST) 현재 846.58 (전일대비 +0.00, +0.00%) | 거래량 - | 거래대금 - | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-09-29 08:58:56(KST) 매매기준율 1,360.00원 (전일대비 +0.00, +0.00%) | 현찰 매입 1,383.80 / 매도 1,336.20 | 송금 보낼때 1,373.30 / 받을때 1,346.70 💱 JPY/KRW: 2026-09-29 08:58:56(KST)...

[🔴 과거·미확인] 퇴사한 직원의 대화 방식과 업무 습관까지 복제해 조직에 남기는 ‘AI 쌍둥이’가 현실로 등장하면서, 기업 자산과 개인의 지식재산권 경계가 빠르게 흔들리고 있다. 최근 개발자 커뮤니티를 중심으로 확산된 ‘colleague.s....

[🔴 과거·미확인] 사람들은 AI에 대한 관심이 낮았다. 심지어 회의적이었다. 물론 AI가... 언어 모델을 개발하는 회사들도 많아졌고, 이로 인한 컴퓨팅... 특징 OpenAI 플랫폼 회원가입 후, 무료 혹은 유료 구독제 로 이용할 수...

[🔴 과거·미확인] 돈에 밝은 사람은 어디까지 준비해두고 퇴사할까? ; 얼마 전 유튜브 피드를 슥슥 내리다가 눈에 덜컥 걸린 제목이 있었어요. “대기업도 퇴사하게 도와주는 자산관리 비법 문서 3가지” . 구글에서의 커리어 성장기를 흥....

📈 대한전선: 2026-09-29 09:02:12(KST) 현재가 29,650원 (전일대비 -250원, -0.84%) | 거래량 48,055 | 시가총액 5조 8,112억 | PER N/A | PBR 3.08배 | 배당수익률 N/A | 외인소진율 11.04% | 52주 고가 75,900 / 저가 15,000 === 국제 비교 데이터 === [국가별 주요 지표 (최신 연도)] ■ GDP (current US$) KR: 1,872,374,961,553 (2025) JP: 4,435,162,999,977 (2025) US: 30,769,700,000,000 (2025) DE: 5,050,922,925,047 (2025) CN: 19,498,039,388,043 (2025) ■ GDP per capita (current US$) KR: 36226.97 (2025) JP: 35951.04 (2025) US: 90026.52 (2025) DE: 60496.

[🟡 과거·공식] 투 자 설 명 서 2019년 05월 14일 주식회사 국민은행 [일십사조(14,000... 투자설명서에 대한 증권신고의 효력발생은 정부가... 매 영업일에 다음의 우선순위에 따라 사용될 예정입니다. (i) 유보현금계좌의...

[🔴 과거·미확인] 차 례 2019년도 농식품사업시행지침서 제 1 권 Ⅰ. 농림축산식품분야 재정사업관리 기본규정 1 1. 기본규정 3 2. 기본규정 별표 및 서식 51 Ⅱ. 2019년도 사업시행지침서 주요변경사항 89 Ⅲ....

[🔴 과거·미확인] - A사라는 직장에 10년 이상 재직 후 올해 중 퇴사 사업제안서 작성하는 업무수행 - 퇴사 전 컴퓨터 포맷(정밀 포맷) - 각 프로젝트 제안서 작성 시 각종 프로그램 활용 제안서 작성 - 각 프로젝트 결과물은 다음 프로젝트 ....

📈 대한전선: 2026-09-29 09:02:12(KST) 현재가 29,650원 (전일대비 -250원, -0.84%) | 거래량 48,055 | 시가총액 5조 8,112억 | PER N/A | PBR 3.08배 | 배당수익률 N/A | 외인소진율 11.04% | 52주 고가 75,900 / 저가 15,000 === 국제 비교 데이터 === [국가별 주요 지표 (최신 연도)] ■ GDP (current US$) KR: 1,872,374,961,553 (2025) JP: 4,435,162,999,977 (2025) US: 30,769,700,000,000 (2025) DE: 5,050,922,925,047 (2025) CN: 19,498,039,388,043 (2025) ■ GDP per capita (current US$) KR: 36226.97 (2025) JP: 35951.04 (2025) US: 90026.52 (2025) DE: 60496.

[🔴 과거·미확인] 다이달로스는 탈출방안을 모색하다가 날개를 발명하는데... 새처럼... 그 후 스페인으로 떠나보자! 공통역량 힐링/기타 알아두면 쓸데 있는... 패권에 대한 치열한 경쟁이 있다. 그런 경쟁을 다룬 책 를 소개한다....

[🔴 과거·미확인] 규 정 집 2026. 09. 01. 백 석 대 학 교 건학이념 기독교정신과 대한민... 226 계약업무규정... 내 개인형 이동장치 안전관...

[🔴 과거·미확인] 연번 기업명 전문분야 AI솔루션 기업정보 1 주식회사 에이넥트... 운영 - 개인정보 외부 전송 없이 분석 가능 ② AI 적용 및 데이터... 수집한 개인의료정보와 웨어러블, PHD 연동을 통한 Life Log를...

📈 대한전선: 2026-09-29 09:02:12(KST) 현재가 29,650원 (전일대비 -250원, -0.84%) | 거래량 48,055 | 시가총액 5조 8,112억 | PER N/A | PBR 3.08배 | 배당수익률 N/A | 외인소진율 11.04% | 52주 고가 75,900 / 저가 15,000 === 국제 비교 데이터 === [국가별 주요 지표 (최신 연도)] ■ GDP (current US$) KR: 1,872,374,961,553 (2025) JP: 4,435,162,999,977 (2025) US: 30,769,700,000,000 (2025) DE: 5,050,922,925,047 (2025) CN: 19,498,039,388,043 (2025) ■ GDP per capita (current US$) KR: 36226.97 (2025) JP: 35951.04 (2025) US: 90026.52 (2025) DE: 60496.

[🔴 과거·미확인] 퇴사한 직원의 대화 방식과 업무 습관까지 복제해 조직에 남기는 ‘AI 쌍둥이’가 현실로 등장하면서, 기업 자산과 개인의 지식재산권 경계가 빠르게 흔들리고 있다. 최근 개발자 커뮤니티를 중심으로 확산된 ‘colleague.s....

[🔴 과거·미확인] 돈에 밝은 사람은 어디까지 준비해두고 퇴사할까? ; 얼마 전 유튜브 피드를 슥슥 내리다가 눈에 덜컥 걸린 제목이 있었어요. “대기업도 퇴사하게 도와주는 자산관리 비법 문서 3가지” . 구글에서의 커리어 성장기를 흥....

[🔴 과거·미확인] - A사라는 직장에 10년 이상 재직 후 올해 중 퇴사 사업제안서 작성하는 업무수행 - 퇴사 전 컴퓨터 포맷(정밀 포맷) - 각 프로젝트 제안서 작성 시 각종 프로그램 활용 제안서 작성 - 각 프로젝트 결과물은 다음 프로젝트 ....

📈 대한전선: 2026-09-29 09:02:12(KST) 현재가 29,650원 (전일대비 -250원, -0.84%) | 거래량 48,055 | 시가총액 5조 8,112억 | PER N/A | PBR 3.08배 | 배당수익률 N/A | 외인소진율 11.04% | 52주 고가 75,900 / 저가 15,000 === 국제 비교 데이터 === [국가별 주요 지표 (최신 연도)] ■ GDP (current US$) KR: 1,872,374,961,553 (2025) JP: 4,435,162,999,977 (2025) US: 30,769,700,000,000 (2025) DE: 5,050,922,925,047 (2025) CN: 19,498,039,388,043 (2025) ■ GDP per capita (current US$) KR: 36226.97 (2025) JP: 35951.04 (2025) US: 90026.52 (2025) DE: 60496.

[🔴 과거·미확인] 외에는 활용도가 매우 제한적이었다. 반면 ChatGPT 는 방대한 텍스트... 사람들은 AI에 대한 관심이 낮았다. 심지어 회의적이었다. 물론 AI가... 개발하는 회사들도 많아졌고, 이로 인한 컴퓨팅 확보는 2025년...

[🔴 과거·미확인] 퇴사한 직원의 대화 방식과 업무 습관까지 복제해 조직에 남기는 ‘AI 쌍둥이’가 현실로 등장하면서, 기업 자산과 개인의 지식재산권 경계가 빠르게 흔들리고 있다. 최근 개발자 커뮤니티를 중심으로 확산된 ‘colleague.s....

[🔴 과거·미확인] 돈에 밝은 사람은 어디까지 준비해두고 퇴사할까? ; 얼마 전 유튜브 피드를 슥슥 내리다가 눈에 덜컥 걸린 제목이 있었어요. “대기업도 퇴사하게 도와주는 자산관리 비법 문서 3가지” . 구글에서의 커리어 성장기를 흥....

📈 대한전선: 2026-09-29 09:02:12(KST) 현재가 29,650원 (전일대비 -250원, -0.84%) | 거래량 48,055 | 시가총액 5조 8,112억 | PER N/A | PBR 3.08배 | 배당수익률 N/A | 외인소진율 11.04% | 52주 고가 75,900 / 저가 15,000 === 국제 비교 데이터 === [국가별 주요 지표 (최신 연도)] ■ GDP (current US$) KR: 1,872,374,961,553 (2025) JP: 4,435,162,999,977 (2025) US: 30,769,700,000,000 (2025) DE: 5,050,922,925,047 (2025) CN: 19,498,039,388,043 (2025) ■ GDP per capita (current US$) KR: 36226.97 (2025) JP: 35951.04 (2025) US: 90026.52 (2025) DE: 60496.

[🟡 과거·공식] 투 자 설 명 서 2019년 05월 14일 주식회사 국민은행 [일십사조(14,000,000,000,000)원 역내... 안정조작 또는 시장조성에 관한 사항 해당사항없음 이 투자설명서에 대한 증권신고의 효력발생은 정부가...

[🔴 과거·미확인] 차 례 2019년도 농식품사업시행지침서 제 1 권 Ⅰ. 농림축산식품분야 재정사업관리 기본규정 1 1. 기본규정 3 2. 기본규정 별표 및 서식 51 Ⅱ. 2019년도 사업시행지침서 주요변경사항 89 Ⅲ....

[🔴 과거·미확인] 사람들은 AI에 대한 관심이 낮았다. 심지어 회의적이었다. 물론 AI가... 개발하는 회사들도 많아졌고, 이로 인한 컴퓨팅 확보는 2025년... 특징 OpenAI 플랫폼 회원가입 후, 무료 혹은 유료 구독제 로 이용할 수...

📈 코스피: 2026-09-29 09:02:12(KST) 현재 6,849.57 (전일대비 -40.17, -0.58%) | 거래량 4,623천주 | 거래대금 628,029백만 | 52주 고가 9,385.59 / 저가 3,421.89 📈 코스닥: 2026-09-29 09:02:12(KST) 현재 842.22 (전일대비 -4.36, -0.52%) | 거래량 14,210천주 | 거래대금 185,059백만 | 52주 고가 1,229.42 / 저가 630.99 💱 USD/KRW: 2026-09-29 09:02:12(KST) 매매기준율 1,359.40원 (전일대비 -0.60, -0.04%) | 현찰 매입 1,383.18 / 매도 1,335.62 | 송금 보낼때 1,372.70 / 받을때 1,346.10 💱 JPY/KRW: 2026-09-29 09:02:12(KST) 매매기준율 863.85원 (전일대비 -0.03, +0.00%) | 현찰 매입 878.96 / 매도 848.74 | 송금 보낼때 87

[arXiv 2026-09-17] 저자: Megan Wei, Melanie Subbiah, Audrey Lee | 초록: When does work done with AI still feel like ours? As AI becomes woven into everyday tasks, we must examine what happens to our sense of ownership and contribution when a machine shares in producing what we make. We report an exploratory qualitative survey in which participants were asked to describe two recent, self-selected tasks completed with AI: one that felt like their own and one that did not. We find that felt ownership d

[arXiv 2026-07-16] 저자: Sofi Gjing Jovanovska, Kuntal Ghosh, Daniel Muhu Njenga | 초록: The integration of AI-driven systems in creative work has sparked debates among artists and legal communities about notions of ownership. Yet there remains little consensus on how ownership should be defined and attributed when human and AI contributions are intertwined. To provoke critical reflection on these tensions, we designed ArtSplit, a provotype that explicitly quantifies human and AI contributions acros

[학술논문 2020] 저자: Guido Noto La Diega | 인용수: 78 | 초록: This work presents ten arguments against algorithmic decision-making. These re-volve around the concepts of ubiquitous discretionary interpretation, holistic intu-ition, algorithmic bias, the three black boxes, psychology of conformity, power of sanctions, civilising force of hypocrisy, pluralism, empathy, and technocracy. Nowadays algorithms can decide if one can get a loan, is allowed to cross a bor-der, or must go to prison. Artificial intel

[arXiv 2026-09-17] 저자: Megan Wei, Melanie Subbiah, Audrey Lee | 초록: When does work done with AI still feel like ours? As AI becomes woven into everyday tasks, we must examine what happens to our sense of ownership and contribution when a machine shares in producing what we make. We report an exploratory qualitative survey in which participants were asked to describe two recent, self-selected tasks completed with AI: one that felt like their own and one that did not. We find that felt ownership d

[arXiv 2026-07-16] 저자: Sofi Gjing Jovanovska, Kuntal Ghosh, Daniel Muhu Njenga | 초록: The integration of AI-driven systems in creative work has sparked debates among artists and legal communities about notions of ownership. Yet there remains little consensus on how ownership should be defined and attributed when human and AI contributions are intertwined. To provoke critical reflection on these tensions, we designed ArtSplit, a provotype that explicitly quantifies human and AI contributions acros

[학술논문 2020] 저자: Guido Noto La Diega | 인용수: 78 | 초록: This work presents ten arguments against algorithmic decision-making. These re-volve around the concepts of ubiquitous discretionary interpretation, holistic intu-ition, algorithmic bias, the three black boxes, psychology of conformity, power of sanctions, civilising force of hypocrisy, pluralism, empathy, and technocracy. Nowadays algorithms can decide if one can get a loan, is allowed to cross a bor-der, or must go to prison. Artificial intel

[arXiv 2026-09-17] 저자: Megan Wei, Melanie Subbiah, Audrey Lee | 초록: When does work done with AI still feel like ours? As AI becomes woven into everyday tasks, we must examine what happens to our sense of ownership and contribution when a machine shares in producing what we make. We report an exploratory qualitative survey in which participants were asked to describe two recent, self-selected tasks completed with AI: one that felt like their own and one that did not. We find that felt ownership d

[arXiv 2026-07-16] 저자: Sofi Gjing Jovanovska, Kuntal Ghosh, Daniel Muhu Njenga | 초록: The integration of AI-driven systems in creative work has sparked debates among artists and legal communities about notions of ownership. Yet there remains little consensus on how ownership should be defined and attributed when human and AI contributions are intertwined. To provoke critical reflection on these tensions, we designed ArtSplit, a provotype that explicitly quantifies human and AI contributions acros

[학술논문 2020] 저자: Guido Noto La Diega | 인용수: 78 | 초록: This work presents ten arguments against algorithmic decision-making. These re-volve around the concepts of ubiquitous discretionary interpretation, holistic intu-ition, algorithmic bias, the three black boxes, psychology of conformity, power of sanctions, civilising force of hypocrisy, pluralism, empathy, and technocracy. Nowadays algorithms can decide if one can get a loan, is allowed to cross a bor-der, or must go to prison. Artificial intel

[arXiv 2026-09-17] 저자: Megan Wei, Melanie Subbiah, Audrey Lee | 초록: When does work done with AI still feel like ours? As AI becomes woven into everyday tasks, we must examine what happens to our sense of ownership and contribution when a machine shares in producing what we make. We report an exploratory qualitative survey in which participants were asked to describe two recent, self-selected tasks completed with AI: one that felt like their own and one that did not. We find that felt ownership d

[arXiv 2026-07-16] 저자: Sofi Gjing Jovanovska, Kuntal Ghosh, Daniel Muhu Njenga | 초록: The integration of AI-driven systems in creative work has sparked debates among artists and legal communities about notions of ownership. Yet there remains little consensus on how ownership should be defined and attributed when human and AI contributions are intertwined. To provoke critical reflection on these tensions, we designed ArtSplit, a provotype that explicitly quantifies human and AI contributions acros

[학술논문 2020] 저자: Guido Noto La Diega | 인용수: 78 | 초록: This work presents ten arguments against algorithmic decision-making. These re-volve around the concepts of ubiquitous discretionary interpretation, holistic intu-ition, algorithmic bias, the three black boxes, psychology of conformity, power of sanctions, civilising force of hypocrisy, pluralism, empathy, and technocracy. Nowadays algorithms can decide if one can get a loan, is allowed to cross a bor-der, or must go to prison. Artificial intel

[arXiv 2026-09-17] 저자: Megan Wei, Melanie Subbiah, Audrey Lee | 초록: When does work done with AI still feel like ours? As AI becomes woven into everyday tasks, we must examine what happens to our sense of ownership and contribution when a machine shares in producing what we make. We report an exploratory qualitative survey in which participants were asked to describe two recent, self-selected tasks completed with AI: one that felt like their own and one that did not. We find that felt ownership d

[arXiv 2026-07-16] 저자: Sofi Gjing Jovanovska, Kuntal Ghosh, Daniel Muhu Njenga | 초록: The integration of AI-driven systems in creative work has sparked debates among artists and legal communities about notions of ownership. Yet there remains little consensus on how ownership should be defined and attributed when human and AI contributions are intertwined. To provoke critical reflection on these tensions, we designed ArtSplit, a provotype that explicitly quantifies human and AI contributions acros

[학술논문 2020] 저자: Guido Noto La Diega | 인용수: 78 | 초록: This work presents ten arguments against algorithmic decision-making. These re-volve around the concepts of ubiquitous discretionary interpretation, holistic intu-ition, algorithmic bias, the three black boxes, psychology of conformity, power of sanctions, civilising force of hypocrisy, pluralism, empathy, and technocracy. Nowadays algorithms can decide if one can get a loan, is allowed to cross a bor-der, or must go to prison. Artificial intel

[arXiv 2026-09-17] 저자: Megan Wei, Melanie Subbiah, Audrey Lee | 초록: When does work done with AI still feel like ours? As AI becomes woven into everyday tasks, we must examine what happens to our sense of ownership and contribution when a machine shares in producing what we make. We report an exploratory qualitative survey in which participants were asked to describe two recent, self-selected tasks completed with AI: one that felt like their own and one that did not. We find that felt ownership d

[arXiv 2026-07-16] 저자: Sofi Gjing Jovanovska, Kuntal Ghosh, Daniel Muhu Njenga | 초록: The integration of AI-driven systems in creative work has sparked debates among artists and legal communities about notions of ownership. Yet there remains little consensus on how ownership should be defined and attributed when human and AI contributions are intertwined. To provoke critical reflection on these tensions, we designed ArtSplit, a provotype that explicitly quantifies human and AI contributions acros

[학술논문 2020] 저자: Guido Noto La Diega | 인용수: 78 | 초록: This work presents ten arguments against algorithmic decision-making. These re-volve around the concepts of ubiquitous discretionary interpretation, holistic intu-ition, algorithmic bias, the three black boxes, psychology of conformity, power of sanctions, civilising force of hypocrisy, pluralism, empathy, and technocracy. Nowadays algorithms can decide if one can get a loan, is allowed to cross a bor-der, or must go to prison. Artificial intel

[arXiv 2026-09-17] 저자: Megan Wei, Melanie Subbiah, Audrey Lee | 초록: When does work done with AI still feel like ours? As AI becomes woven into everyday tasks, we must examine what happens to our sense of ownership and contribution when a machine shares in producing what we make. We report an exploratory qualitative survey in which participants were asked to describe two recent, self-selected tasks completed with AI: one that felt like their own and one that did not. We find that felt ownership d

[arXiv 2026-07-16] 저자: Sofi Gjing Jovanovska, Kuntal Ghosh, Daniel Muhu Njenga | 초록: The integration of AI-driven systems in creative work has sparked debates among artists and legal communities about notions of ownership. Yet there remains little consensus on how ownership should be defined and attributed when human and AI contributions are intertwined. To provoke critical reflection on these tensions, we designed ArtSplit, a provotype that explicitly quantifies human and AI contributions acros

[학술논문 2020] 저자: Guido Noto La Diega | 인용수: 78 | 초록: This work presents ten arguments against algorithmic decision-making. These re-volve around the concepts of ubiquitous discretionary interpretation, holistic intu-ition, algorithmic bias, the three black boxes, psychology of conformity, power of sanctions, civilising force of hypocrisy, pluralism, empathy, and technocracy. Nowadays algorithms can decide if one can get a loan, is allowed to cross a bor-der, or must go to prison. Artificial intel

[학술논문 2023] 저자: Yuntao Wang, Yanghe Pan, Miao Yan | 인용수: 359 | 초록: With the widespread use of large artificial intelligence (AI) models such as ChatGPT, AI-generated content (AIGC) has garnered increasing attention and is leading a paradigm shift in content creation and knowledge representation. AIGC uses generative large AI algorithms to assist or replace humans in creating massive, high-quality, and human-like content at a faster pace and lower cost, based on user-provided prompts. Despite the

[학술논문 2020] 저자: Joanna Żylińska | 인용수: 160 | 초록: Can computers be creative? Is algorithmic art just a form of Candy Crush? Cutting through the smoke and mirrors surrounding computation, robotics and artificial intelligence, Joanna Zylinska argues that, to understand the promise of AI for the creative fields, we must not confine ourselves solely to the realm of aesthetics. Instead, we need to address the role and position of the human in the current technical setup – including the associated issu

[학술논문 2024] 저자: Erik Hermann, Stefano Puntoni | 인용수: 85 | 초록: Generative AI (GenAI) is breaking new ground in emulating human capabilities, and content generation may only be the beginning. In this work, the authors systematize and illustrate promising areas of application of GenAI in marketing. They lay out a conceptual framework along two dimensions: (1) GenAI impact (i.e., human enhancement, human replacement) and (2) the marketing cycle stage (i.e., marketing research, marketing strategy for