앤트로픽이 새로 공개한 버전 관리 시스템 Scion을 두고, 메타(Meta)의 소스 관리 서버 Mononoke 개발에 참여했던 엔지니어가 공개적으로 문제를 제기했다. 핵심 쟁점은 기술을 베꼈느냐 아니냐가 아니라, 앞서 같은 아이디어를 만든 사람들에게 마땅한 '크레딧(출처 표기)'을 주었느냐다. Mononoke 개발자는 앤트로픽이 Scion을 소개하면서 Sapling을 '값비싸게 얻은 교훈' 정도로만 언급하고 Mononoke는 전혀 거론하지 않은 점을 두고 표절에 가깝다고 지적했다.
논쟁의 기술적 중심에는 '파생 데이터(derived data)'라는 개념이 있다. 앤트로픽은 Scion이 파생 데이터를 활용해 blame 같은 연산을 더 효율적으로 처리한다고 설명했는데, 이는 Mononoke 개발자가 2022년 자신의 입사 지원 자료에서 Mononoke를 설명하며 제시했던 것과 같은 구조라는 것이 그의 주장이다. blame은 특정 코드 한 줄이 누구에 의해 언제 수정됐는지를 되짚는 연산으로, 대규모 저장소에서는 매번 전체 이력을 훑으면 비용이 크다. 커밋 그래프에서 유도할 수 있는 정보를 미리 계산해 저장해 두는 파생 데이터 방식은 이런 조회 연산을 크게 가볍게 만든다.
아이디어의 계보와 오픈소스의 취지
주목할 점은 글쓴이가 설계를 모방한 것 자체에는 반대하지 않는다고 분명히 밝혔다는 것이다. 그는 오픈소스를 공개하는 이유가 좋은 아이디어의 확산을 통해 인류에 기여하기 위함이라고 말한다. 실제로 Mononoke와 Sapling 역시 구글의 SrcFS나 데이터베이스의 WAL(쓰기 전 로그) 같은 선행 기술을 폭넓게 참고해 만들어졌다. 즉 모든 시스템은 앞선 작업 위에 세워지며, 2017~2018년 당시 통념에 역행하던 Mononoke의 설계가 10년 가까이 지나서도 유효하다는 사실은 오히려 그 비전의 견고함을 보여준다는 것이다.
문제는 모방이 아니라 서사다. 글쓴이는 해당 발표가 마치 'Claude가 이 모든 것을 설계했다'는 인상을 준다고 비판한다. 실제로는 메타 팀이 먼저 도출한 통찰을 모델이 10년 뒤 충실히 적용한 것에 가까운데, 그 계보가 지워졌다는 것이다. 설계의 독창성이 과거 인간 팀에서 현재의 AI로 슬그머니 옮겨 붙는 이 구도는, AI가 시스템 설계를 보조하는 시대에 반복적으로 등장할 수밖에 없는 문제다.
LLM이 설계를 도울 때 생기는 편향
글쓴이가 더 넓은 함의로 짚는 지점이 바로 이것이다. LLM이 새로운 시스템 설계를 도울 때 기존 설계에 강하게 쏠리는(index heavily) 경향을 보인다는 것이다. Mononoke는 오픈소스이고 모든 LLM의 학습 데이터에 포함되어 있기 때문에, 모델에게 설계를 요청하면 자연스럽게 그 구조를 재생산하게 된다. 글에 따르면 선행 기술을 직접 물어볼 경우 모델들은 Mononoke와의 유사성을 곧바로 지적한다고 한다. 설계의 뿌리를 추적하는 일 자체는 오히려 과거보다 쉬워졌다는 의미이기도 하다.
실무자 입장에서 이 사건은 두 가지 시사점을 남긴다. 첫째, AI 보조로 아키텍처를 뽑아낼 때 그 결과물이 '새로운 발명'처럼 보여도 실은 학습 데이터에 존재하던 기존 설계의 재현일 가능성이 높다는 점이다. 생성된 설계가 어떤 선행 시스템에 기대고 있는지를 모델에게 직접 되묻는 것이 이제 비교적 간단한 검증 절차가 됐다. 둘째, 출처 표기가 기술적으로 쉬워진 만큼 이를 생략할 변명의 여지도 줄었다는 것이다. 글쓴이의 표현대로, 앞선 이들에게 공을 돌리는 일은 어느 때보다 쉬워졌고 그래서 더 중요해졌다.
다만 이 글은 당사자 한쪽의 주장이라는 한계를 염두에 둘 필요가 있다. 파생 데이터라는 개념 자체는 데이터베이스와 분산 시스템 분야에서 오래전부터 쓰여 온 일반적 패턴이기도 하며, 유사한 통찰을 공유하면서도 핵심 설계에서 상당한 차이를 보이는 사례도 존재한다. 글쓴이 역시 비센트 마티가 커서(Cursor)를 위해 쓴 글을 그런 예로 든다. 결국 '유사한 통찰'과 '동일한 설계'를 가르는 경계, 그리고 그 경계에서 누구의 이름을 어떻게 적을 것인가라는 판단이 AI가 설계에 깊숙이 개입하는 시대의 새로운 직업 윤리로 떠오르고 있는 셈이다.