유럽 언론사 기자, AI로 인터뷰 발언을 '만들어' 기사 작성하다 정직 — 저널리즘과 AI의 경계선

무슨 일이 있었나

유럽 최대 미디어 그룹 중 하나인 Mediahuis 소속의 시니어 기자가 AI를 사용해 인터뷰 인용문(quotes)을 생성하고 이를 실제 인터뷰인 것처럼 기사에 삽입한 사실이 드러나 정직 처분을 받았습니다. Mediahuis는 벨기에에 본사를 둔 미디어 그룹으로 아일랜드, 네덜란드, 룩셈부르크 등에서 다수의 신문과 디지털 매체를 운영하고 있는 대형 언론사입니다. 시니어급 기자가 AI로 발언을 날조했다는 점에서, 이 사건은 단순한 개인의 일탈이 아니라 업계 전체의 구조적 문제를 드러냅니다.

AI가 인용문을 만든다는 것의 의미

일반적으로 기자가 기사에 인용문을 넣을 때는 실제 인터뷰를 진행하고, 녹음이나 메모를 바탕으로 발언을 정확하게 옮깁니다. 인용문은 저널리즘에서 가장 중요한 신뢰 단위 중 하나입니다. 독자는 따옴표 안의 내용이 해당 인물이 실제로 한 말이라고 믿기 때문입니다.

그런데 이 기자는 취재 과정을 건너뛰고, AI 모델에게 특정 인물이 특정 주제에 대해 할 법한 말을 생성하게 한 것으로 보입니다. 이것은 기존의 "표절"과도 다른 새로운 유형의 저널리즘 윤리 위반입니다. 표절은 다른 사람의 글을 가져오는 것이지만, AI 생성 인용문은 아예 존재하지 않는 발언을 만들어내는 것이기 때문입니다. 인용된 인물의 입장에서는 자신이 하지 않은 말이 자신의 발언으로 보도되는 것이므로, 명예훼손이나 허위 보도의 영역으로까지 확장될 수 있습니다.

기술적 맥락: LLM은 왜 이런 용도에 위험한가

대규모 언어 모델(LLM)은 본질적으로 확률 기반의 텍스트 생성 시스템입니다. GPT-4, Claude, Gemini 같은 모델들은 "그럴듯한" 텍스트를 생성하는 데 최적화되어 있지, "사실인" 텍스트를 생성하는 데 최적화되어 있지 않습니다. 이것이 바로 할루시네이션(hallucination) 문제의 근본 원인입니다.

기자가 AI에게 "환경부 장관이 탄소세에 대해 뭐라고 말할까?"라고 물으면, 모델은 해당 인물의 과거 발언, 소속 정당의 입장, 일반적인 정치인의 어투 등을 종합해서 매우 그럴듯한 발언을 생성합니다. 문제는 그 발언이 실제로 이루어진 적이 없다는 것입니다. LLM의 출력은 통계적 패턴의 결과물이지 사실의 기록이 아닙니다. 그러나 출력의 품질이 너무 높아서 검증 없이는 실제 발언과 구분하기 어렵습니다.

언론사들의 AI 가이드라인 현황

이 사건 이후 Mediahuis는 내부 AI 사용 가이드라인을 재검토하겠다고 밝혔습니다. 사실 대부분의 주요 언론사들은 이미 AI 사용 정책을 수립해놓고 있습니다. AP통신은 2023년부터 AI 사용 가이드라인을 공개했고, 뉴욕타임스는 AI 생성 콘텐츠의 사용 범위를 명시적으로 제한하고 있습니다. 대체로 공통적인 원칙은 AI를 아이디어 구상이나 초안 작성의 보조 도구로는 쓸 수 있지만, 사실 확인을 대체할 수 없으며, AI가 생성한 내용은 반드시 인간이 검증해야 한다는 것입니다.

하지만 가이드라인의 존재와 준수는 별개의 문제입니다. 특히 마감 압박이 심한 뉴스룸 환경에서, 인터뷰 약속이 잡히지 않거나 취재원이 응하지 않을 때, AI로 "그럴듯한 인용문을 만들어서 넣자"는 유혹은 생각보다 강할 수 있습니다. 이번 사건이 보여주는 것은 기술적 가능성이 윤리적 판단을 앞지르는 상황이 현실에서 발생하고 있다는 것입니다.

개발자와 AI 윤리의 접점

이 사건은 언론계의 이야기이지만, 개발자에게도 시사하는 바가 큽니다. 우리가 만드는 AI 기반 제품들도 비슷한 딜레마에 직면합니다. 예를 들어, AI 챗봇이 고객 문의에 "그럴듯하지만 정확하지 않은" 답변을 생성하는 것, AI 코딩 어시스턴트가 존재하지 않는 API를 자신 있게 추천하는 것, AI 요약 도구가 원문에 없는 내용을 추가하는 것 등이 모두 같은 본질의 문제입니다.

특히 한국에서는 AI를 활용한 콘텐츠 생성이 빠르게 확산되고 있습니다. 블로그, 제품 설명, 마케팅 카피, 심지어 뉴스 기사까지 AI가 생성하는 비중이 늘고 있는데, "AI가 만든 콘텐츠의 사실성을 누가, 어떻게 보증할 것인가"라는 질문에 대한 기술적·제도적 답이 아직 충분하지 않습니다.

한국 개발자에게 주는 시사점

AI 서비스를 개발할 때, LLM의 출력을 어디까지 신뢰할 수 있는 것으로 사용자에게 제시할 것인지는 핵심 설계 결정입니다. 「AI 생성」 라벨을 붙이는 것, 출처를 함께 제시하는 것, 사실 확인이 필요한 영역에서는 LLM 출력을 직접 노출하지 않는 것 등의 가드레일을 어떻게 구현할지 고민해야 합니다. 이번 사건은 그 고민의 필요성을 다시 한번 상기시켜줍니다.