[뉴스스페이스=김정영 기자] 구글이 파산한 미국 저비용항공사 스피릿항공의 내부 데이터를 1,000만달러, 약 140억원에 사들이기로 reuters, techcrunch, theguardian, bloomberg 등의 매체들이 보도했다.

이 사건은 단순한 데이터 매입이 아니다. 공개 웹 데이터가 포화 단계에 가까워진 생성형 AI 경쟁에서, 기업이 실제로 의사결정하고 협업하며 시스템을 운영하는 과정을 담은 비공개 업무 데이터를 차세대 학습 자산으로 확보하려는 움직임이다.

100억건 넘는 ‘기업의 흔적’

미국 연방파산법원 뉴욕남부지구에 제출된 매각계약서에 따르면 구글은 8월 14일 진행된 스피릿항공의 비식별화 데이터 경매에서 최고가인 1,000만달러를 제시해 우선협상대상자로 선정됐다. 차순위 입찰자인 AI 채용 플랫폼 머코(Mercor)의 제안가는 750만달러였다. 법원은 8월 19일 거래 승인 심리를 열 예정이어서, 현 시점에서 거래는 법원 승인을 남겨두고 있다.

구글이 확보하려는 자산은 약 1억 건의 사내 이메일과 5억 건의 마이크로소프트 팀즈(Teams) 기록이다. 8만 개 이메일 계정, 원드라이브 파일 1,708만여 건, 셰어포인트 자료 2,057만여 건도 포함된다. 단순히 “문서의 양”만 놓고 봐도 기존의 공개 웹 크롤링 데이터와 성격이 다르다. 이메일과 메신저, 회의 자료, 프레젠테이션, 스프레드시트, 위키, 프로젝트 문서는 업무가 시작되고 승인되고 수정되고 실행되는 전 과정을 시간 순서대로 담고 있기 때문이다.

구글이 매입하기로 한 자산에는 516개 소스코드 저장소와 약 3,000만 줄의 코드, 4만3,170건의 풀리퀘스트와 코드 리뷰 기록, 37만2,585건의 커밋 이력도 들어간다. AI가 완성된 코드만 학습하는 데 그치지 않고, 버그가 제기되고 개발자가 토론하며 코드가 수정·검증되는 실제 소프트웨어 개발 흐름까지 학습할 수 있는 구조다.

공개 데이터의 한계, 업무 맥락의 가치

대규모 언어모델(LLM)은 웹 문서, 책, 코드 저장소처럼 공개된 텍스트를 대량 학습하며 발전했다. 그러나 공개 데이터에는 한계가 있다. 정보는 대체로 정제된 최종 결과물이며, 누가 어떤 근거로 판단했고, 어떤 반론을 거쳐 문서가 수정됐는지, 부서 간 업무가 어디에서 병목을 일으켰는지는 충분히 남지 않는다.

반면 스피릿항공의 데이터는 항공권 가격 산정, 수익관리, 운항·정비·승무원 운영, 재무·회계, 인사·교육, 감사·부정 탐지, 마케팅과 프로젝트 관리까지 실제 기업 운영의 맥락을 담고 있다. 법원 문서의 자산 목록에는 2008년 이후 누적된 7,510,221,520건의 거래 기록, 190,312,864건의 예약기록(PNR), 72억5,063만887건의 경쟁사 항공편 가격 관측치, 35억3,076만9,431건의 운임 관측치가 포함돼 있다.

이는 AI가 “항공권 가격이 무엇인가”를 아는 수준에서 나아가, 수요·경쟁 가격·운항 제약·재고·환불·부가서비스 판매 같은 변수들이 실제 사업 현장에서 어떻게 결합되는지를 학습할 가능성을 뜻한다. 운항 데이터만 봐도 운항 실적 7,439만여 건, 일정편 데이터 5,736만여 건, 승무원 페어링 501만여 건, 운항 차질 대응 관련 기록 약 30억 건이 포함됐다.

AI 업계의 관점에서 이런 데이터는 ‘정답 문장’의 집합이 아니라, 조직이 문제를 풀어낸 과정의 데이터다. 에이전트형 AI가 이메일을 분류하고, 회의록을 만들고, 분석자료를 작성하는 보조 기능을 넘어 일정 조정, 운영 이상 탐지, 가격 시뮬레이션, 문서 검토, 개발 지원 등의 기업 업무를 수행하려면 이 같은 현실 업무의 연쇄 구조를 학습할 필요가 있다.

구글이 노린 것은 제미나이의 ‘기업 업무 능력’

구글은 공식적으로 “스피릿항공의 기업 데이터셋 일부를 확보했으며, 이는 제품과 AI 모델 개선에 도움이 될 수 있다”고 밝혔다. 로이터도 구글이 해당 데이터를 제품 개발 및 AI 모델 학습에 사용하겠다고 보도했다.

핵심은 제미나이가 특정 산업의 지식만 추가로 습득하는 데 있지 않다. 더 중요한 것은 사람이 기업 안에서 정보를 모으고, 논의하고, 보고서를 만들고, 시스템 기록을 참고해 의사결정을 내리는 패턴을 학습하는 일이다.

예컨대 AI가 경영회의용 보고서를 만들기 위해서는 재무 데이터, 운항·생산성 지표, 이메일 속 현안, 기존 발표자료, 감사·리스크 문서를 연결해야 한다. 소프트웨어 장애 대응의 경우에도 코드 변경 이력, 오류 보고서, 메신저 논의, IT 티켓, 테스트 결과를 종합해야 한다. 구글이 인수하는 데이터는 바로 이런 연결 관계를 포함한다. 법원 문서는 자산 범위를 생산성·협업 데이터, 핵심 사업 시스템 데이터, 워크플로·프로세스 데이터, 자체 개발 소프트웨어와 관련 문서로 명시했다.

결국 이번 거래는 AI의 경쟁 단위가 모델 파라미터 규모에서 ‘고품질 업무 데이터와 실행 맥락’으로 이동하고 있음을 보여준다. 모델 자체는 기술 확산과 오픈소스 발전으로 빠르게 평준화될 수 있지만, 특정 기업이 수십 년간 축적한 내부 업무 기록과 운영 데이터는 단기간에 복제하기 어렵다.

개인정보 삭제가 답은 아니다

이번 거래의 가장 민감한 대목은 개인정보와 기업 비밀이다. 스피릿항공과 구글은 고객 프로필, 상용고객 정보 등 개인 데이터는 매각 대상에서 제외하고, 구글이 데이터를 받기 전 제3자가 개인식별정보를 엄격하게 제거한다고 밝혔다. 계약서상 구글은 비식별 데이터를 계속 비식별 상태로 유지하고, 특정 개인이나 가구와 의도적으로 연결하지 않겠다고 약정했다. 변호사-의뢰인 비밀특권이나 업무산출물 보호가 적용되는 자료도 제외 대상이다.

그러나 ‘비식별화’가 곧바로 데이터 활용의 윤리적·법적 논쟁을 끝내지는 않는다. 직원의 이메일, 채팅, 인사·급여·교육 자료, 업무 문서에는 이름과 연락처를 삭제해도 직무·기간·사건·조직 관계의 조합만으로 개인 또는 소규모 집단이 유추될 위험이 남는다. 특히 데이터셋의 가치가 단순 텍스트가 아니라 여러 시스템 간 연결성과 시간 흐름에 있다는 점에서, 비식별화 과정이 얼마나 충실하게 이뤄지는지가 거래의 본질적 안전장치가 된다.

계약서에는 구글이 비식별화 비용을 부담하고, 데이터는 캘리포니아 소비자프라이버시법(CCPA) 기준과 업계의 비식별화 관행에 맞춰 처리돼야 한다는 조건도 명시됐다. 다만 구글은 데이터의 정확성·완전성에 대한 보증 없이 ‘있는 그대로(as is)’ 자산을 인수한다. 이는 데이터 품질 자체보다도 방대한 업무 흐름과 상호 연관성에 더 큰 가격을 매긴 거래로 해석할 수 있다.

파산재단의 새 자산, 기업의 새 리스크

스피릿항공 사례는 파산 기업의 데이터가 항공기·노선권·상표권만큼이나 현금화 가능한 자산이 됐음을 보여준다. 기업이 사라져도 그 조직이 남긴 메일, 메신저, 코드, 운영 기록은 AI 기업 입장에서는 희소한 학습 원료가 될 수 있다.

구글의 140억원은 파산한 항공사의 과거를 사들인 돈이 아니라, AI가 미래의 회사원처럼 일하도록 만들기 위한 ‘현장 교본’의 가격에 가깝다. 앞으로 AI 패권을 가르는 변수는 공개 인터넷의 정보량보다, 실제 조직이 일을 해온 과정과 그 데이터를 합법적·윤리적으로 확보하고 활용할 수 있는 능력이 될 가능성이 크다.