AI 학습 옵트아웃이란 — 내가 친 문장이 다음 모델에 들어가는 걸 막는 장치
Opting out of AI training means telling a provider not to use your prompts and the model's replies as material for training future models. The word matters because the default differs by tier. Consumer chat products have historically defaulted to using conversations for training with an off switch buried in settings, business and enterprise plans usually default to not training, and API access has generally been the strictest. Meta's Muse Spark 1.3, released in early September 2026, made that trade explicit for the first time as a posted price: a standard endpoint at 1.25 dollars per million input tokens that keeps data private, and a Contributor endpoint at 0.10 dollars that requires permission to train on prompts and completions. Two limits are worth knowing. Turning training off is not retroactive, because a model that has already learned from text cannot simply unlearn it, and if you build an app on a training-enabled endpoint, the sentences your users type travel with it
AI 학습 옵트아웃은 내가 보낸 프롬프트와 모델이 내놓은 답변을 그 회사가 다음 모델을 학습시키는 재료로 쓰지 못하게 막는 것을 말한다. 이 단어가 중요한 이유는 기본값이 계층마다 다르기 때문이다. 일반 소비자용 챗봇은 대화를 학습에 쓰는 것을 기본으로 두고 설정 안쪽에 끄는 스위치를 두는 경우가 많았고, 기업용 요금제는 대체로 학습하지 않는 것이 기본이며, API는 가장 엄격한 쪽이었다. 2026년 9월 초 공개된 메타 뮤즈 스파크 1.3은 이 거래를 처음으로 공개 요금표에 올렸다 — 데이터를 비공개로 유지하는 표준 엔드포인트가 입력 100만 토큰 1.25달러이고, 프롬프트와 답변을 학습에 쓰도록 허락하는 컨트리뷰터 엔드포인트가 0.10달러다. 알아 둘 한계가 둘 있다. 학습을 끄는 것은 소급되지 않는다 — 이미 배운 모델이 그 문장만 잊게 만들 수는 없다. 그리고 학습 허용 엔드포인트로 앱을 만들면 그 앱 이용자가 친 문장까지 함께 넘어간다
3줄 요약
- 정의 — 내 프롬프트와 모델의 답변을 '다음 모델 학습 재료'로 쓰지 못하게 막는 설정
- 기본값 — 소비자용 챗봇은 켜져 있는 경우가 많고, 기업용·API는 꺼져 있는 쪽이 일반적이다
- 한계 — 소급되지 않는다. 그리고 내 앱을 쓰는 사람의 문장까지 함께 넘어간다
핵심 질문
- AI 학습 옵트아웃이 무슨 뜻이야
- **내가 AI에 보낸 문장과 AI가 돌려준 답변을, 그 회사가 다음 모델을 훈련시키는 데 쓰지 못하게 하는 것**이다. 여기서 두 단어를 구분해야 한다. **옵트아웃(opt-out)**은 기본이 '쓴다'이고 내가 나서서 빼는 방식이다. **옵트인(opt-in)**은 기본이 '안 쓴다'이고 내가 나서서 허락하는 방식이다. 이 차이가 실질적으로 큰 이유는, 대부분의 사람이 설정을 바꾸지 않기 때문이다. **기본값이 곧 결과가 된다.** 대상이 되는 것도 생각보다 넓다. 내가 입력한 프롬프트만이 아니라 **모델이 생성한 답변도 포함**되는 경우가 일반적이다. 답변에는 내 질문의 맥락이 그대로 반영돼 있기 때문이다. 첨부한 파일, 붙여 넣은 코드, 이미지도 같은 범위에 들어갈 수 있다. 주의할 점은 이것이 **'저장하지 않는다'와 다르다**는 것이다. 학습에 쓰지 않더라도 오남용 점검이나 법적 의무 때문에 일정 기간 보관되는 경우가 있다. 두 가지는 별개의 약속이며, 이용약관에서도 대개 다른 항목으로 적힌다.
- 옵트아웃 하면 이미 들어간 내 데이터는 어떻게 되나
- **돌려받을 수 없다. 학습 옵트아웃은 소급되지 않는다.** 이유는 기술적이다. 모델 학습은 문장을 창고에 넣어 두는 일이 아니라, 그 문장으로 **모델 내부의 수치(가중치)를 조금씩 바꾸는** 과정이다. 학습이 끝나면 원래 문장은 모델 안에 파일 형태로 남아 있지 않고, 대신 수십억 개 수치 전체에 아주 얇게 흩어져 반영돼 있다. 그래서 **'이 문장만 빼 달라'는 요청은 기술적으로 그 문장이 들어간 이전 상태로 되돌리거나 다시 학습시키는 것 외에 방법이 없고**, 이미 배포된 모델에는 적용되지 않는다. 실무적으로 구분되는 것은 셋이다. **① 대화 기록 삭제** — 계정에 저장된 내 기록은 지울 수 있다. **② 향후 학습 제외** — 지금부터 보내는 것은 막을 수 있다. **③ 이미 학습된 모델에서 제거** — 사실상 불가능하다. 민감한 정보를 이미 넣었다면 옵트아웃보다 먼저 할 일이 따로 있다. 그 정보가 **어디에서 유효한지**를 확인하는 것이다 — 비밀번호나 키라면 교체하는 것이 삭제 요청보다 확실하다.
- 요금제에 따라 뭐가 다른가
- **계층이 셋이고, 기본값이 각각 다르다.** **첫째, 소비자용 챗봇(무료·개인 유료).** 역사적으로 대화를 학습에 쓰는 것을 기본으로 두고 설정 안에 끄는 스위치를 두는 방식이 많았다. 무료 요금제일수록 그 경향이 강했는데, 이용자가 지불하는 것이 돈이 아닌 경우 데이터가 그 자리를 대신하기 때문이다. **둘째, 기업용·팀 요금제.** 대체로 학습하지 않는 것이 기본이다. 기업 고객이 계약 단계에서 요구하는 항목이라 값에 이미 반영돼 있다. **셋째, API.** 개발자가 붙여 쓰는 통로로, 가장 엄격한 쪽이 일반적이었다. 여기에 **2026년 9월 초 네 번째 형태가 등장했다.** 메타 뮤즈 스파크 1.3은 같은 모델에 두 개의 엔드포인트를 두고, 데이터를 비공개로 유지하는 표준 쪽을 입력 100만 토큰 **1.25달러**에, 프롬프트와 답변을 학습에 쓰도록 허락하는 컨트리뷰터 쪽을 **0.10달러**에 매겼다(출력은 4.25달러 대 0.20달러). **데이터를 내주는 대가가 협상이 아니라 정가로 공개된 첫 사례**다(「메타 뮤즈 스파크 1.3」). 다만 각 회사의 현재 기본값은 수시로 바뀌므로, 쓰는 제품의 설정 화면과 약관에서 직접 확인해야 한다.
- 내가 만든 앱에 이 설정이 어떤 영향을 주나
- **내 데이터만의 문제가 아니게 된다. 이 지점이 실무에서 가장 자주 놓치는 부분이다.** 개발자가 학습 허용 엔드포인트를 골라 앱을 만들면, 그 앱을 쓰는 **최종 사용자가 친 문장이 그대로 학습 대상에 들어간다.** 상담 앱이면 상담 내용이, 문서 요약 도구면 업로드한 문서가, 코딩 도우미면 붙여 넣은 소스코드가 넘어간다. 여기서 세 가지 책임이 개발자 쪽에 남는다. **① 고지.** 이용자에게 그 사실을 알렸는가. **② 동의.** 알렸다면 동의를 받는 절차가 있는가. **③ 계약.** 다른 회사의 자료를 대신 처리하는 서비스라면, 그 회사와 맺은 계약이 외부 학습을 허용하는가. 그래서 21배 할인은 **입력에 비밀이 없는 용도에서만 고를 수 있는 값**이다 — 공개 문서 요약, 번역, 사내 실험, 프로토타입 같은 경우다. 반대로 개인정보·의료·금융·법률, 그리고 미공개 사업 정보가 지나가는 용도라면 값의 문제가 아니다. **한 번 넘어간 데이터는 소급해서 빼낼 수 없기 때문에, 이 판단은 첫 요청을 보내기 전에 끝나 있어야 한다.**
AI 서비스에 무언가를 물어볼 때, 그 문장이 어디까지 가는지는 요금제와 설정 하나로 갈린다.
AI 학습 옵트아웃은 내가 보낸 프롬프트와 모델이 돌려준 답변을, 그 회사가 다음 모델을 훈련시키는 재료로 쓰지 못하게 막는 것이다.
1. 옵트아웃과 옵트인 — 기본값이 결과다
| 방식 | 기본 상태 | 내가 해야 하는 일 | 실제 결과 |
|---|---|---|---|
| 옵트아웃 | 학습에 쓴다 | 설정에서 꺼야 한다 | 대부분 켜진 채로 남는다 |
| 옵트인 | 학습에 안 쓴다 | 허락해야 쓴다 | 대부분 꺼진 채로 남는다 |
두 방식의 차이는 문구가 아니라 사람들이 설정을 잘 바꾸지 않는다는 사실에서 나온다. 어느 쪽을 기본으로 두느냐가 사실상 결과를 정한다.
대상 범위도 생각보다 넓다. 내가 입력한 프롬프트만이 아니라 모델이 생성한 답변까지 포함되는 것이 일반적이다. 답변에는 내 질문의 맥락이 그대로 실려 있기 때문이다. 첨부 파일, 붙여 넣은 코드, 이미지도 같은 범위에 들어갈 수 있다.
여기서 자주 생기는 오해 하나 — "학습에 안 쓴다"와 "저장하지 않는다"는 다른 약속이다. 학습에 쓰지 않더라도 오남용 점검이나 법적 의무 때문에 일정 기간 보관되는 경우가 있다. 약관에서도 대개 다른 항목으로 나뉘어 적혀 있다.
2. 계층마다 기본값이 다르다
| 계층 | 일반적인 기본값 | 이유 |
|---|---|---|
| 소비자용 챗봇 (무료·개인 유료) | 학습에 쓰는 쪽이 많았다 | 돈을 덜 내면 데이터가 그 자리를 대신한다 |
| 기업용·팀 요금제 | 학습하지 않는 쪽 | 기업 고객이 계약 단계에서 요구하는 항목 |
| API | 가장 엄격한 쪽 | 개발자가 남의 데이터를 처리하는 통로다 |
무료 요금제일수록 학습 허용 쪽에 가깝다는 것은 오래된 패턴이다. 광고와 마찬가지로, 지불 수단이 돈이 아니면 다른 것이 그 자리를 채운다(「챗GPT 광고 한국 시작」).
다만 각 회사의 현재 기본값은 수시로 바뀐다. 이 글은 구조를 설명하는 것이고, 실제 설정은 쓰는 제품의 약관과 설정 화면에서 직접 확인해야 한다.
3. 2026년 9월, 값이 붙었다
지금까지 이 거래는 대체로 숨어 있었다. 무료 이용자의 대화를 학습에 쓰는 것은 관행이었고, 대형 고객이 "우리 데이터는 학습에서 빼라"는 조항을 넣고 값을 더 내는 것은 협상 테이블 아래에 있었다.
2026년 9월 초 메타가 그것을 요금표 위로 올렸다.
| 엔드포인트 | 입력 100만 토큰 | 출력 100만 토큰 | 데이터 조건 |
|---|---|---|---|
| 표준 | 1.25달러 | 4.25달러 | 비공개 유지 |
| 컨트리뷰터 | 0.10달러 | 0.20달러 | 프롬프트·답변을 학습에 사용 허락 |
| 배수 | 12.5배 | 21.25배 | — |
같은 모델, 같은 성능, 다른 계약이다. 데이터를 내주는 대가에 정가가 매겨진 첫 사례다(「메타 뮤즈 스파크 1.3」).
이 숫자가 알려 주는 것이 하나 더 있다. 메타가 개발자의 실제 사용 데이터를 얼마로 평가하는지가 21배라는 배수로 공개됐다는 점이다.
4. 옵트아웃의 두 가지 한계
첫째, 소급되지 않는다
이미 학습에 들어간 데이터는 되돌릴 수 없다. 이유는 기술적이다.
모델 학습은 문장을 창고에 넣는 일이 아니다. 그 문장으로 모델 내부의 수십억 개 수치(가중치)를 조금씩 바꾸는 과정이다. 학습이 끝나면 원래 문장은 파일로 남아 있지 않고, 대신 그 수치 전체에 아주 얇게 흩어져 반영돼 있다.
그래서 실무적으로 구분되는 것은 셋이다.
| 요청 | 가능한가 |
|---|---|
| 계정에 저장된 대화 기록 삭제 | 가능 |
| 지금부터의 학습 제외 | 가능 |
| 이미 학습된 모델에서 내 데이터 제거 | 사실상 불가능 |
민감한 것을 이미 넣었다면, 삭제 요청보다 먼저 할 일이 있다. 그 정보가 어디에서 아직 유효한지 확인하는 것이다. 비밀번호나 API 키라면 교체하는 쪽이 확실하다.
둘째, 내 데이터만의 문제가 아니다
학습 허용 엔드포인트로 앱을 만들면, 그 앱을 쓰는 사람이 친 문장까지 함께 넘어간다.
- 상담 앱 → 상담 내용
- 문서 요약 도구 → 업로드된 문서
- 코딩 도우미 → 붙여 넣은 소스코드
이때 남는 책임은 앱을 만든 쪽에 있다. ① 이용자에게 알렸는가(고지) ② 동의를 받았는가(동의) ③ 남의 자료를 대신 처리하는 서비스라면 그 계약이 외부 학습을 허용하는가(계약).
5. 그래서 어떻게 고르나
판단은 값이 아니라 입력에 무엇이 실리는가로 한다.
학습 허용을 골라도 되는 경우 — 공개 문서 요약·번역, 사내 실험, 프로토타입, 오픈소스 도구처럼 입력에 비밀이 없는 용도.
고르면 안 되는 경우 — 개인정보가 지나가는 서비스, 의료·금융·법률, 미공개 사업 정보(제품 기획서·소스코드·발표 전 실적)가 프롬프트에 실리는 사내 용도.
이 판단은 첫 요청을 보내기 전에 끝나 있어야 한다. 소급이 안 되기 때문이다.
6. 남은 것과 확인되지 않은 것
- 계층별 기본값은 경향이지 규칙이 아니다. 이 글은 반복 관찰되는 구조를 정리한 것이고, 개별 회사의 현재 설정은 확인하지 않았다. 값과 조건을 구체적으로 확인한 것은 메타 뮤즈 스파크 1.3 한 건이다.
- 학습된 모델에서 특정 데이터를 지우는 연구(머신 언러닝)가 있다. 다만 상용 서비스에 적용된 사례는 확인하지 못했다. 지금 기준으로는 "불가능"으로 두고 계획하는 편이 안전하다.
- 규제의 해석이 아직 정리되지 않았다. 국내 개인정보보호법과 EU GDPR이 AI 학습 데이터에 어떻게 적용되는지는 이 글에서 다루지 않았다. 저작권 쪽에서는 이미 소송과 정부 의견서가 나와 있다(「AI 학습 데이터 공정이용이란」).
- 이 요금제 방식이 표준이 될지는 아직 모른다. 다른 회사가 따라 붙이면 "학습 동의 여부"가 AI 요금표의 기본 항목이 된다.
출처
- VentureBeat — Meta says Muse Spark 1.3 has frontier performance, but its best results come from a model developers can't broadly use yet
- Codersera — Muse Spark 1.3: Pricing, Specs, and the Contributor Tier
- Artificial Analysis — Muse Spark 1.3 Models: Intelligence, Performance & Price Comparison
- llm-stats — Muse Spark 1.3 API Pricing, Context Window & Benchmarks
- eesel AI — Meta Muse Spark 1.3: benchmarks, pricing, and what changed