데이터 과학 분야의 가장 중요한 격언은 “쓰레기가 들어가면, 쓰레기가 나온다(garbage in, garbage out)”이다. 이 원칙은 AI 모델의 성능이 전적으로 입력 데이터의 품질에 달려 있음을 강조한다. 현실 세계에서 수집된 원시 데이터는 거의 예외 없이 ‘더럽다(dirty)’. 즉 불완전하고, 일관성이 없으며, 오류로 가득 차 있다. 따라서 신뢰할 수 있는 분석 결과를 얻기 위해서는 데이터를 세심하게 정제하고 정련하는 과정이 필수적이다. 데이터 정제는 데이터 파이프라인에서 가장 많은 시간이 소요되지만 최종 결과물이 신뢰 위에 구축되었음을 입증할 수 있는 단계다.
--- 「02 AI 데이터의 중요성, 수집, 전처리」 중에서

최고 수준의 데이터 저널리즘에서 전처리 과정은 탐사보도의 준비 단계를 넘어 탐사보도 그 자체가 될 수도 있다. 프로퍼블리카의 저널리즘적 성취는 최종적으로 정제된 데이터베이스를 분석한 결과물뿐만 아니라 혼란스러운 원시 데이터 속에서 진실을 찾아내고 추출하고 정제하고 검증해 낸 고된 과정 전체에 있다. 가디언의 탐사보도는 데이터셋을 구축하는 행위 자체가 저널리즘의 역할을 수행했다고 할 수 있다. 뉴스룸에서 데이터 정제 작업 자체가 전통적인 현장 취재나 정보원 개발과 동일한 비중의 작업이며 탐사 최전선에 서 있는 취재기자와 같은 가치를 지녔음을 보여 준 사례이기 때문이다.
--- 「03 AI 데이터의 품질과 품질 분석」 중에서

휴먼인더루프는 AI 기반 시스템이 자동으로 데이터를 처리하고 초안을 생성하는 과정에 반드시 인간의 개입(검증, 수정, 의사결정)을 포함시키는 구조적 설계 방식을 의미한다. 이는 AI의 효율성과 인간의 판단력을 결합해 뉴스의 정확성, 신뢰성, 윤리성을 확보하기 위한 모델로 간주된다. 앞서 살펴본 워싱턴포스트의 헬리오그래프 시스템도 기사들이 템플릿 기반으로 자동 작성되지만, 데이터 이상 징후가 발생했을 때는 편집자에게 알림을 보내 검토할 수 있게 하는 기능이 포함되어 있다. 이 구조가 바로 휴먼인더루프의 원형적인 모습으로, 기계의 속도와 인간의 판단력을 결합한 하이브리드 시스템이라고 할 수 있다.
--- 「06 템플릿 저널리즘」 중에서

2024년 딥시크 쇼크 이후 여러 AI 개발사들은 지식 증류를 위한 학습을 하지 못하도록 규정하고 있다. 자신은 타인의 저작물, 성과물을 무단으로 사용하면서 경쟁사는 그 결과물을 이용하지 못하게 하는 아이러니한 상황이 발생하는 것이다. 생성형 AI 학습 데이터셋을 제작하기 위한 대량 복제가 공정이용인지를 논할 때, 이를 인간의 학습 과정에 비유해 문제를 해결하는 것은 공정이용을 주장하는 쪽이든 저작권 침해를 주장하는 쪽이든 적절하지 않다. 산업을 위해 제도를 변경하는 것이 맞는지, 그럴 필요성이 있는지, 누구를 위한 면책규정인지, 면책규정을 통해 사회와 공공이 얻는 이익은 무엇인지 등에 대한 논의가 선행되어야 한다.
--- 「12 AI 학습과 공정이용」 중에서

디지털 레플리카는 주중에도, 주말에도 일한다. 주중 앵커와 주말 앵커가 구별 없이 디지털 레플리카로 뉴스를 전달할 수 있다. 특정한 아나운서를 기초로 한 레플리카를 활용할 수도 있고 존재하지 않는 디지털 휴먼을 활용할 수도 있다. 더욱이 2025년 〈케이팝 데몬 헌터스〉의 성공으로 우리는 인류가 인간이 아닌 누군가를 저널리즘에 활용하는 일에 대해서도 거부감을 느끼지 않을 것임을 예상할 수 있다. 이 과정에서 대상에 따라 차별화된 접근이 필요하다. 유명인이라면 그의 이미지를 AI에 학습시킬 때 퍼블리시티권 보호를 전제해야 하고, 유명인과 무관한 디지털 휴먼이라면 퍼블리시티권 외의 권리를 고민해야 한다.