Monetizing Generative AI: YouTubers' Collective Knowledge on Earning from Generative AI Content

이 논문은 유튜브 크리에이터들이 생성형 AI 를 활용한 수익 창출 전략을 공유하며 구축한 집단적 지식을 분석하고, 이를 통해 발견된 10 가지 사용 사례와 플랫폼 인프라 활용 방식을 규명함과 동시에 AI 매개 창작 노동에서 발생하는 구조적 긴장감과 윤리적 문제를 조명합니다.

핵심

🎬 핵심 이야기: "AI 라는 마법 지팡이로 돈을 버는 법을 공유하는 유튜브 학교"

이 연구는 2024 년 초에 올라온 유튜브 영상 377 개를 분석했습니다. 이 영상들은 일반인이 아니라, "AI 로 돈 버는 법"을 가르치는 전문가들이 만든 것들이죠. 마치 "AI 로 부자가 되는 법"을 가르치는 사설 학원들이 서로 경쟁하듯, 이 영상들에서는 AI 를 어떻게 쓰면 가장 많이 돈을 벌 수 있는지 치열하게 공유하고 있습니다.

연구진은 이 영상들을 분석해서 세 가지 핵심 질문에 답했습니다.

1. 어떤 방식으로 AI 를 써서 돈을 벌까? (사용 사례 10 가지)

유튜브 크리에이터들은 AI 를 이용해 다음과 같은 10 가지 방법으로 돈을 벌고 있다고 가르칩니다.

• 🔥 유행 따라잡기 (Trending Video): AI 가 쓴 대본과 AI 가 그린 그림으로 "꿀의 효능"이나 "동물 이야기" 같은 영상을 만들어 유튜브 광고 수익을 노립니다. 얼굴을 드러내지 않아도 (Faceless) 가능하죠.
• 📝 블로그와 전자책 (Blog & E-book): AI 가 글을 써주고 그림을 그려주면, 이를 블로그나 전자책으로 만들어 Amazon 같은 곳에서 팔거나, 광고 링크를 넣어 수익을 냅니다.
• 👕 굿즈 만들기 (Graphic Design): AI 가 만든 그림을 티셔츠, 스티커, 머그컵 등에 인쇄해서 Etsy 같은 곳에서 팝니다.
• 🛒 제품 홍보 (Product Promotion): AI 아바타가 나와서 제품을 소개하는 영상을 만들어, 구매 링크 (제휴 마케팅) 를 통해 수수료를 받습니다.
• 🌐 웹사이트 제작 (Web Design): AI 코딩으로 웹사이트를 만들어서 광고 수익을 얻습니다.

2. 어떻게 돈을 받을까? (수익 모델 3 가지)

이들이 돈을 버는 방식은 크게 세 가지입니다.

• 📺 광고 수익 (Advertisement): 블로그나 영상에 **제휴 링크 (광고 링크)**를 넣어, 사람들이 클릭하고 물건을 사면 수수료를 받습니다. (가장 흔한 방법)
• 💰 직접 판매 (Transaction): AI 가 만든 그림, 전자책, 굿즈를 직접 팔아서 돈을 받습니다.
• 📢 구독 및 플랫폼 수익 (Subscription): 유튜브나 틱톡 같은 플랫폼이 주는 광고 분배금을 받기 위해 AI 로 영상을 대량 생산해서 조회수만 늘리는 전략입니다.

3. 여기서 무슨 문제가 생길까? (위험 요소 4 가지)

이렇게 AI 로 돈을 벌려고 하다 보니, 윤리적이고 법적인 문제들이 많이 드러났습니다.

• ❌ 사실 확인 안 하기 (Non-Verification): AI 가 지어낸 거짓말이나 틀린 정보를 그대로 믿고 영상에 올립니다. (예: AI 가 지어낸 건강 정보)
• 🚫 남의 것 훔쳐 쓰기 (Misappropriation): 다른 사람이 만든 영상을 AI 로 살짝 변형해서 내 것처럼 올립니다. 저작권 위반 소지가 큽니다.
• 🤖 가짜 인간 만들기 (Synthetic Human Activity): AI 가 만든 가짜 리뷰나 가짜 아바타를 만들어서 "실제 사람인 척" 속입니다.
• 🔞 선정적 콘텐츠 (Explicit Content): AI 를 이용해 성인용 이미지를 만들어 파는 경우도 아주 조금 발견되었습니다.

---

💡 이 연구가 우리에게 주는 교훈: "효율성 vs 진실성"의 줄다리기

이 논문은 단순히 "AI 로 돈 버는 법"을 나열하는 것을 넘어, 더 깊은 문제를 지적합니다.

🏗️ 비유: "공장식 요리 vs 수제 요리"

과거에는 유튜브 크리에이터들이 직접 요리를 하고, 재료를 고르고, 맛을 보며 '진짜 요리사'로 인정받았습니다. 하지만 이제 AI 는 **레시피를 다 짜주고, 재료를 다 다져주고, 심지어 요리사 아바타까지 세워주는 '완성된 공장식 요리'**를 제공합니다.

• 장점: 누구나 쉽게, 빠르게, 저렴하게 요리를 할 수 있습니다. (노동의 경감)
• 단점: 요리에 담긴 '사람의 정'과 '진짜 맛'이 사라집니다. 그리고 가짜 요리가 진짜 요리인 척 팔려나갈 수 있습니다. (진실성 훼손)

⚖️ 연구진이 제안하는 세 가지 균형점 (디자인과 정책의 방향)

1. 노동 vs 기회주의: AI 가 일을 대신해 주는 것은 좋지만, "얼굴도 안 보이고, 노력도 안 들이고" 돈만 버는 기회주의적 사용을 막아야 합니다. 플랫폼은 '양'보다 '질'과 '진정성'을 평가해야 합니다.
2. 전문성 vs 가짜 전문가: AI 가 초보자에게 전문가처럼 보이게 해주는 것은 좋지만, 틀린 정보를 퍼뜨리는 가짜 전문가가 되지 않도록 AI 도구를 설계할 때 '사실 확인' 기능을 넣어야 합니다.
3. AI 창의성 vs 인간 창의성: AI 가 만든 그림이 예술일 수는 있지만, 수제 공예품 시장 (Etsy 등) 에 AI 가 만든 것을 인간이 만든 것처럼 속여 팔면 안 됩니다. 소비자는 "이건 AI 가 그렸나요?"라고 알 권리가 있습니다.

📝 한 줄 요약

"유튜브 크리에이터들은 AI 를 이용해 '얼굴 없는 공장'을 세워 돈을 벌고 있지만, 이 과정에서 가짜 정보, 저작권 침해, 그리고 '진짜 인간'의 가치가 사라지는 위험이 커지고 있습니다. 우리는 AI 를 도구로 쓰되, 인간다운 창의성과 정직함을 지키는 새로운 규칙이 필요합니다."

이 연구는 기술이 발전할수록 우리가 **'어떻게 돈을 벌 것인가'보다 '어떻게 정직하게 일할 것인가'**에 대해 다시 생각해보아야 한다고 경고하고 있습니다.

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 배경: 생성형 인공지능 (GenAI) 은 텍스트, 이미지, 비디오 제작을 혁신적으로 가속화하고 있으며, YouTube 와 같은 플랫폼에서 크리에이터들은 이를 활용해 수익을 창출하는 새로운 방식을 모색하고 있습니다.
• 문제: 기존 HCI 및 CSCW 연구는 주로 가시성 (visibility) 작업이나 창의적 과정에서의 GenAI 사용에 초점을 맞췄습니다. 그러나 **수익화 (Monetization) 를 목적으로 한 GenAI 활용에 대한 크리에이터들의 '집단적 지식 (Collective Knowledge)'**이 어떻게 구성되고, 플랫폼의 알고리즘 및 수익 모델과 어떻게 상호작용하며, 어떤 윤리적/구조적 긴장을 초래하는지에 대한 연구는 부족합니다.
• 핵심 질문: 크리에이터들은 GenAI 를 통해 어떻게 수익을 내는지, 어떤 전략을 공유하며, 이로 인해 어떤 새로운 도전 과제 (예: 저작권, 허위 정보, 조작된 참여) 가 발생하는가?

2. 연구 방법론 (Methodology)

• 데이터 수집:
  • 대상: 2023 년 12 월부터 2024 년 3 월 사이에 YouTube 에 게시된 영상.
  • 필터링 과정:
    1. 초기 키워드 추출 (AI 마케팅, 패시브 인컴 등) 을 통해 1,652 개의 영상 샘플 확보.
    2. 대규모 데이터 (49,008 개 영상) 에서 'GenAI'와 '수익화' 관련 키워드가 제목, 설명, 태그에 모두 포함된 영상 선별.
    3. 채널 선정 기준: 독립 크리에이터 (기업 채널 제외), GenAI 수익화 주제 비중 50% 이상, 영어 사용 채널.
    4. 최종적으로 47 개 채널의 377 개 영상을 분석 코퍼스로 선정.
• 분석 방법:
  • 질적 콘텐츠 분석 (Qualitative Content Analysis): 3 단계 코딩 (개방 코딩, 축 코딩, 선택 코딩) 을 적용.
  • Grounded Theory 접근: 크리에이터들이 공유하는 GenAI 활용 사례 (Use Cases), 수익 모델 (Monetization Models), 그리고 발생하는 문제점 (Challenges) 을 범주화.
  • 통계적 검증: 카이제곱 검정 (Chi-square test) 을 통해 사용 사례, 수익 모델, 윤리적 문제 간의 유의미한 연관성을 분석.
  • 신뢰도: 크립펜도르프 알파 (Krippendorff's alpha) 를 사용하여 코더 간 일치도 확인 (사용 사례 0.58, 수익 모델 0.89, 도전 과제 0.61).

3. 주요 기여 및 결과 (Key Contributions & Results)

A. GenAI 수익화 10 가지 사용 사례 (Use Cases)

크리에이터들이 공유하는 10 가지 주요 GenAI 활용 전략을 도출했습니다:

1. 트렌드 영상 (Trending Video): AI 로 대본, 목소리, 영상을 생성하여 인기 주제 (건강, 여행, 동화 등) 를 다루는 '얼굴 없는 (Faceless)' 채널 운영.
2. 블로그 (Blog): AI 로 제품 리뷰나 정보성 글을 작성하여 제휴 마케팅 링크를 삽입.
3. 그래픽 디자인 (Graphic Design): Midjourney 등 AI 로 디자인한 T 셔츠, 스티커, 책 표지 등을 프린트 온 디맨드 (Print-on-Demand) 플랫폼 (Etsy 등) 에서 판매.
4. 제품 홍보 영상 (Product Promotion Video): AI 아바타와 대본을 활용해 제품 리뷰나 구매 가이드 영상 제작.
5. SEO 최적화: AI 를 이용해 제목, 태그, 설명을 최적화하여 검색 순위 상승 유도.
6. 전자책 (E-Book): AI 로 스토리, 챕터, 일러스트를 생성하여 Kindle 등 플랫폼에서 판매.
7. 뉴스레터 (Newsletter): AI 로 이메일 뉴스레터를 자동 생성하여 구독자 확보 및 제휴 마케팅.
8. 웹 디자인: AI 코딩 도구를 활용해 제휴 마케팅용 웹사이트 제작.
9. 영상 포맷 변환 (Video Reformatting): 타 플랫폼의 인기 영상을 AI 로 번역, 자막 추가, 편집하여 재가공.
10. 소셜 미디어 인플루언서 (Social Media Influencer): AI 로 생성된 가상 인플루언서 (Virtual Avatar) 를 제작하여 팬덤 형성 및 상품 홍보.

B. 수익 모델과의 연관성 (Monetization Models)

세 가지 주요 수익 모델과 사용 사례 간의 통계적 연관성을 확인했습니다:

• 광고 (Advertisement, 48.0%): 블로그, 제품 홍보 영상, 웹 디자인과 강한 연관성. (제휴 마케팅 링크 유입 목적)
• 거래 (Transaction, 39.5%): 그래픽 디자인, 전자책과 강한 연관성. (AI 생성 제품 직접 판매)
• 구독 (Subscription, 24.7%): 트렌드 영상, 포맷 변환과 강한 연관성. (플랫폼 수익 공유 프로그램 활용)

C. 발생하는 4 가지 주요 도전 과제 (Challenges)

수익화 과정에서 드러난 윤리적 및 구조적 문제점:

1. 검증 부재 (Non-Verification, 33.2%): 가장 흔한 문제. AI 가 생성한 사실 기반 콘텐츠 (건강, 교육 등) 를 검증 없이 그대로 게시하여 허위 정보 유포 위험.
2. 전용 (Misappropriation, 9.0%): 타인의 원본 콘텐츠를 AI 입력값으로 사용하거나, 타인의 영상을 AI 로 변형하여 자신의 것으로 claiming 하는 저작권 침해 행위.
3. 인위적 인간 활동 (Synthetic Human Activity, 5.0%): AI 로 생성된 가짜 리뷰, 아바타 강사 등을 통해 신뢰성을 조작하거나 사용자를 기만.
4. 노출된 콘텐츠 (Explicit Content, 0.5%): AI 를 이용해 성적이거나 폭력적인 콘텐츠를 생성하는 사례 (드물지만 존재).

4. 논의 및 시사점 (Discussion & Significance)

A. 개념적 프레임워크 (GenAI4Money)

연구는 크리에이터들의 집단적 지식을 'GenAI4Money' 프레임워크로 정리했습니다. 이는 다음과 같은 역학을 보여줍니다:

• 창의적 노동의 탈노동화 (De-laborification): AI 를 통해 정체성 공개 없이 (Faceless) 수익을 내려는 경향.
• 전문성 위조 (Expertise Faking): AI 가 생성한 내용을 통해 특정 분야의 전문가처럼 행동하며 수익화.
• 창의성 위조 (Creativity Faking): 공예 시장 (Etsy 등) 에서 AI 생성물을 수공예품으로 속여 판매.
• 알고리즘 대응: 트렌드 분석을 통해 알고리즘의 가시성 요구에 맞춰 콘텐츠를 대량 생산.

B. 디자인 및 정책적 시사점

이 연구는 HCI 및 플랫폼 정책에 다음과 같은 시사점을 제공합니다:

1. 노동 완화 vs. 기회주의적 사용의 균형: AI 도구가 창의적 노동을 줄여주는 것은 긍정적이지만, 이를 악용한 '기회주의적 생성 (Opportunistic Creation)'을 방지하기 위한 가이드라인 필요.
2. 전문성 강화 vs. 전문성 위조: 초보 크리에이터에게 AI 가 전문성을 대체하지 않도록, AI 생성 콘텐츠의 사실 검증 (Fact-checking) 을 유도하는 도구 설계 필요.
3. AI 창의성 vs. 인간 창의성: AI 생성 콘텐츠와 인간 창작물의 경계를 명확히 하고, 투명성 (AI 사용 표기) 을 보장하는 플랫폼 정책 마련 필요.

5. 결론

이 논문은 YouTube 크리에이터들이 GenAI 를 통해 수익을 창출하기 위해 공유하고 있는 집단적 지식의 구조와 그 위험성을 체계적으로 분석했습니다. 연구 결과, GenAI 는 창의적 노동의 효율성을 높이는 동시에 저작권 침해, 허위 정보 유포, 플랫폼 수익 모델의 악용 등 심각한 윤리적 문제를 야기하고 있음을 밝혔습니다. 이는 향후 크리에이터 중심의 GenAI 기술 설계와 책임 있는 플랫폼 정책 수립을 위한 중요한 기초 자료로 작용할 것입니다.