기준일: 2026년 9월 11일 · 추천 논문 AI-15 · arXiv 사전공개 연구
1. 논문 요약 (Abstract)
생성형 AI를 공동 작업에 허용해도 사용 공개와 결과 책임에 관한 규칙은 별도로 필요하다. Hora와 동료들은 인기 오픈소스 프로젝트의 AI 기여 정책이 무엇을 허용하고 요구하는지 분석했다. 연구진은 저장소에서 찾은 정책과 추가 프로젝트·기관의 정책을 합쳐 281개를 수집했다. 이 문서를 코드 기여, 의사소통, 문제 보고, 공개 의무, 책임, 사람 관여의 여섯 차원으로 분류했다. 별도 표본인 전용 정책 파일 92개에서는 변경 이력도 살폈다. 분석한 정책의 83.3%는 AI를 이용한 코드 기여를 허용하거나 장려했다. 동시에 67.3%는 높은 수준의 사람 관여를 요구했고 48.8%는 사용 공개를 요구했다. 변경 이력에서는 약 절반의 전용 정책 파일이 한 번 이상 수정되었다. 이 결과는 문서에 적힌 규칙을 보여 줄 뿐 실제 준수율이나 정책의 효과를 입증하지는 않는다. 학교에는 사용 허용, 공개 방법, 학생의 확인과 책임을 나누어 안내할 비교 사례를 제공하지만 성인 개발 공동체의 규칙을 그대로 적용할 근거는 아니다.
2. 논문 구조별 주요 정보
연구의 필요성 및 목적
오픈소스 프로젝트는 여러 사람이 만든 코드를 검토해 공동 결과물에 반영한다. AI로 기여물을 쉽게 만들 수 있게 되면 제출량이 늘어나는 동시에 다른 사람이 확인해야 할 일도 늘 수 있다. AI 사용의 찬반만 정한 정책으로는 누가 내용을 이해하고 시험했는지, 사용 사실을 어디에 적을지 설명하기 어렵다.
연구는 이러한 정책의 현황을 비교할 기준을 만드는 데 목적이 있다. 기존의 예비 연구보다 표본과 분석 차원을 넓히고, 낮은 품질의 AI 기여에 대응하는 방법과 정책의 변화를 추가로 조사했다. 교육정책을 분석한 논문은 아니지만 공동 결과물에 대한 인간의 역할을 어떻게 명시하는지 읽을 수 있다.
연구 문제
- RQ1: 오픈소스 프로젝트는 어떤 기여에 AI 사용을 허용하며 사람의 관여와 책임을 어떻게 정하는가?
- RQ2: AI 사용 사실의 공개를 요구하는가? 공개한다면 어디에 무엇을 적도록 하는가?
- RQ3: 검토가 부족한 낮은 품질의 AI 기여에 어떤 대응 규칙을 두는가?
- RQ4: 전용 AI 정책은 시간이 지나며 어떻게 바뀌고, 변경 이유는 무엇인가?
용어의 정의
- AI 기여 정책(AI contribution policy): 프로젝트에 기여하는 사람이 AI를 사용할 때 따라야 할 문서상의 규칙이다.
- 사용 공개(disclosure): AI가 작업에 관여한 사실과 범위를 다른 참여자가 알 수 있게 밝히는 행위다. 공개를 요구한다는 것과 공개 내용이 표준화되었다는 것은 다르다.
- 사람의 관여(human involvement): 기여자가 결과를 검토·이해·시험하는 정도다. 이 연구는 정책의 표현을 높음·중간·낮음 등으로 분류한다.
- 책임(accountability): 제출한 결과에 대해 기여자에게 책임을 명시하는 정책 요소다. 본 연구의 분류는 법적 책임의 판정과 다르다.
- 낮은 품질의 AI 기여(AI slop): 사람이 충분히 확인하지 않아 검토 부담이나 품질 문제를 일으키는 AI 산출물을 가리킨다. AI가 도왔다는 이유만으로 모든 산출물이 이 범주에 들어가지는 않는다.
연구 방법
첫 번째 표본은 GitHub에서 인기와 활동 조건을 만족한 상위 저장소 2,000개를 출발점으로 삼았다. 조건은 최소 100회 커밋, 다른 저장소의 복제본이 아님, 2026년에 최소 한 번의 커밋이 있음이었다. 별의 수를 인기의 대리 지표로 사용했으므로 전체 개발 프로젝트의 무작위 표본은 아니다.
연구진은 전용 정책 파일, 기여 안내 파일, 에이전트 설정 파일에서 정책 후보를 찾은 뒤 실제 규칙인지 사람이 확인했다. 이렇게 정책이 있는 저장소 245개를 찾고, 알려진 프로젝트와 기관 36개의 정책을 더해 281개를 구성했다. 이 추가 표집을 포함하므로 281을 2,000으로 나눈 값을 모든 저장소의 정책 보유율로 제시해서는 안 된다.
세 저자는 정책을 나누어 여섯 차원을 분류했다. 정책 30개의 여섯 차원, 총 180개 판단을 두 사람이 독립적으로 비교해 90%의 단순 일치율을 얻었다. 나머지는 논의로 합의했다. 이 수치는 전체 281개 문서를 두 사람이 각각 분류했다는 뜻도, 우연 일치를 보정한 카파도 아니다.
정책 변화에는 두 번째 표본을 사용했다. 더 넓은 상위 저장소 10,000개에서 전용 AI 정책 파일 92개를 골랐고 커밋 메시지 196개를 분석했다. 기여 안내 전체의 수정은 AI 규칙 변경과 무관할 수 있어 전용 파일로 범위를 제한했다. 따라서 281개 정책의 현황 분석과 92개 파일의 변화 분석은 서로 다른 표본이다.
연구 결과
코드 기여에서 AI 사용을 허용한 비율은 76.2%, 장려한 비율은 7.1%로 합계 83.3%였다. 그러나 의사소통과 문제·보안 보고에는 규칙 자체가 없는 경우가 많았다. 코드 작성에서의 허용을 프로젝트의 모든 활동에 대한 허용으로 해석할 수 없는 이유다.
높은 수준의 사람 관여를 요구한 비율은 67.3%였다. AI 사용 공개를 요구한 비율은 48.8%, 책임에 관한 조항을 둔 비율은 43.4%였다. 연구는 공개할 위치와 내용도 살폈는데, 도구 이름이나 도움의 범위처럼 구체적인 요구가 있는 한편 통일된 방식은 없었다. 규칙에 언급이 없다는 것을 명시적으로 허용하거나 책임을 면제했다는 뜻으로 바꾸어 읽지 않아야 한다.
연구진은 낮은 품질의 AI 기여에 대응하는 규칙을 열 종류로 분류했다. 제출물 검토 종료, 반복 제출자의 참여 제한, 감독 없는 자율 에이전트의 제한 등이 포함된다. 이는 유지관리자가 문서에 정한 대응이며 각 조치가 검토 부담을 얼마나 줄였는지는 측정하지 않았다. 학교에서 학생을 제재하는 방식을 정당화할 실험 근거로 사용할 수 없다.
전용 정책 파일 중 51%는 만든 뒤 최소 한 번 수정되었다. 수정 이유에는 품질 기준 강화, 공개 규칙 명료화, 인간 책임의 강조, 규칙의 노출 개선, 적용 범위 변경 등이 있었다. 정책이 길어졌다는 사실도 효과가 좋아졌다는 뜻은 아니다. 사용 방식이 변하면 규칙을 다시 검토한다는 운영상의 특징을 보여 준다.
논의 및 결론
이 연구는 허용 여부만으로 AI 정책을 설명하기 어렵다는 점을 문서 분석으로 보여 준다. 무엇을 도울 수 있는지와 함께 기여자가 무엇을 이해하고 확인해야 하는지 정해야 한다. 사용 사실을 밝히는 위치도 정하지 않으면 공개 요구만으로는 참여자 사이의 해석 차이를 줄이기 어렵다.
한계는 표집과 측정에 있다. 인기 있고 최근 활동이 있는 오픈소스 프로젝트가 중심이며 검색한 파일명과 단어에 따라 놓친 정책이 있을 수 있다. 정책 분류는 사람이 수행했고 일부 표본에서만 일치도를 점검했다. 실제 제출물, 준수 여부, 정책 이후의 품질 변화를 분석한 연구가 아니다. 닫힌 조직이나 학교로 일반화할 때에는 구성원의 연령과 역할, 과제의 목적이 다르다는 점을 고려해야 한다.
학교 적용은 과제 한 개의 안내를 구체화하는 방식으로 시작할 수 있다. 예를 들어 자료 탐색에는 AI를 허용하고 최종 주장의 근거 선택은 학생이 설명하게 할 수 있다. 사용 공개에는 도구의 이름만 적게 하기보다 어느 단계에서 어떤 도움을 받았고 무엇을 확인했는지 짧게 쓰게 할 수 있다. 교사는 결과물의 이해를 확인할 질문을 준비하고, 보호자에게는 가정에서 도와줄 범위를 안내한다. 이는 논문에서 효과가 검증된 처방이 아니라 비교 사례를 활용한 제안이다.
학습 목표상 도구 사용이 적절하지 않은 과제도 있을 수 있다. 접근할 수 없는 학생에게 대체 경로를 마련하고, 사용 공개를 곧바로 감점 신호로 취급해 학생이 숨기게 만들지 않는지도 살펴야 한다. 이러한 교육적 조건은 개발 프로젝트의 정책 분포만으로 결정할 수 없다.
후속 연구 제안
공개 정책 데이터는 문서 규칙과 실제 기여물의 관계를 조사하는 후속 연구의 출발점이 된다. 정책 변경 전후의 검토 부담과 품질을 살피되 프로젝트 규모나 도구 변화도 함께 고려할 필요가 있다. 교육 현장에서는 간단한 사용 공개 양식이 학생의 자기 설명과 교사의 확인에 도움이 되는지 비교할 수 있다. 제출량이나 공개율만으로 효과를 판단하지 않고, 학생의 이해와 혼란, 도구 접근의 차이를 함께 기록해야 한다. 이 교육 연구 제안은 원문의 연구 결과와 구별한다.
주제어
AI 기여 정책(AI contribution policies), 오픈소스(open source), 사용 공개(disclosure), 사람의 관여(human involvement), 책임(accountability), 정책 변화(policy evolution)
3. APA 인용 및 원문
Hora, A., Robbes, R., & Zacchiroli, S. (2026). “We permit the use of AI, but [...]”: The landscape of AI policies in popular open source projects [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2609.07542
근거 위치: 원문 §2는 표집과 분류, §3은 사용 허용과 사람 관여, §4는 공개, §5는 낮은 품질의 기여에 대한 대응, §6은 정책 변화, §8은 한계를 설명한다. 2026년 9월 7일 사전공개본을 기준으로 분석했으며 학술지 게재가 확정된 논문으로 표기하지 않았다.