본 논문은 데이터셋의 법적 위험성 평가는 라이선스 조항만으로는 부정확하며, 데이터셋 재배포 및 전체 라이프사이클 추적이 필수적이라고 주장합니다. 하지만 이 과정은 인간이 대규모로 수동 처리하기에는 너무 복잡합니다. 따라서 데이터셋 출처 추적, 재배포 권한 검증, 여러 단계에 걸친 법적 위험성 평가에는 인간의 능력을 넘어서는 정확성과 효율성이 요구됩니다. 이러한 문제를 해결하기 위해 데이터셋 재배포를 체계적으로 추적하고, 규정 준수를 분석하고, 법적 위험을 식별할 수 있는 AI 에이전트가 필요합니다. 본 논문에서는 NEXUS라는 자동화된 데이터 규정 준수 시스템을 개발하여 AI가 인간 전문가보다 더 높은 정확성, 효율성 및 비용 효과로 이러한 작업을 수행할 수 있음을 보여줍니다. 17,429개의 고유 엔티티와 8,072개의 라이선스 조항에 대한 대규모 법적 분석을 통해 재배포 전의 원본 데이터셋과 재배포된 하위 집합 간의 법적 권리 불일치를 밝혀내어 데이터 라이프사이클 인식 규정 준수의 필요성을 강조합니다. 예를 들어, 상업적으로 사용 가능한 개별 라이선스 조항이 있는 2,852개의 데이터셋 중 605개(21%)만이 상업적 이용이 법적으로 허용되는 것으로 나타났습니다. 이 연구는 투명하고 합법적이며 책임감 있는 데이터셋 관리를 보장하기 위해 데이터셋 재배포의 전체 라이프사이클을 체계적으로 검토하는 프레임워크를 옹호하며, AI 데이터 거버넌스에 대한 새로운 표준을 제시합니다.
