본 논문은 생성형 AI 플랫폼이 경쟁사의 콘텐츠와 외부 데이터 소스에 의존하는 상황에서 데이터 공유 결정에 대한 새로운 과제를 다룹니다. 콘텐츠 제작 회사와 외부 전문가로부터 데이터를 추가로 확보할 수 있는 생성형 AI 플랫폼 간의 데이터 공유를 Stackelberg 게임으로 모델링합니다. 회사는 자체 데이터셋을 얼마나 공유할지 결정하고, AI 플랫폼은 외부 전문가로부터 얼마나 많은 추가 데이터를 확보할지 결정합니다. 이들의 효용은 사용자 트래픽, 금전적 이전, 외부 전문가로부터 데이터를 확보하는 비용에 따라 달라집니다. 논문은 게임의 유일한 하위 게임 완벽 균형을 특징짓고, 회사가 자체 데이터 공유를 위해 AI 플랫폼에 비용을 지불할 의향이 있음을 보여주는 놀라운 현상을 밝힙니다. 또한 파레토 개선 데이터 가격 집합을 특징짓고, 이러한 개선은 회사가 데이터 공유에 비용을 지불할 때만 발생함을 보여줍니다. 마지막으로 회사 데이터 공유, 전문가 데이터 확보 또는 두 가지의 균형을 촉진하는 등 다양한 설계 목표를 최적화하기 위해 가격을 설정하는 방법을 연구합니다. 본 연구 결과는 생성형 AI 시대의 데이터 공유 파트너십을 형성하는 경제적 요인을 밝히고, 효과적인 데이터 교환 메커니즘을 설계하려는 플랫폼, 규제 기관 및 정책 입안자에게 지침을 제공합니다.
