우리가 검색을 하거나 웹을 둘러보고, 앱과 상호작용할 때마다 새로운 데이터가 생성된다.
이 데이터는 AI 기업들에겐 수십억 달러 규모의 가치가 있지만, 지금까지 그 대부분은 데이터를 수집하는 플랫폼이 독점해왔다.
여기에 문제를 제기하는 것이 새로운 형태의 탈중앙화 AI 데이터 마켓플레이스다. 블록체인과 암호화폐를 활용해, 이용자의 데이터가 머신러닝 모델 학습에 쓰일 때마다 데이터 제공자에게 직접 보상이 돌아가도록 설계를 바꾸겠다는 시도다.
단순한 “데이터 소유권 되찾기” 구호로 설명되기에는 메커니즘이 복잡하다.
온체인 검증 레이어, 스테이킹 시스템, 프라이버시 제약, 토큰 경제 설계가 유기적으로 얽혀 있어, 이 구조가 공정한 보상을 가능하게 할지 혹은 또 다른 착취가 될지를 좌우한다.
이 글은 이러한 시스템이 기초부터 어떻게 작동하는지를 정리한다.
핵심 요약
- 탈중앙화 AI 데이터 마켓은 원천 데이터를 가진 개인·기업과 고품질 학습 데이터를 필요로 하는 AI 개발자를 직접 연결하고, 암호화폐 토큰으로 신뢰 없이 결제·정산을 처리한다.
- 데이터 제공자는 데이터를 제출하고, 온체인 또는 탈중앙 오라클 네트워크를 통한 검증을 통과해야만 대금을 받는다. 이 과정에서 기존 중앙 플랫폼이 가져가던 수수료와 마진을 제거한다.
- 연합학습, 영지식증명 등 프라이버시 보호 기술을 활용하면 원시 데이터가 기기 밖으로 유출되지 않으면서도 그 가치를 수익화할 수 있다.
- 스테이킹·슬래싱·평판 점수로 구성된 토큰 인센티브 구조는 참여자가 ‘쓰레기 데이터’ 대신 정확한 데이터를 제출하도록 유도한다.
- 솔라나 생태계의 Kled AI 같은 프로젝트가 최전선에 있지만, 이 모델은 이미 여러 체인과 서로 다른 아키텍처 전반으로 확산되고 있다.
AI 기업이 ‘과도할 정도’로 데이터를 필요로 하는 이유, 그리고 지금 누가 비용을 내는가
대형 언어모델(LLM)과 이미지 인식 시스템은 상상 이상으로 데이터 집약적이다.
최전선 모델 한 번을 학습시키기 위해서만 수천억 개의 텍스트 토큰, 수백만 장의 라벨링된 이미지, 수년 치에 해당하는 인간 행동 데이터가 투입되기도 한다.
이 데이터는 어디선가 조달돼야 한다.
현재 AI 기업은 크게 세 가지 경로에 의존한다.
첫째, 웹 크롤링을 통한 대규모 공개 텍스트 수집. 둘째, 레딧·언론사·스톡사진 업체 등이 체결한 것과 같은 플랫폼 라이선스 계약을 통해 독점 데이터셋을 구입하는 방식. 셋째, 크라우드소싱 라벨링 플랫폼을 통해 전 세계 인력에게 소액을 지급하고 이미지 분류, 음성 전사, AI 답변 평가 등을 맡기는 방식이다.
데이터 라벨링 시장은 규모는 크지만, 구조적으로 착취적이라는 지적을 받아왔다. 중앙 플랫폼에서 일하는 노동자들은 시간당 1~5달러 수준을 받지만, 그들이 생산한 라벨링 데이터셋은 AI 개발자에게 건당 그 수십배 가격으로 되판다.
문제의 근원은 중앙집중 구조다. 데이터 소유자와 AI 수요자 사이에 끼어 있는 플랫폼이 대부분의 마진을 가져가며, 가격도 품질 기준도 일방적으로 정한다. 마음에 들지 않는 참여자는 언제든 ‘퇴출’할 수 있고, 이에 대해 이의를 제기할 수 있는 통로도 없다.
탈중앙화 마켓플레이스는 이 중개 레이어를 스마트컨트랙트, 개방형 프로토콜, 토큰 기반 결제망으로 대체하려 한다.
함께 읽기: USDT Briefly Dethrones Ethereum As Crypto’s No. 2 Asset
탈중앙화 AI 데이터 마켓플레이스란 무엇인가
본질적으로 탈중앙화 AI 데이터 마켓플레이스는 데이터 공급자와 수요자가 특정 기업의 통제 없이 만나는 ‘프로토콜’이다.
수요 측은 AI 개발사나 연구팀이다. 이들은 “데이터 요청서”를 올리며, 어떤 유형의 데이터가 필요한지, 품질 기준과 포맷 요구사항은 무엇인지, 검증된 레코드당 얼마를 지불할지 등을 명시한다.
공급 측은 개인 데이터 제공자 또는 데이터 어그리게이터(수집·가공 업체)로, 이 요청을 충족시키는 데이터를 제출한다.
스마트컨트랙트는 에스크로(중개 결제) 레이어 역할을 한다.
수요자는 요청서를 올리면서 일정 금액을 컨트랙트에 예치한다. 공급자가 데이터를 제출해 검증 단계를 통과하면, 컨트랙트가 자동으로 대금을 풀어준다.
양쪽 모두 상대방을 ‘신뢰’할 필요가 없다. 대신 코드에 박힌 규칙을 신뢰할 뿐이다.
데이터 자체는 보통 블록체인 위에 직접 올리지 않는다.
이더리움 (ETH)이나 솔라나 (SOL) 같은 퍼블릭 체인에 수 기가바이트짜리 이미지 데이터셋을 저장하는 것은 비용 면에서 사실상 불가능하다.
대신 실제 데이터는 IPFS, Arweave 같은 탈중앙 스토리지 네트워크에 저장되고, 온체인에는 콘텐츠 해시(content-addressed hash)만 기록된다. 이는 파일의 “지문” 역할을 하는 고유 값이다.
스마트컨트랙트는 공급자가 제출한 해시가 사전에 검증된 원본 파일의 해시와 일치하는지 확인한 뒤에만 대금을 지급한다.
콘텐츠 해시는 파일 내용 전체로부터 수학적으로 도출되는 짧은 문자열이다. 파일에서 단 1바이트만 바꿔도 해시 값은 완전히 달라진다. 이 특성 덕분에 이미 지급된 데이터의 일부를 조작하거나, 다른 데이터를 재활용해 대금을 또 받으려는 시도를 사실상 불가능에 가깝게 막을 수 있다.
함께 읽기: Techdollar Raises $3M To Let Startup Workers Cash In Without Selling
중앙 심사자 없이 데이터 검증은 어떻게 이뤄지나
이 설계에서 가장 까다로운 난제는 검증이다. 중앙 플랫폼은 품질관리 인력을 고용해 라벨을 직접 검수할 수 있다.
반면 스마트컨트랙트는 이미지가 무엇을 담고 있는지, 텍스트 라벨이 정확한지 판단할 수 없다. 오직 ‘로직’만 실행할 수 있을 뿐이다. 탈중앙화 마켓들은 이 문제를 세 가지 축을 조합해 풀어간다.
암호학적 증명은 수학적으로 검증 가능한 구조화 데이터에 적합하다. 예컨대 GPS 트래킹, 센서 데이터, 금융 기록처럼 일정한 규칙을 만족해야 하는 데이터는 영지식증명(Zero-Knowledge Proof)을 활용해 “특정 시점에 기록됐으며, 유효 범위 안에 있고, 특정 기기에서 생성됐다”는 사실을 원시 값 공개 없이 증명할 수 있다.
**군중 검증(crowd validation)**은 주관적 라벨링 과제에 사용된다. 여러 독립된 참여자가 동일한 데이터 조각을 검토해 각자 라벨을 제출하고, 스마트컨트랙트는 다수 의견에 일치하는 응답에 보상을 지급한다. 반복적으로 다수와 동떨어진 답을 내는 참여자는 패널티를 받는다. 중앙 플랫폼이 라벨링 품질을 높이기 위해 사용하는 ‘중복 라벨링’ 기법을 탈중앙화한 버전이다.
스테이킹·슬래싱은 위 두 레이어 위에 경제적 인센티브를 얹는 구조다. 참여자는 플랫폼의 네이티브 토큰을 일정량 예치해야 데이터 제출 자격을 얻는다. 이후 제출한 데이터가 반복적으로 거부되거나, 군중 검증에서 악의적·허위로 판정되면 예치금 일부 혹은 전부를 몰수(슬래싱)당한다. 저품질 데이터를 뿌리는 행위에 ‘금전적 대가’를 부여해, 자연스럽게 고품질 데이터 제출을 유도하는 장치다.
함께 읽기: XRP Tests $1 Support As $0.60 Crash Risk Deepens
프라이버시 보호 기술은 어떻게 기여하나
이 모델이 안고 있는 가장 민감한 쟁점은 프라이버시다. 개인이 자신의 브라우징 히스토리나 건강 데이터를 AI 개발자에게 판다면 경제적 가치는 크지만, 노출 리스크 역시 막대하다.
탈중앙화 마켓플레이스는 성숙 단계에 들어선 두 가지 기술을 전면에 내세운다.
**연합학습(Federated Learning)**은 원시 데이터를 아예 기기 밖으로 내보내지 않는다. 중앙 서버로 데이터를 전송하는 대신, AI 모델을 이용자 디바이스로 내려보낸다. 모델은 로컬 환경에서 원시 데이터로 학습을 진행하고, 그 결과로 나온 ‘업데이트된 가중치’만 서버로 전송된다. 가중치는 개별 데이터를 직접 복원하기 어려운 수치 파라미터이며, 여러 참여자의 가중치를 합쳐 더 나은 글로벌 모델을 만든다. 학습에 쓰인 원본 데이터는 끝까지 개인 환경에 남는다.
**차분 프라이버시(Differential Privacy)**는 공유 전에 데이터에 통계적 노이즈를 주입해, 집계 결과로부터 특정 개인의 기록을 역추론하는 것을 불가능에 가깝게 만든다. 동시에 데이터셋이 가진 통계적 패턴은 상당 부분 유지돼, 모델 학습에는 여전히 유용하게 쓰인다. 노이즈 강도는 조절 가능하며, 강도를 높일수록 프라이버시는 강해지지만 데이터 활용도는 일부 낮아진다.
이러한 기술은 규제 대응 측면에서도 중요하다. 유럽 GDPR, 미국 캘리포니아 소비자 프라이버시법(CCPA) 등은 개인 데이터의 전송·활용에 엄격한 제한을 건다. “원시 개인정보가 결코 외부로 전송되지 않는다”는 것을 기술적으로 입증할 수 있는 마켓플레이스는, 단순히 원본 데이터를 수출·판매하는 모델보다 규제 리스크가 훨씬 낮을 수 있다.
함께 읽기: HIVE Just Borrowed $115M At Zero Percent To Bet Against Bitcoin Mining
토큰 경제, 스테이킹, 그리고 실제 보상 구조
결제 방식은 프로젝트마다 조금씩 다르지만, 대부분은 비트코인 (BTC) 같은 메이저 자산 대신 자체 유틸리티 토큰을 사용한다. 이 토큰은 여러 역할을 동시에 수행한다.
첫째, 데이터 요청의 기준 통화다. 수요자는 데이터를 얼마나 사겠다고 제안할지 이 토큰 단위로 가격을 매긴다. 데이터 요청이 늘어날수록 결제를 위해 필요한 토큰 수요도 증가한다.
둘째, 공급 측 스테이킹으로 유통량을 잠그는 장치다. 데이터 제공자는 마켓플레이스에 참여하기 위해 일정량의 토큰을 보유·스테이킹해야 하며, 이는 시장에 풀린 통화량을 줄이는 동시에 네트워크 장기 성장에 이해관계를 갖게 만든다.
셋째, 평판 시스템의 기준이 된다. 꾸준히 토큰을 스테이킹하고, 제출한 데이터가 높은 비율로 승인되며, 슬래싱을 당한 적이 없는 주소는 온체인 상에 검증 가능한 실적을 쌓는다. 이러한 평판 점수는 “신규 계정”보다 더 높은 단가를 제시받는 근거가 될 수 있다. 수요자가 품질을 어느 정도 사전에 가늠할 수 있기 때문이다.
실제 결제 흐름은 다음과 비슷하게 전개된다. 예를 들어 수요자가 데이터 요청을 올리며 500개의 토큰을 에스크로 컨트랙트에 예치한다. 한 데이터 제공자가 50개의 라벨링된 레코드를 제출하고, 검증 레이어를 통과한다. 그러면 컨트랙트는 공급자에게 50개, 해당 데이터를 검증한 참여자들에게 총 2개, 나머지 448개 토큰은 후속 데이터 제공자들을 위해 에스크로에 남겨둔다. 수요자는 대금이 확정되는 즉시 검증된 데이터셋에 접근할 수 있다.
토큰 경제 모델이 지속 가능하려면, 무엇보다도 “실질적인 데이터 수요”가 존재해야 한다. 토큰 가격만 띄우며 출범하는 프로젝트는 초기에는 이론상으론 그럴듯해 보여도, 실제 AI 개발자와 연구팀이 찾지 않는 데이터 마켓은 결국 유동성·인센티브가 모두 말라붙을 수밖에 없다. 기여자에게만 토큰을 보상하고, 반대편 마켓플레이스에서 실제로 토큰을 지불하는 AI 개발자 수요가 뒷받침되지 않으면, 구조적으로 인플레이션성 매도 압력이 쌓일 수밖에 없다. 이런 토크노믹스는 지속 가능하지 않다.
Also Read: 오픈AI, 변동성 커진 시장에 1조 달러 IPO 연기…앨트먼의 빅딜 제동
솔라나에서 구현되는 Kled AI 등 프로젝트의 모델
Kled AI는 현재 솔라나(Solana) 생태계에서 이 모델을 가장 전형적으로 구현한 사례로 꼽힌다. 이 프로토콜은 개인이 자신의 데이터를 AI 모델 학습용으로 제공하고, 그 대가를 직접 수취하는 탈중앙 데이터 마켓플레이스로 스스로를 정의한다. 솔라나는 트랜잭션 수수료가 낮고 처리량이 높아, 데이터 마켓 특유의 ‘초단위·초소액 결제’를 현실적으로 가능하게 한다. 한 장의 라벨링된 이미지당 토큰 몇 조각만 지불하는 구조가 이더리움 메인넷에서는 사실상 불가능하지만, 솔라나에서는 경제성이 나온다는 의미다.
솔라나의 아키텍처는 속도 측면에서도 중요하다. 데이터 검증이 끝나 결제가 트리거되는 순간, 트랜잭션은 최대한 빨리 정산돼야 한다. 기여자가 결제 확정을 몇 시간씩 기다려야 하는 플랫폼을 받아들일 리 없다. 솔라나의 초 단위 이하 파이널리티는 결제 경험을 기존 웹2 플랫폼에 가깝게 만들면서도, 스마트컨트랙트 기반의 트러스트리스 속성을 유지한다.
Kled AI와 함께 주목받는 Velvet은 다른 지향점을 택한다. 현물·무기한선물·수익 추구 전략을 한데 묶은 온체인 포트폴리오 터미널로, AI를 통해 포지션 관리와 전략 실행을 돕는 제품이다. 이 프로젝트가 이 분야에서 의미를 갖는 이유는 동일한 기저 테제를 보여주기 때문이다. 온체인 데이터를 활용해 의사결정을 내리고, 결제와 정산은 암호화폐로 처리되는 AI 시스템이라는 공통분모다. Kled AI가 원천 학습 데이터를 거래하는 시장을 연다면, Velvet은 그 가공된 시장 데이터를 소비하는 AI 애플리케이션의 한 예다. 데이터 경제 밸류체인의 양 끝단을 각각 대표한다고 볼 수 있다.
이 영역에서 함께 거론되는 프로젝트로는, 이더리움에서 데이터 토큰화 개념을 가장 먼저 제시한 오션 프로토콜(Ocean Protocol), 유휴 대역폭과 브라우징 데이터를 AI 학습 파이프라인에 제공한 대가를 사용자에게 지급하는 Grass 등이 있다. 설계 방식은 조금씩 다르지만, “검증된 데이터 기여에 대해 암호학적으로 강제되는 보상”이라는 동일한 구조를 공유한다.
Also Read: 앤트로픽 ‘미토스’ 동결…사카나 AI·360, 아시아발 도전 본격화
누가 이익을 보고, 어떤 리스크를 지는가
개별 데이터 제공자에게 이 모델의 매력은 명확하다. 지금까지 인터넷 플랫폼이 사실상 공짜로 흡수해가던 가치가, 당사자에게 직접 돌아올 수 있기 때문이다. 대형 소셜미디어 계정을 보유했거나, 특정 전문 분야 지식 또는 희소한 데이터(의료 기록, 전문 법률 문서, 비영어권 콘텐츠 등)에 접근할 수 있는 개인이라면, 실제 수요가 존재하는 마켓에서 상당한 프리미엄을 기대할 수 있다.
AI 개발사 입장에선, 탈중앙 마켓플레이스를 통해 기존의 스크래핑이나 라이선스 계약으로는 확보하기 어려운 데이터 유형에 접근할 수 있다. 사람의 선호를 반영한 피드백 데이터, 틈새 도메인에 특화된 주석 정보, 기존에 소외됐던 지역의 다국어 데이터 등은 실제로 희소성이 높다. 이런 데이터를 대규모로 조달·검증할 수 있는 프로토콜이라면, 그 자체로 상당한 가치를 지닌다.
양측 모두에 뚜렷한 리스크도 존재한다. 우선 토큰 가격 변동성이다. 토큰으로 보상을 받은 기여자는, 실제로 그 토큰을 사용하는 시점에 달러 기준 가치가 크게 떨어져 있을 수 있다. 반대로 데이터를 구매하는 개발사 입장에선, 구매 계획을 세운 시점과 실제 집행 시점 사이에 토큰 가격이 급등해 데이터 조달 비용이 예산을 초과할 수 있다.
데이터 품질 문제는 여전히 대규모 스케일에서 해결되지 않은 과제다. 크라우드 검증이나 스테이킹 기반 인센티브 구조가 부정행위를 줄이는 데는 도움이 되지만, 완전히 제거하진 못한다. 정교한 공격자는 시간을 두고 평판 시스템을 교란할 수 있고, 이력이 짧은 신규 마켓플레이스에서 데이터를 사들이는 AI 개발사는, 오랜 트랙 레코드를 가진 전통적 어노테이션 업체에서는 마주치지 않는 품질 리스크를 떠안게 된다.
규제 리스크는 가장 큰 ‘와일드카드’다. 개인 데이터의 수익화는 개인정보 보호법, 토큰에 적용될 수 있는 증권 규제, 그리고 아직 작성 중인 AI 거버넌스 규범의 교차점에 놓여 있다. 한 관할 구역에서 규정을 준수하는 마켓플레이스가, 다른 국가에선 법적 회색지대에 위치할 수 있다는 의미다.
Also Read: 이더리움, 핵심 지지선 붕괴…1,000달러까지 추락하나
마무리: 탈중앙 데이터 마켓의 ‘롱텀 테제’
탈중앙형 AI 데이터 마켓플레이스는 하나의 실체 있는 경제 문제에 대한 기술적 해법을 제시한다. 지금까지 학습 데이터를 생산한 주체들은, 그 과정에서 창출된 가치를 거의 가져가지 못했다는 점이다.
스마트컨트랙트, 콘텐츠 주소 기반 스토리지, 연합학습(federated learning), 토큰 스테이킹 등이 결합되면서, 플랫폼 중개자가 마진을 대부분 가져가는 구조 대신, 데이터 기여자에게 가치가 직접 흐르는 시스템을 설계할 수 있게 됐다.
다만 이 모델은 아직 초기 단계다. 토크노믹스는 성숙 과정에 있고, 검증 메커니즘이 수백만 명 단위 기여자가 참여해도 ‘게임’당하지 않고 작동할 수 있는지 증명해야 한다. 개인 데이터 수익화를 둘러싼 규제 환경도 정립되지 않았다.
그럼에도 수요 측 구조는 쉽게 사라지지 않는다. AI 개발사는 더 많은, 더 다양한 유형의 데이터를 필요로 하며, 이를 중앙집중식 소스만으로 안정적으로 조달하기는 갈수록 어려워지고 있다.
바로 그 구조적 필요가, 탈중앙 데이터 마켓플레이스가 장기적으로 주목받는 이유다.
Read Next: 고래 매도·RSI 붕괴…XRP, 최대 30% 추가 하락 리스크 부각
