Trend AnalysisArts & Design

AI-Generated Art and Authorship Debates: Who Creates When Machines Paint?

Generative AI now produces visual art that wins competitions and sells at auction—but legal systems worldwide still cannot answer who the author is. Recent research reveals how artists, technologists, and the public diverge sharply on authorship attribution.

By Sean K.S. Shin

This blog summarizes research trends based on published paper abstracts. Specific numbers or findings may contain inaccuracies. For scholarly rigor, always consult the original papers cited in each post.

Why It Matters

When Jason Allen's AI-generated artwork won the Colorado State Fair's fine arts competition in 2022, the outcry was immediate—but the legal questions remain unresolved three years later. Generative AI systems such as Midjourney, DALL-E, and Stable Diffusion can now produce images that are visually indistinguishable from human-made art, yet copyright law in most jurisdictions requires a human author. This gap between technological capability and legal framework is not merely academic: it affects how millions of dollars in art market transactions are structured, how artists protect their livelihoods, and how training data rights are negotiated.

The authorship debate also reveals deeper tensions about what creativity means. If an artist writes a detailed prompt, selects from hundreds of outputs, and refines the result through iterative human-AI dialogue, is the resulting work "authored" by the human, the machine, or neither? Recent research shows that answers depend heavily on who you ask—and what their stake in the outcome is.

The Science / The Practice

Divergent Stakeholder Perceptions

Singh (2025) directly tests whether artists and technologists evaluate AI-generated art differently across five dimensions: authorship, ownership, ethics, public perception, and market impact. The findings reveal a significant professional divide. Artists consistently attribute less creative agency to AI systems and are more protective of human authorship claims, while technologists view AI as a legitimate co-creative partner. This divergence has practical consequences: if artists and engineers cannot agree on what authorship means, industry standards and legal frameworks will remain contested.

Egocentric Bias in Copyright Judgments

Lima et al. (2024), with 10 citations, provide perhaps the most striking finding. In a study of 432 participants, they demonstrate that laypeople's copyright judgments about AI art are shaped by egocentric bias: people are more likely to grant copyright protection to AI-generated works when they imagine themselves as the creator rather than as a competing artist. This suggests that public opinion on AI authorship is less about principled legal reasoning and more about perceived self-interest—a finding with implications for how copyright legislation will be shaped by democratic processes.

The Creativity Spectrum

Deckker and Sumanasekara (2025), with 6 citations, provide a comprehensive review positioning AI not as a replacement for human creativity but as a force that "expands authorship constraints." Their analysis spans visual art, music, literature, and performance, arguing that AI-generated content creates a creativity spectrum rather than a binary human/machine divide. The implication is that legal and ethical frameworks need gradient models—degrees of human involvement—rather than the all-or-nothing authorship models that current copyright law provides.

Toward Royalty Frameworks

Rai et al. (2025) propose a concrete solution: a royalty framework for copyright protection and accountability in AI-generated art. The framework addresses two problems simultaneously—compensating artists whose work was used to train AI models, and establishing clear ownership chains for AI-generated outputs. This represents a shift from abstract ethical debate to actionable economic mechanisms.

Authorship Attribution Models Compared

Model	Who Owns It	Strength	Weakness
Human-only (current law)	Prompt writer or no one	Legal clarity	Ignores machine contribution
Joint authorship	Human + AI developer	Reflects collaboration	AI cannot hold legal rights
Work-for-hire	AI company	Simple licensing	Devalues human creative input
Gradient model	Proportional to contribution	Nuanced, fair	Difficult to measure contributions
Royalty framework (Rai et al.)	Shared via royalty chain	Compensates training data artists	Complex implementation

What To Watch

The next two years will be decisive. The EU AI Act's provisions on generative AI, ongoing US Copyright Office rulings, and emerging case law in China and the UK will collectively establish the first generation of AI authorship standards. Researchers should watch for convergence or divergence across jurisdictions—because if copyright frameworks fragment internationally, the global digital art market will face significant friction. The gradient model proposed by Deckker and Sumanasekara (2025) may prove prophetic if regulators move toward contribution-proportional rights rather than binary authorship.

Explore related work through ORAA ResearchBrain.

왜 중요한가

2022년 Jason Allen의 AI 생성 작품이 콜로라도 주립 박람회 미술 부문에서 수상했을 때 즉각적인 반발이 일었지만, 법적 쟁점은 3년이 지난 지금도 해결되지 않은 채로 남아 있다. Midjourney, DALL-E, Stable Diffusion과 같은 생성형 AI 시스템은 이제 인간이 만든 예술 작품과 시각적으로 구별하기 어려운 이미지를 생산할 수 있지만, 대부분의 국가 저작권법은 인간 저작자를 요건으로 한다. 이러한 기술적 역량과 법적 프레임워크 사이의 간극은 단순한 학문적 문제가 아니다. 이는 수백만 달러 규모의 미술 시장 거래 구조, 예술가들의 생계 보호 방식, 학습 데이터 권리 협상 방식 모두에 영향을 미친다.

저작권 논쟁은 창의성이란 무엇인가에 대한 보다 근본적인 긴장을 드러내기도 한다. 예술가가 상세한 프롬프트를 작성하고, 수백 개의 출력물 중에서 선택하며, 인간과 AI의 반복적인 대화를 통해 결과물을 다듬는다면, 그 작품의 저작자는 인간인가, 기계인가, 아니면 둘 다 아닌가? 최근 연구들은 이 질문에 대한 답이 묻는 대상이 누구인지, 그리고 그가 결과에 어떤 이해관계를 가지고 있는지에 따라 크게 달라진다는 것을 보여준다.

연구 내용

이해관계자 인식의 분화

Singh (2025)는 예술가와 기술자가 AI 생성 예술을 저작권, 소유권, 윤리, 대중 인식, 시장 영향이라는 다섯 가지 차원에서 서로 다르게 평가하는지를 직접 검증한다. 연구 결과는 뚜렷한 직업적 인식 차이를 드러낸다. 예술가들은 AI 시스템에 대한 창의적 주체성을 일관되게 낮게 평가하고 인간 저작권 주장 보호에 더 적극적인 반면, 기술자들은 AI를 정당한 공동 창작 파트너로 바라본다. 이러한 인식 차이는 실질적인 결과로 이어진다. 예술가와 엔지니어가 저작권의 의미에 합의하지 못한다면, 산업 표준과 법적 프레임워크는 계속해서 논쟁의 대상으로 남을 것이다.

저작권 판단에서의 자기중심 편향

Lima et al. (2024)은 10회 인용으로, 가장 주목할 만한 연구 결과를 제시한다. 432명의 참가자를 대상으로 한 연구에서 일반인의 AI 예술 저작권 판단이 자기중심 편향(egocentric bias)에 의해 형성된다는 것을 밝혔다. 즉, 사람들은 스스로를 경쟁 예술가가 아닌 창작자로 상상할 때 AI 생성 작품에 저작권 보호를 부여할 가능성이 더 높다. 이는 AI 저작권에 대한 여론이 원칙에 기반한 법적 추론보다는 인식된 자기 이익에 더 가깝다는 것을 시사하며, 민주적 과정을 통해 저작권 법제가 어떻게 형성될지에 대한 함의를 지닌다.

창의성 스펙트럼

Deckker and Sumanasekara (2025)는 6회 인용으로, AI를 인간 창의성의 대체재가 아니라 "저작권 제약을 확장하는" 힘으로 위치시키는 포괄적인 검토를 제공한다. 이들의 분석은 시각 예술, 음악, 문학, 공연 예술에 걸쳐 있으며, AI 생성 콘텐츠가 인간/기계의 이분법적 구분이 아닌 창의성 스펙트럼을 형성한다고 주장한다. 이는 법적·윤리적 프레임워크가 현행 저작권법이 제공하는 전부 아니면 전무 방식의 저작권 모델이 아니라, 인간 관여의 정도를 반영하는 단계적 모델을 필요로 한다는 점을 시사한다.

로열티 프레임워크를 향하여

Rai et al. (2025)는 AI 생성 예술의 저작권 보호 및 책임을 위한 로열티 프레임워크라는 구체적인 해결책을 제안한다. 이 프레임워크는 두 가지 문제를 동시에 다룬다. AI 모델 학습에 작품이 사용된 예술가에 대한 보상과, AI 생성 결과물에 대한 명확한 소유권 체계 확립이 그것이다. 이는 추상적인 윤리적 논쟁에서 실행 가능한 경제적 메커니즘으로의 전환을 의미한다.

저작권 귀속 모델 비교

모델	소유 주체	강점	약점
인간 단독 (현행법)	프롬프트 작성자 또는 없음	법적 명확성	기계의 기여 무시
공동 저작	인간 + AI 개발사	협업 반영	AI는 법적 권리 보유 불가
업무상 저작물	AI 기업	단순한 라이선싱	인간의 창의적 기여 가치 하락
단계적 모델	기여도에 비례	세밀하고 공정함	기여도 측정 어려움
로열티 프레임워크 (Rai et al.)	로열티 체계를 통한 공유	학습 데이터 예술가 보상	복잡한 구현

향후 주목할 사항

향후 2년이 결정적인 시기가 될 것이다. 생성형 AI에 관한 EU AI 법의 조항, 미국 저작권청의 지속적인 판결, 중국과 영국에서 형성되고 있는 판례법이 합쳐져 1세대 AI 저작권 기준을 확립할 것이다. 연구자들은 각국 법제 간의 수렴 또는 분화 여부를 주시해야 한다. 저작권 프레임워크가 국제적으로 분열될 경우 글로벌 디지털 미술 시장은 심각한 마찰에 직면하게 될 것이기 때문이다. Deckker and Sumanasekara (2025)가 제안한 단계적 모델은 규제 당국이 이분법적 저작권 대신 기여 비례 권리 방향으로 나아간다면 선견지명이 있는 것으로 판명될 수 있다.

관련 연구는 ORAA ResearchBrain에서 탐색할 수 있다.

References (4)

[1] Singh, A. (2025). Creativity reimagined: ethical authorship, ownership and social impact of AI-generated art. Journal of Information, Communication and Ethics in Society.

DOI Scholar

[2] Lima, G., Grgic-Hlaca, N., & Redmiles, E. M. (2024). Public Opinions About Copyright for AI-Generated Art: The Role of Egocentricity, Competition, and Experience. Proceedings of CHI 2024.

DOI Scholar

[3] Deckker, D., & Sumanasekara, S. (2025). A Review of AI-Powered Creativity: The Intersection of AI and the Arts. EPRA International Journal.

DOI Scholar

[4] Rai, P., Gupta, K., & Gabralla, L. A. (2025). A royalty framework for copyright protection and accountability in AI-generated art. Information Retrieval Journal.

DOI Scholar

AI-Generated Art and Authorship Debates: Who Creates When Machines Paint?

Why It Matters

The Science / The Practice

Divergent Stakeholder Perceptions

Egocentric Bias in Copyright Judgments

The Creativity Spectrum

Toward Royalty Frameworks

Authorship Attribution Models Compared

What To Watch

왜 중요한가

연구 내용

이해관계자 인식의 분화

저작권 판단에서의 자기중심 편향

창의성 스펙트럼

로열티 프레임워크를 향하여

저작권 귀속 모델 비교

향후 주목할 사항

References (4)

Explore this topic deeper