Internet Archive

100일

2003년, 브루스터 케일(Brewster Kahle)은 웹페이지의 평균 수명을 100일로 추정했다.¹ 도메인 만료, 서버 종료, 리뉴얼, 정책 변경 등 이유는 다양하지만 결과는 같다. 사라진다. Pew Research Center(2024)에 따르면 2013년에서 2023년 사이 존재했던 웹페이지 중 25%가 더 이상 접근할 수 없다. 10년 전 페이지로 좁히면 38%가 사라졌다.

웹은 기록이 쌓이는 공간이 아니다. 현재로 계속 덮어씌워지는 공간이다. 어제의 뉴스 기사, 지난달의 블로그 포스트, 작년의 정부 문서. 링크를 클릭하면 404²가 뜬다. 웹은 기억하지 않는다.³

1996년, 케일은 이 문제를 인식했다. "웹이 알렉산드리아 도서관처럼 사라질 수 있다." 그는 인터넷 아카이브를 설립했다. 미션은 단순하다: Universal Access to All Knowledge. 모든 지식에 대한 보편적 접근. 30년이 지난 2025년, 인터넷 아카이브는 1조 개의 웹페이지를 저장했다.⁴

그런데 이름에 '아카이브'가 붙었다고 아카이브인가?

Wayback Machine

인터넷 아카이브의 핵심 서비스는 Wayback Machine이다. 2001년 공개된 이 도구는 과거 웹페이지의 스냅샷을 보여준다. URL을 입력하면 해당 주소가 언제 어떤 모습이었는지 타임라인으로 확인할 수 있다.

작동 방식은 이렇다. Heritrix⁵라는 크롤러가 웹을 돌아다니며 페이지를 수집한다. 수집된 데이터는 WARC⁶ 포맷으로 저장된다. HTTP 요청과 응답 전체, 타임스탬프, 원본 URI, 무결성 해시까지 포함하는 국제 표준(ISO 28500) 형식이다. 누구나 Save Page Now 버튼을 눌러 원하는 페이지를 즉시 아카이빙할 수도 있다.⁷

그러나 저장되지 않는 것이 있다. 크롤러가 가져가는 것은 HTML, 즉 사용자에게 보여지는 최종 결과물 뿐이다. 최종적인 HTML을 동적으로 만들어내는 JavaScript, 외부에서 데이터를 불러오는 API 호출, 로그인 뒤에서 작동하는 서버 인증은 HTML 코드 바깥에 있다. 즉, 크롤러의 손이 닿지 않는다. robots.txt⁸로 차단된 페이지, 삭제 요청을 받은 콘텐츠도 마찬가지다.

Wayback Machine은 "과거를 저장"하는 것이 아니다. 특정 시점에 특정 방식으로 수집된 복제본의 집합이다. 연속적인 타임라인이 아니라 단절된 스냅샷들. 인터넷 아카이브 스스로도 이를 인정한다: "그 당시 페이지가 보였던 모습의 사본(a copy of a page as it appeared at the time)."⁹

사라지는, 부서지기 쉬운 문화

2026년, 인터넷 아카이브는 Vanishing Culture: A Report on Our Fragile Cultural Record라는 책을 발간했다. 웹에 올라온 정보들이 얼마나 쉽게, 갑자기, 대규모로 사라지는지를 기록한 책이다. 몇 가지 사례를 보자.

2024년 6월, Paramount는 MTV News와 CMT의 웹사이트를 삭제했다.¹⁰ 수십 년간 축적된 음악 저널리즘이 하룻밤 사이에 사라졌다. 같은 달 Comedy Central 웹사이트도 삭제됐다.¹¹ The Daily Show 25년치 클립, Colbert Report 전 시즌이 증발했다. Paramount+로 유도하겠다는 명목이었지만, 정작 Paramount+에는 해당 콘텐츠가 없다.

2019년, Myspace는 1,400만 아티스트가 업로드한 5,000만 곡을 "실수로" 삭제했다.¹² 서버 마이그레이션 과정의 사고였다. 복구되지 않았다. 같은 해 4월, Twitter는 Vine 아카이브를 폐쇄했다.¹³ 2017년 서비스 종료 후 2년간 유지되던 아카이브마저 사라졌다.

패턴이 보인다. 기업의 전략 변경, 서버 이전 중 실수, 비용 절감, 서비스 종료. 디지털 콘텐츠는 물리적 매체와 달리 "삭제" 한 번이면 흔적 없이 사라진다. 기술이 발전할수록 데이터의 양은 늘어나지만, 그만큼 대규모 손실의 가능성도 커진다.

이것은 새로운 현상이 아니다. 1950년 이전 무성영화의 50%가 손실됐다. 스튜디오들의 "대량 폐기(wholesale junking)" 때문이었다. 1890년에서 1964년 사이 저작권 보호를 받는 음반 중 CD로 재발행된 것은 36%에 불과하다. 특히 "ethnic"으로 분류된 음악의 재발행률은 1%. 유색인종 음악가들의 기록이 불균형적으로 사라졌다. Video Game History Foundation(2023)에 따르면 1960년에서 2009년 사이 출시된 클래식 게임 중 87%가 상업적으로 접근 불가능하다.

MTV News 사례로 돌아가자. Wayback Machine이 55만 페이지를 보존하고 있었기에 완전한 소실은 면했다. 인터넷 아카이브가 없었다면? Vanishing Culture는 Pew Research 데이터를 인용한다: 2013년에서 2023년 사이 존재했던 웹페이지 중 25%가 이미 접근 불가능하다. 이 중 62%는 Wayback Machine 덕분에 여전히 볼 수 있다. Wayback Machine이 없었다면 16%는 완전히 사라졌을 것이다.

보존은 때로 새로운 의미를 만들어낸다. It's a Wonderful Life(1946)는 개봉 당시 상업적으로 실패했다. 저작권 갱신을 놓쳐 퍼블릭 도메인¹⁴이 됐고, TV 방송국들이 무료로 반복 방영하면서 크리스마스 명작으로 재발견, AFI 선정 미국 영화 역사상 11위에 올랐다. 1993년 영화보존위원회는 "보존 없는 접근은 무의미하다(preservation without access is pointless)"고 말했다. 역으로, 접근이 보존을 만들기도 한다.

원칙을 거스르기 : 인터넷 아카이브의 경우

그래서, 인터넷 아카이브는 정말 아카이브인가?

기록학에는 아카이브를 정의하는 원칙들이 있다. 출처(provenance)¹⁵, 원질서(original order)¹⁶, 진본성(authenticity)¹⁷. 놀랍게도, 인터넷 아카이브는 이 모든 것을 위반한다.

출처부터 보자. 기록은 누가, 왜, 어떤 맥락에서 만들었는지가 중요하다. 인터넷 아카이브에서 이 관계는 끊어져 있다. 웹사이트 운영자가 기록을 "이관"한 적이 없다. 크롤러가 일방적으로 "포획"했다. 생산자와 수집자가 다르다. 동의도 없고, 절차도 없다.

원질서는 더 심각하다. 기록은 생산된 맥락과 구조 속에서 보존되어야 한다. Wayback Machine에서 2010년 뉴욕타임스를 열어보면 링크 절반은 깨져 있다. 댓글은 로드되지 않는다. 광고 영역은 비어 있다. 검색은 작동하지 않는다. 2010년에 그 페이지를 방문했던 경험과 전혀 다르다. 껍데기만 남았다.

진본성은 어떤가. 기록은 변경되지 않은 원본 상태여야 한다. 반면, WARC 파일에 저장된 것은 그 시점의 HTTP 응답이다. 바이트 단위로 동일하다. 그런데 그것을 렌더링하는 브라우저는 2025년 것이다. CSS 해석이 달라졌고, JavaScript 엔진이 바뀌었고, 폰트가 다르다. 화면에 보이는 것은 "원본"인가? 원본의 재현인가? 재현의 실패인가?

시간 문제도 있다. 전통적 아카이브는 시간의 연속성을 전제한다. 기록이 생산되고, 관리되고, 이관되는 흐름이 보존된다. 웹 아카이브는 다르다. 크롤러가 방문한 순간만 기록된다. 그 사이의 시간은 없다. 연속적인 타임라인이 아니라 단절된 스냅샷들. 웹 아카이브는 시간을 보존하지 않는다. 시간을 절단한다.

그렇다면 인터넷 아카이브는 아카이브가 아닌가? 아니면 기록학의 원칙들이 웹 시대에 맞지 않는 것인가?

원본을 지키는 것과 허물을 벗는 것

인터넷 아카이브의 필요성은 점점 커지고 있다. 전통적 아카이브 개념으로 웹을 담을 수 없다면, 개념을 확장하거나 새로운 개념이 필요하다. 인터넷 아카이브는 "사라지는 (웹) 문화에 대한 대응"이라는 기능적 정의로 자신을 정당화한다.

그러나 더 근본적인 질문이 있다. 이것이 "보존"의 문제인가?

하버드 도서관의 Dale Flecker는 이렇게 썼다¹⁸: "미래 세대를 위해 디지털 자원을 유지하려면 의식적인 노력과 지속적인 투자가 필요하다(Keeping digital resources accessible for use by future generations will require conscious effort and continual investment)."

전통적 보존과 디지털 보존은 방향이 다르다. 전통적 보존은 원본을 그 자체로 유지하는 것이다. 서고를 짓고, 항온항습을 유지하고, 산성화를 막는다. 조건만 맞으면 물리적 객체는 수백 년을 버틴다. 디지털 보존은 다르다. 포맷이 바뀌고, 재생 환경이 바뀌고, 저장 매체가 바뀐다. 보존하려면 끊임없이 변환하고 이전해야 한다. 원본을 유지하는 게 아니라 주기적으로 새로운 형태로 옮겨가는 것이다.

그래서 웹 아카이빙은 마치 뱀이 허물을 벗으며 살아가는 것과 같다. 파일 포맷이 구식이 되면 새 포맷으로 변환하고(마이그레이션¹⁹), 과거 브라우저에서만 작동하는 페이지는 그 환경을 재현해야 한다(에뮬레이션²⁰). 서버와 스토리지를 유지하고, 접근 경로가 바뀌면 메타데이터를 갱신한다. WARC 파일에 저장된 데이터는 그 자체로는 열어볼 수 없다. Wayback Machine 같은 재생 시스템이 있어야 비로소 웹페이지로 보인다.

이것은 보존이 아니라 유지(maintenance)다. 아니, 더 정확히 말하면 시간과 기술과 애정으로 가꾸어 나가는 돌봄(care)에 가깝다.

막대기 위의 1조 페이지

2024년 10월, 인터넷 아카이브가 해킹당했다.²¹ 3,100만 개 계정 정보가 유출됐다. 해커는 사이트에 메시지를 남겼다: "인터넷 아카이브가 막대기 위에서 돌아가고 있다고 느낀 적 있는가? 언제든 보안 사고가 터질 것 같다고? 방금 터졌다(Have you ever felt like the Internet Archive runs on sticks and is constantly on the verge of suffering a catastrophic security breach? It just happened)."

같은 해, 4대 출판사가 인터넷 아카이브를 상대로 제기한 저작권 소송에서 인터넷 아카이브가 패소했다.²² 도서관이 소장한 물리적 책을 디지털로 대출하는 CDL(Controlled Digital Lending) 모델이 저작권 침해로 판결됐다. 전자책 대출 서비스의 법적 근거가 무너졌다. 음반사들의 소송도 진행 중이다. 해커만 인터넷 아카이브를 공격하는 게 아니다.

인터넷 아카이브는 비영리 단체다. 약 150명의 직원, 대부분 기부와 재단 지원으로 운영된다. 기부가 줄거나, 재단이 관심을 잃거나, 핵심 인력이 떠나면 1조 개의 웹페이지가 위험해진다.

그렇다면 누가 돌봄의 주체가 될 수 있을까? 미국에서는 아키비스트들이 직접 웹 아카이빙을 실천하려 한다. 워크숍²³에서 도구 사용법을 배우고, 웹 전문가가 아니어도 자기 손으로 웹을 저장한다. 한국은 다르다. 웹 아카이빙은 OASIS²⁴ 같은 국가 기관의 몫이다. 아키비스트 개인이 웹을 아카이빙한다는 발상 자체가 낯설다.

완벽하지 않아도 일단 저장한다

인터넷 아카이브는 기성 아카이브의 실패를 보여준다. 출처도, 원질서도, 진본성도, 시간의 연속성도 보장하지 않는다. 기록학이 아카이브에 요구하는 것을 충족하지 못한다.

동시에 인터넷 아카이브는 아카이브가 무엇이어야 하는지 질문하게 만든다. 전통적 개념을 고수하면 웹은 아카이브될 수 없다. 웹의 속성—불안정성, 동적 변화, 분산된 생산—이 전통적 아카이브 개념과 충돌하기 때문이다. 그렇다면 개념을 바꿔야 하는가, 웹을 포기해야 하는가.

인터넷 아카이브는 세 번째 길을 선택했다. 완벽하지 않더라도 일단 저장한다. 불완전하더라도 접근 가능하게 만든다. 이것은 보존이 아니다. 사라짐의 지연이다.

우리는 웹을 아카이브한다고 믿지만, 실제로는 사라짐을 늦추고 있을 뿐이다. 그리고 그 지연조차 누군가의 돌봄에 의존한다.