오늘의 리걸테크·AI 뉴스 (2026-08-07)

법률 교육기업 BARBRI가 9개 로펌의 리더 10명을 인터뷰한 조사 결과를 2026년 8월 6일 공개했습니다. 조사에 따르면 로펌들은 어떤 변호사가 AI 도구를 켜 보았는지는 파악하지만, 누가 실제로 일하는 방식을 바꾸었는지는 확인하지 못하고 있습니다. 참여 로펌들은 자사의 기술 도입 수준을 스스로 C학점으로 매겼고, 어느 로펌도 주니어 변호사 양성에 필요한 AI 역량 체계를 아직 갖추지 못한 것으로 나타났습니다.

배경·맥락 지난 2년간 로펌의 AI 도입은 도구를 계약하고 배포하는 단계에 집중돼 왔습니다. 이번 조사는 그 단계가 끝난 뒤 정착(adoption)을 무엇으로 확인할 것인가라는 질문을 정면으로 다룹니다. 보고서는 도입을 시작일 뿐이라고 표현하며, 혁신 조직과 교육 조직의 협업이 나아지고는 있으나 아직 취약하다고 지적했습니다.

왜 중요할까요? 효과를 측정하지 못하면 다음 예산 국면에서 도입 자체가 흔들리고, 무엇이 통했는지 모르니 개선도 쌓이지 않습니다. 조사는 시간당 과금 모델을 가장 큰 걸림돌로 지목하면서 교육만으로는 이 장벽을 넘을 수 없다고 봤습니다. 의뢰인 입장에서는 로펌이 AI를 쓴다는 사실보다, 그것이 비용과 처리 속도에 실제로 반영되는지를 물어볼 근거가 생긴 셈입니다.

전자증거개시(e-discovery, 소송에서 전자문서를 수집·검토하는 절차) 기업 DISCO가 사건의 사실관계 기록과 관련 판례를 하나의 화면에서 함께 다루는 제품을 2026년 8월 5일 공개했습니다. 회사는 이를 업계 최초의 통합 소송 솔루션이자 AI 네이티브 애플리케이션이라고 설명했습니다. 현재 5개 로펌과 시범 운영 중이며 2027년 초 정식 출시를 예정하고 있습니다.

배경·맥락 그동안 소송 실무에서 증거 기록과 법리 조사는 서로 다른 도구와 다른 담당자에게 나뉘어 있었습니다. 그 결과 한 사건에서 얻은 지식이 다른 사건으로 이어지지 못하고 개별 변호사에게 흩어져 남는 문제가 반복돼 왔습니다. DISCO는 증거와 주장과 법적 근거를 사건 안팎으로 연결하는 방식으로 이 단절을 메우겠다고 밝혔습니다.

왜 중요할까요? 사실관계와 법리를 따로 다루면 어떤 증거가 어떤 법적 주장을 뒷받침하는지가 사람의 기억에 의존하게 됩니다. 둘을 같은 화면에서 연결하면 그 대응 관계가 기록으로 남아 검증할 수 있는 형태가 됩니다. 회사는 향후 소장 제출부터 판결까지 소송 전 과정으로 범위를 넓히겠다고 밝혀, 소송 지원 도구의 경계가 재편될 가능성을 보여 줍니다.

미국 로펌 Taft 의 소송 파트너 Chris Ryan 이 만든 BenchSim 이 2026년 8월 5일 소개됐습니다. 변호사가 준비서면을 올리면 AI 가 이를 400~750단어 분량의 사건 요지로 정리하고, 이용자는 공격적·과묵함·중립의 세 가지 재판부 성향 중 하나를 골라 구술 변론을 연습할 수 있습니다. 연습이 끝나면 0에서 100 사이 점수와 함께 주장의 강점, 약점, 결정적 순간을 짚은 강평이 제공됩니다.

배경·맥락 구술 변론은 실제 법정에 서기 전에는 연습할 기회가 거의 없는 영역이었고, 모의 변론은 동료의 시간을 많이 필요로 했습니다. 생성형 AI 가 문서 초안 작성에서 실무 훈련 쪽으로 확장되는 흐름 위에 놓인 시도로, 항소심과 1심 변론 모두에 적용된다고 소개됐습니다.

왜 중요할까요? 재판부 성향을 바꿔 가며 같은 주장을 시험해 볼 수 있다는 점은 변론 전략을 사전에 점검하는 새로운 방식입니다. 다만 소송 자료는 민감도가 높아 보관 정책이 관건인데, 이 서비스는 원본 문서를 수 초 안에 서버에서 삭제하고 세션 요지는 브라우저에만 두어 데이터베이스에 저장하지 않는다고 밝혔습니다. 도구의 성능만큼 자료 취급 방식을 함께 확인해야 하는 이유입니다.

Draftwise 의 Jesse Hampton 이 2026년 8월 6일 기고에서, 로펌이 어떤 AI 공급사를 쓰든 자기 지식과 경쟁우위에 대한 소유와 통제를 유지해야 한다는 의미로 'AI 주권'을 정의했습니다. 그는 외부 AI 연구소가 문서를 직접 보지 않더라도 이용 패턴만으로 전략적 정보를 읽어 낼 수 있어, 이른바 무보존 정책(Zero Data Retention)만으로는 충분하지 않다고 지적했습니다.

배경·맥락 기고는 두 가지 위험을 구분합니다. 하나는 연구소가 사용 신호를 관찰해 경쟁 제품을 만드는 역량 흡수이고, 다른 하나는 가치 있는 업무 흐름을 확인한 뒤 직접 그 시장에 들어오는 수직 진입입니다. 두 경로 모두 로펌이 축적한 업무 지식이 외부 플랫폼 쪽에 쌓이는 결과로 이어진다는 문제의식입니다.

왜 중요할까요? 해법으로 제시된 것은 펀드, 거래상대방, 계약 조항, 의무처럼 로펌이 다루는 개념과 관계를 구조화해 두는 온톨로지입니다. 이렇게 해 두면 AI 모델은 갈아 끼울 수 있는 부품이 되고, 필요한 부분만 외부 모델에 전달되며, 거래가 끝나도 자산은 로펌에 남습니다. 필자는 모든 것을 한 번에 모델링하지 말고 한 분야에서 좁게 시작하라고 권했습니다.