오늘은 ‘AI가 무엇을 만들었는지 증명하는 일’이 세 방향에서 동시에 제도화되는 흐름이 잡혔습니다. 출력물 표시, 호출 단위 통제, 그리고 그 아래 데이터 신뢰성입니다.
Anthropic이 2026년 8월 2일 이후 출시되는 모든 Claude 제품의 AI 생성 콘텐츠에 기계 판독 가능한 표시(machine readable marking)를 넣는다고 발표했습니다. 이전 모델에 대한 워터마킹 적용 기한은 2026년 12월 2일입니다. 근거는 EU AI법 제50조 제2항으로, 합성 오디오·이미지·영상·텍스트를 생성하는 AI 시스템 제공자는 그 출력물이 인공적으로 생성·조작되었음을 기계 판독 가능한 형식으로 표시해야 합니다. 회사는 워터마크가 비가시적이며 출력물의 품질이나 가독성에 영향을 주지 않는다고 밝혔고, 표시는 텍스트 본문 또는 오디오·이미지·영상의 메타데이터에 담긴다고 설명했습니다.
배경·맥락 EU AI법은 신뢰할 수 있는 인공지능을 촉진하고 EU 기본권헌장이 정한 기본권 보호를 동시에 달성하려는 목적으로 채택되었습니다. 제50조는 투명성 의무를 다루며, 그중 제2항이 합성 콘텐츠의 기계 판독 가능 표시를 규정합니다.
왜 중요할까요? 법률 문서에 AI 생성물이 섞였는지를 사후에 가릴 수 있는 기술적 근거가 생깁니다. 법원·상대방·감독기관이 ‘이 문장이 어디서 왔는가’를 물을 때, 지금까지는 답할 방법이 사실상 없었습니다. 표시가 강제되면 그 질문에 답할 의무도 함께 따라옵니다.
출처: artificiallawyer.comNeota Logic이 스스로를 ‘법무팀을 위한 AI 거버넌스 계층’으로 규정하고, 변호사가 원하는 대규모 언어모델을 통제된 워크플로 안으로 가져올 수 있는 AI 오케스트레이션 기능을 출시했습니다. 회사 설명에 따르면 모든 LLM 호출이 기록되고, 팀이 정한 자체 규칙에 따라 검사되며, 사람의 최종 승인 경로로 라우팅됩니다. 2010년까지 거슬러 올라가는 노코드 법률 워크플로 자동화 회사에서 생성형 AI 거버넌스로 방향을 옮긴 것으로, 회사는 이번 기능이 ‘법무팀이 방어 가능성을 포기하지 않고도 AI 속도로 움직일 수 있어야 한다’는 단일 기준 위에 세운 여러 기능 중 첫 번째라고 밝혔습니다.
배경·맥락 회사는 모델을 워크플로 바깥에 두지 않고 그 안에 배치해, 모델이 잘하는 작업에 한해서만 호출되도록 한다고 설명합니다. 대부분의 도구가 호출과 응답에서 멈추는 것과 대비됩니다.
왜 중요할까요? ‘모델을 부르고 답을 돌려준 뒤 무엇이 틀렸는지는 사용자가 알아서 잡으라’는 구조를 정면으로 문제 삼은 접근입니다. 검증 책임을 사용자에게 떠넘기지 않고 워크플로 안에 두겠다는 설계는, 법률 영역에서 도구가 갖춰야 할 최소 요건에 가깝습니다.
출처: artificiallawyer.comLegal IT Insider 팟캐스트에서 Morae Global의 최고전략책임자 Mathew Crocker가 자사의 AI 도입 조사 결과를 다뤘습니다. 조사는 업계의 빠른 AI 도입 흐름 속에 심각한 데이터 무결성 장벽과 거버넌스 공백이 있음을 보여줍니다. 논의의 핵심은 대부분의 로펌이 리걸 AI 솔루션 자체에 집중하면서 그 솔루션에 무엇을 먹이는지는 덜 고민한다는 점입니다. 신뢰가 없으면 ‘검증세(verification tax)’가 발생해 투자수익을 잠식하며, 로펌은 고객으로부터 빠르게 움직이라는 압박을 받는 동시에 자사 데이터가 오용될 것을 우려하고 있다고 조사는 전합니다.
배경·맥락 Crocker는 Morae에서의 오랜 경력과 2019년 Morae에 인수된 Phoenix Business Solutions의 공동창업자·CEO 이력을 가진 인물로, 진행은 Legal IT Insider 편집장 Caroline Hill이 맡았습니다.
왜 중요할까요? ‘검증세’라는 표현이 문제의 성격을 정확히 짚습니다. 출력물을 사람이 매번 다시 확인해야 한다면 절감한 시간은 검증 시간으로 되돌아갑니다. 도구를 바꾸기 전에 근거 데이터의 신뢰성을 먼저 세워야 하는 이유입니다.
출처: legaltechnology.com세 소식은 같은 축의 서로 다른 층입니다. Anthropic의 워터마크는 출력물 층에서 ‘이것이 AI 생성물인가’를 기계가 답할 수 있게 만들고, Neota의 오케스트레이션은 호출 층에서 ‘누가 언제 무엇을 물었고 누가 승인했는가’를 남깁니다. Morae 조사는 그 아래 데이터 층이 부실하면 위의 두 장치가 있어도 결과를 신뢰할 수 없음을 보여줍니다. 법률 영역에서 중요한 것은 모델의 성능 순위가 아니라, 답변이 무엇에 근거했고 그 근거를 나중에 다시 확인할 수 있는가입니다. 표시·기록·데이터 세 층이 모두 갖춰져야 ‘검증세’가 줄어들고, 그 전까지 절감 효과는 사람이 다시 확인하는 시간으로 상쇄됩니다. 법마디가 생성 이후에 인용을 전수 검증하고 확인되지 않으면 차단하는 구조를 두는 이유도 같습니다 — 근거를 보증하는 계층은 모델과 분리되어 있어야 모델을 바꿔도 품질이 유지됩니다.
"표시하고, 기록하고, 근거를 검증하는 일이 각각 다른 층에서 동시에 제도화되고 있습니다."