오늘의 리걸테크·AI 뉴스 (2026-08-22)

리걸 AI 기업 하비가 첫 사후학습 오픈웨이트 모델 '테넷'의 벤치마크 성능을 공개했다고 아티피셜 로이어가 8월 21일 전했습니다. 테넷은 Kimi K3 기반 모델을 파이어웍스 연구팀과 함께 장기 과제 수행용으로 사후학습(공개된 모델 가중치를 특정 업무에 맞게 추가로 학습시키는 것)한 것입니다. 하비는 지난 6개월간 오픈웨이트 모델로 최전선 법률 지능을 만드는 것과, 로펌이 자체 특화 모델을 만들어 스스로 소유하게 하는 것을 두 목표로 삼아 왔다고 밝혔습니다. 하비 자체 평가 도구인 리걸 에이전트 벤치에서의 점수는 20% 이하로, 아티피셜 로이어는 이 수치가 낮다는 점을 그대로 짚었습니다.

배경·맥락 오픈웨이트 모델은 가중치가 공개되어 각 조직이 내부에서 직접 돌리고 손댈 수 있는 모델을 말합니다. 보도에 따르면 톰슨로이터가 자체 오픈웨이트 모델을 개발하고 있고, 커클랜드도 팰런티어의 도움을 받아 특정 분야에서 같은 시도를 하고 있습니다. 하비는 학습 데이터에 대해 머코 등과 협업해 전문가 데이터셋을 구축하고 합성 데이터로 보강했다고만 밝혔고, 어느 로펌의 실제 업무 자료가 쓰였는지는 특정하지 않았습니다.

왜 중요할까요? 이 소식의 핵심은 성능 수치 자체가 아니라, 로펌이 남의 모델을 빌려 쓰는 데서 자기 모델을 갖는 쪽으로 옮겨갈 길이 열리는지에 있습니다. 아티피셜 로이어는 에이전트가 복잡한 법률 업무를 처음부터 끝까지 해내는 능력이 아직 낮다는 점을 인정하면서도, 그 수치가 올라가는 순간 시장의 성격이 달라진다고 봤습니다. 일반 이용자에게는 아직 사람의 감독이 필수라는 뜻이고, 동시에 누가 모델을 소유하는가가 법률 서비스의 원가와 신뢰를 함께 좌우하게 된다는 신호입니다.

리걸테크 컨설팅 하버의 AI 전략 총괄 루디 디펠리스는 리걸 IT 인사이더 인터뷰에서 토큰 보조금 시대는 끝났다고 말했습니다. 구독형에서 사용량 과금으로 옮겨가는 흐름을 두고, 그는 비용만이 이유가 아니라고 지적했습니다. 하나는 주권 위험으로 특정 국가의 개입으로 모델 접근이 끊길 수 있다는 것이고, 다른 하나는 고객 위험으로 의뢰인이 특정 국가의 모델이나 인터넷에 호스팅된 환경의 사용을 금지하는 경우입니다. 그가 제시한 해법은 여러 모델을 내부와 외부에 함께 두고 작업 성격에 따라 갈라 보내는 다중 모델 구조입니다.

배경·맥락 문서 요약이나 조항 추출 같은 작업은 값싼 모델로도 충분하지만 추론과 전략 판단에는 다른 모델이 필요하다는 것이 그의 설명입니다. 그렇게 보면 이것은 오히려 조달의 문제가 되고, 로펌이 과거에 변호사와 법무보조와 비서에게 업무를 나눠 맡겼던 방식을 도구 조합에 그대로 적용할 수 있다고 그는 제안했습니다. 그런 방식으로 비용의 70~80%를 아꼈다는 주장이 나온다고도 전했습니다. 대형 업체들이 인프라에 800억~1,000억 달러를 쓰는 상황이라 값싼 토큰 가격이 지속될 수 없었다는 진단도 함께 내놨습니다.

왜 중요할까요? 법률 AI의 값이 정액에서 사용량으로 바뀌면, 이용자가 지불하는 금액은 얼마나 좋은 모델을 쓰는가가 아니라 어떤 일에 어떤 모델을 붙였는가에서 갈립니다. 지출 상한만 걸어 두는 방식은 사건 도중에 도구를 끊어 버릴 위험이 있어 대안이 되기 어렵다는 지적도 나왔습니다. 특정 모델 하나에 전부를 걸지 않는 설계가 비용 문제이자 동시에 서비스 연속성 문제라는 점이, 법률 AI를 쓰는 쪽에서 가장 먼저 확인해야 할 대목입니다.

리걸 IT 인사이더의 수석 분석가 닐 캐머런이 로펌용 에이전틱 운영체제 리걸팹을 두 시간 시연받고 질의서와 아키텍처 문서까지 검토한 결과를 공개했습니다. 리걸팹은 문서관리와 사건관리, 회계, 메일을 넘나드는 AI 에이전트를 누가 감독할 것인가라는 공백을, 해석 층과 거버넌스 층과 에이전트를 한꺼번에 소유하는 방식으로 메우겠다고 밝혔습니다. 구조는 자산 전체에서 실체를 식별해 잇는 지식 패브릭, 에이전트 팀을 구성하는 에이전틱 스튜디오, 그리고 컴플라이언스·이해충돌 유틸리티의 세 층입니다. 원본 기록은 로펌 경계 안에 남기고 해석된 층만 저장한다는 복사하지 않고 연결한다는 원칙이 설계의 중심이라고 설명했습니다.

배경·맥락 시연에서 가장 구체적으로 드러난 것은 자금세탁 위험 판정 절차였습니다. 완료가 임박한 부동산 거래에서 아무도 모르는 상대방에게 자금을 보내 달라는 메일이 오면, 시스템이 위험 점수를 매기고 어떤 내부 규칙이 발동했는지 밝힌 뒤 통보 금지 의무를 고려해 조용한 배경 조사를 제안하고, 결과를 규제기관 서식에 담아 결재 경로로 넘긴다는 흐름입니다. 캐머런은 규제 변경을 담당 팀이 알게 되는 시점과 시스템에 반영되는 시점 사이의 간격을 한 화면으로 줄인 점을 가장 중요한 대목으로 꼽았습니다.

왜 중요할까요? 이 검토가 값진 이유는 칭찬과 경고를 같은 글에 담았다는 점입니다. 캐머런은 권한이 있는 사용자가 로펌 전체에 영향을 주는 규칙을 바꿀 수 있다는 사실을 지적하며, 로펌이 가장 먼저 시험해야 할 것으로 권한 분리와 이중 승인, 이력과 되돌리기, 감사 추적을 들었습니다. 의심거래보고 여부의 판단은 형사법상 의무가 걸린 영역인데, 문서를 30초에 조립하는 시스템은 사람이 서명하든 말든 그 판단의 성격 자체를 바꿔 놓습니다. 자동화의 값을 재려면 그 자동화가 무엇을 대신 결정하는지를 함께 재야 한다는 뜻입니다.

법률 실무 소프트웨어 기업 클리오가 의뢰인 접수 제품 클리오 그로우에 AI 기능인 그로우 AI를 도입했다고 8월 20일 발표했습니다. 전화선과 메일함, 웹사이트 채팅을 지켜보다가 문의가 들어오면 즉시 응답하고, 질문에 답하며 연락처와 사건 정보를 받아 로펌 자체 기준과 이해충돌 규칙으로 걸러 상담 예약까지 잡습니다. 클리오는 그 판단 기준이 로펌의 과거 사건 이력에서 나온다고 설명했습니다. 수임한 사건과 거절한 사건, 지난 결과가 모두 신호가 되어 그 로펌이 이기는 사건의 모양을 학습한다는 것입니다. 요금은 전환된 의뢰인 1건당 25달러이고, 전환되지 않으면 청구하지 않습니다.

배경·맥락 클리오가 근거로 든 자사 리걸 트렌드 리포트에 따르면, 의뢰인이 될 가능성이 있는 사람의 79%는 24시간 안에 답을 기대하지만 로펌의 67%는 메일 문의에 답하지 않고 48%는 전화 문의에 답하지 않습니다. 문의가 업무 시간 밖에 들어오는 경우도 많은데, 아직 상당수 로펌이 전화와 메일과 웹 양식을 사람이 직접 지켜보며 선별하고 있다는 것이 클리오의 진단입니다. 음성 응답 기능은 현재 미국에서만 쓸 수 있고, 나머지 기능은 전 세계에서 제공됩니다.

왜 중요할까요? 이 소식이 겨누는 것은 기술의 새로움이 아니라 응답 자체의 부재입니다. 도움을 구하는 사람이 연락을 했는데 아무 답을 받지 못하는 일이 절박함의 첫 관문에서 반복되고 있다는 것이 보도된 수치의 뜻입니다. 클리오의 최고제품책임자는 두 명짜리 사무소가 콜센터나 마케팅 부서 없이도 큰 로펌과 겨룰 수 있어야 한다고 말했습니다. 다만 문의를 걸러 점수를 매기는 기준이 과거에 수임한 사건에서 나온다면, 그 기준에 걸러진 사람은 왜 걸러졌는지 알 수 없다는 점도 함께 봐야 합니다.