오늘의 리걸테크·AI 뉴스 (2026-10-08)

유럽 전역의 고위 사내 변호사(GC) 50명이 모여 AI 도입에 따른 투자 수익률(ROI)과 조직 개편 필요성을 논의했습니다. 참가자들은 AI 도입 성과를 재무 부서(CFO)에 객관적으로 증명해야 하는 강한 압박을 받고 있다고 입을 모았습니다. 단순히 일주일 걸리던 업무를 1시간으로 줄이는 속도전에 매달리기보다, 하루 정도의 적정 검토 시간을 확보해 비즈니스 부서에 고품질의 답변을 제공하는 질적 접근 방식을 채택하는 사례가 나타났습니다. 또한 최초 응답 시간, 외부 로펌과의 협업 시간, 사건 최종 해결 시간 등을 세부 지표로 정량화해 재무팀과 소통하고 있습니다. 참석자 대부분은 법무팀 내부의 AI 활용 성과를 측정하는 공통의 공식 체계를 구축하고 데이터 중심 조직으로의 전환을 도모하고 있다고 밝혔습니다.

배경·맥락 이번 논의는 RSGI가 지난 9월 24일 비공개 토론 원칙(채텀하우스 룰) 하에 개최한 자리에서 다뤄졌습니다. 생성형 AI 기술이 법무 분야에 빠르게 확산되면서 기업 경영진은 실제 법무 부서에서 어떤 실질적인 생산성 개선이 일어나는지 구체적인 수치와 지표를 요구하기 시작했습니다. 기술 도입 초기에는 단순한 신기술 적용 자체가 목적이었으나, 이제는 예산 집행에 걸맞은 명확한 결과물을 내놓아야 하는 현실적인 관리 단계로 접어든 것입니다.

왜 중요할까요? 법무 부서의 AI 도입 기준이 맹목적인 업무 처리 속도 단축에서 법적 검토의 정확도와 품질 향상으로 이동하고 있음을 보여줍니다. 속도만을 좇다 발생할 수 있는 잠재적 위험을 통제하고, 데이터 기반 성과 측정을 통해 법무팀의 비즈니스 기여도를 입증하는 정교한 전략이 자리 잡고 있습니다. 향후 법률 테크 솔루션을 도입하려는 기업들에게도 단순 작업 시간 단축 이상의 질적 지표 관리가 필수적임을 시사합니다.

법률 AI 스타트업 스펠북(Spellbook)이 기존의 계약 수명주기 관리(CLM) 시스템을 대체할 '자율 계약 관리(ACM)' 기능을 정식 출시했습니다. 이 시스템은 접수 양식, 지메일, 아웃룩, 슬랙 등 다양한 경로에서 계약서를 자동으로 가져와 적절한 업무 파이프라인과 담당자에게 분류·배분합니다. 계약서는 팀의 표준 지침(플레이북)에 따라 자동 진단되어 기준 위반 여부와 위험 요소를 즉시 파악할 수 있습니다. 기준에 부합하는 일상적인 계약은 승인 대기로 분류되고, 문제가 있는 부분에는 해결 방안이 제안됩니다. 협상 중에는 중앙 작업 공간에서 다자간 동시 검토 및 버전 비교가 가능하며, 상대방의 수정본(레드라인)을 자동으로 분석해 변경 추적 형태로 수정을 제안합니다.

배경·맥락 스펠북은 생성형 AI를 계약 검토에 선도적으로 도입해 온 리걸테크 기업으로, 이번 ACM 기능은 제한적 시범 운영을 거쳐 일반에 공개되었습니다. 기존 레거시 계약 관리 도구들은 문서의 단순 저장이나 워크플로 전달에 치중해 실질적인 검토와 조항 수정 과정에서 여전히 많은 인력과 시간이 소요되었습니다. 스펠북은 인공지능이 계약 수집부터 위험 진단, 조항 수정, 사후 저장까지 전 과정을 자율적으로 돕는 구조를 목표로 했습니다.

왜 중요할까요? 계약 관리 업무의 자동화 수준이 기존의 문서 관리 보조를 넘어 실질적인 검토 및 수정 권고 단계로 크게 진화했습니다. 변호사들은 반복적인 표준 계약 검토에 쏟는 시간을 대폭 줄이고 복잡한 쟁점 협상에 집중할 수 있게 됩니다. 기업 전반의 계약 처리 속도를 획기적으로 개선하고 잠재적인 계약 불일치 위험을 사전에 방지하는 데 기여할 것으로 기대됩니다.

법률 AI 기업 파일럿5(Pilot5)가 최상위 인공지능 모델 5개를 활용해 법률 쟁점을 상호 검증하는 적대적 AI 솔루션을 출시했습니다. 이 시스템은 변호사의 대리인 입장, 목표, 관할권, 사실관계 등을 구조화해 5개의 모델에 전달합니다. 5개의 AI 모델은 독립적으로 사안을 분석하며, 이 중 '반론자(Contrarian)' 역할을 맡은 모델 1개는 다수 모델이 내놓은 합의 의견을 공격하고 반대 근거를 제시하도록 지정됩니다. 이후 모델들은 출처를 가린 채 서로의 분석을 비판하고 입장을 수정하는 과정을 거치며, 최종적으로 단 하나의 권고안과 함께 가장 강력한 반대 주장을 변호사에게 기록으로 제공합니다. 이 복잡한 토론 과정은 약 15분이 소요되며 7달러 수준의 비용이 듭니다.

배경·맥락 최근 법률 기술 분야에서는 여러 대형언어모델(LLM, 텍스트를 학습해 대화하는 AI)의 의견을 종합하는 다중 모델 전략이 늘어나고 있습니다. 그러나 일반적인 합의 방식은 모델들이 지나치게 순응하거나 취약한 논리를 걸러내지 못하는 한계가 지적되어 왔습니다. 파일럿5는 법정 공방처럼 고의로 반론을 제기하는 적대적 토론 구조를 도입해 논리의 허점을 사전에 파헤치도록 설계했습니다.

왜 중요할까요? 법률 자문에서 필수적인 '상대방의 예상 반론'을 AI를 통해 체계적으로 준비할 수 있게 되었습니다. 변호사는 최종 권고뿐 아니라 이에 맞서는 가장 강력한 법적 반대 논거를 동시에 확보하여 소송이나 협상 전략의 빈틈을 메울 수 있습니다. 인공지능이 스스로 논리적 오류를 비판하고 보완하도록 함으로써 법률 AI의 신뢰성을 한층 끌어올린 사례입니다.

법률 AI 기업 이보(Ivo)가 리버 AI(River AI)와의 협업을 통해 초저비용 오픈소스 계약 전문 모델 '세이지(Sage)'를 출시했습니다. 이 모델은 딥시크(DeepSeek) V4 플래시 모델을 기반으로 법률 전문가들이 생성한 합성 데이터와 공개 데이터를 활용해 장문 계약 업무에 맞게 추가 학습되었습니다. 딥시크 모델의 입력 비용은 100만 토큰(문자 처리 단위)당 0.15달러 수준으로, 기존 프론티어 대형 모델 대비 20배에서 50배가량 저렴합니다. 이보는 강화학습을 거친 후 법률 에이전트 벤치마크(LAB) 계약 통과 기준 점수가 70%에서 91%로 크게 상승했다고 밝혔습니다. 또한 모델이 오픈소스로 공개되어 법률 전문가들이 자체 데이터셋으로 미세조정(Fine-tuning)할 수 있습니다.

배경·맥락 뉴질랜드에서 시작해 샌프란시스코로 확장한 이보는 계약 분석에 들어가는 높은 인공지능 연산 비용 문제를 해결하고자 했습니다. 대형 프론티어 모델은 성능이 뛰어나지만 수많은 계약서를 다루는 기업 실무에 지속적으로 적용하기에는 API 사용료 부담이 매우 컸습니다. 이에 기술 인프라 파트너인 River AI와 손잡고 비용 효율성이 높은 오픈소스 기반 특화 모델을 구축했습니다.

왜 중요할까요? 고성능 법률 AI 도구를 훨씬 적은 비용으로 대규모 계약 업무에 적용할 수 있는 길이 열렸습니다. 법률 조직이 자체 데이터를 활용해 모델 규칙과 안전장치를 직접 수정할 수 있어 기술 종속에서 벗어난 맞춤형 솔루션 구축이 가능해집니다. 막대한 비용 부담 때문에 AI 도입을 망설였던 중소 법무팀이나 로펌의 기술 진입 장벽을 크게 낮추는 계기가 될 것입니다.