오늘의 리걸테크·AI 뉴스 (2026-10-31)

넷도큐먼츠(NetDocuments)의 최고경영자(CEO) 조시 벡스터는 자사 콘퍼런스에서 문서관리시스템(DMS)이 로펌의 '조직 인텔리전스 레이어(지능 계층)'로 진화하고 있다고 밝혔습니다. 변호사들이 클로드(Claude), 하비(Harvey), 레고라(Legora), 챗GPT(ChatGPT) 등 다양한 인공지능(AI) 도구 안에서 업무를 수행하는 흐름에 발맞추어, 넷도큐먼츠는 로펌 내부의 맥락과 데이터를 안전하게 보존하고 사용자가 선택한 인터페이스에 연결해 주는 역할을 맡겠다는 구상입니다. 벡스터 CEO는 향후 DMS가 화면 인터페이스가 사라진 '헤드리스(Headless)' 형태가 될 수도 있다고 진단했습니다. 그는 법률 AI를 기본 AI 모델, 사용자가 교체할 수 있는 도구 하네스(Harness), 그리고 가장 오래 지속될 로펌의 데이터와 맥락 등 3개 계층으로 구분했습니다. 특히 문서 인텔리전스 파이프라인, 의미론적 임베딩, 컨텍스트 그래프를 통해 파트너 변호사가 은퇴한 뒤에도 협상 과정과 도출 결과를 조직 자산으로 유지할 수 있다고 강조했습니다.

배경·맥락 최근 법률 시장에서는 단일 AI 솔루션에 종속되기보다 업무 성격에 따라 다양한 생성형 AI 모델과 도구를 유연하게 전환해 사용하는 추세가 뚜렷해지고 있습니다. 이 과정에서 로펌이 과거에 축적한 사건 기록, 계약 협상 이력, 고유한 문서 서식 등 핵심 데이터가 여러 외부 도구로 흩어지거나 소실될 위험이 제기되어 왔습니다. 넷도큐먼츠는 올랜도에서 열린 연례 콘퍼런스 '인스파이어(Inspire)'를 통해 데이터 보존과 문맥 그래프 기술을 전면에 내세웠습니다. 자체 벤치마킹 결과에 따르면 조직의 컨텍스트 그래프를 기반으로 AI 작업을 구동할 때 유의미한 업무 정확도와 성과 향상이 확인된 바 있습니다.

왜 중요할까요? 이번 발표는 법률 IT의 중심축이 개별 AI 모델 개발 경쟁에서 '데이터 맥락과 지식의 중앙 통제'로 이동하고 있음을 보여줍니다. 로펌 입장에서는 담당 변호사의 퇴사나 이직에 따른 지식 단절 문제를 완화하고, 조직 차원의 협상 노하우를 영구적인 데이터 자산으로 축적할 수 있게 됩니다. 또한 특정 거대 기술 기업의 AI에 종속되지 않고 언제든 최신 AI 모델을 갈아끼울 수 있는 구조적 유연성을 확보하게 됩니다. 궁극적으로는 의뢰인에게 일관되고 검증된 품질의 법률 서비스를 보다 신속하게 제공하는 기반이 마련될 것으로 기대됩니다.

전자증거개시(e-디스커버리) 전문 기업 에버로(Everlaw)는 샌프란시스코 연례 서밋에서 사건 조사를 자율적으로 돕는 에이전틱 AI 도구 '옴니(Omni)'를 공개했습니다. 이와 함께 복잡한 문서 검토를 자동화하는 드래그 앤 드롭 도구 '워크플로(Workflows)'와 원본 문서로 즉시 연결되는 워드 애드인 '에버로 포 워드(Everlaw for Word)'도 선보였습니다. 그러나 에버로 창립자이자 CEO인 AJ 샨카르는 고객들이 모델 컨텍스트 프로토콜(MCP) 커넥터를 통해 외부 AI 도구와 연동하는 '에버로 에브리웨어(Everlaw Everywhere)' 전략에 훨씬 더 큰 열광을 보였다고 밝혔습니다. 현재 클로드, 챗GPT, 코파일럿, 제미나이 등 범용 도구는 물론 하비, 레고라 등 법률 특화 AI와의 연결을 지원하고 있습니다. 에버로는 고객에게 MCP 커넥터 사용료를 별도로 청구하지 않고 있으며, 연동 사용량이 매달 두 배 이상 증가하고 있습니다.

배경·맥락 전자증거개시는 소송 과정에서 대규모 디지털 자료를 분석해 증거를 찾아내는 핵심 절차로, 최근 방대한 데이터양으로 인해 AI 에이전트 도입이 가장 활발한 분야 중 하나입니다. 그러나 실무 현장에서는 로펌마다 사용하는 분석 도구가 달라 플랫폼 간 데이터 단절과 비효율이 빈번하게 발생했습니다. 에버로는 자사 플랫폼 안에 사용자를 가두는 폐쇄적 전략 대신, 개방형 연결 표준인 MCP를 채택하여 외부 AI 시스템이 에버로의 방대한 증거 데이터에 안전하게 접근할 수 있는 통로를 열어주는 방향을 선택했습니다.

왜 중요할까요? 소송 실무진은 이제 단일 플랫폼에 얽매이지 않고 자신이 선호하는 법률 특화 AI나 범용 대형언어모델을 사용해 에버로 내 소송 문서를 직접 탐색하고 분석할 수 있게 되었습니다. 에이전트 기반 AI 도구의 등장으로 방대한 전자 문서 검토에 소요되던 시간과 비용이 대폭 절감될 전망입니다. 플랫폼 기업이 연동 비용을 무료화함으로써 법률 시장 내 개방형 생태계 전환이 더욱 가속화될 것으로 보입니다. 이는 대형 로펌뿐 아니라 소송 비용 부담이 큰 중소 의뢰인들의 사법 접근성을 개선하는 데에도 긍정적인 영향을 미칠 수 있습니다.

보스턴에서 열린 클리오콘(ClioCon) 콘퍼런스에는 법률 AI 기술을 업무에 접목하고자 하는 3,000여 명의 참가자가 모여들어 뜨거운 관심을 보였습니다. 행사 현장에서는 기술 도입에 적극적인 실무진의 열기가 확인된 반면, 직전에 열린 예일 로스쿨 임상 프로그램 토론회에서는 전미 로스쿨 교육자 약 40명이 AI 교육 도입에 깊은 우려와 경계감을 표한 것으로 전해졌습니다. 법학 교육자들은 로스쿨 학생들이 AI에 과도하게 의존할 경우 법조인의 핵심 역량인 비판적 사고와 효과적인 작문 능력을 상실할 수 있다고 지적했습니다. 앞서 UC 버클리 로스쿨 역시 사고력이 훌륭한 법률 업무의 필수 불가결한 요소라는 이유로 엄격한 학생 AI 사용 제한 정책을 도입한 바 있습니다. 이처럼 법률 실무 현장의 빠른 기술 수용과 학계의 신중론 사이에서 뚜렷한 시각차가 드러나고 있습니다.

배경·맥락 클리오는 대규모 연례행사인 클리오콘을 통해 소형 로펌부터 대형 조직까지 아우르는 법률 관리 솔루션과 최신 AI 도구를 선보이며 시장을 주도하고 있습니다. 반면 미국 주요 법학전문대학원들은 생성형 AI 확산에 따른 표절, 기초 역량 저하, 학습 평가의 왜곡 등을 이유로 AI 도입 지침을 엄격히 강화하는 추세입니다. 실무와 교육 현장의 이러한 격차는 기술 발전의 속도와 전통적 법률 훈련 방식 간의 구조적 충돌을 보여줍니다.

왜 중요할까요? 법률 AI가 실무 시장에서는 필수 도구로 정착해 가고 있는 반면, 이를 다룰 미래 변호사를 양성하는 교육 체계는 여전히 신중한 통제에 집중하고 있음을 시사합니다. 이러한 시각차는 향후 신임 변호사들이 로펌에 입사했을 때 요구되는 실무 기술과 대학에서 배운 역량 사이에 미스매치를 유발할 수 있습니다. 법조계 전체가 기초 사고력 훈련을 해치지 않으면서도 AI 활용 역량을 체계적으로 가르칠 수 있는 새로운 교육 표준을 마련해야 하는 과제를 안게 되었습니다.

글로벌 로펌 BCLP의 부동산 부문 혁신 총괄 브라이언 케네디는 진정한 AI 도입의 기준이 단순한 선택적 도구 사용을 넘어 '핵심 업무 흐름(워크플로)의 필수 일부'로 자리 잡았는지 여부에 있다고 밝혔습니다. 법률 실무와 혁신 분야에서 20년의 경력을 지닌 케네디 총괄은 런던에서 열리는 '리걸 이노베이터스 UK' 행사를 앞두고 AI를 단순 탐색 단계에서 대규모의 구조적 도입 단계로 전환하는 방안을 제시했습니다. 그는 로펌 내 혁신의 본질이 인재와 프로세스, 기술을 결합하여 가치를 높이는 것이라 정의했습니다. 과거 혁신팀이 문제 해결을 위한 기술 발굴과 채택에 머물렀다면, 현재는 AI 네이티브 워크플로 구축과 조직 문화 재편을 통한 실질적 경쟁 우위 확보를 요구받고 있습니다.

배경·맥락 생성형 AI 기술이 법률 시장에 도입된 초기에는 개별 변호사들이 문서 요약이나 초안 작성 등에 도구를 시험적으로 사용하는 PoC(개념 검증) 단계가 중심이었습니다. 그러나 단발성 도구 도입만으로는 실질적인 비용 절감이나 업무 생산성 향상으로 이어지지 않는다는 한계가 드러났습니다. 이에 따라 유수의 대형 로펌들은 일상적인 법률 업무 절차 전체를 AI 기반으로 재설계하는 구조적 접근에 집중하기 시작했습니다.

왜 중요할까요? 로펌의 AI 경쟁력이 단순히 어떤 소프트웨어를 구독하느냐가 아니라, 기존 업무 프로세스를 얼마나 AI 중심적으로 근본 재설계했는지에 따라 갈릴 것임을 명확히 보여줍니다. 업무 흐름 전반에 AI가 결합되면 표준화된 업무 처리 속도가 대폭 향상되고 인적 오류가 줄어들 수 있습니다. 법률 서비스를 이용하는 기업 고객 역시 로펌을 평가할 때 단순 기술 보유 여부가 아니라 실제 워크플로 통합을 통한 서비스 효율성을 핵심 기준으로 삼게 될 것입니다.