과거의 법과 현재의 사실: 시간 제약형 RAG를 통한 법률 AI의 시점 무결성 확보

초록 법률 인공지능이 실제 판결이나 자문에서 신뢰성을 얻기 위해서는 단순히 정확한 법령을 검색하는 것을 넘어, 해당 사건이 발생한 구체적인 '시점'에 유효했던 법령을 적용할 수 있어야 합니다. 본 칼럼에서는 법률 QA 시스템이 직면한 두 가지 핵심 시간적 실패 모드인 '컷오프 이후 진부화(Post-Cutoff Staleness)'와 '최신 편향(Recency Bias)'을 정의하고, 이를 해결하기 위한 '시간 제약형 RAG(Temporal Constraint RAG)' 프레임워크를 제안합니다. 사실관계 내에서 사건 발생 일자(Fact Date)를 정밀하게 추출하고 이를 메타데이터 필터링의 하드 콘스트레인트(Hard Constraint)로 연계하는 메커니즘을 분석합니다. 나아가 시간적 무결성을 보장하는 검색 아키텍처의 트레이드오프를 검토하고, 법마디 OS(Lawmadi OS)에 적용 가능한 실무적 엔지니어링 해법을 도출합니다.

2021년에 발생한 임대차 계약 분쟁에 대해 최신 AI 모델에게 자문을 구하는 장면을 가정해 봅시다. 모델은 주택임대차보호법의 가장 최신 개정안을 기준으로 임차인의 권리를 설명하지만, 이는 명백한 법적 오류입니다. 법률 행위는 행위 당시의 법을 적용하는 '소급입법 금지'와 '행위시법 주의'가 지배하기 때문입니다. 기존 RAG 시스템은 단순히 관련성 점수가 높은 문서를 반환할 뿐, 문서가 생성되거나 효력을 발휘한 시간적 맥락을 인지하지 못합니다. 이로 인해 학습 데이터 컷오프 이후 개정된 법을 놓치는 '진부화' 문제와, 과거 사건임에도 무조건 최신 법령을 들이미는 '최신 편향' 문제가 동시에 발생합니다. 법률 AI의 무결성은 단순히 벡터 공간의 유사도 매칭이 아니라, 법적 효력이 살아 숨 쉬던 역사적 시공간을 정확히 타겟팅하는 것에서 시작되어야 합니다. 본 고에서는 시간적 제약을 검색 파이프라인의 핵심 제어 인자로 편입시키는 기술적 해법을 논증하고자 합니다.