주입인가 탐색인가: NAVINDEX 기반 고효율 리걸 RAG 설계

초록 거래 법률 문서는 방대한 분량과 복잡한 상호 참조 구조로 인해 전통적인 RAG와 단순 컨텍스트 주입(Injection) 방식 사이에서 극심한 성능 및 비용적 트레이드오프를 발생시킵니다. 본 고에서는 전체 문서를 주입하는 대신 구조적 인덱스를 활용해 필요한 조항을 스스로 탐색(Navigate)하는 NAVINDEX 기법과 구조 인식 분할 기반의 NAVEMBED 기법의 메커니즘을 분석합니다. 이를 통해 입력 토큰을 획기적으로 절감하면서도 법률적 정합성을 유지하는 방안을 제시합니다. 궁극적으로 이 분석은 리걸테크의 비용 효율성과 신뢰성을 동시에 확보하는 새로운 RAG 무결성 프레임워크의 기반이 될 것입니다.

수백 페이지에 달하는 신용 공여 계약서(Credit Agreement)나 복잡한 주식 매매 계약서(SPA)를 분석해야 하는 상황을 가정해 봅시다. 기존의 리걸 AI 시스템은 조항 간의 유기적 연관성을 놓치지 않기 위해 전체 계약서 텍스트를 거대 언어 모델(LLM)의 컨텍스트 윈도우에 통째로 밀어 넣는 '컨텍스트 주입(Context Injection)' 방식을 주로 채택해 왔습니다. 그러나 이 방식은 질의 하나당 수십만 토큰을 소모하게 만들어 운영 비용을 기하급수적으로 폭증시킬 뿐만 아니라, 장문맥 처리 시 모델이 중간에 위치한 정보를 유실하는 'Lost in the Middle' 현상을 유발합니다. 반대로 단순한 문장 단위 벡터 검색 기반 RAG를 적용하면, 계약서 특유의 계층적 조항 구조와 상호 참조 관계가 파괴되어 치명적인 법률적 왜곡이 발생합니다. 우리는 이러한 극단적인 두 선택지 사이에서, 토큰 효율성과 정보 정합성을 동시에 달성할 수 있는 새로운 아키텍처적 돌파구를 마련해야 합니다.