SchemaRAG: 대규모 법률 스키마 축소와 정형 정보 추출

초록 대규모 법률 계약서나 판결문에서 수백 개의 항목으로 이루어진 법적 서식 및 메타데이터를 정형화하는 작업은 프롬프트의 맥락 길이 폭증과 '중간 망각(Lost-in-the-Middle)' 현상으로 인해 고비용·저효율 문제에 직면해 있습니다. 2026년 발표된 SchemaRAG는 비정형 텍스트 세그먼트의 특성에 따라 전체 스키마 공간에서 필요한 하위 스키마만을 동적으로 검색하고 가지치기(Pruning)하는 혁신적 메커니즘을 제시합니다. 본 고에서는 SchemaRAG의 동적 스키마 프루닝과 Just-In-Time 프롬프팅 동작 원리를 심층 분석하고, 메타데이터 연동 인덱싱 체계와 트레이드오프를 검토합니다. 이를 통해 토큰 연산 비용 절감 및 지연 시간 단축을 달성하면서도 법률 정형 데이터 추출의 정밀도를 향상시키는 기술적 해법을 논증합니다. 최종적으로 Lawmadi OS의 복잡 법률 서식 자동 생성 엔진에 이를 결합하는 실무적 구현 로드맵을 제시합니다.

대형 법무법인이나 기업 준법 감시팀에서 복잡한 수백 페이지의 투자 계약서나 종합 합병 계약서를 분석할 때, AI에게 요구되는 핵심 과제 중 하나는 비정형 문서에서 정형화된 필드(Field)와 메타데이터를 정밀하게 추출하는 것입니다. 그러나 실무 법률 서식은 단순한 이름-값 쌍을 넘어 수백 개 이상의 정교한 속성, 조건부 하위 조항, 엄격한 예외 규칙 스키마를 포함합니다. 이 수백 개의 스키마 정의 전체를 LLM의 입력 컨텍스트에 그대로 주입할 경우, 토큰 연산 비용이 기하급수적으로 증가할 뿐만 아니라 컨텍스트 중간에 위치한 스키마 정의를 모델이 망각하거나 무시하는 'Lost-in-the-Middle' 현상이 필연적으로 발생합니다. 그 결과 인용 조항의 누락, 법적 속성의 오분류, 디코딩 지연이라는 심각한 품질 저하가 초래됩니다. 단순히 컨텍스트 윈도우 크기를 늘리는 단순 확장 방식은 법률 시스템의 실용성과 실시간성을 심각하게 훼손합니다. 본 칼럼에서는 이러한 대규모 스키마 병목을 극복하기 위해 입력 세그먼트별로 필요한 하위 스키마만 동적으로 추출·제공하는 SchemaRAG 프레임워크의 동작 원리와 무결성 확보 방안을 학술적으로 규명하고자 합니다.

핵심 기술 개념

SchemaRAG

비정형 입력 텍스트의 맥락에 맞춰 대규모 정형 스키마 구조를 동적으로 가지치기(Pruning)하고, 축소된 하위 스키마만을 생성 모델에 주입하여 정보 추출의 정확도와 연산 효율을 동시에 높이는 검색증강 추출 기법입니다.

동적 스키마 프루닝 (Dynamic Schema Pruning)

전체 데이터 구조 스키마 중 현재 분석 대상인 문단이나 조항과 관련이 깊은 필드 메타데이터 및 퓨샷 예시만을 벡터 및 그래프 유사도 기반으로 실시간 필터링해내는 기술입니다.

Just-In-Time (JIT) 프롬프팅

대용량 지침이나 정형 스키마 전체를 미리 고정된 프롬프트로 전달하지 않고, 모델이 특정 세그먼트를 처리하는 순간에 필요한 하위 지침만을 실시간 합성하여 주입하는 동적 프롬프트 구성 메커니즘입니다.

기술 심층 분석

1

대규모 스키마 주입의 한계와 Lost-in-the-Middle 구조 분석

비정형 법률 문서에서 정형 데이터를 추출할 때, 대상 스키마가 수백 개의 노드로 확장되면 LLM의 어텐션 메커니즘은 치명적인 입력 병목에 노출됩니다. 전체 스키마 구조와 필드별 제약 조건, 출력 가이드라인을 프롬프트 상단에 배치하고 문서를 하단에 주입할 경우, 셀프 어텐션 행렬에서 스키마 중간 영역에 위치한 세부 정의들에 대한 쿼리-키(Query-Key) 상호작용 상실이 발생합니다. 이는 수식화된 어텐션 점수 분포가 프롬프트의 극단부인 초반부 및 최하단부에 편중되는 위치 편향(Positional Bias) 때문입니다. 실무적으로 법적 책임 제한, 위약벌 조건, 준거법 등 핵심 항목이 프롬프트 중간의 스키마에 정의되어 있을 때, 디코더는 해당 가이드라인을 누락하고 환각된 필드명을 생성하거나 잘못된 데이터 타입을 출력하게 됩니다. 결과적으로 입력 토큰 수가 증가함에도 불구하고 정형 추출의 재현율(Recall)과 정밀도(Precision)가 모두 하락하는 역설적 현상이 나타납니다.

2

SchemaRAG의 동적 프루닝 메커니즘과 메타데이터 연동 인덱싱

SchemaRAG는 대규모 스키마를 단일 계층의 거대한 명세서로 다루지 않고, 각 필드와 하위 속성을 독립된 메타데이터 카드 단위로 파편화하여 지식 그래프 및 임베딩 공간에 체계적으로 인덱싱합니다. 입력 법률 텍스트가 세그먼터(Segmenter)에 의해 조항 및 문단 단위로 분할되면, 각 세그먼트의 덴스 임베딩(Dense Embedding)과 정밀 키워드 메타데이터가 사전 구축된 스키마 인덱스와 상호 교차 검색을 수행합니다. 이 과정에서 상위 코사인 유사도를 기록한 핵심 필드 노드들과 이들과 의존 관계를 맺고 있는 필수 상위 스키마만을 선별하는 프루닝 쿼리가 실행됩니다. 이 단계에서 연관성 점수가 임계값 미만인 수백 개의 불필요한 스키마 노드는 엄격히 가지치기되어 제거됩니다. 이 정밀 필터링을 통해 연산에 투입되는 스키마 복잡도가 획기적으로 낮아지며, 어텐션 스코어가 오직 관련된 법적 메타데이터에만 집중되도록 최적화됩니다.

3

Just-In-Time 프롬프트 합성 및 가중치 제어 디코딩

동적 프루닝을 거쳐 축소된 하위 스키마(Subset Schema)는 Just-In-Time(JIT) 프롬프트 생성기로 전달되어 해당 입력 세그먼트에 최적화된 경량화 프롬프트로 실시간 재합성됩니다. JIT 생성기는 축소된 스키마 구조와 함께, 해당 필드 추출에 특화된 극소수의 고품질 퓨샷(Few-shot) 예시를 동적으로 결합합니다. 이에 더해 LLM 디코딩 단계에서는 정형 출력 스키마의 문법을 강제하는 결정론적 가이드 디코더(Guided Decoder)가 작동하여 JSON 또는 XML 스키마 위반 가능성을 원천적으로 차단합니다. LLM은 수백 개의 필드를 한 번에 고려해야 하는 과도한 인지적 부하에서 벗어나, 현재 주입된 몇 개의 정밀 하위 스키마와 텍스트 세그먼트 간의 일치 여부만을 집중적으로 판단하게 됩니다. 이러한 2단계 프루닝-합성 파이프라인은 추론 속도를 대폭 향상시킬 뿐만 아니라, 하위 구조 추출의 F1 스코어를 끌어올리는 기술적 근간이 됩니다.

4

하위 스키마 파편화 및 경계 누락 오류의 적대적 검증

SchemaRAG의 동적 프루닝 접근법은 명확한 연산 효율을 제공하지만, 스키마 간 교차 참조가 복잡하게 얽혀 있는 법률 문서의 특성상 본질적인 한계점도 존재합니다. 비정형 입력 세그먼트 분석 과정에서 텍스트의 모호함으로 인해 필수적인 하위 스키마 노드가 잘못 가지치기(False Pruning)되는 경우, LLM은 입력 텍스트에 존재하는 법적 사실을 인식하더라도 이를 담을 정형 필드가 없어 해당 정보의 추출을 아예 포기해 버리는 경계 누락 오류를 범하게 됩니다. 이를 해결하기 위해 단순 유사도 기반 검색에 의존하지 않고, 법적 논리 종속성 그래프 기반의 '최소 필수 스키마 확장 기법(Minimum Essential Schema Expansion)'을 도입해야 합니다. 즉, 하나의 필드가 선택되면 상호 결합된 법적 필수 속성 노드들을 자동 동반 검색하는 그래프 트래버설(Traversal) 안전장치를 둠으로써 프루닝으로 인한 정보 손실을 보완할 수 있습니다.

기술적 트레이드오프

긴장 관계 스키마 프루닝 범위를 극도로 좁히면 프롬프트 토큰 비용과 추론 지연 시간을 대폭 감소시킬 수 있지만, 복잡한 법적 상호 종속성을 가진 하위 필드가 누락되어 정보 추출의 완전성(Recall)이 저하될 수 있는 긴장 상태가 존재합니다.

실무적 해소 이러한 긴장을 해소하기 위해 1차적으로 임베딩 유사도 기반의 고속 프루닝을 실행한 후, 추출된 스키마 간의 법적 종속성 그래프를 추적하여 필수 관련 노드를 동적으로 추가 복원하는 2단계 적응형 스키마 확장 알고리즘을 적용합니다. 이와 함께 디코딩 결과물의 필드 채움률이 미흡한 세그먼트에 대해서는 스키마 탐색 경계를 단계적으로 확장하는 재검색 루프를 가동합니다. 이러한 정밀 제어를 통해 정보의 완전성을 보장하면서도 무의미한 토큰 소모를 방지합니다. 결과적으로 실무 환경에서 정보 추출의 재현율과 연산 효율 간의 최적 상한선을 결정론적으로 도출합니다.

법마디 OS에 적용한다면

Lawmadi OS의 비정형 문서 분석 및 고도화 엔진에 SchemaRAG 아키텍처를 도입하여 대규모 법률 서식 자동 추출 파이프라인을 재설계합니다. 먼저 국내외 기업 인수합병 계약서, 손해배상 소장, 판결문 등 수백 개의 필드로 구성된 복잡한 표준 법률 메타데이터 체계를 스키마 지식 그래프 노드로 파편화하여 인덱싱합니다. 비정형 서면 입력 시 문단 단위의 의미적 경계를 판별하는 법률 특화 세그먼터가 작동하며, 각 문단별로 연관된 하위 스키마를 즉시 검색·추출합니다. 축소된 하위 스키마는 Lawmadi JIT 프롬프트 합성기에 투입되어 최소 토큰 크기의 프롬프트로 변환되며, 가이드 디코더와 연동하여 엄격한 정형 JSON 객체로 실시간 디코딩됩니다. 1차 추출 후 스키마 무결성 검증 에이전트가 각 필드 간의 상호 종속성 누락 여부를 정밀 감사하고, 누락 가능성이 높은 영역은 스키마 경계를 확장하여 적대적 2차 재검색을 진행합니다. 이 시스템 도입을 통해 당사 파이프라인의 프롬프트 토큰 사용량 및 디코딩 지연 시간을 크게 절감하면서도, 수백 개 조항이 포함된 대규모 법률 서식 추출 작업에서 정밀도와 완전성을 유의미하게 끌어올릴 수 있습니다. 최종적으로 Lawmadi OS 사용자들에게 복잡한 법률 서면 분석 결과를 실시간 정형 리포트로 지체 없이 제공하는 독보적 무결성 체계를 완성할 것입니다.

기술적 함의

대규모 스키마 기반 정형 추출에서 무조건적인 전체 맥락 주입은 Lost-in-the-Middle 현상으로 인해 수반되는 비효율과 오류의 근원이 된다.
입력 세그먼트 특성에 맞춘 동적 스키마 프루닝과 JIT 프롬프팅은 토큰 비용 절감과 정형 정보 추출 정확도 향상을 동시에 달성하는 핵심 열쇠다.
정형 추출의 무결성을 확보하기 위해서는 단순 벡터 유사도 프루닝을 넘어 법적 종속성 그래프 기반의 구조적 복원 메커니즘이 병행되어야 한다.

"법률 AI의 정밀함은 무작정 거대한 프롬프트를 들이밀 때가 아니라, 지금 분석해야 할 조항에 꼭 필요한 스키마만을 정교하게 다듬어 모델에게 제시할 때 완성됩니다."

참고 자료

칼럼니스트

지유

최고기술책임자 (CTO · Chief Technology Officer)

실리콘밸리 유니콘 창업 멤버급 / AI 무결성 검증 분야 세계적 석학급