오픈AI, 법률 AI 기반 ‘아스트라 포 로’ 공개

오픈AI(OpenAI)가 법률 업무에 맞춘 AI 기반 ‘아스트라 포 로(Astra for Law)’를 공개했다. 최신 모델에 미국 법률 검색, 분석·작성 지침, 로펌의 기존 도구를 연결하는 기능을 묶어 법률 조사부터 계약 검토까지 다루겠다는 구상이다. 법률 AI 업체인 하비(Harvey)와 레고라(Legora)도 이를 자사 제품에 사용할 수 있도록 할 계획이다. 이번 발표에서 눈여겨볼 대목은 모델 성능뿐 아니라 변호사가 출처를 검토하고, 로펌이 고객 정보와 업무 절차를 통제할 수 있게 설계했다는 점이다.

핵심 요약

  • 아스트라 포 로는 GPT-6 아스트라에 법률 검색 색인과 전용 지침을 결합해 로펌과 법률 기술 업체가 자체 업무 도구를 만들 수 있도록 한 기반이다.
  • 오픈AI의 미국 법률 조사 평가에서 전체 정답 기준 통과율은 54.0%로, 같은 모델이 웹 검색만 썼을 때의 38.7%보다 높았다.
  • 미국 판례·법령 등을 찾는 색인은 2억3000만 개가 넘는 URL을 대상으로 하며, 변호사가 답변의 근거를 직접 확인하는 데 초점을 맞춘다.
  • 선정된 로펌에는 제한적으로 먼저 제공되며, 오픈AI는 고객 정보 보호를 위한 데이터 보관·접근 통제 장치도 함께 제시했다.
  • 파트너 제작 플러그인 26개와 로펌별 맞춤 도구는 법률 AI의 경쟁이 답변 생성에서 기존 업무와의 연결로 넓어지고 있음을 보여준다.

법률 AI 업체도 쓸 수 있는 기반

오픈AI가 내놓은 것은 변호사용 대화창 하나가 아니다. 아스트라 포 로는 GPT-6 아스트라(GPT-6 Astra)에 전문 법률 업무용 설정, 도구, 맥락을 더해 로펌과 법률 기술 업체가 각자의 제품과 업무 절차를 구축하도록 하는 기반이다. 하비와 레고라 같은 API 고객도 이 기반을 자사 서비스에 활용할 수 있다. 오픈AI는 향후 새 모델이 나올 때에도 법률 전용 기능을 이어 붙이겠다고 밝혔다.

그 구성은 크게 법률 자료를 찾는 검색 색인과, 찾은 자료를 분석·작성에 활용하도록 돕는 지침으로 나뉜다. 로펌이 쓰는 전문 도구를 ChatGPT에 연결하는 플러그인도 포함된다. 따라서 같은 모델을 쓰더라도 어떤 자료에 접근하도록 허용하고 어떤 검토 절차를 거치게 할지는 로펌과 제품 개발사가 정할 수 있다는 설명이다. 오픈AI가 모델 공급자이면서 업무용 기반까지 제공하려 한다는 점도 이번 발표의 특징이다.

2억3000만 URL에서 법적 근거 찾기

법률 조사에서는 그럴듯한 설명보다 해당 사안에 적용할 수 있는 근거를 정확히 찾는 일이 먼저다. 판결문이나 법령의 관련 부분을 찾아야 하고, 그 근거가 현재 사안에 얼마나 밀접하며 어떤 구속력을 갖는지도 따져야 한다. 오픈AI는 이를 위해 아스트라 포 로에 미국 판례, 법령, 규정, 법원 규칙, 행정 결정 등을 검색하는 색인을 붙였다. 검색 대상은 2억3000만 개가 넘는 URL이며 자료는 매일 추가된다고 밝혔다.

비영리단체 프리 로 프로젝트(Free Law Project)와의 협력도 이 검색 기반에 들어간다. 이 단체가 운영하는 코트리스너(CourtListener)의 판례 자료는 공개된 미국 선례 판례의 99.9% 이상을 포괄한다는 설명이다. 다만 오픈AI는 이 색인이 로펌이 이미 이용하는 유료 콘텐츠나 전문 제품을 대신하기보다 보완한다고 소개했다. 톰슨 로이터(Thomson Reuters) 같은 제공업체의 자료와 함께, 변호사가 답변에 쓰인 법적 권위를 직접 살펴볼 수 있게 한다는 구상이다.

정답률 54.0%가 보여준 개선 폭

오픈AI는 발스 AI(Vals AI)의 ‘법률 조사 벤치마크’ 비공개 검증 세트에서 미국 법률 조사 질문 200개를 시험했다. 평가에는 관련 자료와 문단을 찾는 능력, 조사 답변이 요구 조건을 충족하는지가 포함된다. 두 시스템 모두 추론 수준을 최고로 설정했을 때, 아스트라 포 로는 전체 정답 기준을 54.0% 통과했다. GPT-6 아스트라가 일반 웹 검색만 사용했을 때의 38.7%와 비교하면 상대적으로 40% 개선된 수치다.

찾아낸 근거의 양에서도 차이가 났다. 판례 중심 질문에서 아스트라 포 로는 웹 검색만 쓴 같은 모델보다 참고 판례를 24% 더 많이 찾았다. 별도로 확인한 목표 문단 집합에서는 같은 추론 수준끼리 비교할 때 올바른 판결문에서 관련 문단을 최대 54% 더 많이 가져왔다. 이 수치는 검색 구성을 바꾼 효과를 보여주지만, 변호사의 검토 없이 답변을 채택해도 된다는 뜻으로 제시된 것은 아니다.

판례 검색에서 주장 검토까지

오픈AI는 법률 조사가 업무의 첫 단계라고 본다. 아스트라 포 로의 전용 지침은 찾은 법률 근거를 의뢰인의 사실관계에 적용하고, 주장이나 거래 조건을 만들며, 불리한 근거와 불확실성도 드러내도록 설계됐다. 판결의 핵심 판단과 부수적 언급을 구분하거나, 계약의 예외 조항이 당사자 사이의 위험 부담을 어떻게 바꾸는지 설명하는 작업이 그 예다. 검색 결과를 늘어놓는 것보다 근거와 사실을 연결하는 데 초점을 둔 셈이다.

공개된 예시에는 연간 구매 최소액을 정한 계약과, 계약 전 전달된 과거 평균 주문액이 다른 사건이 등장한다. 오픈AI는 아스트라 포 로가 유사한 사실관계의 선례를 찾아 양측 주장에 영향을 주는 차이를 짚었다고 소개했다. 같은 요청을 받은 경쟁 모델이 소송 사례에서는 항소심에서 뒤집힌 판단을 제시했고, 거래 사례에서는 적절한 판례를 찾지 못했다고도 덧붙였다. 오픈AI는 우선 선정된 로펌에 ChatGPT와 코덱스(Codex)의 ‘트러스티드 액세스(Trusted Access·제한된 대상에 먼저 제공하는 방식)’로 제공하고, API에도 곧 도입할 예정이다.

기밀 유지와 로펌별 권한 설정

법률 업무에 AI를 들이려면 성능만큼 고객 정보의 취급 방식을 정해야 한다. 오픈AI가 적격 로펌을 대상으로 마련한 프로그램에는 API의 제로 데이터 리텐션(Zero Data Retention·요청 데이터를 보관하지 않는 설정)이 포함된다. ChatGPT 엔터프라이즈 이용 내용은 기본적으로 사람의 검토 대상에서 제외된다. 접근 대상도 변호사와 그 감독 아래 일하는 사람으로 한정해 설명했다.

오픈AI는 레이섬 앤드 왓킨스(Latham & Watkins)와 정보 접근 권한, 업무상 정보 차단벽, 고객 지시, 로펌 차원의 감독을 설계하고 있다. 이 장치들은 한 로펌 안에서도 사건이나 고객에 따라 볼 수 있는 정보가 달라지는 현실을 반영한다. 다만 이런 통제는 모델의 답변이 법률적으로 옳은지 판단하는 절차와는 별개다. 로펌은 AI가 무엇을 볼 수 있는지와 결과물을 누가 검토할지를 모두 정해야 한다.

협상안·실사·상장 서류로 넓힌 맞춤 도구

오픈AI의 엔지니어들은 선정된 로펌과 함께 ChatGPT 엔터프라이즈를 각 로펌의 자료와 업무 흐름에 맞추고 있다. 설리번 앤드 크롬웰(Sullivan & Cromwell)은 자체 협상 지침과 선례를 새 거래 계약 검토에 활용하는 분석 도구를 만들었다. 서로 다른 조항을 함께 읽을 때 드러나는 위험을 찾고, 수정 제안과 고객에게 보낼 조언 초안을 만드는 방식이다. 변호사는 그 결과를 검토하고 고칠 수 있다.

로프스 앤드 그레이(Ropes & Gray)는 거래 자료실의 문서를 살피는 실사 도구를 구축했다. 주요 고객과의 계약에 통지나 동의가 필요한지처럼 인수에 영향을 줄 수 있는 질문을 찾아내고, 발견한 내용을 원자료까지 추적할 수 있게 한다. 쿨리(Cooley)의 ‘고 퍼블릭(GO Public)’은 기업공개 서류 작성과 경영진이 살펴야 할 위험을 다루며, 거래 내용이 바뀌면 그 영향을 서류 전반에 반영해 변호사가 함께 검토하도록 한다. 세 사례 모두 로펌이 쌓아 온 판단 기준을 도구에 넣되 최종 검토는 사람에게 남겨두는 형태다.

플러그인 26개와 기존 도구의 연결

오픈AI는 파트너사가 만든 플러그인 26개도 공개했다. 아이매니지(iManage)를 통해 ChatGPT에서 만든 협상 요약을 사건 파일에 저장하고, 인탭(Intapp)으로 시간 기록이 필요할 수 있는 활동을 검토하며, 딥저지(DeepJudge)로 이전 거래와 비교할 수 있다. 톰슨 로이터는 하이큐(HighQ)의 사건 맥락을 ChatGPT로 가져오고, 코카운슬 리걸(CoCounsel Legal) 연결 기능도 예고했다. 법률 조사와 문서 관리, 시간 기록처럼 따로 움직이던 도구를 한 업무 흐름에 잇겠다는 방향이다.

이 가운데 9개는 변호사와 법률 엔지니어가 만든 커뮤니티 플러그인이며, 실무자가 수정하거나 참고할 수 있는 맞춤 기술 47개를 담았다. 오픈AI는 문서 작성에 쓰는 워드(Word)용 ChatGPT도 일반에 제공해 교정, 수정 제안, 서식 오류 표시를 지원한다고 밝혔다. 로펌이 전문 제품을 버리는 대신 자체 자료와 외부 도구를 골라 조합할 수 있다는 것이 오픈AI의 설명이다. 앞으로는 변호사와 법률 기술 파트너의 평가를 바탕으로 모델, 검색 도구, 지침을 함께 개선하겠다고 했다.

커뮤니티 의견

한 사용자는 의료·복지 분야 법률 업무에서 AI가 서로 다른 형식의 문서를 읽고 내부 시스템에 넣을 JSON을 만들자, 시간당 처리량이 23건에서 810건으로 늘었다는 지인의 사례를 전했다. 변호사의 검토와 판단은 여전히 필요하지만 자료 입력의 반복 작업은 크게 줄었다는 주장이다. 답글에서는 모든 데이터 항목을 사람이 다시 확인해야 한다면 실제 시간 절약과 정확도를 어떻게 확인할 수 있느냐고 물었다.

법률 실무 경험이 있다고 밝힌 사용자는 법률 분야 전체를 하나의 시장처럼 말해서는 안 된다고 지적했다. 고액의 개인상해 소송처럼 비용 구조와 업무 방식이 다른 분야에서는 LLM이 변호사를 곧바로 대체하기 어렵다는 견해다. 반면 답글에서는 초급 변호사가 맡던 업무와 채용에는 더 직접적인 영향이 있을 수 있다고 봤다.

직접 AI로 계약서를 작성해 본 사용자는 변호사에게 맡긴 뒤 예상보다 많은 수정을 받았다고 했다. 지나치게 방어적인 조항이 들어가거나 조항끼리 충돌해, 초안을 읽고 검증할 능력이 없으면 위험하다는 경험담이다. 다른 사용자는 AI가 조사와 자료 정리에는 유용하지만 법률 문서 작성은 코딩만큼 잘하지 못한다며, 법률 업무에는 컴파일러나 단위 테스트 같은 즉각적인 검증 수단이 부족하다고 설명했다.

오픈AI가 발표 초반에 하비와 레고라를 언급한 대목을 사업 전략으로 읽는 의견도 나왔다. 한 사용자는 오픈AI가 법률 업무 도구까지 직접 만들면서 기존 법률 AI 고객과 경쟁할 수 있다는 우려를 의식한 메시지라고 해석했다. 이 관점에서는 두 업체가 새 모델을 사용할 수 있다는 약속 자체보다, 모델 공급자와 응용 제품 개발사의 경계가 어디에 놓일지가 중요하다.

AI가 만든 소송 문서가 법원에 더 많이 제출될 수 있다는 걱정도 제기됐다. 답글에서는 법률 업무 역시 생산성을 높여야 한다는 반론이 나왔다. 제출 비용과 시간이 줄어드는 효과를 환영할지, 검토되지 않은 문서가 늘어나는 부담을 더 크게 볼지에 따라 평가가 갈린다.

한 사용자는 발표에 모델의 환각(그럴듯하지만 사실과 다른 내용을 만들어내는 현상)에 관한 설명이 없다고 지적했다. 답글에서는 그 사용자가 연결한 외부 평가가 오히려 GPT-6 아스트라의 환각률을 비교 모델 중 가장 낮게 보여준다는 반박이 나왔다. 어느 쪽이든 법률 업무에서는 단순한 오류 빈도뿐 아니라 잘못된 판례나 문장이 검토 단계에서 발견되는지가 관건이다.

또 다른 사용자는 고도의 AI를 내세우면서 민감한 법률 문서의 안전한 취급도 약속하는 오픈AI의 메시지에 의문을 표했다. 수익성이 높은 법률 분야를 겨냥한 상품 출시를 사업적 동기와 연결한 비판이다. 이 의견은 성능 평가와 별도로, 고객 기밀에 관한 통제 약속을 이용자가 얼마나 신뢰할 수 있는지를 묻는다.

발스 AI의 공개 점수를 비교한 사용자는 아스트라 포 로의 54.0%가 다른 상위 모델의 55.29%보다 조금 낮다고 짚었다. 부분 점수를 적용하면 높은 성적을 내더라도, 모든 요구 항목을 통과해야 하는 엄격한 기준에서는 점수가 떨어진다는 점도 강조했다. 법률 조사에서는 답변 대부분이 맞는 것과 필요한 요건을 빠짐없이 충족하는 것 사이의 차이가 크다는 의견이다.

핵심 통찰

아스트라 포 로가 바꾸려는 것은 변호사의 최종 판단보다 그 판단에 이르는 작업 순서다. 자료를 찾고, 관련 문단을 대조하고, 로펌의 기준에 맞춰 초안을 만드는 시간을 줄이면 변호사는 근거와 위험을 검토하는 데 더 집중할 수 있다. 그러나 토론이 보여주듯 분야별 업무 구조는 다르고, 높은 처리량이 곧 정확한 결론을 보장하지는 않는다. 앞으로 지켜볼 것은 벤치마크 순위만이 아니라 출처 추적, 사람의 재검토 부담, 고객 정보에 대한 권한 통제가 실제 업무에서 얼마나 잘 작동하는지다.


원본: Introducing Astra for Law

토론: Hacker News