Neo Firm(법률 분야) 사례로 보는 AX(AI Transformation) 시장 요구와 AI-Native 조직을 위한 교육체계의 중요성

Executive Summary

법률 산업에서 “Neo Firm”은 단순히 로펌이 AI 도구를 쓰는 수준을 넘어, AI를 전제로 법률서비스의 생산·조정·통제·의사결정 체계를 재설계한 ‘AI-native 법률서비스 조직’ 을 뜻한다. 이 전환은 규제·시장·기술이 동시에 압력을 가하면서 가속화되고 있으며, 영국 규제기관이 AI 기반 로펌 모델을 공식 승인한 사례는 “AI가 법률서비스 전달 메커니즘이 되는” 방향성을 제도권으로 끌어들였다.1 또한 미국 애리조나의 ABS(Alternative Business Structure) 제도처럼 비(非)변호사 자본과 기술이 법률서비스 수행조직에 결합되는 경로가 열리면서, 계약·실사·규제 검토 같은 대량 업무에서 고정·성과 기반 과금과 에이전트형 워크플로우가 빠르게 확산 중이다.2

AX(인공지능 전환)는 디지털화된 프로세스를 AI로 지능화·자율화해 예측·의사결정·운영체계를 구축하는 변환이며, 법률 분야에서는 이를 “문서 생산 자동화”가 아니라 Structure–Coordination–Control–Decision(SCCD) 전 레이어의 재배치로 봐야 한다.3 이때 성패를 가르는 것은 모델 성능보다 교육체계다. AI literacy가 규범적 의무로 부상하고, 개인정보·보안·감사 가능성 요구가 강화되면서, 교육은 생산성 프로그램이 아니라 거버넌스 증거와 운영 표준을 만드는 인프라가 된다.4

서론

Neo Firm과 AX의 정의

본 보고서에서 “Neo Firm(법률 분야)”은 (1) AI-native 로펌(규제된 법률서비스 제공조직), (2) ABS 등 제도 하에서 법률·기술·자본이 결합된 AI-augmented 로펌, (3) 전통적 로펌 경계 밖에서 법률서비스를 제품화(productization) 하고 에이전트형 경험으로 제공하는 플랫폼형 법률서비스 기업까지 포함하는 시장 개념으로 다룬다. 이런 확장은 법률 규제의 경계가 국가별로 다르고, 실제 시장에서는 “로펌+벤더” 형태보다 “서비스 자체의 재설계”가 먼저 고객가치를 만들어내는 경우가 늘고 있기 때문이다.5

AX(Artificial Intelligence Transformation)는 국토연구원 정의에 따르면 디지털화된 프로세스를 AI로 지능화·자율화하고, 축적 데이터를 기반으로 모델을 학습해 예측·지능적 의사결정 및 자율 운영체계를 구축하는 것을 포함한다.3 법률서비스에서 AX는 “리서치/초안 작성 보조” 수준을 넘어서 업무 흐름(Workflow), 책임(Accountability), 검증(TEVV), 로그(Audit), 의사결정 경계(Autonomy boundary) 까지 포함한 운영모델 변화로 나타난다.6

연구 범위와 질문

이 보고서는 다음 질문에 답한다. 첫째, AI-native 법률서비스 조직(Neo Firm)은 어떤 방식으로 AX를 구현하며(무엇을 자동화하고 무엇을 인간에게 남기는가), 공개 가능한 성과 지표는 무엇인가. 둘째, 이러한 변화가 법률 AX 시장에서 요구하는 역할·역량을 어떻게 재정의하는가. 셋째, SCCD 관점에서 조직이 바뀌는 지점과 교육이 개입해야 하는 지점을 어떻게 설계할 수 있는가.3

Neo Firm 사례 연구

아래 8개 사례는 “타임라인 → AX 액션 → SCCD 조직 변화(핵심 L3 개념 포함) → 성과/지표” 순으로 정리했다. 성과 지표가 공식적으로 공개되지 않은 경우는 unspecified로 표기한다.

Solicitors Regulation Authority 승인 모델과 Garfield.Law

타임라인: 2025년 5월 6일, 규제기관이 AI를 통해 법률서비스를 제공하는 첫 로펌을 승인했다고 발표했다.1 Garfield 측은 2025년 4월 1일 “SRA 승인”을 전면에 내세워 소액 채권(영국·웨일스 소액사건 절차) 회수 지원을 강조했다.7

AX 액션: 핵심은 “소액 채권 회수”라는 고빈도·표준화 영역을 선택하고, 고객이 정보를 업로드한 뒤 각 단계 실행을 승인하면 시스템이 절차 문서를 생성·제출·관리하는 형태로 워크플로우를 제품화한 것이다.

SCCD 변화(핵심 L3):
Structure 측면에서 전통적 피라미드(파트너–어쏘–파라리걸) 대신, AI가 대량 생산을 담당하고 변호사는 프로세스 책임·품질 보증에 집중하는 고(高) span of control 구조가 나타난다(규제기관도 “named regulated solicitors의 궁극적 책임”을 명시).1 Coordination은 회의·메일이 아니라 “업로드–승인–자동 실행”의 표준화된 워크플로우로 흡수된다. Control은 SRA가 요구한 바와 같이 품질 검증, 기밀 유지, 이해상충, 환각(hallucination) 관리 같은 통제 항목이 시스템 요건으로 내재화되며, 초기 단계에서 강화된 모니터링을 둔다.1 Decision은 “완전 자율”이 아니라 고객 승인 후 단계 실행이라는 경계 설정이 핵심이며, 이는 ‘결정 제품(decision product)’을 단계별로 쪼개고 증거(로그)를 남기는 방식으로 구현된다.1

성과/지표: Garfield가 공개한 사례로는 영국 운송 컨설팅사가 7,000파운드 미수금을 “5분 미만 작업, 7.50파운드 비용”으로 회수했다고 제시한다(단일 케이스 기준).8

Norm Law LLP와 Norm Ai

타임라인: 2025년 11월 20일, Norm Ai는 5,000만 달러 규모의 추가 투자와 함께 AI-native 로펌 “Norm Law” 출범을 발표했다.

AX 액션: Norm Law는 “글로벌 기관 고객”을 대상으로 AI 에이전트와 변호사 감독을 결합한 expert-in-the-loop 시스템을 전면에 내세우며, 속도·일관성·감사 가능성(auditability)을 높이겠다고 명시했다. 또한 초기 포커스를 금융서비스 고객에 둔다고 밝혔다.

SCCD 변화(핵심 L3):
Structure는 “법률+엔지니어링 통합”을 전제로 한 Legal Engineering(법률 엔지니어링) 성격의 역할 재편이 핵심이며, 에이전트를 ‘툴’이 아니라 ‘내부 생산라인’으로 취급한다는 점에서 pod(도메인 단위 책임) 설계가 자연스럽게 요구된다(공식 표현은 “integrated from day one”). Coordination은 반복 업무를 에이전트로 표준화하고, 변호사는 예외·고위험 판단에 집중하는 상호조정(mutual adjustment) 범위를 줄이는 방식으로 이동한다. Control은 “감사 가능성”을 목표값으로 못 박는 점이 특징이며, 이는 로그·증적·평가 루프를 운영 KPI와 결합해야 한다는 요구로 이어진다. Decision은 규제·컴플라이언스 성격의 고위험 업무에서 설명가능·추적가능한 결정 경로 자체가 상품성이 되며(결정 제품), 이를 위해 조직은 의사결정 산출물을 문서/정책/로그 패키지로 관리해야 한다(해석: 공시 문구 기반의 운영 설계 요구).

성과/지표: 투자 규모(5,000만 달러 추가)와 총 조달액(1억4,000만 달러 이상) 수준은 공개됐으나, 처리시간·비용 절감 등 운영 성과 지표는 unspecified다.

Eudia Counsel와 Eudia

타임라인: 2025년 9월 3일, Eudia는 애리조나 ABS 제도 하에서 “AI-augmented law firm”을 출범했다고 발표했다.

AX 액션: PR 발표는 “기업 법무 업무가 AI로 운영·변환된다”는 방향을 전면에 두고, 법률서비스 제공조직(Eudia Counsel)까지 수직 통합했다. 로이터는 Eudia Counsel이 계약 및 M&A 실사 등에서 기술을 결합해 корпоратив 고객을 지원한다고 정리한다.

SCCD 변화(핵심 L3):
Structure에서 가장 큰 특징은 규제(소유 규칙) 변화가 조직 설계 옵션을 확장했다는 점이다. 애리조나는 2020년 이후 비변호사 경제적 지분을 허용하는 ABS 체계를 운영하며, Eudia Counsel 역시 이 경로를 활용한다. Coordination은 Eudia 플랫폼을 중심으로 실사/계약 업무를 “대량 문서 분석→이슈 리스트 생성→권고/리스크 정리”로 표준화한다(대외 설명 기준). Control은 “experienced counsel reviewing every output” 같은 인간 검증을 통제장치로 두는 구조이며, 이는 TEVV(테스트·평가·검증·확인)와 같은 운영 표준을 내재화하지 않으면 확장이 어렵다는 신호다. Decision은 “규제된 변호사 입력이 필요한 구간”을 명시적으로 분리함으로써 자율 경계를 설정한다(법률 리스크가 큰 결정은 인간 책임).

성과/지표: Eudia가 고객사 예시를 언급하지만, 처리시간 단축·비용 절감의 정량 지표는 unspecified다.

Crosby

타임라인: 2025년 6월 17일, 투자사 콘텐츠에서 “하이브리드 로펌(법률+엔지니어링)” 모델이 소개됐고, 같은 날 대외적으로 스텔스 해제 및 투자 유치가 보도됐다.

AX 액션: Crosby는 계약(특히 NDA/MSA/DPA) 협상을 “소프트웨어 속도로” 처리하는 것을 목표로 하며, 문서 투입 채널을 Slack·이메일·CLM 트리거로 연결해 에이전트가 처리하고 변호사가 예외 판단과 정확성을 보증하는 구조를 제시한다.

SCCD 변화(핵심 L3):
Structure는 “로펌 내부에 엔지니어가 상주하고, 생산라인을 제품처럼 개선”하는 형태로, pod 단위(계약 유형/고객군) 운영이 자연스럽다(투자사 설명에서 ‘human oversight + AI speed’가 핵심). Coordination은 상호조정 대신 표준화된 파이프라인(투입–처리–레드라인–반환) 으로 비용을 축소한다. Control은 “등록된 로펌 + 보험 + 인간 검토”를 신뢰 장치로 삼고, 이는 audit logs/평가 루프를 운영 KPI(턴어라운드 타임, rework rate 등)와 결합해야 유지된다. Decision은 계약 조건의 수용/거절/대안 제시가 ‘결정 제품’으로 패키징되어야 하고, 그 근거(벤치마크, 조항 정책)가 축적될수록 속도와 품질이 함께 개선되는 학습 구조가 된다(해석: 공개된 운영 구조 기반).

성과/지표: Crosby는 “60분 이내 협상”을 전면 메시지로 내세우고, 2025년 1월 이후 Cursor·Clay·Unify 등을 포함해 1,000건 이상 계약을 검토했다고 공개했다(플랫폼/공식 SNS 기준).

Y Combinator 배치의 General Legal

타임라인: YC 기업 소개 페이지와 공식 사이트에서 “AI-native law firm” 정체성을 명시하며, 상업 계약 업무를 성장 단계 스타트업 대상으로 집중한다.

AX 액션: General Legal은 계약 업무를 “시간당 과금·느린 프로세스”가 아니라, 고객이 원하는 ‘명확한 오너십·실용적 조언·빠른 턴어라운드·합리적 가격’에 맞춰 재구성했다고 밝힌다.

SCCD 변화(핵심 L3):
Structure는 전통적 기능 조직보다 계약 도메인 중심 pod가 적합하며, “누가 이 계약을 끝까지 책임지는가”를 구조적으로 드러내는 것이 핵심이다(사이트에서 ‘clear ownership’을 강조). Coordination은 “대량 계약을 빠르고 예측 가능하게” 처리하려면, 상호조정을 줄이고 표준화(조항 정책·플레이북)와 워크플로우 자동화를 결합해야 한다. Control은 고객 신뢰를 위해 품질 기준과 검증 체계가 선행되어야 하며, 이는 TEVV/로그/리뷰 샘플링 같은 운영 체계를 요구한다(해석: AI-native 모델 선언과 시장 요구의 논리적 귀결). Decision은 계약 리스크를 “정책 기반의 의사결정 산출물”로 만들고, 예외만 인간이 처리하도록 경계를 세워야 한다(결정 제품).

성과/지표: YC는 “계약당 수백~수천 달러 절감, 처리기간을 ‘days’에서 ‘hours’로 단축”한다고 소개한다. 단, CSAT·재작업률 등 품질 지표는 unspecified다.

LegalZoom와 OpenAI의 에이전트 결합

타임라인: 2025년 8월 5일, LegalZoom은 ChatGPT agent 내에서 자사 리소스가 활용되어 “법률 가이던스”를 제공하는 협업을 발표했다. 2026년 3월 12일에는 ChatGPT 안에서 사업자 설립 가이던스를 제공하는 “LegalZoom 앱” 출시를 공지했다.

AX 액션: 핵심은 “상담→가이드→문서/체크리스트→서비스 연결”을 대화형 에이전트 경험으로 재구성해, 사용자의 의사결정 흐름 자체를 제품화한 것이다.

SCCD 변화(핵심 L3):
Structure는 전통 로펌의 피라미드가 아니라 **제품팀(법률 콘텐츠+엔지니어링+규정 준수)**중심의 pod 운영이 본질이며, 변호사는 콘텐츠 승인과 책임 구조에 들어간다(“attorney-backed information” 반복 명시). Coordination은 콜센터/대면 상담이 아니라 에이전트가 사용자의 입력을 구조화해 추천·체크리스트를 제공하는 표준화로 이동한다. Control은 “우리는 로펌이 아니며 법률 자문을 제공하지 않는다”는 경계 고지와 함께, 책임 있는 정보 제공(최신·승인된 지식)과 개인정보/보안 정책이 결합되어야 한다. Decision은 ‘어떤 옵션이 적절한가’라는 결정이 사용자 입력+정책+근거로 패키징된 결정 제품 형태로 제공되며, 서비스 연결 시점에서 인간(변호사 네트워크)로 넘어가는 경계가 설계된다.

성과/지표: 이용자 수·전환율·처리시간 등 정량 지표는 unspecified다.

LawForm과 판례 기반 규제 경계의 이동

타임라인: 2026년 3월, 법률신문은 ‘로폼’의 자동작성 서비스가 “구체적 법적 평가가 개입되지 않는다”는 취지로 변호사법 위반으로 보기 어렵다는 판단이 확정됐다고 보도했다(사건번호 포함).

AX 액션: 로폼은 내용증명 등 문서를 “간단 입력과 클릭”으로 자동 완성(예: 3분 자동완성)을 내세우고, 자동작성 시스템이 양식에 맞춰 문서 완성을 돕고 PDF 다운로드까지 지원한다고 설명한다.

SCCD 변화(핵심 L3):
Structure 측면에서 전통 로펌이 담당하던 “기초 문서 작성”이 제품화되면서, 로펌의 하부 레버리지(주니어의 반복 작업)가 시장 밖으로 이동할 가능성이 커진다(법률시장 구조 재편 신호). Coordination은 문서 작성의 상호조정이 최소화되고 “입력–템플릿–출력” 표준화로 전환된다. Control은 핵심적으로 “법적 평가를 하지 않는다”는 경계 설정이 제품 설계 요건이 되며, 이는 서비스 설계 단계에서 통제(무엇을 자동화해도 되는가)를 먼저 정의해야 한다는 의미다. Decision은 ‘개별 사안 판단’을 배제하고 표준화된 결과물 생산에 집중하는 방식으로, 결정 제품의 범위를 좁혀 리스크를 관리한다.

성과/지표: 로폼은 자동작성·전자서명·보관을 통해 효율을 강조하지만, 비용 절감·처리시간 분포 등 정량 지표는 unspecified다.

Law Firm Daeryun의 에이전틱 전환 실험

타임라인: 2025년 8월 11일, 대륜은 1월 도입한 ‘AI 대륜’의 대규모 업데이트와 함께, AI 기반 법률 서비스 개발을 총괄한 인물을 차기 대표로 선임했다고 밝혔다.

AX 액션: 대륜은 업데이트의 핵심을 “AI 에이전트 기반 구조 → 에이전틱 AI 구조”로의 전환이라고 설명하며, 목표 해결을 위해 복수 작업을 순차·병렬 처리하고 중간 결과에 따라 경로를 수정하는 능력을 강조한다. 별도 서비스 페이지에서도 “실시간 분석–검증된 법률 정보–전문가 연결”을 제시한다.

SCCD 변화(핵심 L3):
Structure 측면에서 기술/경영을 일치시키기 위해 대표 선임까지 연결한 것은, AX를 “IT 프로젝트”가 아닌 운영모델(조직 설계) 과제로 다뤘다는 신호다. Coordination은 고객 Q&A를 에이전트가 처리하고 필요 시 변호사로 연결하는 2단계 라우팅으로 표준화된다. Control은 학습 데이터·출처·품질이 핵심 통제 포인트가 되며(대륜은 학습 데이터 출처를 열거), 향후에는 PIPC·KISA 가이드 수준의 개인정보·보안·로그 체계를 갖추지 않으면 확장이 어렵다. Decision은 고객의 선택·동의와 변호사의 최종 책임 경계를 명확히 하는 “결정 경계 설계”가 필수이며, 이는 변호사 책임(법적/윤리적)과 AI의 비책임성을 구분해야 한다는 업계 문제의식과 맞닿는다.

성과/지표: 대륜은 기능 고도화와 데이터 기반 정교화를 강조하지만, 사용자 수·응답 정확도·업무 시간 절감 등은 unspecified다.

AX 시장 요구 분석

법률 AX에서 수요가 커지는 역량은 “프롬프트 잘 쓰기”보다, 업무를 에이전트가 수행할 수 있게 구조화하고(제품/프로세스), 검증·감사 가능하게 운영하며(거버넌스), 책임 경계를 설계하는 능력이다. 이는 규제기관이 AI 로펌 승인 시 품질·기밀·이해상충·환각을 통제 요구로 제시하고, 개인정보위가 생성형 AI 생애주기 전 단계에 안전조치와 CPO 중심 거버넌스를 요구하는 흐름에서 확인된다.

우선순위 관점에서 요구 역량/역할을 정리하면 다음과 같다.

첫째, AI Literacy(전사 공통) EU AI Act는 운영·사용에 관여하는 직원 및 위임된 인력에 대해 “충분한 AI literacy 확보 조치”를 요구하며, 적용 시점과 집행 일정까지 명시한다(적용: 2025-02-02, 집행 규칙: 2026-08-03부터). 법무 조직에서 이는 ‘윤리 교육’이 아니라, 어떤 업무를 자동화하면 위험해지는지, 어떤 입력이 개인정보·기밀을 침해하는지, 결과물을 어떻게 검증해야 하는지에 대한 실무 훈련을 뜻한다.

둘째, Data Stewardship(데이터/지식 관리자) 개인정보위는 생성형 AI 수명주기를 4단계로 나누고(목적 설정–전략 수립–학습/개발–적용/관리), 학습 단계에서 데이터 오염·탈옥 등 리스크 고려 및 에이전트 관리 방안을 포함하며, 전 과정에서 CPO 중심 거버넌스를 제시한다. Neo Firm이 “감사 가능성”을 경쟁력으로 내세우는 순간, 데이터 출처·권한·보관·삭제·학습 제외 같은 데이터 운영이 곧 품질/준수 역량이 된다.

셋째, Agent Ops(AI Ops 포함) NIST는 AI 위험관리의 코어를 GOVERN–MAP–MEASURE–MANAGE로 제시하고, 위험관리는 지속적·적시적·수명주기 전반에서 수행되어야 한다고 명시한다. 또한 NIST는 TEVV(테스트·평가·검증·확인) 활동을 별도 주제로 운영한다. KISA도 AI 모델·서비스 보호를 위한 보안 안내서를 배포하며, 조직이 AI 보안을 운영 규범으로 다뤄야 함을 강화하고 있다.

넷째, AI-augmented Lawyer(법률 전문가의 역할 재정의) 변호사협회 담론에서도 AI 법률서비스는 판례 검색·계약 검토·문서 작성 등 업무를 지원하지만, 최종 판단과 책임의 문제로 규범·제도적 정합성이 핵심으로 논의된다. 따라서 법률 전문가는 “작성자”에서 “검증자/설계자”로 이동해야 하며, 이를 가능하게 하는 교육이 필요하다.

다섯째, Manager-as-Designer(관리자=조직 설계자) AI 충격으로 청년 변호사 채용 공고가 감소했다는 현장 인터뷰는(수치 포함) ‘업무 레버리지’가 변하면서 조직 설계와 인력 개발의 방식이 달라져야 한다는 경고로 읽힌다.

SCCD 관점에서 본 변화 매핑과 비교표

법률서비스의 고전적 운영모델은 “피라미드 구조 + 상호조정(회의/리뷰) + 절차/감사(사후) + 파트너 중심 의사결정”으로 요약된다. 반면 AI-native 운영은 “pod/도메인 단위 책임 + 워크플로우 표준화 + TEVV/로그 기반 실시간 통제 + 결정 제품 중심 의사결정”으로 이동한다.

구분	Classical(전통 로펌 모델)	AI-Native/Neo Firm 운영	AX 시장 요구(인재/교육)
Structure	파트너–시니어–주니어 레버리지, 인력 확장이 곧 처리량 확대다.	고빈도 업무를 에이전트가 수행하고 변호사는 감독/책임, 도메인 pod로 end-to-end 소유가 강화된다.	span of control 확대를 전제로 한 역할 재정의(Agent Owner, Legal Engineer, Manager-as-Designer) 교육이 필요하다.
Coordination	상호조정(리뷰/회의)과 내부 조정 비용이 크다.	업로드–승인–자동 실행, Slack/CLM 트리거 등 워크플로우 중심 표준화로 이동한다.	워크플로우 모델링·프롬프트/도구 연결·예외 설계 역량(Agent Ops 포함)이 핵심 수요다.
Control	윤리·품질 관리는 개인 숙련과 사후 감사에 많이 의존한다.	TEVV·품질검증·기밀/이해상충·환각 통제가 시스템 요건이 된다.	PIPC 생애주기·KISA 보안 가이드·NIST RMF 기반의 운영 통제 교육이 필요하다.
Decision	파트너 승인 체계로 책임을 담보하지만 의사결정 지연이 발생한다.	고객 승인/인간 검증 경계를 명시하고, 결정 산출물을 로그·근거와 함께 패키징한다(결정 제품).	AI literacy(업무·위험 이해)를 전제한 의사결정 경계 설계와 책임 매핑 교육이 필수다.

AI-Native 조직을 위한 교육체계 설계

교육 설계 원칙

첫째, 교육은 “툴 사용법”이 아니라 운영 표준(Operating Standard) 을 만드는 과정이어야 한다. EU는 AI literacy를 규제 의무로 제시하며, 조직이 교육/가이드를 내부 기록으로 남길 것을 시사한다. 둘째, 개인정보위는 생애주기 단계별 안전조치와 CPO 중심 거버넌스를 요구하므로, 교육은 데이터/개인정보/에이전트 운영을 분리하지 말고 하나의 체계로 다뤄야 한다. 셋째, 보안은 별도 과정이 아니라 AX의 전제조건이다(KISA 안내서 배포 취지).

커리큘럼 템플릿

다음은 “특정 예산 제약 없음(unspecified)”을 전제로 한 표준 템플릿이다.

AX·AI Literacy Core(전사 공통, 6–10시간)
학습목표는 (a) 생성형 AI의 기본 작동과 한계, (b) 법률 업무에서의 환각·출처 오류·기밀 유출 위험, (c) AI 사용 시 책임 경계와 검증 원칙을 이해하는 것이다. 규제 관점에서는 EU AI Act의 AI literacy 요구와, 국내에서는 개인정보위 생애주기 개념을 함께 다뤄 “왜 교육이 준수 이슈인가”를 명확히 해야 한다. 평가는 단순 퀴즈가 아니라 “문서 초안을 생성한 뒤 근거 확인·리스크 라벨링·검증 로그 작성” 과제를 포함해야 한다(감사 가능성 확보).
Domain Workflow Design(12–16시간, 실무형)
계약 검토·실사·규제 검토 중 하나를 선택해, 업무를 태스크로 분해하고 표준화 가능한 구간과 상호조정이 필요한 구간을 구분한다. Garfield처럼 “고객 승인 후 단계 실행”과 같은 통제 설계를 실제 워크플로우로 그리게 하여, 자동화 경계(autonomy boundary)를 설계 역량으로 전환해야 한다.
Governance & Ops(TEVV, 로그, 모니터링)(16–24시간)
NIST AI RMF의 GOVERN–MAP–MEASURE–MANAGE를 운영 루프로 번역하고, TEVV 개념을 실습한다. 개인정보위가 학습/개발 단계에서 데이터 오염·탈옥 등을 언급하고 에이전트 관리 방안을 포함한 점을 반영해, 데이터·프롬프트·권한·필터링·로그의 결합을 운영 정책으로 작성하게 해야 한다.
Legal Engineering Studio(선택, 20–40시간)
Norm Law가 강조한 “purpose-built agents + attorney oversight”와 같은 구조를 실제로 설계하는 과정이다. 산출물은 “결정 제품(정책/근거/예외/로그 포함)” 2개와, 운영 KPI(처리시간, 재작업률, 오류율, 인시던트) 정의서 1개로 제한해 실행성을 확보한다.

역할 기반 트레이닝 패스와 평가

Agent Owner(업무 책임자): 자동화 대상 선정, KPI 설정, 예외 정책을 소유한다. 평가는 “업무 1개를 에이전트 워크플로우로 설계하고, 승인/예외/로그를 포함한 실행 규격서”로 한다.
Data Steward: 데이터 출처·민감도·접근권한·보관/삭제를 설계한다. 평가는 개인정보위 생애주기 4단계를 기준으로 “데이터/개인정보 리스크 등록부(risk register)”를 작성하게 한다.
AI Ops(Agent Ops): 평가(TEVV), 모니터링, 릴리즈, 인시던트 대응을 담당한다. 평가는 “TEVV 계획서 + 모니터링 대시보드(지표 정의) + 사고 대응 런북”으로 한다.
Manager-as-Designer: 조직 구조(pod), 권한, 감사 체계를 설계한다. 평가는 “SCCD 기반 조직 설계안(역할 매핑, 통제 게이트, KPI)”으로 한다.
AI-Augmented Lawyer: 인간 최종 책임자로서 검증·설명·윤리 판단을 수행한다. 평가는 “AI 산출물 검증 리포트(근거·오류 유형·완화 조치)”로 한다.

자격/크레덴셜은 국제 표준 기반으로 “AI 경영시스템” 관점의 요구를 참고할 수 있다. 예를 들어 국내 표준기관은 ISO/IEC 42001이 규제 요구사항과 이해관계자 기대를 달성하고, AI 관련 역할의 책임/책무를 실증하며, AI 리스크를 통제할 수 있음을 강조한다.

mermaid

실행 로드맵과 파일럿 계획

AX 교육은 “전사 일괄 도입”보다 파일럿→확산이 안전하다. 규제기관이 AI 로펌 승인에서 “초기 단계 강화된 감독/모니터링”을 명시한 것처럼, 운영 리스크는 초기에 가장 크다.

준비 단계(0–4주, 예산: unspecified)
첫 파일럿 도메인은 표준화 가능성이 높고 KPI가 명확한 영역이 적합하다(예: NDA 1차 리뷰, 소액 채권 회수, 내용증명 자동작성). 각 도메인별로 “자동화 범위(autonomy boundary)”, “검증 책임자”, “로그 정책”을 문서화하고, 개인정보위 생애주기 모델을 기준으로 데이터/개인정보 리스크를 등록부로 만든다.

파일럿(5–12주, 1–2개 pod, 20–40명)
구성은 Agent Owner 1명, Data Steward 1명, AI Ops 1명, AI-Augmented Lawyer 2~3명, 엔지니어/프로덕트 인력으로 최소화한다. 산출물은 (1) 결정 제품 2개, (2) TEVV 계획 1개, (3) 모니터링 지표/KPI 1세트로 제한한다. NIST AI RMF의 GOVERN–MAP–MEASURE–MANAGE로 운영 루프를 설계하고, 평가(샘플링, 레드팀, 오류 분류)를 주 1회 이상 반복한다.

확산(13–24주, 5–10개 pod)
확산의 핵심은 교육 수료 자체가 아니라, General Legal이 강조한 “clear ownership”처럼 책임 구조와 과금/성과 모델을 바꾸는 것이다. 따라서 (a) “AI-first 워크플로우 설계안 제출”을 리소스 승인 요건으로 만들고, (b) KPI를 billable hour가 아니라 처리시간·재작업률·품질 오류율·준수 지표(로그 완결성 등)로 전환해야 한다.

변화관리 전술은 세 가지가 실무적으로 효과적이다. 첫째, “주니어 일자리 대체”가 아니라 “주니어가 더 빨리 고난도 판단을 배우게 하는 구조”라는 내러티브를 교육 과제로 구현한다. 둘째, AI 산출물 오류를 개인 실수가 아니라 운영 결함(평가·데이터·정책 문제)으로 분류해 학습한다. 셋째, 교육 산출물을 감사 가능한 형태로 남겨 고객/규제 대응력을 강화한다.

리스크·윤리·거버넌스와 실행 권고

주요 리스크와 완화 전략

편향·환각·출처 오류: 규제기관은 AI 로펌 승인 시 환각 위험을 직접 언급하고, 관련 프로세스·품질검증을 요구했다. 따라서 TEVV와 출처 검증(근거 링크, 판례/법령 확인)을 작업 표준으로 만들고, 오류 유형 분류 체계를 운영해야 한다.
책임소재와 설명가능성: “AI는 책임지지 않는다”는 현장 인식이 존재하며, 법률서비스는 최종 책임의 위치가 명확해야 한다. 실무적으로는 결정 제품에 책임자, 근거, 예외 처리, 로그를 포함해 ‘왜 그렇게 판단했는지’를 재현 가능하게 만들어야 한다.
개인정보·기밀·보안: 개인정보위는 생애주기 단계별 안전조치와 CPO 중심 거버넌스를 요구하고, KISA는 AI 보안 안내서를 배포해 조직이 참조할 수 있는 기준을 제공한다. 따라서 Data Steward/AI Ops 역할을 교육·직무로 공식화하고 접근권한·필터링·로깅을 운영해야 한다.
노동시장 충격: 국제적으로 생성형 AI가 고숙련 직무에도 영향을 미칠 수 있다는 분석이 있으며, 국내에서도 채용 감소가 현장 인터뷰로 제시된다. 따라서 교육은 단순 리스킬이 아니라 “과업 재설계 + 커리어 경로”를 포함해야 한다.

HR/L&D 리더와 C-suite를 위한 실행 권고

법률 AX를 ‘문서 자동화 프로젝트’가 아니라 SCCD 재설계 과제로 선언해야 한다. 조직도 개편보다 먼저, 어떤 업무를 표준화하고 어떤 업무를 상호조정으로 남길지(자율 경계)를 정의하는 것이 출발점이 되어야 한다.
역할 기반 프레임(Agent Owner, Data Steward, AI Ops, AI-Augmented Lawyer, Manager-as-Designer)을 직무 체계에 편입해야 한다. 특히 Data/Privacy/보안은 ‘지원 부서 업무’가 아니라 Neo Firm의 핵심 생산설비이므로, 교육 이수와 산출물을 인사 평가 및 운영 감사의 증거로 연결해야 한다.
교육의 평가 단위를 ‘시험 점수’가 아니라 ‘운영 가능한 산출물’로 바꿔야 한다. 결정 제품 2개, TEVV 계획 1개, 운영 KPI 1세트를 표준 산출물로 정하면, 교육–현업 적용–거버넌스가 끊기지 않는다.
가격/성과 모델을 함께 바꿔야 한다. Neo Firm은 ‘시간’이 아니라 ‘결과’를 판매하며, 그 결과를 빠르고 예측 가능하게 만든다. KPIs를 billable hour에서 처리시간·재작업·품질·준수(로그 완결성)로 옮기지 않으면, 교육이 현업에서 무력화된다.
파일럿은 규제/신뢰 요구가 뚜렷한 영역부터 시작해야 한다. SRA 승인 사례가 보여주듯, 품질·기밀·이해상충·환각 대응이 ‘옵션’이 아니라 승인 요건이 될 수 있다. 따라서 초기에 통제 프레임을 강하게 설계하는 것이 확산 속도를 오히려 높인다.
대외 신뢰 전략을 교육과 연결해야 한다. “감사 가능성(auditability)”을 경쟁력으로 선언한 조직은, 결국 교육을 통해 동일한 판단·검증 습관을 조직 전체에 복제해야 한다. 이를 고객 제안서, 품질 보고서, 리스크 공시 체계로 연결해야 한다.

결론과 리더를 위한 다음 단계

Neo Firm의 법률 AX는 “AI를 도입한 로펌”이 아니라, AI가 법률서비스를 생산하는 운영체계가 되고, 인간은 책임·검증·설계로 이동하는 패러다임 전환이다. 이 전환은 규제 승인(SRA, ABS), 시장 압력(비용·속도), 기술(에이전트/워크플로우)이라는 세 축에서 동시에 진행되고 있다.

리더가 바로 실행할 5가지 다음 단계는 다음과 같다. 첫째, 1개 도메인(계약/채권/기초 문서)에서 자동화 경계와 책임 구조를 정의한다. 둘째, AI literacy core를 10시간 내로 표준화하고, 교육 이력을 내부 기록으로 남긴다. 셋째, Data Steward·AI Ops 역할을 공식화하고 개인정보위 생애주기 기준으로 리스크 등록부를 만든다. 넷째, TEVV/로그/KPI를 파일럿 산출물로 고정해 운영한다. 다섯째, 성과 지표를 billable hour가 아닌 “속도·품질·준수”로 전환한다.

우선 참고한 주요 출처

아래는 본 보고서의 핵심 근거로 우선순위를 두고 참고한 1차/공식 출처 목록이다(요청에 따라 URL 형태로 정리).

https://library.krihs.re.kr/library/10350/boards/11994/117926
https://www.sra.org.uk/news/news/press/2025-press-releases/garfield-ai-authorised/
https://www.garfield.law/press/garfield-ai-becomes-first-sra-regulated-legal-ai
https://www.garfield.law/press
https://www.prnewswire.com/news-releases/norm-ai-announces-50-million-blackstone-investment-launch-of-new-ai-native-law-firm-norm-law-302621622.html
https://www.linkedin.com/posts/normative-ai_today-were-introducing-norm-law-the-first-activity-7397278899627491328-fP6r
https://www.prnewswire.com/news-releases/eudia-launches-first-ai-augmented-law-firm-and-expands-access-to-justice-initiative-302544948.html
https://www.reuters.com/legal/legalindustry/legal-ai-startup-eudia-opens-law-firm-under-arizona-program-2025-09-03/
https://crosby.ai/
https://sequoiacap.com/article/partnering-with-crosby-a-law-firm-at-the-speed-of-ai/
https://www.linkedin.com/posts/crosbylegal_hello-world-today-were-introducing-crosby-activity-7340759309384859652-ufKW
https://general.legal/the-firm
https://www.ycombinator.com/companies/general-legal
https://investors.legalzoom.com/news-releases/news-release-details/legalzoom-announces-collaboration-openais-chatgpt
https://investors.legalzoom.com/news-releases/news-release-details/legalzoom-launches-chat-business-formation-guidance-chatgpt/
https://lawform.io/topic/1
https://lawform.io/faq/170
https://www.lawtimes.co.kr/news/articleView.html?idxno=218004
https://www.daeryunlaw.com/broadcast/5519
https://ai.daeryunlaw.com/
https://www.pipc.go.kr/np/cop/bbs/selectBoardArticle.do?bbsId=BS074&mCode=C020010000&nttId=11410
https://www.kisa.or.kr/2060204/form?lang_type=KO&page=&postSeq=19
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf
https://airc.nist.gov/airmf-resources/airmf/5-sec-core/
https://www.nist.gov/ai-test-evaluation-validation-and-verification-tevv
https://ksa.or.kr/ksa_kr/7674/subview.do
https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers
https://artificialintelligenceact.eu/article/4/
https://www.koreanbar.or.kr/pages/news/view.asp?seq=13895&types=2
https://v.daum.net/v/20260409163604239
https://www.imf.org/en/blogs/articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity