기술 요약: 확률적 유사성을 넘어

문제 정의

본 논문은 현재의 검색 증강 생성(RAG) 패러다임과 법률 도메인의 특정한 존재론적 요구사항 사이의 체계적인 구조적 불일치를 식별한다. RAG가 법률 AI의 환각 현상을 완화하기 위해 채택되어 왔음에도 불구하고, 시스템이 실제 문서를 시대착오적이거나, 구조적으로 불완전하거나, 제도적 근거가 결여된 방식으로 인용하는 고위험 실패 사례가 지속되고 있다. 저자들은 이러한 문제가 언어 모델의 규모를 키운다고 해결될 수 있는 잔여적 혼란(confabulations)이 아니라, 근본적인 결함의 증상이라고 주장한다. 즉, 지배적인 검색 아키텍처는 **근사적 의미 유사성(approximate semantic similarity)**을 최적화하는 반면, 법적 정확성은 **유효성 근거 설정(validity grounding)**을 요구한다는 것이다.

법적 정확성은 텍스트의 인접성이 아니라 다음 세 가지 조건에 의해 정의된다:

1. 계층적 유효성(Hierarchical validity): 공식적인 계층 구조 내에서의 위치에 따라 어떤 규범이 적용되는가.
2. 시간적 유효성(Temporal validity): 특정 시점에 어떤 버전의 규범이 효력을 가졌는가.
3. 제도적 기원(Institutional provenance): 규범을 생성, 수정 또는 권한 부여한 공식적 행위의 구체적인 연쇄 과정.

현재의 벡터 기반 방식 및 그래프 RAG(Graph RAG)조차 이러한 개념을 표현하지 못하며, 이로 인해 출력물은 유창하지만 법적으로는 부적절한 결과를 초래한다.

방법론

본 논문은 체계적인 경험적 벤치마크보다는 비판적이고 이론 중심적인 조사를 채택한다. 방법론은 세 가지 뚜렷한 단계로 진행된다:

1. 존재론적 정식화(Ontological Formulation): 고전 법이론(켈젠의 규범 계층 구조, 하트의 승인/변경 규칙, 루만의 운영적 폐쇄성)을 바탕으로, 저자들은 법적 지식의 "존재론적 약속(ontological commitment)"을 명시한다. 이들은 이러한 이론적 개념을 검색 아키텍처를 위한 세 가지 계산적 요구사항으로 변환한다.
2. 병리 현상 식별(Pathology Identification): 저자들은 관점을 뒤집어, 이러한 약속이 위반될 때 발생하는 세 가지 구체적인 "병리 현상"을 정의한다. 각 병리에 대해 운영적 정의, 실패 메커니즘, 전형적인 사례 및 탐지 기준을 제공한다.
3. 비판적 검토 및 종합(Critical Review and Synthesis): 기존 문헌(RAG, Graph RAG, 법률 온톨로지, 시계열 지식 그래프, 도구 사용 에이전트 포함)을 앞서 정의한 병리 현상의 관점에서 검토한다. 저자들은 부분적인 해결책들이 존재할 수는 있으나, 다른 목적을 위해 설계된 기질(substrate)에 사후적으로 결합될 때 자동으로 구성되지 않음을 보여준다. 이를 통해 새로운 패러다임을 위한 네 가지 아키텍처적 약속을 도출한다.

핵심 기여

1. 법적 지식의 존재론적 약속

본 논문은 법률 검색 시스템이 반드시 준수해야 할 세 가지 도메인 수준의 속성을 정식화한다:

• 계층적 및 부분-전체 구조(Hierarchical and Mereological Structure): 법률 텍스트는 엄격한 부분-전체 관계(예: 조, 항, 호)를 가진다. 맥락(예: 상위 조항인 caput 없이 고립된 하위 항목)에서 분리된 파편은 의미적으로 모호하며 오해를 불러일으킬 수 있다.
• 운영적 폐쇄성 하의 통시적 역동성(Diachronic Dynamism under Operational Closure): 법 체계는 오직 내부적 운영(입법 행위, 판결)을 통해서만 변화한다. 유효성은 텍스트 트렌드로부터 추론되는 것이 아니라 사건에 의해 결정된다. 이는 **유효 시간(valid time, 규범이 법적 효력을 발생하는 시점)**과 **거래 시간(transaction time, 기록된 시점)**을 구분하고, vacatio legis(법 시행 유예 기간) 및 소급 적용과 같은 복잡성을 수용할 것을 요구한다.
• 제도적 기원의 인과적 추적 가능성(Causal Traceability of Institutional Provenance): 법적 결정은 "정당화의 의무"를 요구한다. 검색은 단순히 텍스트뿐만 아니라, 규범의 유효성을 뒷받침하는 일련의 제도적 행위(제정, 개정, 해석)의 연쇄를 드러내야 한다.

2. 세 가지 병리 현상에 대한 진단 프레임워크

저자들은 아키텍처에 무관한 세 가지 실패 유형을 정의한다:

• 부분-전체 인식 불능(Mereological Blindness): 부분-전체 구조를 보존하지 못하는 실패.
  • 메커니즘: 파편을 독립적인 단위로 취급하거나 검색 시 상위 맥락(ancestor closure)을 강제하지 못함.
  • 탐지: 시스템이 범위 쿼리의 모든 하위 요소를 반환할 수 있는가? 파편에 대한 지배적 맥락을 복구할 수 있는가?
• 통시적 인식 불능(Diachronic Blindness): 특정 시점의 규범 상태를 재구성하지 못하는 실패.
  • 메커니즘: 과거 쿼리에 대해 현재 버전을 반환하거나, 유효 시간과 거래 시간을 구분하지 못하며, 텍스트 변경 없이 의미를 변화시키는 해석적 변화(예: 구속력 있는 판결)를 무시함.
  • 탐지: 시스템이 날짜 T에 유효했던 텍스트를 검색할 수 있는가? 법령 텍스트와 운용적 해석을 구분하는가?
• 인과적 불투명성(Causal Opacity): 제도적 행위의 연쇄를 드러내지 못하는 실패.
  • 메커니즘: 규범의 유효성을 뒷받침하는 일련의 사건(개정, 판결) 없이 텍스트만을 반환함.
  • 탐지: 시스템이 제정부터 현재 상태에 이르기까지 행위의 순차적 계보를 재구성할 수 있는가?

3. 기존 접근 방식에 대한 비판적 검토

논문은 문헌의 여러 흐름(문서 표준, 구조 인식 청킹, Graph RAG, 시계열 KG, 프로비넌스 모델링, 에이전트 도구)을 검토하며, 이들이 단독으로는 불충분함을 밝힌다:

• **표준(Standards)**은 구조를 인코딩하지만 검색 시의 탐색(traversal)을 강제하지 않는다.
• Graph RAG는 구조를 상향식(bottom-up)으로 추론하며, 종종 공식적인 법적 계층 구조를 놓친다.
• **시계열 KG(Temporal KGs)**는 종종 이벤트 구체화(event reification)가 부족하거나 해석적 시간을 모델링하는 데 실패한다.
• **설명 가능한 AI(XAI)**는 모델의 행동을 설명할 뿐, 제도적 근거를 설명하지 않는다.
• **도구 사용 에이전트(Tool-using agents)**는 감사 추적(audit trail)을 제공하지만, 필수적인 법적 단계를 누락할 수 있는 확률적 계획에 의존한다.
  검토 결과, 부분적인 해결책들은 서로 결합되지 않으며, 이를 사후적으로 적용하는 것은 임피던스 불일치(impedance mismatch)를 일으키고 남은 병리 현상을 은폐할 수 있다.

4. 결정론적 설계 기반의 검색을 위한 아키텍처적 약속

세 가지 요구사항을 동시에 충족하기 위해, 논문은 서로를 강화하는 네 가지 약속을 제안한다:

• C1. 존재론적 우선순위(Ontological Primacy): 기질(substrate)은 메타데이터가 포함된 텍스트 파편이 아니라, 법적 엔티티(규범, 권한, 구조적 단위)를 중심으로 조직되어야 한다. 구조는 주석이 아니라 기질 그 자체여야 한다.
• C2. 이벤트 구체화(Event Reification): 유효성 전이(개정, 판결)는 단순한 엣지 타임스탬프가 아니라, 속성(날짜, 권한, 유형)을 가진 일급 객체(first-class entity)로서 검색 가능해야 한다.
• C3. 이중 시간적 정확성(Bitemporal Correctness): 시스템은 유효 시간(법적 효력)과 거래 시간(기록)을 독립적으로 표현하고 쿼리해야 하며, 소급 적용 및 vacatio legis와 같은 예외 상황을 처리해야 한다.
• C4. 결정론적 상호작용 프로토콜(Deterministic Interaction Protocols): 기질에 대한 접근은 개방형 쿼리 생성(예: LLM에 의한 SQL/SPARQL 생성)이 아니라, 고정되고 의미론적으로 유형화된 프리미티브(예: retrieve_version(T), trace_lineage())에 의해 매개되어야 한다. 이는 재현성과 감사 가능성을 보장한다.

결과 및 주장

본 논문은 새로운 경험적 벤치마크나 구체적인 소프트웨어 구현을 보고하지 않는다. 대신, 그 "결과"는 형식적이고 진단적이다:

• 법률 AI의 실패는 단순히 모델의 규모나 학습 데이터의 문제가 아니라 구조적인 문제임을 확립한다.
• 현재의 RAG 패러다임은 의미적 유사성에 최적화되어 있어 법적 적절성을 보장할 수 없음을 입증한다.
• "결정론적 설계(deterministic-by-design)" 접근 방식이 기술적으로 가능하다고 주장하며, 온톨로지 기반 RAG, 이벤트 중심 모델링, 시계열 데이터베이스 등의 선행 연구를 인용한다. 다만, 이들을 법률 검색에서 결합하여 만족시키는 사례는 드물다.

의의

본 논문은 법률 AI의 패러다임을 확률적 유사성에서 유효성 근거 설정으로 전환할 것을 주장한다. 그 의의는 다음과 같다:

1. 문제의 재정의: 초점을 "환각 방지"에서 "구조적, 시간적, 인과적 정확성 보장"으로 옮긴다.
2. 진단 도구 제공: 기존 및 미래의 법률 검색 시스템을 평가할 수 있는 재사용 가능한 프레임워크(세 가지 병리 현상)를 제공한다.
3. 새로운 아키텍처 방향 제시: 침묵하는 실패(silent failure)가 용납되지 않는 고위험 법률 애플리케이션을 위한 필수 기반으로서 "결정론적 설계 기반의 법률 검색"을 제안한다.
4. LLM의 역할 명확화: 언어 모델을 자연어 이해 및 합성을 위한 도구로 배치하는 한편, 유효성 근거 설정, 시간적 해상도, 기원 재구성을 통제된 심볼릭 또는 절차적 기질의 역할로 남겨둔다.

저자들은 탐색적 과업에는 확률적 방법이 여전히 유용할 수 있지만, 유효성 근거 설정을 요구하는 법률 애플리케이션의 하위 집합은 계층, 시간, 기원을 공통 구성 요소이자 감사 가능하며 결정론적인 구조로 다루는 아키텍처로의 전환을 요구한다고 결론짓는다.