Kanti Prabha, Sirion 공동 창립자 겸 사장 – 인터뷰 시리즈

Kanti Prabha는 Sirion의 공동 창립자 겸 사장으로, 제품 개발, 법률 기술, 지식재산권, 운영 및 SaaS 분야에서 20년이 넘는 경험을 쌓은 엔터프라이즈 기술 리더다. Sirion의 창립 멤버로서 회사의 제품 비전과 설계, 개발 방향을 수립하는 데 핵심적인 역할을 해 왔으며, 사장이 되기 전에는 제품 관리 부사장과 최고운영책임자를 비롯한 여러 리더직을 맡았다. 엔터프라이즈급 B2B SaaS 제품 구축, 제품 전략 및 관리, 고객 성공, 엔터프라이즈 영업, 팀과 조직 문화의 확장에 전문성을 갖추고 있다. 경력 초기에는 UnitedLex의 첫 직원이자 창립 멤버로 일하며 기업 법무 부서를 위한 기술 기반 솔루션을 개발하고 지식재산권 관련 사업을 관리했다. 그에 앞서 Evalueserve에서 특허 서비스를 담당한 경험도 있다. 또한 akirolabs의 고문으로 활동하고 있으며, 이전에는 Clarisights의 고문을 맡았다.

Sirion은 기업이 계약 작성과 협상부터 지속적인 이행, 의무 관리, 가치 실현에 이르기까지 계약의 전 과정을 관리하도록 지원하는 AI 기반 계약 수명 주기 관리(CL M) 기업이다. 플랫폼에는 대화형 AI와 특정 업무에 맞춰 설계된 AI 에이전트가 결합되어 있어 계약 저장소를 한곳에 모아 체계화하고, 계약 조건에 관한 질문에 답하며, 계약서를 작성하고 검토하고, 위험을 식별하고 수정 문구를 제안하며, 의무와 서비스 수준 협약을 모니터링할 수 있다. Sirion은 agentOS 플랫폼을 통해 에이전트 기반 계약 관리 기술을 점차 강화하고 있다. 이 플랫폼을 활용하면 조직은 사전 구축된 계약 관리 에이전트를 배포하거나, 기업 데이터 및 업무 흐름과 연동되는 맞춤형 에이전트를 만들 수 있다. 이 플랫폼은 계약을 정적인 문서에서 체계적이고 검색 가능한 운영 인텔리전스의 원천으로 전환하는 동시에 거버넌스와 사람의 감독을 유지하고자 하는 대규모 조직을 위해 설계됐다.

Sirion을 창업하기까지의 여정은 남달랐습니다. 화학을 전공한 뒤 지식재산권법 분야로 옮겨 특허 업무를 맡았고, Hewlett-Packard에서 일하면서 계약을 바라보는 관점이 달라지기 시작했습니다. 그 초기 경험에서 무엇을 발견했기에 결국 Sirion을 세울 기회가 있다고 확신하게 되었나요? 

계약을 중심으로 회사를 세우게 되리라고 생각하며 자라지는 않았습니다. 화학을 공부했지만, 연구실에서 평생 일하는 것보다 비즈니스 문제를 해결하는 데 더 관심이 있다는 사실을 비교적 일찍 깨달았습니다. 그러다 지식재산권 분야에 발을 들여 특허 업무를 맡았고, 이후에는 대기업을 위한 기술 및 법률 솔루션을 개발하는 팀을 이끌었습니다.

진정한 전환점은 Sirion의 공동 창립자인 Ajay와 제가 HP와 함께 일하기 시작했을 때 찾아왔습니다. HP는 대규모 인수 이후 정리하고 관리해야 할 계약이 수천 건에 달했습니다. 처음에는 계약 저장소 문제라고 생각했지만, 계약을 자세히 살펴보니 저장은 해결해야 할 문제의 극히 일부에 불과하다는 점이 분명해졌습니다. 계약에는 회사가 무엇을 구매했고 무엇을 판매했는지, 무엇을 약속했는지, 공급업체는 무엇을 약속했는지, 얼마를 지불하고 있는지, 어떤 위험이 있는지, 어디에서 가치가 잠재적으로 사라지고 있는지가 담겨 있었습니다. 하지만 그 정보는 거의 모두 기업이 활용하기 어려운 상태였습니다. 이것이 Sirion의 출발점이 된 통찰이었습니다. 계약은 아직 충분히 활용되지 않은 비즈니스 인텔리전스의 원천이었습니다.

계약을 조직 안에 존재하는 일종의 ‘유동적 지능’이라고 표현하셨습니다. 계약에는 일반적으로 어떤 가치 있는 정보가 담겨 있으며, AI는 그 정보를 법무팀뿐 아니라 재무, 조달, 영업, 운영팀도 유용하게 활용할 수 있도록 어떻게 도울 수 있을까요? 

계약은 기업의 의도가 실제 약속으로 구체화되는 몇 안 되는 곳 가운데 하나입니다. 계약에는 지불하기로 합의한 금액, 고객이 구매하기로 한 내용, 가격이 변경될 수 있는 시점, 충족해야 할 서비스 수준, 계약 갱신 시점, 당사자 중 한쪽이 기대에 미치지 못할 때의 조치, 각 의무의 담당자가 누구인지가 담겨 있습니다. 이는 대단히 가치 있는 정보지만, 역사적으로는 대부분의 사람이 무언가를 협상해야 하거나 문제가 생겼을 때만 열어 보는 문서 안에 갇혀 있었습니다.

AI는 비정형 계약 문구를 기업의 다른 부서에서도 실제로 활용할 수 있는 정보로 바꿔 줍니다. 조달팀은 공급업체의 의무와 가격을 파악할 수 있고, 재무팀은 상업적 약속과 잠재적인 가치 누수를 확인할 수 있습니다. 영업팀은 갱신 조건과 고객에 대한 약속을 이해할 수 있으며, 운영팀은 약속한 내용이 실제로 제공되고 있는지 모니터링할 수 있습니다.

제가 계약 인텔리전스를 유동적으로 만든다고 말하는 것은 바로 이런 의미입니다. 정보가 PDF 안에 머무는 대신 가장 필요한 의사결정과 시스템으로 흘러 들어갈 수 있습니다. 계약이 거래의 끝에 놓이는 문서가 아니라, 유동적 지능을 통해 기업 운영 방식에 필요한 맥락을 지속적으로 제공하는 원천이 되는 것입니다.

Sirion은 계약 수명 주기 관리 소프트웨어에서 점차 AI 중심 플랫폼으로 발전해 왔습니다. 대규모 언어 모델의 등장은 회사 창업 당시 이용할 수 있었던 머신러닝 방식과 비교해 계약 데이터로 기술적으로 구현할 수 있는 범위를 어떻게 바꾸었나요?

Sirion을 처음 시작했을 때 계약 업무에서 AI는 주로 정보 추출과 분류에 쓰였습니다. 머신러닝은 조항, 날짜, 당사자 이름 또는 의무를 식별하는 데 매우 뛰어난 성능을 발휘할 수 있었지만, 비교적 구체적인 작업마다 모델을 학습시켜야 했습니다.

대규모 언어 모델은 추론 기능을 크게 확장했습니다. 이제 시스템은 자연어로 표현된 질문을 이해하고, 조항을 둘러싼 맥락을 해석하며, 문구를 회사가 선호하는 입장과 비교하고, 어떤 내용이 왜 위험을 초래하는지 설명하며, 다음에 취해야 할 조치를 제안할 수 있습니다.

하지만 저는 대규모 언어 모델이 이전의 모든 기술을 대체한다고 보지 않습니다. 계약은 그렇게 단순하지 않습니다. Sirion에서는 대규모 언어 모델에 특화 모델과 심층적인 계약 인텔리전스를 결합한 멀티 모델 접근 방식을 사용합니다. 모델마다 잘하는 일이 다릅니다. 기업에 필요한 것은 그럴듯한 문장을 생성하는 AI만이 아니므로 이러한 조합이 중요합니다. 기업에는 정확성이 필요합니다. 가장 기대되는 변화는 계약서에서 정보를 추출하는 데 그치지 않고, 그 정보를 바탕으로 추론하고 나아가 점점 더 직접 행동할 수 있게 되었다는 점입니다.

Sirion은 이제 계약 정보 추출, 쟁점 탐지, 수정 제안, 대규모 계약 저장소 검색 등의 작업에 특화된 AI 에이전트를 도입하고 있습니다. 이러한 에이전트들이 어떻게 협력하게 될 것으로 보시나요? 또한 궁극적으로 계약 체결 과정에서 기업은 AI가 어느 정도까지 자율적으로 행동하도록 허용해야 할까요?           

저는 미래가 모든 일을 처리하는 하나의 거대한 AI 에이전트에 달려 있다고 생각하지 않습니다. 계약서 작성에는 여러 가지 특화된 작업이 수반되며, 작업마다 필요한 맥락과 판단의 수준이 다릅니다. 어떤 에이전트는 수천 건의 계약서에서 조항을 추출할 수 있습니다. 또 다른 에이전트는 정책에 어긋나는 문구를 찾아냅니다. 그런 다음 수정 제안 에이전트가 회사의 계약 지침을 바탕으로 정확한 수정 사항을 제안할 수 있습니다. 사용자가 모든 단계를 일일이 관리하게 하는 대신, 에이전트들이 하나의 결과를 위해 협력할 때 진정한 힘이 발휘됩니다.

예를 들어 누군가 “이 공급업체 계약을 수락해도 될까요?”라고 물을 수 있습니다. 시스템은 가장 관련성 높은 조항을 찾아 정책과 비교하고, 쟁점을 드러내며, 선례를 찾고, 수정 사항을 권고하는 동시에 무엇을 했고 왜 그렇게 했는지 설명할 수 있어야 합니다.

자율성의 한계는 위험 수준에 따라 정해야 합니다. 반복적이고 규칙에 기반한 여러 작업을 AI가 자율적으로 처리하는 데는 거부감이 없습니다. 하지만 새로운 유형의 책임 조항이나 전략적으로 중요한 협상에는 사람의 판단이 필요할 수 있습니다. 자율성을 추구하는 궁극적인 목적은 불필요한 업무를 줄이면서도 책임과 관계가 중요한 부분에서는 사람이 통제권을 유지하도록 하는 것이어야 합니다.

계약서에는 기업의 상업적·법적으로 가장 민감한 정보가 담길 수 있습니다. Sirion은 보안을 훼손하느니 제품 출시를 늦추겠다고 말씀하신 적이 있습니다. 생성형 AI가 기업 업무 흐름에 더욱 깊숙이 자리 잡으면서, 어떤 보안 또는 개인정보 보호상의 편법을 가장 우려하시나요?

계약서에는 가격 정보, 지식재산, 직원 정보, 인수 관련 세부 사항, 전략적 약속은 물론 고객과 공급업체에 관한 매우 민감한 정보가 담길 수 있습니다. 기업은 AI 시스템이 정보를 처리할 때 그 정보가 정확히 어디로 전달되는지, 어떻게 처리되는지, 누가 접근할 수 있는지, 다른 모델을 학습시키는 데 사용되는지를 알아야 합니다.

지금은 AI 기능을 빠르게 출시해야 한다는 압박이 매우 크지만, 제가 가장 우려하는 편법은 기업 데이터를 일반적인 학습 자료처럼 취급하는 것입니다. 그런 압박이 있다는 점은 이해하지만, “거버넌스는 나중에 바로잡으면 된다”는 태도로 기업용 AI를 구축해서는 안 됩니다. 보안은 설계 초기부터 아키텍처에 반영되어야 합니다.

이를 위해서는 강력한 접근 제어, 암호화, 감사 가능성, 명확한 데이터 경계, 그리고 타사 모델을 어떻게 사용할지에 관한 신중한 결정이 필요합니다. Sirion에서는 보안 때문에 개발이나 출시가 늦어지는 결정을 실제로 여러 차례 내렸으며, 그런 상충 관계는 감수할 만하다고 생각합니다. 기업용 소프트웨어, 특히 계약서를 다룰 때는 신뢰를 쌓는 데 수년이 걸리지만 부주의한 결정 한 번으로 무너질 수 있습니다.

생성형 AI가 안고 있는 지속적인 문제 중 하나는 틀린 답변도 권위 있어 보일 수 있다는 점입니다. 사소한 오류도 재정적 또는 법적 결과로 이어질 수 있는 계약 인텔리전스 분야에서, 사용자가 검증하고 신뢰할 수 있는 AI 시스템을 어떻게 설계하시나요? 

이는 소비자용 AI와 기업용 AI의 가장 중요한 차이 중 하나입니다. AI 비서에게 식당을 추천해 달라고 했는데 답이 틀려도 그로 인한 결과는 제한적입니다. 하지만 법무팀이 공급업체 계약 5,000건에 특정 해지권이 포함되어 있는지 물었을 때 시스템이 자신 있게 답하면서 그중 200건을 놓친다면, 이는 전혀 다른 문제입니다.

저희는 검증을 염두에 두고 설계합니다. AI가 계약서에 관해 어떤 내용을 알려 준다면, 그 답변이 근거로 삼은 원문을 추적할 수 있어야 합니다. 수정안을 권고한다면, 그 권고가 어떤 정책이나 계약 지침에 근거했는지 이해할 수 있어야 합니다. 설명 가능성은 AI 도입에 필수적입니다. AI를 들여다보고 검증할 수 있어야 신뢰가 생기기 때문입니다.

Sirion은 범용 모델에만 의존하기보다 조직 자체의 계약서와 선례에 근거한 AI 응답을 강조합니다. 기업 AI의 다음 주요 단계는 파운데이션 모델과 고도로 특화된 독점적 기업 데이터를 결합하는 시스템이 점점 더 주도하게 될 것이라고 보시나요?

물론입니다. 파운데이션 모델은 대단히 뛰어난 역량을 갖추고 있지만, 각 기업이 실제로 어떻게 운영되는지는 알지 못합니다. 법무팀이 지난해 어떤 양보안을 승인했는지, 전략적 고객과 어떤 방식으로 가격을 책정하는지, 어떤 공급업체가 서비스 수준을 거듭 충족하지 못하는지, 조직에서 언제 문제를 상위 단계로 보고하도록 요구하는지 등을 저절로 파악하지는 못합니다. 이러한 맥락이 있어야 기업 AI가 진정한 가치를 발휘합니다.

조직 간 의사결정과 약속을 강력하게 기록하는 계약서에 기업 고유의 정책, 협상 지침서, 과거 계약 및 운영 데이터를 결합하면, AI 시스템은 일반적인 답변을 내놓는 데서 나아가 실제 비즈니스 운영 방식을 반영한 답변을 제공할 수 있습니다. 대부분의 기업이 이미 비슷한 파운데이션 모델을 이용할 수 있으므로, 기업 AI의 경쟁 우위는 점점 더 이러한 맥락에서 비롯될 것이라고 생각합니다. 차별화 요소는 그 모델을 신뢰할 수 있는 독점 정보와 얼마나 효과적으로 연결하고, 보안을 저해하지 않으면서 정확하게 추론할 수 있도록 충분한 맥락을 제공하느냐가 될 것입니다.

10년 넘게 Sirion을 일구며 제품, 운영, 기업 경영 전반에 걸친 역할을 맡아 오셨습니다. 기업용 AI 소프트웨어를 확장하는 과정에서 배운 것 중 회사의 초기 몇 년 동안은 미처 알지 못했을 만한 점은 무엇인가요?

제가 배운 점 하나는 기술을 구축하는 일이 때로는 가장 쉬운 부분이라는 것입니다. 대규모 조직의 업무 방식을 바꾸기 시작할 때부터 어려움이 생깁니다. 초기에는 제품이 문제를 해결할 수 있는지에 자연스럽게 집중하게 됩니다. 하지만 기업 규모로 확장해 보면, 기술적으로 아무리 탁월한 답변이라도 사람들이 신뢰하고 기존 업무 흐름에 잘 맞으며 글로벌 조직의 엄청난 복잡성을 감당할 수 있어야만 유용하다는 점을 깨닫게 됩니다.

AI는 이러한 교훈을 더욱 중요하게 만듭니다. 오늘날에는 인상적인 데모를 매우 빠르게 만들 수 있습니다. 하지만 기업이 수백만 개의 데이터 포인트와 업무 흐름을 믿고 맡길 만한 무언가를 만드는 일은 다릅니다.

AI가 수천 건의 계약 전반에서 의무, 위험, 가격 조건, 갱신 및 성과를 지속적으로 분석할 수 있게 되면서, 계약서는 문제가 발생했을 때 주로 찾아보는 문서가 아니라 기업의 실시간 운영 데이터 계층이 될 수 있을까요?

저는 바로 그런 방향으로 나아가고 있다고 생각합니다. 오랫동안 계약은 최종 단계로 여겨져 왔습니다. 모두가 협상하고 서명한 뒤 축하하고 나면, 문서는 저장소에 들어갑니다. 6개월이 지나 분쟁이나 갱신이 발생하거나 약속된 내용에 관한 질문이 생기면 누군가 문서를 다시 열어 봅니다. AI가 계약 포트폴리오 전반에서 일어나는 일을 지속적으로 파악할 수 있는 상황에서는 그런 방식이 더는 타당하지 않습니다.

이상적인 상황을 떠올려 보세요. 다음 청구서가 승인되기 전에 공급업체가 서비스 수준 협약(SLA)을 위반했다는 사실을 알거나, 가격 조정이 3개월 전에 이뤄졌어야 했다는 점을 확인할 수 있습니다. 영업팀이 고객과 협의한 약속과 함께 다가오는 갱신 일정을 알림으로 받거나, 재무팀이 상업적 의무가 자사 시스템에 직접 반영된 것을 확인하는 모습도 상상해 보세요.

계약은 기업 간 관계를 규정하므로 계약 데이터는 그러한 관계를 실제로 관리하는 시스템과 연결되어야 합니다. 계약은 기업이 합의한 내용뿐 아니라 그 합의가 모두가 기대한 가치를 제공하고 있는지까지 파악하도록 돕는 운영 데이터 계층이 될 것이라고 생각합니다.

앞으로 AI 에이전트의 역량이 크게 향상되면 계약 관리가 어떤 모습이 될 것으로 보시나요? 전통적인 계약 수명 주기 관리(CLM) 분야는 결국 더 광범위한 기업 인텔리전스 계층에 흡수되어 사라질까요? 그러한 변화에서 Sirion은 어떤 역할을 하게 될까요? 

시간이 지나면서 CLM의 경계가 훨씬 덜 뚜렷해지기를 바랍니다. 오늘날 사용자는 여전히 계약 작성, 검토, 승인, 서명, 저장, 관리처럼 단계별로 생각합니다. 에이전트의 역량이 향상되면 사람들은 이 모든 시스템과 업무 흐름을 직접 조율하지 않아도 되어야 합니다. 원하는 바를 표현하면 전문 에이전트가 그 이면의 많은 작업을 처리할 수 있어야 합니다.

하지만 더 큰 변화는 서명 이후에 일어납니다. AI가 수백만 건의 계약에 걸친 모든 의무, 상업적 조건, 위험 및 관계를 파악할 수 있다면 계약 인텔리전스는 법무 부서를 훨씬 넘어 유용해집니다. 제가 특히 기대하는 점은 계약이 마침내 모두의 일이 되는 것입니다.

그렇다고 계약이 사라질 것이라고 생각하지는 않습니다. 오히려 그 반대입니다. 계약은 기업 AI에 신뢰할 수 있는 맥락을 제공하므로 더욱 중요해집니다. Sirion의 목표는 업무가 이루어지는 모든 곳에서 이러한 인텔리전스를 활용할 수 있도록 하는 것입니다. CLM은 결국 독립된 목적지라기보다 기업이 한 약속과 매일 취하는 행동을 연결하는 인텔리전스 및 실행 계층처럼 느껴질 수 있습니다.

훌륭한 인터뷰에 감사드립니다. 더 자세히 알고 싶은 독자라면 Sirion을 방문해 보시기 바랍니다.