Kanti Prabha, Sirion 사장 겸 최고 제품·기술 책임자 – 인터뷰 시리즈

Kanti Prabha는 Sirion의 사장이자 최고 제품 & 기술 책임자로, 제품 개발, 법률 기술, 지식재산권, 운영 및 SaaS 분야에서 20년이 넘는 경력을 쌓은 엔터프라이즈 기술 리더다. Sirion의 창립 멤버로서 회사의 제품 비전 수립과 설계 및 개발에 핵심적인 역할을 해 왔으며, 사장이 되기 전에는 제품 관리 부문 부사장과 최고운영책임자 등 리더십 직책을 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 업무를 관리했으며, 그에 앞서 Evalueserve에서 특허 서비스를 담당했다. 현재 akirolabs의 자문으로 활동하고 있으며, 과거에는 Clarisights에도 자문을 제공했다.

Sirion은 기업이 계약 체결과 협상부터 지속적인 이행, 의무 관리 및 가치 실현에 이르기까지 계약을 관리하도록 지원하는 AI 기반 계약 수명주기 관리(CLM) 기업이다. Sirion의 플랫폼은 대화형 AI와 특정 목적에 맞게 설계된 AI 에이전트를 결합해 계약 저장소를 한곳에 모아 체계화하고, 계약 조건에 관한 질문에 답하며, 계약서를 작성하고 검토하고, 위험을 식별하고, 수정안을 제안하며, 의무와 서비스 수준 협약을 모니터링할 수 있다. Sirion은 agentOS 플랫폼을 통해 에이전트 기반 계약 관리 분야로 기술의 초점을 점차 넓히고 있다. 이 플랫폼을 이용하면 조직은 사전 구축된 계약 에이전트를 도입할 수 있을 뿐 아니라, 기업 데이터 및 업무 흐름과 연동되는 맞춤형 에이전트도 만들 수 있다. 이 플랫폼은 계약을 정적인 문서에서 체계화되고 검색 가능한 운영 인텔리전스의 원천으로 전환하는 동시에 거버넌스와 사람의 감독을 유지하려는 대규모 조직을 위해 설계됐다.

Sirion을 창업하기까지의 여정은 남달랐습니다. 화학을 공부하고 지식재산권법 분야로 진출해 특허 업무를 맡으셨으며, 이후 Hewlett-Packard와 일하면서 계약을 새로운 관점에서 바라보기 시작하셨죠. 초기 경험을 통해 어떤 점을 깨달았기에 결국 Sirion을 세울 기회가 있다고 확신하게 되셨나요? 

계약을 중심으로 회사를 세우리라고 생각하며 자란 것은 아닙니다. 화학을 공부했지만, 실험실에서 경력을 쌓기보다 비즈니스 문제를 해결하는 데 더 관심이 있다는 사실을 꽤 일찍 깨달았습니다. 그러다 지식재산권 분야로 진출해 특허 업무를 맡았고, 이후 대기업을 위한 기술 및 법률 솔루션을 개발하는 팀을 이끌었습니다.

진정한 전환점은 Sirion의 공동 창업자인 Ajay와 제가 HP와 함께 일하기 시작했을 때 찾아왔습니다. 대규모 인수 이후 정리하고 관리해야 할 계약이 수천 건에 달했습니다. 처음에는 계약을 저장하는 문제라고 생각했지만, 계약을 자세히 살펴보니 저장은 기회 가운데 극히 일부에 불과하다는 사실이 분명해졌습니다. 계약에는 회사가 무엇을 구매하고 판매했는지, 무엇을 약속했는지, 공급업체가 무엇을 약속했는지, 얼마를 지불하는지, 어떤 위험이 있는지, 어디에서 가치가 사라질 가능성이 있는지가 담겨 있었습니다. 그런데 그 정보는 거의 전부 기업이 활용하기 어려운 상태였습니다. 이것이 Sirion의 출발점이 된 통찰이었습니다. 계약은 아직 충분히 활용되지 않은 비즈니스 인텔리전스의 원천이었습니다.

계약을 조직 내부의 일종의 ‘유동적 인텔리전스’라고 표현하셨습니다. 일반적으로 계약에는 어떤 가치 있는 정보가 담겨 있으며, AI는 그 정보를 어떻게 법무팀을 넘어 재무, 조달, 영업, 운영팀에서도 유용하게 활용할 수 있도록 할까요? 

계약은 기업의 의도가 실제 약속으로 구체화되는 몇 안 되는 곳 중 하나입니다. 계약에는 지불하기로 합의한 금액, 고객이 구매하기로 한 내용, 가격이 바뀔 수 있는 시점, 충족해야 하는 서비스 수준, 계약 갱신 시점, 누군가가 기대에 미치지 못할 경우의 대응 방안, 각 의무의 책임자가 담겨 있습니다. 이는 매우 가치 있는 정보지만, 과거에는 대부분의 사람이 무언가를 협상해야 하거나 문제가 생겼을 때만 열어 보는 문서 안에 갇혀 있었습니다.

AI를 활용하면 비정형 계약 문구를 기업의 다른 부서에서도 실제로 활용할 수 있는 정보로 바꿀 수 있습니다. 조달팀은 공급업체의 의무와 가격을 파악할 수 있습니다. 재무팀은 상업적 약정과 잠재적 가치 누수를 확인할 수 있습니다. 영업팀은 갱신 조건과 고객에 대한 약속을 파악할 수 있습니다. 운영팀은 약속한 내용이 실제로 이행되는지 모니터링할 수 있습니다.

제가 말하는 계약 인텔리전스의 유동화란 바로 이런 것입니다. 정보가 PDF 안에 머무르는 대신, 가장 필요한 의사결정과 시스템으로 흘러들 수 있습니다. 계약은 거래의 종착점이 아니라, 유동적 인텔리전스를 통해 기업 운영에 필요한 맥락을 능동적으로 제공하는 원천이 됩니다.

Sirion은 계약 수명주기 관리 소프트웨어에서 점점 더 AI 중심적인 플랫폼으로 발전해 왔습니다. 대규모 언어 모델의 등장으로 계약 데이터에서 기술적으로 가능한 일이 어떻게 달라졌나요? 회사를 시작했을 당시 활용할 수 있었던 머신러닝 접근법과 비교해 설명해 주시겠어요?

Sirion을 처음 시작했을 때 계약 업무에서 AI는 주로 정보 추출과 분류에 활용됐습니다. 머신러닝은 조항, 날짜, 당사자 이름 또는 의무를 식별하는 데 매우 뛰어난 성능을 보일 수 있었지만, 비교적 한정된 특정 작업에 맞춰 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 위험을 초래하는 이유를 설명하며, 다음에 무엇을 해야 할지 제안할 수 있습니다.

하지만 대규모 언어 모델이 이전의 모든 기술을 대체한다고 보지는 않습니다. 계약은 그렇게 단순하지 않습니다. Sirion은 대규모 언어 모델에 특화 모델과 계약에 대한 심층 인텔리전스를 결합하는 다중 모델 접근 방식을 사용합니다. 모델마다 잘하는 일이 다릅니다. 기업에 필요한 것은 그럴듯한 문장을 생성하는 AI만이 아니기 때문에 이러한 조합이 중요합니다. 기업에는 정확성이 필요합니다. 가장 기대되는 변화는 계약에서 정보를 추출하는 데 그치지 않고, 그 정보를 추론의 근거로 활용하고 나아가 점점 더 직접 실행에 옮길 수 있게 된다는 점입니다.

Sirion은 현재 계약 정보 추출, 문제 탐지, 수정 제안, 대규모 계약 저장소 검색 등의 작업에 특화된 AI 에이전트를 도입하고 있습니다. 이러한 에이전트가 서로 어떻게 협력하게 될 것으로 보시나요? 또한 계약 체결 과정에서 기업은 궁극적으로 AI의 자율적인 실행을 어느 정도까지 허용해야 할까요?           

모든 일을 처리하는 거대한 AI 에이전트 하나가 미래라고 생각하지 않습니다. 계약을 작성하고 협상하는 과정에는 여러 전문 작업이 포함되며, 작업마다 필요한 맥락과 판단의 수준이 다릅니다. 한 에이전트는 수천 건의 계약에서 조건을 추출할 수 있습니다. 다른 에이전트는 회사 정책에서 벗어나는 문구를 찾아냅니다. 이어서 수정 제안 에이전트가 회사의 업무 지침을 바탕으로 구체적인 변경 사항을 제안할 수 있습니다. 사용자가 일일이 각 단계를 관리하도록 하는 대신, 에이전트들이 목표를 중심으로 협력할 수 있을 때 진정한 힘이 발휘됩니다.

예를 들어, 누군가 “이 공급업체 계약을 받아들여도 될까요?”라고 물을 수 있습니다. 시스템은 가장 관련성이 높은 조항을 찾아 정책과 비교하고, 문제를 짚어내고, 기존 사례를 검색한 뒤, 변경 사항을 제안할 수 있어야 합니다. 이 모든 과정에서 무엇을 했고 왜 그렇게 했는지도 설명해야 합니다.

자율 실행의 한계는 위험 수준에 따라 달라져야 합니다. 반복적이고 규칙에 기반한 많은 작업을 AI가 자율적으로 처리하는 데에는 동의합니다. 하지만 새로운 유형의 책임 조항이나 전략적으로 중요한 협상에는 사람의 판단이 필요할 수 있습니다. 자율 실행의 궁극적인 목표는 불필요한 업무를 줄이면서도 책임과 관계가 중요한 영역에서는 사람이 통제권을 유지하도록 하는 것이어야 합니다.

계약에는 회사의 상업적·법률적으로 가장 민감한 정보가 담길 수 있습니다. Sirion은 보안을 타협하느니 제품 출시를 미루겠다고 말씀하신 적이 있습니다. 생성형 AI가 기업 업무 흐름에 더욱 깊이 자리 잡으면서, 어떤 보안 또는 개인정보 보호상의 편법을 가장 우려하시나요?

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

현재 AI 기능을 서둘러 출시하라는 압박이 매우 크지만, 제가 가장 우려하는 편법은 기업 데이터를 일반적인 학습 자료처럼 취급하는 것입니다. 그런 압박이 있다는 점은 이해하지만, ‘거버넌스는 나중에 정비하면 된다’는 생각으로 기업용 AI를 구축해서는 안 됩니다. 보안은 처음부터 아키텍처의 일부여야 합니다.

이를 위해서는 강력한 접근 제어, 암호화, 감사 가능성, 명확한 데이터 경계, 그리고 제3자 모델을 어떻게 사용할지에 대한 신중한 결정이 필요합니다. Sirion에서는 보안 때문에 진행이 늦어지는 결정을 실제로 내린 적이 있으며, 그런 상충 관계도 감수할 수 있습니다. 기업용 소프트웨어, 특히 계약을 다루는 분야에서는 신뢰를 쌓는 데 수년이 걸리지만, 부주의한 결정 한 번으로 무너질 수 있습니다.

생성형 AI에서 계속 제기되는 문제 중 하나는 답변이 틀렸는데도 권위 있어 보일 수 있다는 점입니다. 사소한 오류도 재정적 또는 법적 결과를 초래할 수 있는 계약 인텔리전스 분야에서 사용자가 검증하고 신뢰할 수 있는 AI 시스템을 어떻게 설계하시나요? 

이는 소비자용 AI와 기업용 AI의 가장 중요한 차이점 중 하나입니다. AI 비서에게 식당을 추천해 달라고 했는데 추천이 틀렸더라도 그 결과는 제한적입니다. 하지만 법무팀이 공급업체 계약 5,000건에 특정 해지권 조항이 있는지 물었는데 시스템이 자신 있게 답하면서 그중 200건을 놓친다면, 문제의 심각성은 전혀 다릅니다.

저희는 검증을 염두에 두고 설계합니다. AI가 계약에 관해 알려 준 내용은 원문 조항까지 추적해 확인할 수 있어야 합니다. 수정안을 제안한다면, 그 제안의 근거가 된 정책이나 업무 지침의 입장을 이해할 수 있어야 합니다. 설명 가능성은 AI 도입에 필수적입니다. 신뢰는 AI의 작동과 판단 근거를 살펴볼 수 있을 때 생기기 때문입니다.

Sirion은 범용 모델에만 의존하기보다 조직 자체의 계약과 선례에 근거한 AI 응답을 강조합니다. 기업 AI의 다음 주요 단계는 기반 모델과 고도로 특화된 독점 기업 데이터를 결합하는 시스템이 점점 더 주도하게 될 것이라고 보십니까?

물론입니다. 기반 모델은 놀라울 만큼 뛰어난 역량을 갖췄지만, 각 기업이 실제로 어떻게 운영되는지는 알지 못합니다. 법무팀이 지난해 어떤 양보안을 승인했는지, 주요 고객과 가격을 어떻게 책정하는지, 어떤 공급업체가 서비스 수준을 반복해서 충족하지 못하는지, 조직에서 언제 상위 단계로 문제를 에스컬레이션해야 하는지 등을 자동으로 파악하지는 못합니다. 바로 이런 맥락이 있어야 기업 AI가 실질적인 가치를 발휘합니다.

조직 간 의사결정과 약속을 담은 강력한 기록인 계약에 기업 고유의 정책, 협상 지침서, 과거 계약, 운영 데이터를 결합하면 AI 시스템은 일반적인 답변을 넘어 해당 기업의 업무 방식을 반영한 답변을 제공할 수 있습니다. 대부분의 기업이 이미 비슷한 기반 모델을 이용할 수 있는 만큼, 기업 AI의 경쟁 우위는 점점 더 이런 맥락에서 비롯될 것이라고 생각합니다. 차별화 요소는 해당 모델을 신뢰할 수 있는 독점 정보와 얼마나 효과적으로 연결하고, 보안을 저해하지 않으면서 정확하게 추론할 수 있도록 충분한 맥락을 제공하느냐가 될 것입니다.

Sirion을 구축하는 데 10년 넘게 매진해 오셨고 제품, 운영, 회사 경영에 이르는 다양한 역할을 맡으셨습니다. 기업용 AI 소프트웨어를 확장하면서 무엇을 배우셨으며, 그 점은 회사 설립 초기 몇 년 동안에는 미처 알지 못했던 부분인가요?

제가 배운 한 가지는 기술을 개발하는 일이 때로는 쉬운 부분이라는 점입니다. 대규모 조직의 업무 방식을 바꾸기 시작하면 마찰이 생깁니다. 초기에는 제품이 문제를 해결할 수 있는지에 자연스럽게 초점을 맞춥니다. 하지만 기업 규모로 확장하면 기술적으로 탁월한 답변이라도 사람들이 신뢰하고 기존 업무 흐름에 잘 맞으며 글로벌 조직의 엄청난 복잡성을 감당할 수 있어야만 유용하다는 사실을 깨닫게 됩니다.

AI는 이 교훈을 더욱 중요하게 만듭니다. 오늘날에는 인상적인 시연용 제품을 매우 빠르게 만들 수 있습니다. 하지만 기업이 수백만 개의 데이터 포인트와 업무 흐름을 맡길 만큼 신뢰하는 무언가를 구축하는 일은 전혀 다릅니다.

AI가 수천 건의 계약 전반에서 의무, 위험, 가격 조건, 갱신, 이행 실적을 지속적으로 분석할 수 있게 되면, 계약은 문제가 생겼을 때 주로 찾아보는 문서가 아니라 기업의 실시간 운영 데이터 계층이 될 수 있을까요?

저는 우리가 바로 그런 방향으로 나아가고 있다고 생각합니다. 오랫동안 계약은 마지막 단계로 여겨졌습니다. 모두가 협상하고 서명한 뒤 축하하고 나면 문서는 저장소에 보관됩니다. 6개월 후에는 분쟁이나 갱신이 발생하거나 무엇을 약속했는지 확인하려고 누군가 문서를 열어 봅니다. AI가 계약 포트폴리오 전반에서 어떤 일이 벌어지고 있는지 지속적으로 파악할 수 있다면, 그런 방식은 더 이상 합리적이지 않습니다.

이상적인 상황을 생각해 보세요. 다음 청구서가 승인되기 전에 공급업체가 SLA를 충족하지 못한 사실을 알거나, 가격 조정이 3개월 전에 이루어졌어야 한다는 점을 파악할 수 있습니다. 영업팀이 다가오는 갱신 시점을 고객과 협상한 약속 내용과 함께 알림으로 받거나, 재무팀이 상업적 의무 사항을 시스템에 직접 반영하는 모습도 상상해 볼 수 있습니다.

계약은 기업 간 관계를 규정하므로 계약 데이터는 그러한 관계가 실제로 관리되는 시스템과 연결되어야 합니다. 계약은 기업이 합의한 내용뿐 아니라, 그 합의가 모두가 기대한 가치를 실현하고 있는지 파악하는 데 도움이 되는 운영 데이터 계층이 될 것이라고 생각합니다.

앞으로 AI 에이전트의 역량이 크게 향상되면 계약 관리는 어떤 모습이 될 것으로 보십니까? 전통적인 계약 수명주기 관리 분야는 결국 더 광범위한 기업 인텔리전스 계층에 통합되어 사라질까요? 이러한 변화에서 Sirion은 어떤 역할을 하게 될까요? 

시간이 지나면서 CLM의 경계가 훨씬 덜 뚜렷해지기를 바랍니다. 오늘날 사용자는 여전히 계약을 작성하고, 검토하고, 승인을 받고, 서명하고, 저장한 다음 관리해야 한다는 식으로 단계별 업무를 생각합니다. 에이전트의 역량이 향상되면 사람들은 그 모든 시스템과 업무 흐름을 직접 조율할 필요가 없어야 합니다. 원하는 바를 전달하면 전문 에이전트가 그에 필요한 작업을 상당 부분 처리할 수 있어야 합니다.

하지만 더 큰 변화는 서명 이후에 일어납니다. AI가 수백만 건의 계약 전반에서 모든 의무, 상업적 조건, 위험, 관계를 파악할 수 있다면 계약 인텔리전스는 법무를 훨씬 넘어 유용해집니다. 제가 기대하는 점은 바로 이것입니다. 마침내 계약이 모두의 업무가 되는 것이죠.

그러므로 계약이 사라질 것이라고 생각하지 않습니다. 오히려 그 반대입니다. 계약은 기업 AI에 신뢰할 수 있는 맥락을 제공하므로 더욱 중요해집니다. Sirion의 목표는 업무가 이루어지는 곳이라면 어디서든 이러한 인텔리전스를 활용할 수 있도록 하는 것입니다. 앞으로 CLM은 독립적인 목적지라기보다 기업이 한 약속과 매일 실행하는 업무를 연결하는 인텔리전스 및 실행 계층처럼 느껴질 수 있습니다.

멋진 인터뷰 감사합니다. 더 자세한 내용은 Sirion에서 확인하실 수 있습니다.