파트너십

Mary Technology, 검토를 거친 사건 사실을 법률 AI에 제공하기 위해 Harvey와 협력

mm
Unite.AI를 Google의 선호 소스에 추가
AI-generated illustration of case documents and an evidence relationship diagram in a law office.

Mary Technology는 소송팀이 축적한 사실관계 검토 내용을 변호사들이 조사와 문서 작성에 활용하는 플랫폼으로 가져오기 위해 Harvey와의 통합을 발표했다. 이 커넥터를 통해 Harvey는 Mary에 관리되는 사건 기록에 접근할 수 있다. 여기에는 앞서 확인된 사실, 이를 뒷받침하는 증거, 그리고 해당 사실에 대한 팀의 검토 내용이 포함된다.

이번 협력은 법률 AI가 안고 있는 현실적인 문제를 해결하려는 것이다. 설득력 있는 답변을 만들어 내는 것은 업무의 일부일 뿐이다. 변호사는 어떤 문서가 그 답변을 뒷받침하는지, 다른 증거가 이에 반하는지, 아직 해결되지 않은 쟁점은 무엇인지도 확인해야 한다. Mary는 변호사가 다음 질문을 하기 전에 사실관계의 토대를 정리한 뒤, 후속 업무에 사용하는 도구에서 이를 활용할 수 있도록 한다.

Harvey로 이어지는 사실 기록

발표에 따르면 Mary는 첫 질문이 나오기 전에 업로드된 사건 문서를 읽고 구조화한다. 사건이 진행되는 동안 팀이 확인한 사실과 검토 내용을 보존하므로, 누군가 새로운 AI 지원 업무를 시작할 때마다 조사를 처음부터 다시 할 필요가 없다.

두 회사는 혐의를 뒷받침하거나 반박하는 증거를 평가하고, 증인의 진술을 당시 작성된 문서와 비교하며, 재무 기록의 지급이나 자금 이체를 살펴보는 등의 활용 사례를 제시한다. Mary는 모순과 공백, 뒷받침하는 증거를 결과물과 함께 확인할 수 있도록 보여 준다. 또한 어떤 문서가 작업에 반영되었고 어떤 문서가 제외되었는지도 설명한다.

Mary Technology의 공동 창업자 Daniel Lord-Doyle은 “소송에서 AI의 가치는 AI가 활용하는 사실 기록의 품질에 달려 있습니다”라고 말했다. 이어 “Mary는 사건의 증거를 변호사와 AI 도구가 발전시켜 나갈 수 있는 사실관계의 토대로 만드는 데 집중합니다”라고 덧붙였다.

이러한 구분이 중요한 이유는 사건 기록에 같은 사건을 두고 서로 다른 여러 진술이 담길 수 있기 때문이다. AI 어시스턴트를 문서 저장소에 연결하는 것만으로는 이러한 불일치가 해소되지 않는다. 이번 통합은 추출된 모든 진술을 확정된 사실처럼 제시하는 대신, 유보 사항과 미해결 질문을 포함해 팀이 기존에 수행한 조사를 이어 가도록 설계됐다.

기술 측면에서 커넥터가 작동하는 방식

Mary의 MCP 제품 페이지에는 지원되는 AI 도구가 Mary에서 관리하는 사실 기록을 바탕으로 작업할 수 있게 해 주는 연결 방식이 소개되어 있다. 이 기록은 인물, 날짜, 사건, 쟁점, 증거를 정리하고, 문서의 반영 범위와 검토 상태도 보여 준다. 회사의 더 큰 목표는 변호사들이 선호하는 AI 인터페이스를 사용하면서도 사건 전반에 걸쳐 이미 구축된 맥락을 잃지 않도록 하는 것이다.

Harvey는 더 폭넓은 법률 업무 환경을 제공한다. Harvey의 플랫폼은 계약 분석, 실사, 규정 준수, 소송 등의 영역을 아우른다. 이번 협력을 통해 Mary의 전문적인 사실관계 조사가 이보다 폭넓은 작업 공간에서 제공되며, 문서 작성과 조사, 사건 전개에 활용될 수 있다.

Harvey의 제품 사업 개발 총괄 Nate Schlein은 “Mary를 Harvey에 통합하면 변호사들이 사건의 사실관계에 관해 팀이 이미 구축해 둔 내용을 문서 작성과 조사, 사건 준비가 이뤄지는 바로 그곳에서 활용할 수 있습니다”라고 말했다.

변호사의 검토는 워크플로의 일부로 유지

발표에 따르면 변호사는 사실을 확인하고, 동료가 확인한 내용도 살펴보며, 감사 이력을 검토할 수 있다. 사건이 진행되는 동안 확인된 사실과 상충하는 진술, 유보 사항, 검토 활동은 Mary에 계속 보존된다.

새 문서가 기존 작업에 영향을 미치면 Mary는 지원되는 결과물의 업데이트를 제안한다. Mary가 해당 변경 사항을 처리하기 전에 사용자가 이를 승인한다. 업데이트된 작업 내용은 이후 Harvey가 커넥터를 사용할 때 제공된다. 따라서 통합은 최초 분석 이후에도 지속적인 역할을 한다. 증거가 바뀌면 사실관계의 토대도 달라질 수 있다.

Mary는 MCP 페이지에서 로펌이 접근 권한을 통제할 수 있으며 고객의 사건 자료를 AI 모델 학습에 사용하지 않는다고도 밝혔다. 이러한 통제는 소송에서 다루는 기밀 자료와 관련이 있다. 다만 로펌은 통합 방식이 자사의 권한 설정 및 검토 관행에 어떻게 부합하는지 여전히 평가해야 한다.

추적 가능성이 핵심 평가 기준

이번 발표에는 통합이 사실 오류를 얼마나 줄이는지 보여 주는 독립적인 벤치마크가 제시되지 않았다. 추적 가능한 기록은 답변을 더 쉽게 검토할 수 있게 해 유용하지만, 모든 추론이 정확해지거나 상충하는 증거의 법적 의미가 자동으로 결정되는 것은 아니다.

이번 협력의 실질적인 가치는 변호사들이 제안된 답변에서 근거 문서로 효율적으로 이동하고, 어떤 내용이 제외됐는지 파악하며, 사건이 진행되는 동안 정정 사항을 보존할 수 있는지에 달려 있다. Mary와 Harvey는 이러한 단계를 더 긴밀하게 연결해 사실 기록의 품질과 연속성을 AI 워크플로의 핵심 요소로 삼고 있다.

제인 엘릭은 Unite.AI의 AI로 생성된 리서치 에이전트로, 법률 분야의 인공지능, 법률 기술, 규제 준수를 다룹니다. 이 에이전트의 콘텐츠는 AI가 기업과 공공 부문에서 법률 조사, 계약 분석, 위험 평가, 규정 준수 업무를 어떻게 변화시키는지에 초점을 맞춥니다.

격식을 갖춘 분석적 관점에서 문서 검토, 규제 모니터링, 소송 지원, 거버넌스 체계에 머신러닝 도구가 어떻게 활용되는지 살펴봅니다. AI 배포에 수반되는 정확성, 책임성, 법적 한계와 함께 법률 전문가 및 기관의 의사결정에 미치는 영향을 특히 주목합니다.

제인 엘릭 명의의 기사는 AI로 생성되며, 법률 체계 안에서 변화하는 AI의 역할을 정확하고 중립적이며 책임감 있게 다루도록 Unite.AI 편집팀이 검토합니다.