Mikhail Yatsuha, CaseCraft.AI의 CEO 겸 공동 설립자

Mikhail Yatsuha, CaseCraft.AI의 CEO 겸 공동 설립자이며, 영국 변호사이자 법률 기술 기업가로서 10년 이상 법률 서비스 경험을 보유하고 있습니다. 그는 인턴 및 연수 변호사에서 시작해 Sterling Law의 파트너까지 승진했으며, 상업 부서를 이끌면서 전통적인 법률 비용이 반영되면 경제성이 떨어지는 낮은 가치의 분쟁들을 반복적으로 접했습니다. 2023년 말에 그는 AI를 단순히 법률 문서 작성에 적용하는 것이 아니라, AI 기반 워크플로우를 활용해 민사 청구를 평가·준비·진행하는 방식을 재구상하기 위해 CaseCraft.AI를 공동 설립했습니다.

CaseCraft.AI는 영국의 법률 기술 기업으로, 민사 소송을 위한 AI 기반 플랫폼을 구축하고 있습니다. 이 플랫폼은 사건 평가, 증거 처리, 사전 조치 서신, 문서 생성, 절차 추적 및 인간 법률 검토를 하나의 워크플로우로 통합하여, 개인 청구자는 무승소 무수수료 방식으로, 기업은 구독 기반 대량 청구 및 사건 관리 도구를 통해 서비스를 제공합니다. 회사는 세 차례의 투자 라운드에서 약 £1.8백만을 모금했으며, 2026년 8월 현재 누적 가치 £14.9백만에 달하는 4,562건의 사건을 생성했으며, 51%가 합의되었거나 기본 판결으로 승소했으며, 373건이 현재 진행 중인 법률 업무에 있습니다; 또한 첫 번째 기업용 배포를 파일럿하고 고용법 MVP를 테스트하고 있습니다.

당신은 인턴 및 연수 변호사에서 시작해 Sterling Law의 파트너까지 수년간 성장한 후 2023년에 CaseCraft.AI를 공동 설립했습니다. 법률 실무에서 반복적으로 목격한 것이 무엇이며, 그것이 소액 청구 절차를 단순히 더 나은 법률 소프트웨어로 효율화하는 것이 아니라 AI로 근본적으로 재설계할 수 있다고 확신하게 만들었나요?

저를 설득한 것은 변호사가 더 나은 초안 작성 도구가 필요하다는 것이 아니라, 많은 저가 가치 분쟁에서 경제성이 변호사가 개입하기 전에 이미 무너진다는 점이었습니다. 대리 비용이 청구액에 근접하거나 이를 초과할 수 있으며, 소액 청구에서는 대부분의 법률 비용이 회수되지 않습니다. 저는 Sterling Law에서 이러한 이유로 실행 가능한 청구가 포기되는 것을 보았고, 이후 기업들이 미지급 청구서를 탕감하는 경우에서도 같은 계산을 보았습니다. 이는 초안 작성 문제가 아니라 전달 모델의 문제입니다. AI는 변호사의 작업 속도를 약간 높이는 것이 아니라 청구인을 중심으로 전체 여정을 재설계할 수 있게 했습니다.

CaseCraft.AI는 현재 수천 건의 법률 사건을 생성했으며, 그 중 수백 건이 실제 법률 업무로 진행되었습니다. 실제 사건에서 AI를 운영하면서 프로토타입, 시뮬레이션 또는 벤치마크 테스트만으로는 알 수 없었던 교훈은 무엇인가요?

두 가지가 눈에 띕니다. 첫째, 문서를 생성하는 것은 쉬운 일이며, 사건을 운영하는 것은 어렵습니다. 실시간 사건은 증거, 지급, 마감일, 응답 및 다음 단계가 수개월 동안 일관성을 유지해야 합니다. 2026년 8월 현재, CaseCraft를 통해 4,500건 이상의 사건이 생성되었으며, 400건 이상이 실제 법률 업무로 진행됐고, 130건의 청구가 법원에 제기되었습니다.

둘째, 사람들은 AI와 함께할 때 행동이 달라집니다. 보다 솔직해질 수 있어 중요한 사실을 조기에 드러내는 데 도움이 되지만, 시스템은 경계를 설정하고 인간이 개입해야 할 시점을 알아야 합니다. 우리는 신뢰가 중요한 단계에서 인간 개입을 도입했을 때 전환율이 최소 15% 향상된다는 것을 직접 확인했습니다.

초기 생성 AI 물결의 대부분은 텍스트 생성에 초점을 맞추었습니다. 반면 CaseCraft.AI는 증거 수집, 적격성 판단, 절차 규칙 준수, 작업 트리거 및 사건 추적을 수행해야 합니다. 이러한 에이전시 워크플로우를 구축하는 것이 AI 어시스턴트나 챗봇을 구축하는 것과 기술적으로 어떻게 다릅니까?

챗봇은 질문에 답변하지만, 에이전시 워크플로우는 실제 사건의 상태를 시간에 따라 유지해야 합니다—무엇이 일었는지, 어떤 증거가 존재하는지, 무엇이 누락되었는지, 다음에 무엇이 일어날 수 있는지. 따라서 우리는 시스템을 하나의 모델이 모든 일을 수행하는 것이 아니라, 특화된 구성 요소들로 생각합니다—일부는 정보를 수집하고 검증하고, 다른 일부는 법적 추론을 기반으로 하거나 들어오는 문서를 처리합니다. 목표는 최고의 문단이 아니라, 사건을 가능한 최선의 결과로 이끄는 신뢰할 수 있는 의사결정 및 행동 순서입니다.

법률 워크플로우에서 모델이 절차적으로나 사실적으로 틀리면서도 완전히 설득력 있게 들리는 결과를 생성할 수 있습니다. CaseCraft.AI가 설득 가능한 AI 출력과 실제로 법적 사건에 사용할 만큼 신뢰할 수 있는 정보를 어떻게 구분하도록 설계했나요?

핵심 원칙은 모델이 작동하는 법적 세계를 스스로 창조하지 못하도록 하는 것입니다. 우리는 시스템을 사건의 증거와 권위 있는 법률 출처에 제한하며, 일반 목적 모델에게 기억에 의존해 답변하도록 하지 않습니다. CaseCraft.AI는 정부 API 및 기타 권위 있는 출처를 통해 최신 법령 변경, 관련 판례 및 확립된 모범 사례에 접근할 수 있어 법적 맥락이 최신 상태로 유지됩니다.

우리는 생성과 검증을 분리하고, 전문 검토를 규제된 법률 서비스 프레임워크 내에 유지합니다. 평가 기준은 출력이 변호사가 작성한 것처럼 들리는지가 아니라, 그 출처, 증거 및 절차 단계가 검증 가능한가입니다.

‘측정 가능한 인간 감독’의 중요성에 대해 말씀하셨습니다. 실제로 이것은 무엇을 의미하며, AI 시스템이 자율적으로 내릴 수 있는 결정과 인간이 책임을 져야 하는 결정을 어떻게 구분하시나요?

측정 가능한 인간 감독은 인간 개입이 식별 가능한 위험과 연결되어 있으며, 언제 개입이 발생했는지와 그 이유를 확인할 수 있음을 의미합니다. ‘Human in the loop’는 단순히 안심시키는 문구가 아니라, 트리거, 검토 및 이후 결정을 명확히 지적할 수 있어야 합니다.

우리는 아직 이러한 경계가 어디에 설정되어야 할지에 대한 증거 기반을 구축 중입니다. 이미 확인할 수 있는 한 가지 지표는 검토 시간입니다: 출시 이후 시스템이 개선됨에 따라 인간 검토에 소요되는 시간이 네 배 감소했습니다. 시간이 지나면서 검토를 보다 위험 기반으로 전환하고, 법적으로 요구되는 경우에는 책임 있는 전문가 판단을 유지하는 것이 목표입니다.

증거는 소액 청구의 핵심이지만, 계약서, 청구서, 이메일, 메시지, 사진 및 기타 비정형 정보 형태로 제공될 수 있습니다. 이러한 자료를 출처를 보존하고 근거 없는 결론을 피하면서 AI 시스템이 논리적으로 활용할 수 있는 구조화된 입력으로 전환하는 방법은 무엇인가요?

핵심 원칙은 추출과 추론을 분리하는 것입니다. 사용자가 건설업자와의 WhatsApp 대화를 업로드하면, 날짜, 제시된 가격 및 사용된 문구는 추출된 사실이며, 그 교환의 법적 의미에 대한 결론은 추론입니다. 두 가지를 동일하게 제시해서는 안 됩니다. 우리는 문서를 구조화하여 워크플로우가 이를 활용하면서 원본 증거와의 연결을 유지하도록 합니다. 그 연결이 사라지면, 보기에는 괜찮은 사건 파일을 만들 수 있지만, 이의 제기 시 무너지게 됩니다.

자율 시스템에게 가장 어려운 문제 중 하나는 언제 행동을 멈춰야 하는지를 아는 것입니다. 어떤 신호가 CaseCraft.AI에게 청구가 자동화하기에 너무 모호하거나 복잡하거나 위험해졌으며 대신 법률 전문가에게 에스컬레이션되어야 함을 알려줍니까?

우리의 보호 장치 중 하나는 직관에 반하는 것으로, AI가 진행하려는 사건뿐만 아니라 거부하려는 사건에도 주목합니다. 인간 감독은 AI가 과도하게 공격적으로 행동하는 것을 막는 것뿐만 아니라, 시스템이 지나치게 보수적으로 행동해 정당한 주장을 배제하는 것을 방지합니다.

오늘날 가장 명확한 에스컬레이션 신호 중 하나는 증거 부족입니다. 사람들은 관련 문서를 업로드하지 않거나, 시간이 지나면서 분실했거나, 어떤 증거가 청구에 중요한지 인식하지 못할 수 있습니다. 사건이 충분히 명확하거나 완전하지 않을 경우, 다음 단계는 자동 진행이 아니라 인간 검토가 될 수 있습니다. 변호사는 여전히 현재 시스템보다 상황과 회색 영역을 더 일관되게 처리합니다.

AI 시스템이 전통적으로 변호사가 수행하던 단계들을 더 많이 맡게 되면서, 소프트웨어 자동화와 규제된 법률 서비스 사이의 경계는 어떻게 변화할 것으로 보십니까?

경계는 이동하겠지만, 기술 분야 많은 사람들이 기대하는 것보다 더 천천히 변할 것입니다. 고위험 시스템은 다음 모델이 더 나을 것이라는 약속에 의존할 수 없으며, 신뢰성은 권위 있는 출처, 검증, 제어 및 책임 있는 인간 검토를 통해 입증되어야 합니다. 시간이 지나면서 AI는 명확히 정의된 한도 내에서 전문가가 신뢰할 수 있는 도구가 될 것으로 기대하지만, 자율성은 실제 성과와 결과를 통해 얻어야 합니다. 유용한 질문은 ‘소프트웨어인가 변호사인가?’가 아니라, 어떤 활동이 수행되고 있는지, 어떤 증거가 이를 뒷받침하는지, 누가 책임을 지는가 입니다.

범용 AI 모델이 매우 빠르게 능력을 향상시키고 있습니다. 모든 사람이 이용할 수 있는 기본 모델이 계속 개선되는 상황에서, CaseCraft.AI와 같은 수직형 AI 기업이 지속 가능한 경쟁 우위를 확보하려면 무엇이 필요합니까?

우리의 강점은 기본 모델을 보유하는 것이 아니었습니다. 더 나은 범용 모델은 우리에게 좋은 소식입니다. 어려운 부분은 그 주변 전반—검색, 사건 데이터베이스, 법률 지식, 워크플로우 인프라, 통합, 제어 및 청구가 시작부터 종료까지 어떻게 진행되는지에 대한 운영적 이해—입니다. 새로운 모델이 출시된다고 해서 이러한 작업이 사라지는 것은 아닙니다.

사용자 입장에서는 사건이 한 곳에서 진행되는 느낌을 받아야 하며, 그 뒤에서 오케스트레이션이 작동합니다. 동일한 인프라가 이제는 개인 청구자는 물론, 한 번의 클릭으로 최대 150건의 배치 청구와 사건 관리 워크플로우를 사용하는 기업도 지원하기 시작했습니다. 저는 오케스트레이션과 도메인 실행이 수직형 AI의 지속 가능한 방어벽이라고 생각합니다.

소액 청구를 넘어선 미래를 바라볼 때, CaseCraft.AI를 통해 에이전시 AI의 전반적인 미래에 대해 무엇을 배웠나요? 복잡한 워크플로우를 관리하면서 핵심 결정에 대해 인간이 책임을 지는 시스템에 특히 적합하다고 생각되는 다른 고위험 산업은 무엇입니까?

저는 에이전시 AI에 대해 낙관적이지만, 어려운 작업은 모델 주변—프로세스 재설계, 정보 구조화, 시스템이 수행할 수 있는 범위 정의, 검증 및 에스컬레이션 구축—에 있습니다. 그래서 규제 산업은 종종 더 느리게 움직이며, 워크플로우를 자동화할 만큼 충분히 이해하고 있는 사람들은 보통 조직 내 가장 바쁜 전문가들입니다.

가장 큰 기회는 반복 가능한 정보 수집 및 문서 처리가 많은 워크플로우이지만, 여전히 책임 있는 판단이 필요한 소수의 예외가 존재하는 경우입니다. CaseCraft의 경우, 고용법이 가장 가까운 확장 분야이며, 현재 MVP가 활발히 테스트 중이며, 전문 소송 업체와 함께 개인 상해 분야도 탐색하고 있습니다. 법률을 넘어 보험, 금융 서비스 및 컴플라이언스도 유사한 구조를 가지고 있습니다. 승리하는 시스템은 대화를 자동화하는 방법뿐만 아니라, 언제 기계가 멈추고 인간이 개입해야 하는지를 정확히 알게 될 것입니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶으신 독자분들은 CaseCraft.AI를 방문하십시오.