인터뷰
Roderick Lucas, Moonlit 공동 창립자 겸 CEO – 인터뷰 시리즈
Unite.AI를 Google의 선호 소스에 추가
Roderick Lucas는 Moonlit의 공동 창립자 겸 CEO로, 인공지능, 데이터 과학, 법률 기술 분야의 경험을 갖추고 있습니다. Deloitte에서 거의 10년간 근무하며 인공지능 책임자를 맡았고, Vrije Universiteit Amsterdam과 Tilburg University에서 기술 관련 강의를 했습니다. 그는 구조화된 데이터, 검증 가능한 출처, AI를 활용해 법률 연구의 접근성을 높이는 데 주력하고 있습니다.
Moonlit은 유럽 각 관할권의 공식 법령, 법원 판결, 규제 정보를 연계하는 법률 데이터 인프라와 연구 도구를 제공합니다. 플랫폼과 Data API, MCP 서버를 통해 연구자와 AI 어시스턴트가 구조화된 법률 자료를 이용할 수 있으며, Commentaries 라이브러리는 AI가 생성한 분석에 법률 전문가의 검토를 더합니다. 이 인터뷰에서 Lucas는 법률 분야의 환각 현상, 국경을 넘는 조사, 전문가 검증, 신뢰할 수 있는 법률 정보에 대한 접근을 이야기합니다.
Deloitte에서 거의 10년간 근무하며 마침내 인공지능 책임자를 맡았고, Vrije Universiteit Amsterdam과 Tilburg University에서 기술 관련 강의도 하셨습니다. Moonlit은 처음에 Deloitte의 사내 프로젝트로 시작해 2024년에 독립 기업이 되었습니다. 플랫폼을 개발하게 된 계기는 무엇이며, 법률 연구에 근본적으로 다른 접근 방식이 필요하다고 확신하게 된 이유는 무엇인가요?
언어 모델이 등장하자 두 가지 사실이 한꺼번에 분명해졌습니다. 모델은 누구도 예상하지 못했을 만큼 법률 문서를 잘 추론할 수 있었지만, 추론의 바탕이 될 신뢰할 만한 자료는 전혀 없었습니다. 공개 법원 포털에서 텍스트를 직접 추출하면 데이터가 복잡하고 일관성이 없으며, 상업 법률 출판사는 라이선스 제한을 두어 자동화된 접근을 막습니다. 법률 기술 분야에는 공통 기반이 부족했습니다. 여러 관할권의 공식 자료를 같은 깔끔한 데이터 구조로 표준화하고, 서로 연결해 매일 업데이트하는 기반 말입니다.
우리가 구축하고자 한 것이 바로 그 기반이며, Moonlit이 한 기업만을 위한 도구에 그치지 않고 2024년에 회사로 출범한 이유이기도 합니다. 이런 기반은 이를 읽고 기여하는 사람과 시스템이 늘어날수록 가치가 커집니다. 이를 뒷받침하는 신념은 변하지 않았습니다. 법은 공개되어 있으며, 법을 바탕으로 축적된 지식은 법을 준수해야 하는 누구나 감당할 수 있어야 합니다.
Moonlit은 법률 지식에 대한 접근이 정의 실현에 필수적이라는 믿음에서 출발했습니다. 법령과 법원 판결은 대개 공개되어 있지만, 그 의미와 영향을 설명하는 전문가 해설은 여전히 비싼 유료 장벽 뒤에 갇혀 있는 경우가 많습니다. Moonlit은 이러한 해석 자료에 대한 접근을 어떻게 민주화하고자 하며, 신뢰할 수 있는 법률 AI를 개발하는 데 이것이 특히 중요한 이유는 무엇인가요?
네덜란드에서는 벌어들이는 유로 1유로당 약 40센트가 국가에 납부되며, 그중 일부는 공립 대학과 법률 제도에 지원됩니다. 법을 설명하는 해설의 상당수는 공공 부문에서 급여를 받는 학자들이 작성합니다. Wolters Kluwer와 Thomson Reuters 같은 상업 출판사는 그 분석을 상품화해, 이를 필요로 하는 법원과 정부 부처, 대학, 법률 실무자에게 다시 판매합니다. 해설 구독료는 사용자 1인당 월 수백 유로에 달합니다. 이런 구독료를 고려하면, 대중은 자신이 따라야 하는 법에 사실상 두 번 비용을 지불하는 셈입니다. 공정한 법률 제도를 이용하는 데 매달 내는 비용이 Netflix 구독료보다 더 많이 들어서는 안 됩니다.
우리는 무료 Moonlit 계정으로 이용할 수 있는 법률 분석 자료를 조문별로 모은 라이브러리, Commentaries를 개설해 누구나 이용할 수 있는 대안을 마련했습니다. 각 해설은 AI 모델을 사용해 1차 자료를 바탕으로 작성되며, 게시 전에 법률 전문가의 검증을 거칩니다. 모든 인용은 검증을 거치고 공식 정부 또는 법원 기록으로 바로 연결됩니다. 독자가 빠진 뉘앙스나 최근의 변화를 발견하면 페이지의 양식에서 편집을 제안해 편집부의 검토를 받을 수 있습니다. 편집자는 이를 검토한 뒤 다시 게시할 수 있습니다. 우리가 아는 한, 이처럼 여러 요소를 결합해 제공하는 출판사는 없습니다. 출시 당시 이용할 수 있는 해설은 간접세(VAT)에 초점을 맞추고 있으며, 데이터 보호 관련 해설도 준비 중입니다.
이러한 해석 자료는 법률 AI에도 똑같이 중요합니다. 모델은 공개 법령과 법원 판결을 학습할 수 있지만, 규칙이 실제로 어떻게 적용되는지, 어떤 예외가 있는지를 설명하는 2차 해설은 읽을 수 없습니다. 이런 맥락이 없으면 모델은 추론을 확대해 신뢰할 수 없는 답변을 만들어 냅니다. 우리는 Commentaries의 모든 진술이 해석의 근거가 된 조항과 그 바탕이 된 판결에 명시적으로 연결되도록 설계했습니다. 법률 실무자는 클릭 한 번으로 출처를 확인할 수 있고, AI 워크플로는 Moonlit Data API와 MCP 커넥터를 통해 신뢰할 수 있는 데이터를 바탕으로 추론할 수 있습니다.
AI가 생성한 법률 관련 환각이 점점 더 큰 우려로 떠오르면서, 변호사와 법원은 조작된 판례 인용과 부정확한 법률 해석을 접하고 있습니다. 정교한 대규모 언어 모델조차 법률 정확도를 높이는 데 어려움을 겪는 이유는 무엇이며, 구조화되고 검증된 법률 맥락을 제공하면 이러한 한계를 어떻게 해결하는 데 도움이 될까요?
언어 모델이 법률 분야에서 어려움을 겪는 이유는 지능과는 거의 관련이 없습니다. 법률적 추론은 전적으로 검증 가능한 권위 있는 근거에 의존합니다. 결론의 타당성은 그 근거가 되는 조항이나 판결의 타당성에 달려 있지만, 모델은 사건 번호와 법령 인용을 신뢰할 수 있는 데이터베이스 기록이 아니라 확률적 텍스트 패턴으로 취급합니다. 실제 문서를 확인해서가 아니라 인용문이 어떤 형태일지 예측하기 때문에 그럴듯해 보이는 참고 문헌을 내놓습니다. 이는 실제로 심각한 결과를 초래합니다. 이 글을 작성하는 시점까지 AI 환각과 관련된 법원 판결이 2,100건 넘게 기록되었으며, 그중 800건 이상은 법률 전문가가 직접 연루된 사건이었습니다.
법은 끊임없이 바뀝니다. 모델의 지식은 학습 기준 시점에서 멈추지만, 세금 관련 판결과 항소심 판결은 매주 갱신됩니다. 규칙의 의미를 설명하는 해설이 출판사의 유료 장벽 뒤에 있으면 모델은 조문만 볼 수 있을 뿐 실제 적용 맥락에는 접근하지 못합니다. 그 결과, 그 간극을 메우려고 그럴듯한 설명을 지어냅니다.
구조화되고 검증된 맥락은 기본 과업 자체를 바꿉니다. Moonlit에서는 모델이 기억을 더듬어 법을 떠올리는 대신 법률 정보를 검색하고, 공식 기록을 직접 활용합니다. 검색하면 인용 정보와 링크가 포함된 공식 출처의 문서가 반환됩니다. 참조 그래프를 통해 판결이 어떤 자료를 인용하는지, 이후 어떤 문서가 해당 판결을 인용하는지 확인할 수 있습니다. 인용은 저장소에 있는 진본 문서를 가리키거나, 아니면 아예 표시되지 않습니다. 이렇게 하면 조작된 인용을 없앨 수 있습니다. 하지만 데이터가 정제되어 있다는 사실만으로 오독을 막을 수는 없습니다. 그래서 Commentaries는 초안과 독자 사이에 실명이 공개된 법률 전문가를 두고 있습니다.
Moonlit은 여러 관할권의 법령, 법원 판결, 규제 정보를 취합하고, 광범위한 참조 그래프를 통해 법률 문서를 연결합니다. 플랫폼의 기반이 되는 AI 및 데이터 아키텍처를 설명해 주시겠어요? 특히 플랫폼이 법률 자료 간의 관계를 어떻게 파악하고, 서로 다른 언어와 법체계를 어떻게 조율하며, 이 정보를 AI 모델이 활용할 수 있도록 어떻게 제공하는지 궁금합니다.
공식 간행물에서 검증된 인용에 이르기까지 모든 과정이 하나의 연속된 연결 고리라고 생각하시면 됩니다.
각 관할권의 입법 관보, 법원 데이터베이스, 규제 기관 포털, EU 법률을 위한 EUR-Lex 등 공식 포털에 직접 연결합니다. 포털마다 고유한 특성과 형식이 있고 예고 없이 바뀔 수도 있습니다. 따라서 엔지니어링 작업의 상당 부분을 포털별 모니터링과 자동 복구에 투입합니다. 수집하는 모든 문서에는 출처 정보와 공식 정부 기록으로 연결되는 영구 링크가 보존됩니다. 이 링크가 그 밖의 모든 작업의 토대입니다.
법령, 판례, 의회 문서, 기관 결정, 지침을 아우르는 자료가 여러 관할권에 걸쳐 하나의 데이터 모델에 통합됩니다. 법령은 개별 조항 단위로 나누어 특정 조항을 정확하게 검색하고 인용할 수 있도록 합니다. 네덜란드 판결문과 독일 판결문에는 각국 제도에서 요구하는 고유 필드가 유지되며, 문서의 식별, 분류, 국경을 넘는 연결 방식은 표준화합니다.
법률 문서는 서로를 끊임없이 인용합니다. 판결문은 적용하는 조항과 따르는 판결을 인용하고, 법률은 다른 법령을 참조합니다. 관할권마다 형식이 크게 다른 이러한 인용을 엔진이 인식하고, Data Layer에서 진본 문서를 찾아 연결한 뒤 양방향 링크로 저장합니다. 법률 엔지니어가 인용 추출 패턴을 검증합니다. 그 결과 수억 개의 링크를 포함하는 참조 그래프가 만들어져, 어떤 문서든 무엇을 인용하는지와 어떤 문서가 이를 인용하는지 확인할 수 있습니다.
언어 문제는 원문을 그대로 보존하는 방식으로 처리합니다. 1차 자료의 본문은 번역하지 않습니다. 벨기에 판결문은 프랑스어나 네덜란드어 원문 그대로 유지되며, 검색도 원래 언어로 수행됩니다. 키워드 검색과 의미 기반 검색을 결합하고, 검색 결과의 순위를 다시 매기며, 각 검색을 관련 관할권으로 한정합니다. 당사의 연구 보조 도구 Luna는 사용자가 요청한 언어로 답변하면서도 각 원문 자료는 해당 자료의 원래 언어로 검색합니다.
Moonlit 플랫폼과 Data API, MCP 서버는 모두 동일한 Data Layer에서 데이터를 읽습니다. API는 검색 모드, 참조 그래프, 전문 검색 기능을 프로그래밍 방식으로 이용할 수 있게 하며, MCP 서버는 외부 AI 보조 도구라면 무엇이든 읽기 전용 도구 9개를 사용할 수 있도록 합니다. 기반 데이터가 개선되면 그 개선 사항은 모든 접점에 동시에 반영됩니다.
Moonlit은 실명이 공개된 법률 전문가가 검토하는 AI 생성 법률 해설을 도입해 자동 초안 작성과 사람의 검증을 결합했습니다. 실제로 이 과정은 어떻게 진행되며, AI가 생성한 해석의 정확성과 투명성을 보장하고 권위 있는 법률 자료까지 추적할 수 있도록 어떤 안전장치를 마련했나요?
법률 해설은 법률 자체에서 출발합니다. 저희 엔진은 법령, 판례, 지침, 그리고 조항의 입법 과정에 관한 의회 기록을 비롯한 Data Layer의 1차 자료를 바탕으로 초안을 작성합니다. 저희가 보유한 문서만 인용할 수 있으므로, 모든 주장은 해석 대상 조항 및 그 주장을 뒷받침하는 출처와 연결됩니다. 예를 들어, 출시 당시 공개한 해설 중 하나는 검증된 출처 165개를 연결해 두었습니다.
법률 해설을 공개하기 전에 해당 분야의 법률 전문가가 1차 자료를 대조해 초안을 검토합니다. 편집자들은 업무에 대한 보수를 받는 학자이자 실무 저자입니다. 초기 참여진은 대학, 법원, 정부 기관, 자문 회사, 로펌 출신으로 구성되어 있습니다. 이들은 초안을 바로잡고, 불필요한 내용은 덜어 내며, 빠진 내용은 보충합니다. 이름은 페이지에 명시되어 있습니다.
검증된 검토 배지는 편집자가 확인한 문단을 표시하므로, 어떤 부분을 인간 전문가가 검증했는지 항상 분명하게 알 수 있습니다.
각 법률 해설에는 해당 내용이 설명하는 법률의 정확한 상태를 보여 주는 기준일도 표시됩니다. Data Layer는 매일 업데이트되며, 관련된 새 판결이 나오면 편집자에게 알립니다. 편집자는 이에 따라 내용을 수정하고 기준일을 갱신합니다.
이 모든 것을 뒷받침하는 안전장치는 링크입니다. 결론의 근거가 되는 판결을 클릭해 확인할 수 없다면, 그 결론을 무조건 믿으라는 요구를 받는 셈입니다. Commentaries는 누구도 그럴 필요가 없도록 만들었습니다.
Model Context Protocol(MCP) 통합을 통해 Moonlit은 ChatGPT, Claude, Microsoft Copilot과 같은 AI 어시스턴트에 법률 정보를 직접 제공할 수 있습니다. 이 아키텍처는 기존 검색 증강 생성 시스템이 구현하기 어려울 수 있는 어떤 기능을 가능하게 하나요? 또한 이러한 어시스턴트가 검색한 법률 정보를 책임 있게 사용하도록 어떻게 보장하나요?
기존 RAG는 일부 문서를 스냅샷으로 가져와 조각으로 나누고 임베딩한 뒤, 유사도 점수가 가장 높은 내용을 모델에 제공합니다. 법률 분야에서는 이 방식이 세 가지 측면에서 한계를 드러냅니다. 스냅샷은 시간이 지나면 최신 정보를 반영하지 못합니다. 유사도만으로는 정확한 조문이나 사건 번호를 충분히 신뢰할 수 있게 찾아내기 어렵습니다. 또한 문서 조각만으로는 해당 문서가 무엇을 인용하는지, 후속 판결이 그 문서에 어떤 영향을 미쳤는지 알 수 없습니다.
MCP 서버를 사용하면 어시스턴트가 직접 조사합니다. 불리언 연산자를 사용해 의미를 기준으로 검색하거나 정확한 용어와 인용 정보를 검색할 수 있고, 문서 간 참조를 따라가며, 전체 문서를 읽고, 법률의 개별 조문을 가져올 수도 있습니다. 이용 가능한 관할권과 공식 포털도 확인할 수 있습니다. 모델은 필요한 정보를 판단하고, 검색 결과를 읽은 다음, 답변에 충분한 근거가 확보될 때까지 다시 검색합니다. 이 반복 과정이 차이를 만듭니다. Luna도 9월에 같은 MCP 서버로 이전했으며, 답변 속도와 품질이 동시에 향상되었습니다. 데이터도 실시간으로 제공됩니다. 어시스턴트는 현재 시점의 Data Layer를 읽습니다.
책임 있는 사용은 명확한 한계를 설정하는 데서 시작됩니다. 저희 도구는 읽기 전용이며, 검색 결과는 공식 출처로 연결됩니다. 또한 어시스턴트가 따를 수 있는 간단한 조사 지침도 공개합니다. 이 지침은 출처의 원문 언어로 검색하고, 인용 전에 해당 대목을 확인하며, 버전을 검증하고, 이용 가능한 출처에 공백이 있는 경우 이를 명확히 밝히는 방법을 설명합니다.
어시스턴트마다 추론을 보여 주는 방식은 다르며, 이는 저희가 통제할 수 있는 부분이 아닙니다. 대신 출처를 쉽게 확인할 수 있도록 할 수는 있습니다. 모든 인용은 문서로 연결되고, 모든 문서는 해당 문서의 공식 게재처로 연결됩니다.
새 판결이 발표되고 규정이 바뀌며 기존 판례에 이의가 제기되면서 법률 정보는 끊임없이 변화합니다. Moonlit의 자동 모니터링 인프라는 이러한 변화를 어떻게 식별하고 반영하나요? 또한 플랫폼은 AI 시스템이 오래된 법령이나 더 이상 유효하지 않은 법률 해석에 의존하지 않도록 어떻게 방지하나요?
AI나 연구자가 잘못된 법률 정보에 의존하지 않도록 하려면 문서 간 연결이 중요합니다. 새로운 판결이나 법률 개정이 시스템에 들어오면 참조 그래프가 해당 자료를 인용하는 이전 조항 및 판례와 연결합니다. 항소심 법원이 이전 판결을 뒤집거나 적용 범위를 좁히면, 그 변화는 해당 판결을 인용한 판결로서 원래 판결에 직접 연결됩니다. 그래프를 따라가는 모델은 이러한 후속 조치를 즉시 확인하므로, 더 이상 유효하지 않은 판례를 유효한 법률로 취급하지 않습니다. 플랫폼에서 사용자는 같은 방식으로 들어오는 정보 흐름을 활용해 추적하려는 특정 법령, 법원 또는 주제에 대한 모니터링을 활성화할 수 있습니다.
법률 해설을 최신 상태로 유지하는 일은 전통적으로 큰 사각지대였습니다. 상업용 법률 해설서는 업데이트 검토를 일 년에 한두 번만 하는 경우가 많습니다. 간접세나 데이터 보호처럼 변화가 빠른 분야에서는 이러한 지연이 심각한 규정 준수 위험을 초래합니다. 저희 Data Layer는 새로 발표되는 자료를 매일 법률 해설과 대조하므로, 새로운 판결이 나오면 집필 편집자에게 즉시 알립니다. 편집자는 분석을 업데이트하고 기준일을 갱신합니다. 그 결과 실무자와 AI 모델 모두 12개월 전의 관점이 아니라 실제 법률의 현황을 바탕으로 작업할 수 있습니다.
국경을 넘는 법률 조사는 문서 번역을 넘어서는 복잡성을 수반하며, 특히 국가마다 유사한 규정을 다르게 해석하거나 시행하는 경우가 그렇습니다. Moonlit의 AI는 이러한 관할권별 차이를 어떻게 구분하나요? 권위 있는 법률 출처끼리 서로 모순되는 것처럼 보일 때는 어떻게 처리하나요?
EU 지침과 이를 국내법으로 이행한 법률은 서로 다른 문서이며, 한 문서가 다른 문서를 인용하는 경우 서로 연결됩니다. 유럽사법재판소의 판결을 적용하는 국내 법원 판결도 해당 판결과 연결됩니다. Commentaries가 VAT부터 다루는 이유도 여기에 있습니다. 관련 규정은 EU 차원에서 대체로 조화를 이루지만, 각 회원국에서 해석됩니다.
법률 분야에서 모순은 흔히 발생하며, 우리는 이를 숨기지 않습니다. 권위 있는 자료 두 개가 서로 다른 내용을 말하는 것처럼 보이면 독자는 두 자료를 모두 확인할 수 있습니다. 이때는 법적 위계가 대부분의 판단을 좌우합니다. 나중에 나온 판결은 이전 판결보다 우선하고, EU 법률에 관한 문제에서는 유럽사법재판소가 국내 법원보다 우선하며, 기준일 당시 유효했던 조항이 적용됩니다. Commentaries에서는 편집자가 공개적으로 판단을 내리고, 그 판단과 함께 관련 자료를 제시합니다.
네덜란드 대법원과 Deloitte를 비롯한 법률 기관 및 공공기관에서 Moonlit의 기술을 사용하고 있습니다. 플랫폼이 법률 조사 업무 흐름을 실제로 어떻게 바꾸었는지 구체적인 사례를 공유해 주실 수 있을까요? 또한 기존 방식과 비교해 조사 정확도, 완전성 또는 효율성이 얼마나 개선되었는지 어떻게 측정하시나요?
예를 들어 핀테크 분야에서는 Quantoz Payments의 법무팀이 Moonlit MCP 서버를 Claude에 연결하고, 국경 간 결제 규제에 맞춘 맞춤형 업무 흐름을 구축했습니다. 이들이 대체한 업무 방식은 유럽 전역에서 통용되는 전통적인 표준 절차입니다. 변호사는 보통 여러 국가의 포털을 열고, 여러 언어로 검색한 다음, 인용문을 메모에 복사하고, 중요한 현지 판례를 놓치지 않았기를 바라야 합니다. 이제는 이들의 시스템이 여러 관할권을 동시에 검색하고, 인용 관계를 따라가며, 공식 출처 링크와 함께 1차 자료를 제공합니다. 사내 법무팀이 얻는 효과는 분명합니다. 외국 판결을 놓치는 사각지대를 없애고, 자료를 기계적으로 수집하는 데 들이던 시간을 실제 법률 분석과 위험 평가에 투입할 수 있게 합니다.
개발 측면에서는 전혀 다른 종류의 효율성을 확인할 수 있습니다. 법률 AI 제품을 개발하는 팀은 절감한 엔지니어링 기간을 기준으로 개선 효과를 측정합니다. 법률 AI 기업 Eudia는 자사 제품을 구동할 구조화된 유럽 법률 데이터가 필요했고, 제품 관리자는 Data API를 통해 며칠 만에 유럽 전체를 아우르는 완전한 데이터 코퍼스를 확보했다고 말했습니다. 기반 데이터 인프라가 없다면 모든 국가 포털에 맞는 맞춤형 스크레이퍼를 개발하고 무기한 유지 관리해야 합니다. Saga와 Legal Mind 같은 다른 플랫폼도 동일한 기반에 의존하며, 이제 검증된 Commentaries 콘텐츠를 자체 최종 사용자에게 직접 제공할 수 있습니다.
앞으로 기반 모델의 성능이 계속 향상되고 AI 에이전트가 더욱 복잡한 법률 조사 업무를 맡게 되면, 범용 AI 모델과 전문 법률 데이터 인프라의 관계는 어떻게 발전할 것으로 보시나요? 특히 대형 로펌과 기관을 넘어 누구나 신뢰할 수 있는 법률 정보를 이용할 수 있도록 하는 측면에서 Moonlit의 장기적인 비전은 무엇인가요?
성능이 더 뛰어난 모델은 제공된 자료를 바탕으로 더 나은 추론을 할 수 있지만, 신뢰할 수 있는 1차 기록을 아무것도 없는 곳에서 만들어 낼 수는 없습니다. 기반 모델의 성능이 향상될수록 검증된 데이터 계층의 가치는 오히려 커집니다. 추론 기능이 널리 보급되면 진짜 병목은 데이터 품질로 옮겨갑니다. 에이전트가 작업하려면 여전히 정확하고 구조화된 법률 정보가 필요하기 때문입니다.
범용 모델과 자율 에이전트는 문서 작성, 종합, 대화형 상호작용을 담당하게 될 것입니다. Moonlit과 같은 전문 인프라는 그 아래에서 어려운 데이터 문제를 해결해 법률 정보를 최신 상태로 구조화하고 검증 가능하게 유지하며, 에이전트가 사용하는 프로토콜을 통해 해당 정보를 직접 제공합니다. 우리는 이러한 변화에 일찌감치 대비했습니다. 자체 어시스턴트는 외부 에이전트가 연결하는 것과 정확히 동일한 MCP 서버에서 실행되며, 여러 팀이 이미 그 위에서 자체 맞춤형 에이전트를 운영하고 있습니다.
이러한 아키텍처는 우리의 장기적인 비전에서도 핵심적인 역할을 합니다. 신뢰할 수 있는 국경 간 법률 정보는 전통적으로 고가의 다국가 구독료를 감당할 수 있는 대형 로펌과 다국적 기업만 이용할 수 있는 사치재였습니다. Commentaries를 무료로 열람할 수 있게 하고, 최신 API와 커넥터를 통해 모든 개발자에게 데이터 계층을 개방함으로써 우리는 공정한 경쟁 환경을 조성하고자 합니다. 국경 간 사업에 자문하는 단독 개업 변호사나 초기 단계 기업의 사내 변호사도 글로벌 자문 회사와 똑같이 정밀한 조사 결과와 검증된 인용 자료를 이용할 수 있어야 합니다.
훌륭한 인터뷰에 감사드립니다. 검증된 법률 데이터와 AI 지원 국경 간 조사를 살펴보고 싶은 독자는 Moonlit을 방문해 보시기 바랍니다.
