쌓이는 계약서, 압축과 사내 검색으로 풀기

"작년에 맺은 그 계약, 지금 3분 안에 찾아올 수 있나요?" 어제 결재받은 계약서는 잘 들어있어도, 2년 전 리스 계약이나 유사 분쟁 판결문은 금세 감을 잡기 어렵다. 법무팀마다 비슷한 답을 내놓는다. "기억은 나는데, 어디 있는지 모르겠네."

지식 노동자를 대상으로 한 조사(지식근로자/인텔리전스 재단 보고서, 2025)가 수치를 남겼다. 지식 관리 체계가 없는 팀은 직원 한 명당 주당 평균 8.5시간을 '찾는 데' 썼다. 체계를 갖춘 팀은 4.6시간으로 줄었다. 이 차이를 1,000명 조직으로 환산하면 약 98명분의 풀타임 인력을 되찾는 셈이다. 법무의 시간은 더 비싸다. 낡은 계약 하나, 유사 판례 하나를 찾을 때마다 '어디 있지 → 당장 열릴까 → 내용이 검색되나'라는 세 가닥에서 늘 걸린다.

자료가 늪이 되는 이유

먼저 덩치가 폭주한다. 계약서 본문은 작아도, 스캔본·날인 페이지·증거 사진·상대방이 보낸 PDF가 붙으면 한 사건 폴더가 수백 메가를 훌쩍 넘긴다. 포맷이 가관이다. 워드는 워드대로, 고정 레이아웃 문서는 따로, 핸드폰으로 찍은 증거 사진, 심지어 과거 TIFF 도면까지 뒤섞인다. 이걸 한데 묶어 보관하고 검색하려는 첫 단추에서 이미 꼬인다.

기업 저장소의 현실도 만만치 않다. Komprise가 조사한 바에 따르면, 기업 NAS 위 데이터의 60~70%는 90일 넘게 열어본 적이 없으면서도 가장 비싼 주저장 계층을 점유하고 있다. 법무팀에겐 이 긴장이 상시다. 지우지도 못하는데, 안 열어보는 파일에 프리미엄 저장 비용을 계속 낼 수도 없는 노릇이다. 답은 '디스크를 더 사는' 게 아니라, 남겨둘 것을 작게 하고 찾기 쉽게 만드는 쪽에 있다.

모델에 넣기도 막막하다. 요즘 팀마다 검색 증강 생성(RAG)으로 자체 법무 지식베이스를 만들고 싶어 한다. 유사 판례 찾기, 계약 만기 알림, 조항 비교까지. 그런데 대형 언어 모델은 한 번에 들여올 수 있는 맥락에 한계가 있다. 2~3백 페이지 PDF나 증거 이미지 수백 장을 그대로 밀어 넣으면 잘리거나 토큰 비용이 감당 안 된다. 재료가 먼저 날씬해지지 않으면 RAG는 말도 안 된다.

보안은 세 번째 벽이다. 이 자료는 거의 다 의뢰인 프라이버시, 영업비밀, 미공개 사건이다. "처리하려고 제3자에게 올린다"는 흐름 자체가 컴플라이언스 붉은 줄이다. IBM의 2025년 데이터 유출 비용 보고서는 시선을 끄는 수치를 남겼다. 약 5분의 1 기업이 직원이 몰래 AI 도구를 쓴 이른바 '섀도 AI(shadow AI)' 때문에 유출 사고를 겪었고, 그런 유출의 평균 비용은 동종 대비 67만 달러나 높았다. 유출을 당한 조직 중 63%는 AI 거버넌스 정책조차 없었다. 법무에 이건 확률 문제가 아니라, 한 번 터지면 감당 안 되는 문제다.

압축은 사실 지식베이스의 전제 조건

세 벽을 이어보면 진짜 흐름이 보인다. 재료를 먼저 작게·안정적으로 만든 다음, 사내 지식베이스에서 의미 기반으로 검색한다. 날씬하게 만드는 건 하드디스크를 아끼려는 게 아니라, 모델이 먹고, 검색이 돌고, 전송이 끊기지 않게 하려는 것이다.

놓치기 쉬운 디테일이 있다. 법무 자료 상당수는 이미지다. 스캔한 계약 페이지, 날인 문서, 증거 사진. 이미지를 얼마나 잘 압축하느냐가 파일 전체가 선명한지, 도장이 또렷이 남는지에 직결된다. 최근 제품 업데이트에서 이미지 압축의 핵심 능력을 하나로 통일했다. 원본이 PDF든 워드든 순수 스캔본이든, 안의 이미지 처리 품질이 일관되게 나온다. "이 파일은 깨끗한데 저 파일은 뿌옇다"는 일이 사라졌다. 법무 현장에선 같은 배치의 계약서를 한 기준으로 처리하게 됐다는 뜻이다. 결과가 예측 가능하고, 품질이 흔들리지 않고, 포맷에 따라 줄 세우기를 안 해도 된다.

부피는 60~80%까지 줄어든다. 실무로 치면 안 나가던 메일 첨부가 바로 나가고, 수백 메가 사건 폴더가 지사로 깔끔하게 동기화되며, RAG 색인 전 전처리 토큰 비용이 뚝 떨어진다. 앞서 말한 방치 저장 문제도 한결 가벼워진다. 같은 보관 자료가 비싼 계층의 일부만 차지하니까.

세 갈래, 생각보다 차이가 크다

계약·사건 파일 지식베이스를 만들 때 팀은 보통 세 갈래 중 하나다. 표로 놓고 보면 차이가 선명해진다.

표는 어느 한쪽을 부정하려는 게 아니다. 다만 자료가 의뢰인 프라이버시와 미공개 사건을 담을 때, '데이터가 내부에 머무른다'는 칸이 가산점에서 필수 조건으로 바뀐다는 걸 팀이 먼저 생각하게 하려는 것이다.

RAG 데이터 엔지니어링 베이스가 하는 일

압축은 '처리 가능한가'를, RAG는 '찾을 수 있는가'를 답한다. 사내 배포 아래에서 RAG 데이터 엔지니어링 베이스는 날씬해진 재료를 쪼개고 색인을 만들며, 의미와 전문을 아우르는 하이브리드 검색을 돈다. 사람 이름·신분증 번호·계좌번호 같은 민감 필드는 자동으로 비식별화하고, 권한에 따라 출처가 붙은 조각을 돌려준다. 법무팀에겐 "작년 유사 손해배상 사건의 배상 구간이 얼마였지?"라고 물었을 때 수십 개 폴더를 뒤지는 게 아니라, 해당 문서의 해당 단락으로 곧장 닿는다는 뜻이다.

더 중요한 지점은 흐름 전체가 내부망에서 돌아가고 데이터가 영역을 벗어나지 않는다는 것이다. 앞서 말한 섀도 AI 위험에 정면으로 답하는 셈인데, AI를 금지하는 게 아니라 우리 기계실 안에 가둬 쓰는 방식이다.

바로 손에 잡히는 두 장면

계약 만기 관리라는 작은 장면을 떠올려보자. 법무가 쌓인 계약을 일괄 압축해 베이스에 넣으면, RAG가 상대방·금액·만기일·위약 책임 같은 핵심 필드를 뽑아낸다. 이후 내부망에서 누구든 "다음 분기에 만기인 계약이 뭐고 위약 조항은 어떻게 돼 있나"라고 물으면, 시스템이 해당 계약 단락에서 바로 답을 주고 원문 출처까지 붙인다.

유사 판례 검색도 마찬가지다. 과거 승소·패소 사건 폴더를 압축해 베이스에 넣어두면, 주니어 변호사가 "비슷한 사안의 입증 포인트가 뭐냐"고 물을 때 시스템이 과거 문서의 정확한 페이지로 위치시킨다. 파일 이름만 던져주는 게 아니다.

이 장면들은 데이터를 외부에 맡기는 것도, 팀이 복잡한 엔지니어링을 처음부터 짜는 것도 요구하지 않는다. 핵심은 압축과 사내 검색이라는 두 가지 능력의 조합일 뿐이다.

고를 때 들여다볼 것

팀이 자체 법무 지식베이스를 만들 셈이라면, 아래를 먼저 정리하고 나서 방안을 보길 권한다.

• 데이터 경계: 자료의 외부 반출이 허용되는가, 보관 요건(진정성·무결성·가용성·안전성)에 맞출 필요가 있는가.
• 포맷 커버: PDF·오피스·스캔본·이미지 등 다양한 포맷을 흔들림 없이 다루면서 압축 품질이 일관되는가.
• 검색 정밀도: 파일명으로만 찾는지, 내용 의미로 위치 파악이 되는가.
• 민감 정보: 색인 전 자동 인식·비식별이 되고, 권한에 따라 돌려받을 수 있는가.
• 배포 형태: 전면 사내화로 데이터가 내부에 머무르는지, 이후 확장 비용 모델이 어떻게 굴러가는가.

이 다섯을 선명히 묻고 나면, 들을 때마다 비슷해 보이던 방안들이 금세 우열을 가린다.

FAQ

Q: 계약서 스캔본을 압축하면 도장이 사라지거나 뿌옇게 되지 않나요?
A: 법무 자료의 스캔 페이지·날인 문서는 대부분 이미지라, 품질 안정은 이미지 처리가 일관되느냐에 달려 있습니다. 이미지 압축 핵심을 하나로 통일한 뒤로는 같은 배치의 계약서를 한 기준으로 처리하니 결과가 예측 가능하고, 도장·서명 같은 핵심 요소가 남습니다. 압축본은 검색과 전송용으로 쓰시고, 원본은 보관용으로 두는 걸 권합니다.

Q: 사내 배포는 비싸고 안착하기 어려운가요?
A: 몇 해 전만 해도 문턱이 확실히 높았습니다. 이제는 성숙한 전면 사내화 경로가 있어, 데이터를 내부에 둔 채 압축+RAG 흐름을 돌릴 수 있습니다. 구독제나 일시 구매 같은 형태가 흔해 외부 SaaS 종량제보다 비용 예측이 쉽습니다. 난이도는 자료 규모와 컴플라이언스 범위를 따르니, 작은 범위 시범부터 시작하는 걸 권합니다.

Q: 과거 자료가 너무 많아서, 낡은 계약은 어떻게 지식베이스에 넣나요?
A: 먼저 과거 자료를 일괄 압축해 날씬하게 만든 뒤 통째로 색인합니다. 부피가 60~80% 줄어 로컬 검색이든 지사 동기화든 훨씬 매끄러워집니다. 포맷이 뒤섞인 문제는 통일된 압축과 포맷 적응으로 풀리니, 일일이 손으로 포맷을 바꿀 필요가 없습니다.

Q: 민감 정보가 모델에 기억되거나 새어나가지 않나요?
A: 사내 흐름 아래에선 민감 필드가 색인 전 자동 비식별화되고, 권한에 따라 출처가 붙은 조각만 돌아옵니다. 데이터는 내부를 벗어나지 않습니다. 자료를 외부 AI 도구에 올리는 것과 비교하면, 섀도 AI 누출 경로를 뿌리에서 차단하는 방식입니다.

Q: 그냥 드라이브 쓰는 것보다 효율이 얼마나 나을까요?
A: 드라이브는 저장과 전송을 해결하지만 검색은 파일명과 사람 머리에 의존합니다. 지식베이스는 내용을 찾아줍니다. 비교 조사 하나에 따르면 지식 관리를 갖춘 뒤 주당 검색 시간이 8.5시간에서 4.6시간으로 떨어졌습니다. 법무에 그 되찾은 시간은 곧바로 청구 가능한 전문 업무로 바뀝니다.

지금 사용해 보기

계약서·사건 파일·증거 자료를 '찾을 수 있고, 작게 만들고, 외부로 안 나가게' 고민 중이라면, 아래 입구에서 시작해 보세요.

• 사내 환경에서 의미 검색과 민감 정보 비식별화를 수행하는 RAG 데이터 엔지니어링 베이스를 살펴보세요.
• 데이터가 내부에 머무르는 전면 사내 배포 서비스를 확인하세요.
• 계약서와 스캔본을 흔들림 없이 작게 만드는 SmartSlim을 직접 사용해 보세요.
• 더 많은 실무 아이디어는 기술 블로그에서 만나보세요.