법률 자료의 혼란을 끝내는 프라이빗 RAG 지식베이스

카스퍼스키가 2025년에 성인 1,066명을 대상으로 진행한 조사 결과가 있습니다. 중요한 파일이 어디 있는지 찾지 못한다는 응답이 57%에 달했고, 정기적으로 정리하는 사람은 30%뿐이었습니다. 26%는 소위 '쓰레기 통' 폴더에 온갖 것을 쑤셔 넣어두고 있죠. 일반 오피스에서도 충격적인 숫자인데, 법률 업계로 가면 이야기가 훨씬 무거워집니다. 사건 파일 하나에는 고객의 영업비밀, 계약 조건, 소송 전략이 모두 들어 있습니다. 못 찾는다는 건 단순한 비효율이 아니라 '정말 그 문서가 최종본인가'를 장담할 수 없다는 뜻이니까요. 사건이 겹칠수록 이 문제는 눈덩이처럼 불어납니다. 한 명의 변호사가 동시에 맡는 파일이 수백 건을 넘기 시작하면, '찾지 못함'은 개인의 부주의가 아니라 조직 차원의 리스크가 됩니다.

UglyPear Data는 고성능 문서 압축과 RAG 데이터 엔지니어링 기반을 만듭니다. 모든 기능이 완전 프라이빗 배포로 동작하고, 데이터는 내부망을 벗어나지 않습니다. 법률 현장에서 진짜 관건은 '검색이 되느냐'가 아니라 '검색된 결과를 법정에서 쓸 수 있느냐'입니다.

직관과 반대로 가는 점이 하나 있습니다. 문서를 지식베이스에 넣고 거대 언어 모델을 붙이면 질의응답이 믿음직해질 거라 기대하는 팀이 많습니다. 실제는 거꾸로인 경우가 흔하죠. 파일 이름과 디렉터리로만 매칭하면, 본문의 의미를 읽는 의미 기반 검색을 이길 수 없습니다. '2023최종본_final2'라는 파일명 속에 숨어 있는 주식양도계약서가 있다고 칩시다. '대상'이라는 키워드로 검색하면, 작성자가 그 단어를 제목에 쓰지 않았다면 영영 못 찾을 수 있습니다. 의미 기반 검색은 파일이 뭐라고 불리는지가 아니라 본문이 무엇을 말하는지 봅니다.

개인정보는 또 다른 금칩니다. 법률 문서는 온통 고객 비밀로 채워져 있습니다. 사건 기록을 퍼블릭 클라우드에 올리고 남의 모델이 읽게 두는 일, 그 자체로 비밀유지 의무 위반 소지가 커서 대다수 로펌이 선을 긋습니다. 그래서 로컬 처리가 의미가 있습니다. 파일은 자체 서버에서 압축되고, 자체 네트워크에서 인덱스가 만들어지며, 질의응답도 내부에서만 끝납니다. 데이터는 처음부터 끝까지 내부망을 나가지 않습니다. UglyPear Data의 압축은 문서 부피를 크게 줄이는데, 그 과정 전체가 본머신에서 완료되어 외부로 나가는 파일과는 별개입니다. 압축이 따로 노는 게 아니라 이 로컬 처리 흐름 안에 들어 있다는 점이 중요합니다. 파일을 줄이는 것과 파일을 지키는 것은 별개 일처럼 보이지만, 결국 같은 머신에서 같은 권한 아래서 일어나야 안전이 보장됩니다.

어떤 쪽을 고를지는 결국 '데이터를 누가 관리하느냐'에 대한 선이 어디인지로 갈립니다. 상황에 따라 답이 달라지니, 아래는 자주 견주는 다섯 가지 기준입니다.

시야를 조금 더 넓혀보겠습니다. 제대로 된 법률 지식베이스를 만드는 사람들은, 요청자가 굳이 언급하지 않는 몇 가지를 미리 합니다. 정답이 표시된 표준 세트를 한 묶음 미리 마련합니다. 첫 줄의 검색 코드를 쓰기 전에 '제대로 찾았다'의 정의를 정해두는 거죠. 이 잣대 없으면 이후의 모든 튜닝은 느낌에 맡기는 꼴이 됩니다. 정답 세트는 단순히 몇 개 샘플을 모아두는 게 아닙니다. 실제 사건에서 나올 법한 질문을 골라, 그에 맞는 정확한 인용 위치까지 표시해둡니다. 그래야 '찾았다'의 기준이 흔들리지 않습니다. 검색 품질을 반복해 수치로 측정할 수 있는 지표로 다룹니다. '한번 돌려보고 안 되면 말고'가 아니라, 정량적으로 들여다보는 식입니다. 의도적으로 애매한 표현, 서로 다른 사건 유형이 섞인 질문, 오타가 들어간 질문을 집어넣어 대조 테스트도 합니다. 시스템이 엉뚱한 답을 내놓지는 않는지 보려고요.

업계에는 공개되고 통용되는 방법들이 꽤 있습니다. 키워드의 정확성과 벡터의 의미를 섞는 하이브리드 검색, 1차 걸러낸 뒤 다시 정밀하게 순위를 매기는 재정렬 모델, 일상어를 검색에 친화적인 표현으로 바꾸는 질의 재작성, 특정 고객이나 사건 유형으로 범위를 우선 좁히는 메타데이터 필터. 이건 어느 한 곳의 비법이 아니라 업계의 기본기입니다. UglyPear Data는 프라이빗 배포 안에서 이런 역량을 묶어 실제로 쓸 수 있게 합니다. 다만 업계의 모든 앞선 방식을 다 구현했다고 주장하지는 않습니다. 지금 쓰이는 것도 있고, 아직 로드맵 위에 있는 것도 있으니까요.

권한 문제는 최근 몇 년 사이 실질적으로 변했습니다. 프래그먼트 단위까지 내려갈 수 있게 됐죠. 같은 인수합병 계약서라도 주관 파트너는 전체를, 담당 조수는 자기가 맡은 몇 단락만 봅니다. 권한은 검색이 일어나는 그 순간, 부여된 권한에 따라 적용됩니다. 통째로 펼쳐놓고 나중에 막는 방식이 아닙니다. 연결도 거칠지 않습니다. 수십 년 모아둔 기관의 업무 DB를 통째로 옮기거나 데이터를 밖으로 빼지 않아도 그 위에서 바로 검색하고 인용할 수 있습니다. 갱신이 과거를 지우지도 않습니다. 증분이 들어와도 이전 버전은 스냅샷으로 남아, 어느 날 어떤 주석이 틀렸음이 드러나면 롤백해 다시 할 수 있습니다. 무엇보다 이 흐름은 end-to-end로 실제 검증을 거친 것이지, 아키텍처 도면 위의 예쁜 선이 아닙니다.

구체적인 체감을 하나 말씀드리겠습니다. 한 로펌이 십 년 치 건설 분쟁 사건 기록을 정리하려 했습니다. 처음엔 '그냥 큰 하드디스크 하나 더 사면 되지 않을까' 생각했습니다. 나중에 깨달은 건, 진짜 비용이 저장 공간이 아니라 사람에게 있다는 점이었습니다. 인턴 한 명이 삼 년 전 보완계약서를 찾느라 오후를 다 쓰고, 겨우 찾아서도 '이게 진짜 최종본인가' 확신하지 못했습니다. M-Files가 의뢰한 전 세계 조사에서, 직원의 96%가 문서의 최신 버전을 찾기 어렵다고 답했고, 83%는 못 찾아서 아예 처음부터 다시 만들어본 적이 있다고 했습니다. 법률 업계에서 이 '다시 만들기'의 대가는 다른 대부분 업계보다 큽니다. 그 대신 만든 것이 그대로 법정 증거로 들어갈 수 있기 때문입니다.

저장 측 숫자도 만만치 않습니다. 전 세계를 떠도는 PDF가 3조(3 trillion) 부를 넘겼고, SharePoint에는 매일 20억 개가 넘는 파일이 새로 올라옵니다. 로펌은 이 거대한 흐름 속 작은 물결일 뿐이지만, 그 물결 하나하나가 스스로 책임을 져야 합니다. 더 방치된 데이터는 가관입니다. 기업 주저장장치에서 60~70%의 데이터가 90일 넘게 아무도 손대지 않으면서도 비싼 주저장 공간을 차지합니다. '나중에 쓸지도 모르는' 과거 기록을 좀 줄이면, 부피는 내려가고 검색도 그만큼 가벼워집니다.

신뢰에 관해서는. 법률 현장에서 '시스템이 맞게 답했다'를 누가 독립적으로 증명할 수 있을까요? 벤더의 자화자찬이 아니라, 벤더에 의존하지 않는 정답 세트, 오프라인에서 재현 가능한 지표, 블라인드 방식의 A/B, 그리고 일상 흐름에 상주하는 회귀 테스트가 있어야 합니다. 이게 있으면 공급업체를 바꿔도 결론이 뒤집히지 않습니다. UglyPear Data가 롤백 가능, 이력 기록, end-to-end 검증을 밑바탕으로 삼는 이유도 여기에 있습니다. 법률 고객이 원하는 건 '똑똑해 보이는 것'이 아니라 '일이 터져도 설명이 되는 것'이기 때문입니다.

이 지점에서 UglyPear Data의 프라이빗 RAG 기반이 한 단계 발전하면서, 이제는 이런 가능성이 열렸습니다. 권한을 프래그먼트 단위까지 내릴 수 있습니다. 같은 문서라도 역할에 따라 다른 문단을 보게 되고, 그 구분은 질의가 일어나는 시점에 권한에 따라 적용됩니다. 수십 년 쌓은 기존 운영 데이터베이스에 직접 연결합니다. 데이터를 옮기거나 내보낼 필요가 없습니다. 증분 업데이트를 지원하며 스냅샷 롤백이 가능합니다. 이 전체 사슬은 end-to-end로 검증을 마쳤습니다. 제품이 이제 이렇게 만들어낼 수 있게 된 것입니다.

Try it now

법률 자료의 컴플라이언스와 검색 문제로 곤란을 겪고 계신다면, UglyPear Data의 프라이빗 배포 방안을 살펴보시길 권합니다. SmartSlim과 RAG 데이터 엔지니어링 기반은 완전 프라이빗 배포를 지원하며 데이터는 내부망을 벗어나지 않습니다. 실무적인 풀이는 기술 블로그에서, 전반적인 역량은 공식 사이트에서 확인하실 수 있습니다.

• https://www.uglypear.com/ko/products/
• https://www.uglypear.com/ko/blog/
• https://www.uglypear.com/ko/

FAQ

Q: 로펌이 사건 기록을 시스템에 연결하면 고객 개인정보는 어떻게 보호되나요?
A: 핵심은 데이터가 내부망을 벗어나지 않는다는 점입니다. 압축, 인덱싱, 질의응답이 모두 기관 자체 환경 안에서 완료됩니다. 원본 파일은 외부로 전송되지 않고 어떤 퍼블릭 클라우드 모델에도 들어가지 않습니다. 여기에 여러 유형의 민감 정보 식별을 더해, 입고 전에 이름·식별번호 등을 비식별 처리할 수 있습니다.

Q: 권한은 어느 정도까지 세분화할 수 있나요?
A: 프래그먼트 단위까지 가능합니다. 같은 파일이라도 역할에 따라 다른 문단을 보게 되고, 권한은 검색 시점에 적용됩니다. 통째로 펼쳐놓고 나중에 차단하는 방식이 아닙니다. 협업도 편하고, 권한을 넘어서지도 않습니다.

Q: 과거 기록이 너무 많아 정리하다가 옛 데이터를 잃을까 봐 걱정됩니다.
A: 증분 업데이트에 스냅샷 롤백을 갖춘 메커니즘입니다. 새 내용이 쌓여도 이전 버전은 스냅샷으로 남습니다. 어느 처리가 잘못됐다면 이전 안정 상태로 되돌려 전체를 덮어쓰거나 잃는 일이 없습니다.

Q: 이미 쓰는 업무 데이터베이스를 옮겨야 하나요?
A: 그럴 필요가 없습니다. 기존 업무 DB에 직접 연결하는 방식을 지원합니다. 원본 데이터를 이주하거나 밖으로 빼지 않고도 그 위에서 검색과 인용이 가능해, 연결에 따른 위험을 낮춥니다.

Q: 압축한 뒤에도 파일을 정상적으로 열고 증거로 쓸 수 있나요?
A: 압축의 목표는 부피를 줄이면서도 읽을 수 있는 내용과 날인, 도표 같은 핵심 요소를 유지하는 것입니다. 압축 후에도 로컬에서 미리 보며 내용의 온전함을 확인할 수 있습니다. 다만 증거로서의 효력은 취득과 공증 절차와 함께 판단해야 하며, 기술 처리가 법적 절차를 대신하지는 않습니다.