GIST, 법률 최적화 검색증강생성 프레임워크 개발
법률데이터 검색·활용, 답변 신뢰성·정확도 향상
대형언어모델(LLM) 기반 법률 AI에서 발생하는 '환각현상(할루시네이션)' 문제를 줄여 정확도를 높일 수 있는 기술이 개발됐다. 보다 정확하고 신뢰성 높은 AI법률지원 서비스가 가능해질 전망이다.
광주과학기술원(GIST)은 이흥노 전기전자컴퓨터공학과 교수 연구팀이 법률 분야에 특화된 '검색 증강 생성(RAG)' 기술을 개발했다고 밝혔다.
최근 법률 분야에 AI가 빠르게 확산되고 있지만, 학습된 데이터를 기반으로 답변을 생성하는 LLM은 법률 분야의 복잡한 질의를 정확히 처리하는 데 한계가 있다. 특히 해석이 중요한 판례분석이나 계약서 작성에서 AI가 잘못된 정보를 제공하면 심각한 문제가 발생한다.
기존 LLM 기반 AI 법률 시스템은 할루시네이션 발생률이 대략 58∼82%에 달하는 것으로 보고됐다. 이 때문에 AI가 정확히 검색한 법률 정보를 반영하는 RAG 기술이 주목받고 있다. 하지만 기존 RAG 방식도 정보 검색의 한계와 법률 문맥에 대한 적용력 부족이라는 문제를 안고 있다.
연구팀은 법률 데이터를 효율적으로 검색·활용하는 동시에 답변의 신뢰성과 정확도를 높인 법률 분야에 최적화된 프레임워크(LQ-RAG)를 개발했다. 이 프레임 워크는 방대한 판례와 법령 자료를 학습해 전문 법률 용어와 문서 구조를 심층적으로 이해할 수 있다. 또한 실제 법률 질의응답 데이터를 기반으로 생성모델을 재학습해 더욱 정교한 답변을 제공한다.
특히 AI가 생성된 답변을 지속적으로 개선하는 재귀적 피드백 메커니즘을 통해 신뢰성을 높였으며, 생성된 답변은 평가 에이전트로 맥락의 적절성과 사실적 정확성을 평가할 수 있다. 재귀적 피드백은 생성된 응답을 반복적으로 개선해 보다 정확하고 관련성 높은 답변을 유도하는 것을 뜻한다.
연구팀은 이 프레임 워크를 적용한 결과, 기존 RAG 시스템 대비 법률 문서 검색 및 응답 정확도가 23% 향상됐고, 파인 튜닝(기존 모델을 특정 작업에 적합하게 학습하는 과정)된 LLM과 비교해 14% 높은 성능을 보였다고 설명했다. 중국 딥시크의 생성형 AI'R1'과 비교한 결과, 응답 개선 방식에서만 차이를 보였을 뿐 두 모델 모두 더 정확하고 정교한 답변을 제공했다.
이흥노 GIST 교수는 "법률 문서 분석, 계약서 작성 자동화, 준법 감시 등 다양한 법률 업무에 적용할 계획"이라고 말했다.
이 연구결과는 국제 학술지 'IEEE ACCESS(지난 14일)' 온라인에 실렸다. 이준기기자 bongchu@dt.co.kr
이흥로(왼쪽) GIST 교수 연구팀은 법률 분야에 특화된 검색증강 생성기술을 개발해 정확도를 23% 높였다. GIST 제공
