퍼블리 박소령 대표님 "실패를 통과하는 일" 독후감 (1)

TL;DR

• 10년 동안 정말 고생 많으셨습니다. 특히 도망치지 않고 스스로 끝을 맺으신 점에 깊은 존경을 표합니다.

• 또 공개하기 쉽지 않은 이야기를 나눠주셔서 감사합니다. 큰 도움이 됐습니다.

• 많은 부분에서 배우고 공감하였지만 생각이 좀 다른 부분도 있었습니다.

• 책에서는 리드 호프먼의 “블리츠스케일링”이 생존자 편향(Survivorship Bias)의 오류에 해당한다는 지적을 언급합니다. 저도 공감합니다. 그런데 반대로 이 책의 일부 내용은 결과 편향(Outcome Bias)적 측면, 즉 실제로는 어떤 요소가 실패에 기여한 정도가 없거나 적음에도 불구하고 실패한 결과를 설명하기 위해 그 요소를 과대하게 해석한 측면이 없지 않나 생각했습니다.

• 대표님은 책임감이 강한 분이어서 실패를 되돌아보며 조금이라도 반성할 거리가 있는 부분은 샅샅이 뒤져 반성하신 것 같았습니다. 예를 들어 비용 통제에 소흘했던 점이나 커뮤니케이션이 원활하지 못했던 부분들을 회고하며 반성하셨습니다.

• 하지만 스타트업은 멱의 법칙(Power Law)이 지배하는 게임이고 창업자의 시간과 에너지는 한정된 자원입니다. 스타트업 업무 중 약 20%에 해당하는 부분이 전체 성과의 80%를 만들어 낸다고 생각합니다. 일부 영역에서 실수가 있더라도 성과를 드라이브하는 영역에서 좋은 퍼포먼스를 낼 수 있다면 실수는 상쇄됩니다. 비용이나 커뮤니케이션 등도 물론 중요한 일이지만 그것들이 스타트업에서 가장 중요한 20%에 해당하는지는 의문이 있습니다. 창업자는 일부 영역이 sub-optimal한 상태란걸 인지하더라도 자신의 한정된 시간과 에너지를 핵심 20%에 집중하는 것이 맞지 않나 생각합니다.

• 핵심이 되는 20%는 스타트업의 큰 방향성과 관련된 일들, 무엇을 어떻게 할 것인가, 어떤걸 그만하고 정리할 것인가 등에 관한 일들이라고 생각합니다. 그런 점에서 이 책에서 가장 기대됐던 부분은 PMF를 찾아 가는 과정에 대한 회고였습니다. 계몽주의 사업의 한계를 이야기하신 부분, 성공한 서비스가 건드리는 인간의 본성과 7대 죄악을 연결시키는 부분은 무척 흥미로웠습니다.

• 하지만 이 부분에 대한 분석이 한 걸음 더 깊이 들어갔었으면 어땠을까 하는 아쉬움이 남습니다. 예를 들어 7대 죄악 중 색욕 부분에서는 온리팬즈(OnlyFans) 같은 서비스를 다루며 좀 더 깊이 분석해 보았으면 좋았을 것 같습니다. 온리팬즈의 매출액, 사용자 수, 성장률 등을 보고 있으면 머리가 어질어질해집니다. 사업이란 게 결국 사람들이 필요로 하는 것을 공급해주고 그 대가를 받는 일이라고 했을 때, ‘과연 사람들이 필요로 하는 것은 무엇인가’라는 근원적인 물음을 갖게 합니다. 이런 물음은 정답이 없는 어려운 문제지만 실제 몸으로 부딪치며 밀도 높은 경험을 하신 대표님의 이 문제에 대한 생각을 더 듣고 싶었는데 아쉬웠습니다.

• 또 스타트업은 그 본질에 있어서 운이 차지하는 비중이 매우 큰 게임이라고 생각합니다. 가장 큰 성공을 거둔 스타트업들도 되돌아보면 큰 행운이 따랐기에 성공할 수 있었습니다. 우버는 유례를 찾기 힘든 초저금리 시대 속에서 엄청난 양의 자본을 조달할 수 있는 행운이 있었고, 퍼블리가 안타까운 결말을 맺은 데에도 갑작스런 코로나 사태와 그로 인한 벤처 자본 시장의 자금 경색이 영향을 끼쳤습니다. 만약 우버도 시장 지배력이 충분하지 않았던 상태에서 코로나 사태를 맞았다면 결과가 어떻게 됐을지 알 수 없습니다.

• 그래서 스타트업은 될 때까지 계속해서 영리한 베팅을 해나가는 것이 중요하지 않나 생각합니다. 그리고 여러번 반복해서 베팅할 수 있으려면 창업자는 스스로를 지킬 수 있어야 합니다. 

• 대표님은 퍼블리에서의 마지막 1년을 매우 고통스럽게 보내셨습니다. 안타까웠습니다. 물론 어려움을 겪는 스타트업의 창업자가 행복할리 만무하겠습니다만, 그래도 스스로를 지키기 위해 조금 더 이기적이셨어도 좋지 않았을까 생각했습니다. 선배 창업가에 대한 인간적인 연민 차원에서가 아니라 우리가 플레이하고 있는 이 게임의 본질 차원에서의 생각이었습니다.

• 성공한 스타트업 중에는 한 번에 잘 된 경우도 있지만, 한 번 망했다가 두 번째에 성공한 회사들도 적지 않습니다. 그와 반대로 한참 잘 나가다가 한 번 실패한 후 영영 재기에 성공하지 못한 경우는 매우 많습니다. 이건 창업이 개인의 능력, 노력도 중요하지만 그보다도 운이 작용하는 요소가 더 크기 때문입니다. 아무리 똑똑하고 성실한 창업가라도 폭군 같은 불운 앞에선 한없이 무력한 존재일 뿐입니다. 

• 그때 만약 창업가에게 목숨이 하나 더 있다면, 그래서 실패한 후에 한 번 더 도전할 수 있다면 성공 확률은 비약적으로 높아질 수 있습니다. 두 번째 도전을 할 수 있었던 창업자들을 보면 집이 부잣집이었던 경우가 많습니다. 그 창업가 가족의 현금과 기타 유무형의 자산이 그 분들을 보호해 주었고 두 번째 기회를 마련해준 것입니다. 

• 두 번째 기회를 가질 수 있는 것이 창업가에게는 매우 중요하기 때문에 창업자는 스스로를 보호해야 합니다. 스스로를 보호한다는 것은 창업자의 현금과, 시간, 건강을 지키는 것을 말합니다. 퍼블리에서 마지막 1년 동안 있었던 일들, 그때 하신 작업들이 이 틀에 딱 맞는 것인지는 모르겠습니다. 그냥 일반론적으로 말했을 때 실패를 정리함에 있어서는 설사 업계에서의 평판을 좀 잃더라도 창업가는 두 번째 기회를 확보하기 위해 분투해야 된다고 생각합니다. 물론 이 모든 것의 전제는 창업자가 다시 창업을 하겠다는 의지가 있을 때의 이야기이긴 합니다.

• 어쨌든 다시 처음으로 돌아가면, 이 모든 단상은 일이 다 끝나고 난 뒤에 현장에 없었던 참견꾼으로서의 짧은 생각일 뿐입니다. 악전고투의 치열한 현장 속에서 고뇌하며 결정을 내려오신 대표님의 그것과 무게가 같을 수 없습니다. 누구나 링 위에 올라가기 전에는 그럴싸한 계획을 갖고 있지만 일단 링에 올라가 흠씬 두들겨 맞은 다음부터가 본게임의 시작일텐데, 만약 제가 당시 현장에 있었다면 대표님이 하신 것의 절반이라도 할 수 있을까 싶습니다. 다시 한 번 진심으로 존경과 감사의 마음을 전합니다. 고생 많으셨습니다.

0. 퍼블리를 창업한 박소령 대표님의 “실패를 통과하는 일”이라는 책을 읽음. 살면서 책을 읽고 주변에 선물한 적이 3번 있는데, 토니 셰이의 “딜리버링 해피니스”, 토스 팀의 “유난한 도전” 그리고 이번이 세 번째였음. 매우 재밌고 유익했음.

1. 스타트업과 멱의 법칙

• 레이 달리오는 “원칙”에서 효율적으로 결정하는 방법과 관련해 “80/20의 규칙을 기억하고, 핵심이 되는 20%가 무엇인지 파악하라”라고 말함(레이 달리오, “원칙”, 한빛비즈, 2018, 330쪽). 처음 이 말을 들었을 때는 잘 와닿지 않았는데 시간이 지날 수록 더 공감하게 됨. 레이 달리오가 말한 80/20 규칙은 약 80%의 결과가 약 20%의 원인으로부터 발생한다는 파레토 법칙을 말함.

• Veritasium 유튜브 채널에서도 최근 이 주제를 다뤘는데 매우 공감함. 영상의 요지는 다음과 같음.

• “세상에는 정규분포를 따르는 종류의 일들이 있고 반대로 멱의 법칙(Power Law)를 따르는 일들도 있음. 예를 들어 2012년 Y Combinator의 전체 수익 중 75%는 1% 미만(280개 중 2개)의 회사로부터 나옴. 반면 레스토랑 같은 사업에서는 아무리 운이 좋고 열심히 일했다고 해도 어느 하루의 매출이 1년 매출의 75%를 차지할 수는 없음. 정규분포의 법칙이 적용되는 세계에서는 일관성, 즉 꾸준히 좋은 성과를 내는 것이 중요한 반면, 멱의 법칙이 적용되는 세계에서는 결과를 예측하는 게 매우 어려운 반면 극소수의 사건이 나머지를 압도하기 때문에 영리한 베팅을 반복하는 것이(Intelligent Repeated Bet) 필요하고, 일관성보다 끈기(Persistence over Consistency)가 더 중요함.”

• 스타트업에 투자하는 일은 80/20 규칙을 따르는게 직관적으로 이해되지만 스타트업 자체의 업무도 80/20 규칙을 따를까?

• 스타트업의 일은 크게 1) 무엇을 어떻게 할지 고민하는 단계와 2) 결정된 사항을 실행하는 단계로 나눌 수 있음. 이미 결정된 내용을 실행하는 단계에서의 일은 정규분포를 따름. 그게 영업이 됐든 코딩이 됐든 간에 어느 정도 결과를 예측할 수 있음.

• 그런데 무엇을 어떻게 할지 고민하는 단계에서의 일은 멱의 법칙을 따른다고 볼 수 있음. 그 단계에서의 일은 결과를 예측하는게 매우 어려운데 잘 내린 결정은 나중에 결과를 설명할 때 다른 요소들을 압도함. 성공한 스타트업들은 결국 이 결정을 탁월하게 잘 한 회사들로서 Right Time에 Right Decision을 잘 내린 회사들임.

• 예를 들어 Windsurf는 원래 GPU 가상화 서비스를 제공하는 회사였음. 그런데 OpenAI의 Text-Davinci 같은 모델이 인기를 끌자 자신들이 제공하는 서비스가 차별점을 잃게 될 것이라고 판단했고 48시간 만에 피봇을 해 코딩 에이전트 서비스를 만들기 시작함. 지금이야 다 지나고 나니까 저 판단이 당연해 보일 수 있지만, 그 당시로서는 정보는 혼재돼 있었을 것이고 많은 것들이 불확실했을 것임. 게다가 그 피봇은 창업자 혼자 있을 때 한게 아니고 이미 직원이 8명에, 2800만 달러를 투자 받은 상태에서 내린 결정이었음. 이런 종류의 결정은 그 당시 시점에서 결과를 예측하는 것이 사실상 불가능함.

• 그런데 Right Time에 Right Decision을 잘 내릴 수 있기 위해서는 창업자의 머릿 속이 그 의사 결정과 관련된 정보와 맥락으로 가득차 있어야 함. 맥락을 바꿔가면서 생각하는 것은 사람에게나 컴퓨터에게나 매우 부하가 큰 일이고 성능이 크게 저하됨. 그래서 나는 스타트업의 업무에도 80/20 규칙이 적용된다고 생각하고(특히 창업자의 관점에서), 창업자는 그 20%의 업무를 잘하는데 본인 자원의 80%를 쏟아야 한다고 생각함.

• 그리고 그 20%의 일을 잘 할 수 있으면 나머지 80%에서의 부족과 실수는 상쇄될 수 있음. 우버는 한때 Toxic한 문화 때문에 큰 내홍을 겪었고, 위워크의 비용 관리는 헛웃음이 나오는 수준이었음.

• 물론 스타트업에서 비용을 잘 통제하는 일도 중요한 업무임. 정도와 우선순위의 문제인데 너무 작은 부분까지 창업자가 관여할 필요는 없다고 생각함. 예를 들어 개발팀의 생산성은 그대로 유지하면서, 또는 생산성 감소분을 최소화하면서 최대한으로 비용을 절감하는 일은 창업자의 20% 영역이라고 보기는 어려움. 개발팀과 재무팀의 의견이 다를 것이며 개발팀 안에서도 의견이 갈릴 것임. 누구는 M1 맥북이면 충분하다고 할 것이고 누구는 최소 M3는 돼야 한다고 할 수 있음. 이런 일들에 하나씩 개입해서 판단을 내리는 것은 상당한 시간과 에너지가 드는 일인데 그 작업들로 높아지는 성공 가능성은 제한됨. 비용 문제에 있어서는 어떤 사람을 채용할 것인가 말 것인가, 해고를 할 것인가 말 것인가 정도가 20%에 포함된다고 봄.

2. 스타트업과 운

• 우버는 오랫동안 만성적인 적자와 큰 규모의 적자폭 때문에 현금을 불태우는 기계라는 조롱을 들었음.

• 예를 들어 뉴욕대 스턴 경영대학원의 Aswath Damodaran는 우버의 기업가치 평가 방식은 소설같은 이야기(“good tale”)이며 우버는 완전히 내러티브에 의해 움직이는 회사(“company that’s driven almost entirely by narrative”)라고 비판함. 우버를 폰지 사기라고 비판한 사람들도 많았음.

• 한때는 이런 사람들을 현실은 모르면서 오래전 이야기나 떠들어대는 헛똑똑이들이라고 생각함.

• 그런데 시간이 좀 더 지나고 다시 돌이켜보니 그 비판들도 충분히 일리가 있었음. 우버가 사업을 확장한 시기는 역사상 유례가 없을 정도로 VC 시장에 자금이 풍부했던 시기임. 실리콘밸리에서도 그 전까지는 그렇게 큰 자본을 조달해 막대한 적자를 보면서 사업을 영위하는 것이 애초에 불가능한 일이었음. 지금 시점에서 앞으로 30년 내에 그때같은 초저금리 시대가 다시 올까 생각해보면 회의적임.

• 물론 그 시대였다고 해서 누구나 다 자본을 쉽게 조달한 것은 아님. 우버 창업자 TK의 탁월한 능력이 빛을 발휘한 것이었지만 아무리 TK였어도 시장 상황이 받쳐 주지 않았다면 그렇게 큰 자본을 조달할 수 없었을 것이고 우버의 성공은 지금보다 훨씬 작아지거나 실패했을 수도 있음. 

• 빌 그로스는 테드 강연에서 스타트업이 성공하거나 실패하는데 가장 큰 영향을 끼치는 요소를 타이밍이라고 주장함. 그러면서 그 근거로 에어비엔비와 우버의 사례를 듦. 특히 에어비엔비는 경기 침체가 가장 절정이었 때 사업을 시작했고, 추가적인 소득이 절실했던 집 주인들이 여러 걱정에도 불구하고 호스팅을 시작했다고 분석함.

• 이 분석도 상당히 공감됨. 그런데 타이밍이라는 것은 일을 시작하기 전에는 맞는 타이밍인지를 알 수가 없고 일이 끝나고 나서야 비로소 판단할 수 있기 때문에 운으로 바꿔 말해도 크게 틀리지 않음.

• 다시 강조하지만 창업자의 역량도 매우 중요함. 위대한 창업자가 행운을 만나면 역사적인 성공을 만듦. 하지만 위대한 창업자도 운이 나쁘면 성공의 크기가 작아지거나 심지어 실패할 수도 있음. 반면 보통의 창업자도 운이 좋으면 약간의 성공을 거두기도 함. 우리가 하는 이 스타트업은 본질적으로 우연적 요소가 결과에 매우 큰 영향을 줌. 

3. 스타트업과 인간의 본성

• 아나운서 이혜성 씨가 운영하는 유튜브 채널에 박 대표님이 나와 인간의 본성과 사업의 관계에 대해 이야기를 나누신 적이 있음. 성경에 나오는 7대 죄악과 성공한 서비스를 매칭해볼 수 있다는 이야기였는데 두 분 모두 색욕을 틴더와 연결하심. 내가 이해하는 세상과 차이가 커서 놀랐음. 내 기준에서 틴더는 그냥 건전한 교제 앱임.

• SemRush 데이터에 따르면 2025년 한국에서 가장 많이 방문된 사이트 40개 중 12개가 포르노 사이트임.

• OnlyFans에는 2024년 기준 약 3억 8천만명의 사용자, 460만명의 “크리에이터”가 있고, 약 10조원의 총수익과(72억 달러) 2조원의(14억 달러) 매출이 남. 크리에이터는 총수익의 80%를 가져가기 때문에 460만명의 크리에이터가 총 8조원의 매출을 올린 것임. 3억 8천만명의 사용자는 2021년 1억 9천만명에서 3년 만에 2배 성장한 것인데 이 회사는 새로 투자할 것도 별로 없기 때문에 이익의 대부분을 배당함. 소유주 Leonid Radvinsky는 2018년 이 사이트를 인수한 이래로 이미 1조 4천억원이(10억 달러) 넘는 돈을 배당으로 받아감. 놀라운 것은 이 회사의 직원 수가 단 46명임.

• 포르노 사업을 할 것도 아닌데 포르노 서비스들에 대해 뭘 그렇게 자세히 이야기하느냐고 반문할 수 있음. 하지만 다른 분야의 사업을 하더라도 창업자가 우리의 현실을 어떻게 이해하느냐에 따라 의사 결정이 달라짐. 

• 색욕을 건드리는 것은 노골적인 형태의 포르노만 있는 것이 아니고 다양한 방식으로 여러 서비스에 녹아 있음. 틱톡에서 인기 있는 챌린지들은 은은하게 섹스를 어필하는 것들이 많고 조회수가 가장 높은 영상 카테고리 중 하나도 소프트 포르노라고 볼 수 있는 것임. 아이돌들은 남녀를 불문하고 섹시한 옷을 많이 입으며 팬들에게 유사 연애 경험을 제공함. 일론 머스크의 xAI는 “AI companion” 서비스 “와이푸(waifu)”를 출시함.

• 사업을 할 때 ‘세상은 어떻게 돌아가고 있고 인간은 어떤 존재인가’에 대한 창업자의 세계관이 의사 결정에 많은 영향을 끼침. 숏폼 플랫폼을 운영할 때 콘텐츠 정책은 어떻게 가져갈 것인가, 모더레이션은 어떻게 할 것이며 어떤 콘텐츠에 대해 어느 정도로 패널티를 줄 것인가 같은 의사 결정들을 내려야 함. xAI는 AI companion 같은걸 만들려고 시작한 회사가 아님. 본인들 말에 따르면 인간의 과학 발전을 가속화시키는 인공 지능을 만드는 회사라고 함(“xAI is a company working on building artificial intelligence to accelerate human scientific discovery.”). 자금도 이미 수십조원 이상 유치해서 돈도 많음. 그래도 추가로 현금을 벌어들이기 위해 와이푸 서비스를 출시함.

• 성욕이 인간의 전부다, 돈 버는데는 포르노가 짱이다 같은 말을 하는 게 아님. 내가 하려는 말은, 현실과 밀접하게 상호작용하는 일을 하는 창업자는 ‘세상은 어떻게 돌아가며 인간은 어떤 존재인가’라는 주제에 대한 자신만의 이론을 가지고 있어야 함. 그리고 그 이론은 데이터에 기반하고 현실의 큰 부분들을 정합성 있게 설명할 수 있어야 함. 그런 점에서 창업자는 색욕 뿐 아니라 성경의 7대 죄악과 연결되는 비즈니스들에 대해 숫자와 함께 현실을 있는 그대로 보고 세상이 어떻게 돌아가는지 알고 있어야 함. 세상에 대한 이해가 현실과 데이터에 기반하지 않으면 사람들이 필요로 하는 걸 만드는게 아니고 내가 옳다고 믿는 걸 만들게됨. 박 대표님을 꼬집는게 아님. 나 자신의 실패에 대한 뼈저린 반성임.

(다음 편에서 계속)

내가 “Cursor for 로톡 변호사”를 만들며 배운 것들

1. 무엇을 만들었나

Cursor가 코드를 자동완성해 주듯이 로톡에서 변호사님들이 답변을 쓰실 때 ai가 자동으로 답변 초안을 작성해주는 크롬 익스텐션을 만들었습니다. 

크롬 익스텐션으로 만든 이유는 변호사님들이 원래 작업하던 방식 그대로 작업하시면서 동시에 ai 자동완성 기능을 통합할 수 있는 방법이 익스텐션 방식 뿐이기 때문입니다.

2. 시스템 아키텍쳐

• 저희 시스템을 개괄하면, 1) 로톡 질문이 주어지면 웹 검색을 하기 위한 검색어를 추출합니다. 2) 추출된 검색어로 구글, 네이버에서 검색하고 3) 검색 결과를 질문 원문과의 관련성을 기준으로 다시 한 번 정렬합니다. 4) 검색 결과중 가장 관련성이 높은 문서를 이용해 답변을 생성합니다.

• 그래서 큰 틀에서 보면 웹 검색을 기반으로 답변을 생성하는 퍼플렉시티 등과 비슷하게 동작합니다.

• 차이점은 1) 저희는 법률 분야에서 검색어를 더 잘 추출하기 위한 특화된 설계를 가지고 있고 2) 사용자 입력을 미리 알 수 없고 그때그때 실시간으로 답변을 생성해야 되는 퍼플렉시티 등과 달리, 로톡에서는 질문이 등록되는 시점과 변호사님이 답변을 다는 시점 사이에 시간 간격이 있고 그래서 저희는 로톡에 질문이 등록될 때 충분한 시간을 갖고 미리 질문을 분석해 놓습니다. 그래서 예를 들면 웹 검색 결과를 가지고 바로 답변을 생성하는 것이 아니라 질문과의 관련성을 기준으로 한 번 더 정렬해서 좀 더 관련성이 높은 문서로 답변을 생성합니다.

• 법률 분야에서 검색어를 더 잘 추출하기 위해 특화된 설계는, 로톡에 올라오는 모든 질문을 커버할 수 있는 상세한 분류체계도(택소노미)를 만들고 이것을 이용해 검색어를 추출하는 것입니다. 제가 이렇게 접근한 이유는 이 문제(일반인의 법률 질의에 답변하는 것)의 본질이 질문의 법적 쟁점을 정확한 법률 개념과 용어로 정리하는 것이라고 판단하였기 때문입니다.

• 법률 질문의 절대 다수는 이미 전에도 질문되고 답변된 것들로서 대부분 학계와 실무에서 이미 다 논의되고 정리된 이슈들입니다. 이미 다 정리가 되었기 때문에 그 정리된 자료를 찾을 수만 있으면 되는 것인데 여기서 핵심은 그렇게 정리된 문서들이 법률 용어들로 작성된 것이어서 높은 품질의 관련 문서를 찾으려면 그 용어들을 이용해 검색해야 된다는 점입니다.

• 그리고 언어 모델은, 적어도 아직까지는, 법률 질문에서 법적 쟁점을 정확한 법률 용어로 정리하는 작업을 잘 하지 못합니다. 그 작업을 더 정확히 수행하도록 도와주기 위해서 모든 법 분야의(민법, 형법, 행정법 등) 거의 모든 주제, 쟁점을 정확한 법률 용어로 망라하는 거대한 분류체계도를 만들고 언어모델로 하여금 그 분류체계도를 참고하여 단계별로(step-by-step) 쟁점을 정리하도록 하면 훨씬 결과가 좋아진다는 것을 확인하였고 그렇게 구현하였습니다. 

• 이렇게 어떤 문제에 특화된 장치를 만들어 문제에 접근하는 방식과 관련해서는 이것이 과연 올바른 방법인가, 여기 또 한 명의 어리석은 자가 the bitter lesson을 잊은 것인가 하는 고민이 되기도 했습니다. 이 이야기는 긴 이야기니 뒤에 따로 하겠습니다.

3. 기술 스택

• 랭그래프: 질문을 분석하고 웹 검색을 수행하는 전체 워크플로우는 랭그래프 프레임워크를 이용해 구현하였고 랭그래프 플랫폼으로 호스팅하고 있습니다. 랭체인 모듈들을 많이 쓰고 있고 랭스미스도 이용하고 있는데 문서화가 좀 부실한 것만 빼면 꽤 만족스럽습니다. 

• 언어모델: 구글 제미나이 2.5 플래시와 2.0 플래시를 섞어서 사용하고 있습니다. 한국어 능력에 있어서는 OpenAI 모델들보다 훨씬 성능이 좋은 듯합니다.

• 서퍼(Serper API) & 파이어크롤(FireCrawl): 추출된 검색어로 구글 검색을 수행할 때 사용합니다. 검색 결과가 PDF 파일일 때 잘 처리를 못하는 경우가 있는등 약간 아쉬운 점이 있지만 대체로 만족스럽습니다. 네이버 검색은 네이버 검색 API를 이용하고 있습니다.

• 구글 클라우드 스케쥴러, 클라우드 빌드: 로톡에 등록되는 질문들을 주기적으로 수집해오는데 구글 클라우드 스케쥴러와 클라우드 빌드를 이용하고 있습니다. 클라우드 빌드는 깃헙 액션 등 다른 경쟁 서비스보다 가격이 가장 저렴해서 선택했고 만족스럽게 쓰고 있습니다.

• 파이어스토어, 파이어베이스 함수: 질문을 분석한 결과는 파이어스토어에 저장하고 파이어베이스 함수를 통해 클라이언트에 데이터를 제공합니다.

• 프론트엔드: 크롬 익스텐션이 파이어베이스 함수에 데이터를 요청하고 파이어베이스 함수는 파이어스토어에 저장된 질문 분석 결과를 응답으로 보내줍니다.

4. 몇 가지 배운 점들

• 개인적으로 이번 프로젝트를 통해 가장 크게 배운 점은 텍스트 데이터를 바라보는 새로운 눈을 갖게 된 점입니다. 

• 아래 이미지는 문병로 교수님의 강의 중 한 장면인데요, 우리가 이미지에 행렬을 곱해서 이미지를 변형하는 것은 자연스럽게 생각합니다. 우리는 이미지를 늘릴 수도 있고, 추상화시킬 수도 있고, 캐리커쳐화 할 수도 있고, 생각할 수 있는 어떤 변형이든 자유자재로 가할 수 있습니다. 이미지에 적당한 행렬을 곱함으로써요.

  

• 그런데 가만히 생각해보면 텍스트 데이터라고 해서 다를 것이 없습니다. 텍스트 데이터도 임베딩 모델을 통해 임베딩 벡터로 변환할 수 있고, 그 임베딩 벡터에 어떤 행렬을 곱해 다른 벡터로 공간 변환을 할 수 있습니다. 벡터 공간 상의 한 점에서 다른 한 점으로 이동하는 것인데 어떤 행렬을 곱하느냐에 따라 그 변환은 텍스트를 요약하는 작업이 될 수도 있고, 질문에 답변하는 것이 될 수도 있는, 우리가 원하는 어떤 텍스트 처리 작업도 모두 수행할 수 있습니다.

• 즉, 텍스트를 입력 받아 텍스트를 출력하는 모든 텍스트 처리 작업들이 본질적으로는 이미지에 행렬을 곱해 원하는 형태로 이미지를 변형하는 것과 같다는 사실을 알게 되었습니다.

• 물론 아직까지 텍스트를 임베딩 벡터로 변환할 수는 있어도 임베딩 벡터를 다시 텍스트로 변환할 수는 없습니다. 하지만 텍스트를 다루는 것이 본질적으로는 하나의 공간 변환이라고 바라보게 되면서 two-tower 모델을 약간 변형한 mini two-tower 모델을 시도해볼 수 있었습니다.

• Extreme classification과 mini two-tower 모델:

• Q&A 데이터에서 질문에 가장 관련성이 높은 답변을 찾아내는 작업은 Extreme (multi label) classification 문제로 다루어지기도 합니다. 만약 이 작업을 사람이 수동으로 처리한다면 어떻게 할 수 있을까요? 아마도 태그를 이용하는 방식이 가장 효과적일 겁니다. 학습 데이터의 여러 특징들을 표현할 수 있는 태그 목록을 만든 다음 학습 데이터의 질문에도 태그를 붙이고 답변에도 태그를 붙입니다. 그다음 학습되지 않은 새로운 질문이 들어오면 그 질문에도 동일한 방식으로 태그를 붙이고나서 답변들 중 같은 태그가 붙은 데이터를 찾는 것입니다.

• 그런데 이렇게 질문에 태그를 붙이는(즉, 질문을 태그로 변환하는) 것이나 답변에서 태그를 붙이는 것 모두 행렬곱, 즉 공간 변환이기 때문에 우리는 이 작업을 벡터 공간에서 수행할 수도 있고 곱할 행렬 값 역시 딥러닝 학습을 통해 찾아낼 수 있습니다.

• Two-tower 모델은 개인화된 추천 영역에서 가장 널리 사용되는 아키텍쳐입니다. Two tower는 user 타워와 candidate 타워를 말하는데 둘 다 딥러닝 방식의 임베딩 모델입니다. user 타워는 유저와 관련된 여러 정보들, 예컨대 프로필 정보, 과거 구매 이력, 시청 이력 등의 정보를 입력으로 받아 그 유저를 나타내는 임베딩 벡터를 출력하는 모델이고, candidate 타워는 그 유저와 매칭하려는 대상(예를 들어 유튜브에서는 비디오 영상이 되고 우버 이츠에서는 음식점이나 메뉴가 되는)의 여러 정보들을 입력으로 받아 마찬가지로 그 대상을 잘 표현하는 임베딩 벡터를 출력하는 모델입니다. 그리고 user 모델의 임베딩 값과 candidate 모델의 임베딩 값이 유사도가 높으면 그 대상을 해당 유저에게 추천해주는 방식입니다.

• 제가 생각한 mini two-tower 모델은 user 모델과 candidate 모델을 바닥부터 새로 학습시키는게 아니라 OpenAI나 Gemini의 텍스트 임베딩 모델을 이용해 질문과 답변을 임베딩한 다음, 이 값을 다시 공간 변환하는 작은 모델만 새로 학습시키는 방식입니다. 텍스트 임베딩된 벡터는 이미 그 텍스트의 의미와 뉘앙스 등을 정확히 담고 있을 것이기 때문에 남은 작업은 그 텍스트를 태그로 변환하는 것 뿐이라서 그 태그 변환에 해당하는 공간 변환을 담당하는 작은 모델만을 학습시키는 접근입니다.

  

• 그래서 공개된 Q&A 데이터셋을 하나 찾아서 아주 단순한 모델을 학습시켜 보았습니다. Two tower 모델을 Q&A 데이터에 적용할 때는 질문을 user로, 답변을 candidate로 보고 새로운 질문이 들어왔을 때 답변 데이터 중 그 질문과 가장 관련성이 높은 답변을 찾는 문제로 적용합니다. 저의 mini two-tower 모델에서는 질문 타워와 답변 타워 모두 임베딩을 입력으로 받아서 임베딩을 출력하는 모델들로서, 유효한 질-답 쌍(즉, 실제 질문과 답변 쌍)에 대해서는 두 모델의 임베딩 출력값들의 유사도가 높도록 하고, 유효하지 않은 질-답 쌍에(즉, 질문과 엉뚱한 답변 쌍) 대해서는 두 임베딩 출력값의 유사도가 낮도록 학습 목표를 설정하였습니다. 모델의 내부 구조는 아주 단순하게 두 개의 fully-connected layer로 구성하여 학습시켜 보았습니다. 

• 하지만 아쉽게도 학습 결과는 좋지 못했습니다. 5 epoch 정도가 되면 overfitting이 계속 발생했고 그래서 모델 구조를 바꿔보거나 학습률을 조정해보았는데 결과는 달라지지 않았습니다. 제가 내린 잠정적인 결론은 텍스트 임베딩 모델의 성능이 충분히 좋지 못해서, 그래서 제가 학습시키는 모델들의 입장에서는 입력 데이터들이 충분히 깨끗하지 않아서 잘 학습되지 않는다고 정리했습니다.

• 그래서 결국 저는 질문을 태그로 변환하는 작업, 다른 말로 하면 질문에서 법적 쟁점을 추출하여 정확한 법률 용어로 정리하는 작업을 벡터 공간에서 수행하는게 아니라 언어 모델과 분류체계도를 이용해 (토큰 공간에서) 수행하는 것으로 방향을 바꿨습니다.

• 노면 유도선과 생각의 길:

  이미지 출처

• 이제는 언어 모델들의 성능이 매우 좋아져서, 특히 작년 말부터 등장한 추론(reasoning) 모델들의 성능은 정말 뛰어나서 웬만한 법률 질문에도 꽤 그럴싸한 답변을 만들어냅니다. 그리고 잘 대답하지 못하는 문제에 대해서도 정말 그 내용을 몰라서 답변을 못한것인지, 아니면 정답의 내용은 알고 있지만 제시된 문제를 풀어나가는 방향을 잘못 선택해서 그런 것인지를 확인해보면 후자인 경우가 대부분입니다. 즉, 최신 언어 모델들은 방대한 사전 학습 과정을 거치면서 웬만한 내용에 대해서는 전부 다 학습을 하였고 그 내용들을 이미 알고는 있습니다. 언어 모델이 약한 부분, 아직까지 잘 하지 못해서 도움이 필요한 부분은 어떤 문제를 풀어갈 때 방대한 탐색 공간 중에서 문제 해결을 위한 올바른 방향을 잘 선택해나가야 하는 부분입니다. 지금 언어 모델이 종종 잘못된 답을 내놓는 것은 너무 많은 그럴 듯한 길 속에서 쉽게 잘못된 길을 택하기 때문입니다.

• 그런 측면에서 분류체계도를 만들고 언어 모델로 하여금 그것을 참고하여 추론하게 하는 것은 마치 우리가 운전을 할 때 노면 유도선을 따라 길을 헷갈리지 않고 목적지로 갈 수 있듯이, 언어 모델로 하여금 방대한 탐색 공간을 모두 탐색하지 않고 생각의 길이 나아갈 방향을 인도해 주는 것과 같습니다. 언어 모델은 방대한 지식과 함께 논리적인 사고 능력도 갖추고 있기 때문에 생각을 전개해나갈 방향만 잘 잡아준다면 꽤 괜찮은 어시스턴트의 역할을 수행해낼 수 있습니다. 그리고 일반인들의 법률 상담 문제는 정답이 없는 열린 문제가 아닌 닫힌 문제이기 때문에 이런 접근이 유효할 수 있습니다.

• The Bitter Lesson에 관하여: 

• 그런데 이렇게 사람의 지식을 이용해 문제에 접근하는 방법은 단기적으로는 좋은 성과를 낼 수 있어도 장기적으로는 좋은 결과를 만들기 어렵다는 Richard S. Sutton 교수님의 “the bitter lesson”을 접하게 되면서 이 방법에 대해 다시 고민하게 되었습니다(아래 이미지는 OpenAIMeta 정형원 박사님 강의 중 한 슬라이드입니다).

  

• 이와 관련하여 여러 고민들을 했지만 저의 결론은 1) 연구의 영역과 비즈니스의 영역은 다르다. 2) 인간의 지식을 활용하여 성능을 향상시키는 것과 연산량을 때려 박아 일반적인 방법으로(특정 문제에 특화된 방법이 아닌 방법으로) 문제를 해결하는 것이 반드시 상충되는 것은 아니다 라고 정리하였습니다. 

• 검증 가능한 정답이 있는 수학이나 코딩 같은 분야에서는 test time computation을 늘리는 추론 모델들이 등장하여 모델의 성능을 상당히 향상시켰지만, 그렇지 않은 분야에서는 여전히 늘어난 computation을 어떻게 활용할 수 있을지 아직까지 확실하지 않습니다. 법률 분야는 수학이나 코딩과 달리 검증 가능한 정답이 있는 분야라고 보기 어렵습니다.

• 혹자는 변호사시험의 객관식 문제들은 정답이 있으니 그 데이터를 이용해 법률 분야에 특화된 추론 모델을 학습시킬 수 있지 않을까 생각할 수 있지만 커스텀한 추론 모델을 학습시키는데 적당한 학습 데이터는 수학 문제나 스도쿠처럼 더 오래 생각하는 것이 문제를 푸는데 실제로 도움이 되는 성질의 문제들이어야 합니다. Noam Brown이 예시로 들었던 것처럼 부탄의 수도가 어디인지 같은 문제에 있어서는 더 오래 생각한다고 해서 문제를 푸는데 별 도움이 되지 않습니다. 제가 생각하기에 변호사시험의 객관식 문제들은 그것과 마찬가지로 10초 안에 정답이 생각나지 않으면 10분을 생각해도 정답을 찾아내기 어려운 문제들입니다.

• 이건 연구의 영역이긴 합니다만 만약 법률 분야에서 커스텀한 추론 모델을 학습시킨다면 어떤 데이터로 학습시켜볼 수 있을까 고민해보았습니다. 한 가지 아이디어는 법률 서적에서 문장들을 추출해낸 다음 언어 모델에게 추출한 문장과 책의 목차를 주면서 이 문장이 목차 중 어느 섹션에서 가져온 문장인지를 추론하게 하는 방식을 시도해볼 수 있지 않을까 생각합니다. 이렇게 학습 목표를 설정하면 1) 명확한 정답이 있는 문제가 되고 2) 충분히 많은 학습 데이터, 책 한권에서도 수천, 수만개의 학습 데이터를 확보할 수 있습니다. 이렇게 학습된 모델을 모든 법률 관련된 문제를 푸는데 바로 쓸 수는 없겠지만, 어떤 텍스트가 우리 법체계 중 어느 영역에 관련된 텍스트인지를 판단하는 일은 꽤 정확히 해낼 수 있을 것이고, 그 정보는 정확한 답변을 생성하는데 상당히 유용하게 사용될 수 있을 것입니다.

5. 트러블 슈팅

• 이번 프로젝트를 하면서 겪었던 가장 큰 트러블은 랭체인의 ChatGoogleGenerativeAI 클래스를 이용해 structured output을 생성할 때 자꾸 오류가 발생한 일입니다. 더 구체적으로는 출력 구조에 배열이 포함돼있을 때 문제가 발생했는데 랭체인 깃헙에도 관련된 이슈들이 좀 등록이 돼있었습니다.

• 디버깅해본 결과 정확한 문제의 원인은 응답 청크를 스트리밍으로 받을 때, 문제가 발생하는 경우들에서는 구글이 마지막에 빈 청크를 한 번 더 보내고 있었고 랭체인 ChatGoogleGenerativeAI 클래스는 그런 경우를 제대로 처리하지 못하게 설계되어 있었습니다. 마지막에 빈 청크를 더 보내는 구글이 잘못한 것인지, 빈 청크가 오면 제대로 처리를 못하는 랭체인의 오류인지 까지는 확인하지 못했습니다.

• 저는 랭체인 BaseChatModel을 상속하는 커스텀한 ChatModel 클래스를 만들어서 마지막에 빈 청크가 오는 경우에도 잘 처리되도록 구현하여 문제를 해결하였습니다.

6. 크게 도움된 자료들

• 이번 프로젝트를 진행하면서 개인적으로는 머신 러닝을 많이 공부했는데 저에게 특히 도움이 많이 되었던 자료들을 몇 가지 공유합니다.

• 서울대 데이터 사이언스 대학원 이준석 교수님 유튜브 채널: 실제 수업에서 사용하신 강의 자료와 실제 강의를 유튜브로 공유해주시는데, L1, L2 정규화 같은 머신 러닝의 기초적인 내용부터 트랜스포머의 구조에 대한 상세한 설명까지 여러 영상에서 큰 도움을 받았습니다.

• Algorithmic Simplicity: 특히 CNN에 대해 다룬 영상이 크게 도움됐는데 CNN이 왜 그렇게 잘 동작했는지, 나아가 트랜스포머가 등장하기 전에는 왜 사람들이 RNN으로 텍스트 데이터를 처리하려고 했는지 이해할 수 있게 되었고 덕분에 트랜스포머에 대해서도 더 깊이 있게 이해할 수 있게 되었습니다.

• Welch Labs: 이 채널에도 재밌고 유익한 영상들이 많은데 개인적으로는 Mechanistic Interpretability를 다룬 영상에서 특히 많이 배웠습니다.

아이디어 피드백 요청: 유튜브에 나온 (여행) 장소 검색 서비스

안녕하세요,

제가 사이드 프로젝트로 시작해보려는 아이디어가 하나 생겼는데 한 번 읽어보시고 피드백을 주신다면 대단히 감사하겠습니다. 피드백도 받고 아이디어를 몇 주 숙성시켰다가 현재 작업 중인 메인 프로젝트가 끝나면 한 번 작업해볼 계획입니다.

• 한 줄 정의

  • 유튜브에 나온 (여행) 장소들을 검색하고, 목록을 만들고, 공유할 수 있는 서비스

• 어떤 문제를 해결하나?

  • 일본 여행할 때 풀어봤어X 님이(일본의 유명 건축물들을 스토리텔링 방식으로 소개해주는 채널) 소개한 장소들을 가보고 싶은데 그러려면 영상을 다시 돌려보면서 장소들을 직접 정리해야 됨.

  • 장소들을 일정 조건으로, 예를 들어 지역 별로(도쿄, 나고야 등) 건축가 별로, 건물 용도 별로(대학교 건물인지, 미술관인지 등) 필터링해서 보고 싶은데 쉽게 할 수 있는 방법이 없음.

• (이 서비스가 없는) 지금은 사람들이 이 문제를 어떻게 풀고 있나

  • 각자가 유튜브 영상을 다시 보면서 구글맵 등에 일일이 등록하거나 수기로 정리하고 있을 것

• 배경 및 동기

  • 내가 좋아하는 풀어봤어X 님이나 그 구독자들에게 내가 어떤 가치를 더해줄 수 있을까 고민

  • 댓글들을 봤더니 일본 여행 갔을 때 영상에서 소개된 장소들을 쭉 둘러보고 싶다, 실제로 방문해 봤다는 댓글들이 좀 있었음.

  • 또 개인적으로는 이 채널에서 다뤄진 장소뿐 아니라 채널에서 언급된 유명 건축가들의 일본 내 다른 건축물들도 구경해보고 싶음. 근데 이때는 그냥 위치 좌표만 찍어주는 걸로는 부족하고 그 장소에 대한 스토리텔링이 추가되면 좋겠음. => 이 부분은 이제 인공지능으로 아주 쉽고 빠르게 가능할듯

  • 풀봤X도 앞으로 구독자 50만, 100만 채널로 성장할 듯한데(현재는 6만) 이 분이 성장할 때 필요한 부분을 채워주면서 같이 성장하고 싶다.

• 아이디어 초안

  • nomads.com에서처럼 영상에 등장한 장소들을 하나의 아이템으로 해서 1) free text 검색, 필터링 등을 할 수 있고, 2) 특정 아이템들을 모아 콜렉션을 만들 수 있는 사이트

• 구글맵 리스트에 비해서는 어떤 가치를 더 주는가

  • 고민되는 부분. 굳이 별도의 서비스를 따로 만들지 않아도 구글맵의 리스트 기능을 이용해 장소들을 담고 공유할 수 있음.

  • 리스트 안에서의 필터링 등은 구글맵으로 어렵겠지만 핵심적인 차별점이 될 수 있을지 고민

• 확장성에 대한 고민

  • 어떤 유튜브 채널에서 다룬 장소들을 한 곳에서 쉽게 찾아볼 수 있고, 목록을 만들 수 있고, 공유할 수 있고 하는 것들은 풀봤X 채널에만 한정되는 것은 아님. 예를 들면 아융그 채널도 그런 니즈가 있을 수 있고 더 넓게 보면 빠니보틀, 곽튜브 등도 마찬가지.

  • 실제로 아융그 채널을 검색하면 연관 검색어로 지역명들이 뜸. 사람들이 여행 준비할 때, 또는 여행 가서 많이 검색을 하는듯.

  • 그런데 이런 장소들을 매번 관리자가 등록하는 것은 확장성이 떨어짐.

• 서비스가 주는 가치의 성격에 대한 고민

  • 유틸리티적 성격만 있는 것 보다는 팬심과 덕질의 요소가 가미되면 좋겠음. 예를 들어 이 사이트에 등록돼 있는 장소들을 가지고 여행기를(또는 여행 계획) 만들고 공유할 수 있다면(e.g. Wanderlog 같은), 각 유튜브 채널의 팬들은 자기가 좋아하는 채널의 영상들을 이 서비스 내의 여행기로 재구성해볼 수 있고(방문한 곳들, 이동편 등 정리) 본인이 여행 갈 때 참고할 수도 있음.

나홀로소송 서비스 개발기 (3) - proof of concept 개발

TL;DR

앞의 글에서 제시한 아이디어를 구체적으로 구현해 보았습니다. 처음부터 모든 종류의 사건을 다룰 수는 없어서 우선 대여금 사건에 대해 사용자 UI를 개발하였고 요건사실론에 따라 청구원인 템플릿을 28개로 구분하였습니다. 사용자가 UI를 통해 정보를 입력하면 그에 맞는 청구취지가 자동으로 완성되고 청구원인은 템플릿과 언어모델로 작성되는 proof of concept를 개발하였습니다. botoai.co/compose 에서 직접 사용해보실 수 있고 28개 템플릿은 botoai.co/admin 에서 확인하실 수 있습니다. 이제 본격적으로 변호사님을 찾아나설 계획입니다.

(이 글은 제가 나홀로소송의 문제를 다룬 시리즈 중 네번째 글입니다. 첫번째 글은 여기서 보실 수 있습니다.)

0. Proof of Concept 개발

이전 글에서 제시한 아이디어를 구체적으로 어떻게 구현할 것인지에 대해 POC(Proof of Concept)를 개발하였습니다. POC를 통해 검증한 내용들은 아래와 같습니다.

• 사용자는 4지선다 선택지에서 연속해서 선택을 한다고 했는데 구체적으로 어떤 선택지들을 어떤 순서로 배치할 것인지

  • 대여금 사건의 소장 작성을 위해 필요한 정보들은 요건사실론에 따라 정리하였고 논리적인 선후관계에 따라 순서를 배치하였습니다. 위 데모 링크에서 직접 사용해보실 수 있고 이 피그마에서 전체 플로우를 확인해보실 수도 있습니다.

  

• 같은 종류의 사건 안에서도 다양한 상황이 있고 각 상황 별로 소장에 들어갈 내용이 달라지는데 그런 다양한 상황을 어떤 기준으로 구분하고 어떻게 각 상황에 맞는 소장을 작성할 것인가

  • 먼저 청구취지는 형식이 정해져있고 논리적인 규칙에 따라 그 내용을 구성할 수 있기 때문에 사용자가 입력한 정보를 청구취지 형식에 맞게 구성되도록 만들었습니다. 그리고 각각의 경우에 정확한 청구취지가 완성되는지를 80여개의 시나리오에서 테스트하였습니다. 이 부분은 변호사님을 찾고 나면 변호사님께 다시 검토받을 예정입니다.

  • 청구원인은 소송물에 따라 전체를 대별한 뒤(대여금 사건에서는 대여원금, 이자, 지연손해금 3개의 소송물이 있습니다) 각 요건사실 사실관계에 따라 세분하였습니다. 구체적으로는 전체 경우를 1) 대여원금 및 지연손해금을 청구하는 경우와 2) 대여원금, 이자 그리고 지연손해금을 청구하는 경우로 대별하였고, 그 안에서는 각 요건사실의 사실관계에 따라, 예를 들어 소비대차계약의 반환시기가 확정인지 불확정인지 등에 따라 세분하였습니다. 그렇게해서 대여금 사건을 28가지 경우로 구분하였고 구분된 각각의 경우 안에서는 요건사실론에 따라 청구원인에 반드시 포함될 내용을 정리하고 그 내용을 바탕으로 청구원인 템플릿을 구성하였습니다. 

  • 다만 이 분류는 비전문가인 제가 한 것이기 때문에 부정확할 수 있고 변호사님을 찾고 나면 이 부분도 변호사님께 다시 검토를 받을 예정입니다. 같은 맥락에서 현재 28개의 청구원인 템플릿도 일일이 내용을 구성해 놓지는 않고 임시로 동일한 내용들로 채워놓았습니다. 어차피 28개 분류 자체를 수정하게 될 수도 있기 때문입니다. 

  • 이 POC를 통해서는 28개의 구체적인 분류보다는 1) 전체 경우를 논리적인 기준(요건사실론)에 따라 구분할 수 있다는 점 2) 그렇게 구분된 각각의 경우마다 적절한 청구원인 템플릿을 마련할 수 있다는 점 3) 사용자가 입력한 정보와 그에 해당하는 템플릿을 언어모델에 넣어 각 상황에 맞는 청구원인을 작성할 수 있다는 가설을 검증하였습니다.

  • 그리고 앞으로 수백, 수천개의 템플릿을 관리해야 되는데 이 템플릿들을 효과적으로 관리할 수 있는 방법에 대해서도 고민하였습니다. 먼저 각각의 템플릿은 요건사실론에 따라 해당 청구원인 템플릿에 반드시 포함돼야 하는 내용들로 구성돼야 합니다. 이런 작업이 템플릿 수가 많지 않을 때는 수작업으로 관리해도 충분하지만, 전체 템플릿 개수가 많아지면 보다 효과적으로 그 정확성을 담보할 수 있는 장치가 필요합니다. 그래서 각각의 청구원인 템플릿에는 그 템플릿에 반드시 포함돼야할 사실 목록이 있고 템플릿 문구 중 구체적으로 어느 부분이 각각의 사실에 해당하는지를 라벨링 할 수 있도록 만들었습니다. 예를 들어 어느 청구원인 템플릿에 “소비대차 계약의 목적물을 차주에게 인도한 사실”이 반드시 포함돼야 한다고 하면, 템플릿 중 정확히 몇 번째 줄 몇번째 글자부터 몇번째 글자까지가 이 사실에 해당하는지를 라벨링 할 수 있도록 하였습니다. 이 라벨링 작업은 각각의 청구원인 템플릿이 그 템플릿에 포함될 내용을 빠트리지 않고 전부 포함하고 있다는 점을 효과적으로 검토할 수 있게 해줄 뿐만 아니라, 추후에 이런 라벨링 데이터가 충분히 쌓이고 나면 역으로 a, b, c라는 사실을 포함하고 있는 청구원인 템플릿을 생성하라고 하는 작업에도 활용할 수 있게 됩니다.

    

• 그래서 실제로 법원에 제출할 수 있는 소장을 완성할 수 있는지

  • 네, 됩니다. 아직 당사자 정보를 입력하는 부분이나 증거를 첨부하는 부분 등이 다 완성되지 않았지만 1) 사용자 입력 정보로부터 정확하게 청구취지를 구성하는 것 2) 같은 정보로 청구원인 템플릿을 활용해 청구원인을 작성하는 부분은 완성하였습니다. botoai.co/compose 에서 직접 확인해보실 수 있습니다.

    

1. 다음 작업 안내

• 변호사님 찾기

  • 이 POC를 가지고 본격적으로 변호사님을 찾아 나설 계획입니다. 변호사님이 법률사무소를 세우시면 제가 사무직원으로 들어가서 같이 나홀로소송 서비스를 개발, 운영하는 것을 생각하고 있습니다. 그러다 현재 법사위에서 심사 중인 리걸테크법이 통과되면 법률사무소는 정리하고 주식회사를 새로 세워 사업을 이어나가고, 만약 법이 통과되지 않는다면 리스크를 감수하면서 주식회사로 전환해서 사업을 계속하거나 한국 시장은 보류하고 외국으로 진출하는 방안 등을 고민해볼 생각입니다.

  • 이 도전이 얼마든지 실패할 수 있다는 사실을 분명히 이해하고 있습니다. 중요한 것은 우리가 하는 일의 의미를 정확히 이해한 상태에서 실패를 두려워하지 않고 도전하는 것이라고 믿습니다. 앞으로는 간단한 소장은 인공지능이 작성하고, 인간 전문가는 인공지능이 작업한 부분중 중요한 부분을 검토하는 방식으로 법률가들의 업무 방식이 바뀔 것입니다. 그리고 그렇게 됨으로써 전에는 비싼 비용과 낮은 편리성 때문에 자신의 권리를 침해받고도 구제받지 못했던 많은 사람들이 더 두텁게 자신의 권익을 보장받게 될 것입니다. 이 도전은 그런 새 시대를 현재로 당겨오는 일입니다.

  • 관심 있으신 변호사님은 joonhok@botoai.co로 연락 바랍니다.

• 내용 검토 및 남아 있는 부분들 완성

  • 아직 이 POC에는 실제 제품으로 출시하기까지(그래서 사용자가 실제로 소장을 작성하고 법원에 제출할 수 있을 정도까지) 완성되지 않은 부분이 많이 있습니다. 당사자 정보를 입력하는 부분이나 증거를 첨부하는 부분, 인지대나 송달료 같은 비용을 납부하는 부분 등이 그것입니다. 또 멀티모달리티 모델을 이용해 사용자가 첨부한 증거들의 증명력, 정합성 등을 검토하고 문제가 있을시 수정을 제안하는 부분 등도 추가로 개발할 계획입니다. 변호사님을 찾는 시간 동안 이런 작업들을 병행할 계획입니다.

나홀로소송 서비스 개발기 (2) - 귀하신 변호사님을 찾습니다

TL;DR

모바일에서 탭과 스크롤만으로 소장을 완성하고 전자소송 사이트를 거치지 않고 제출까지 가능한 나홀로소송 서비스를 만들고 있습니다. 저랑 같이 이 일을 해보실 변호사님을 찾습니다. 변호사님이 법률사무소를 설립하시면 제가 거기 사무직원으로 들어가겠습니다. 사용자들은 저희 웹사이트에서 소송 대리 계약을 맺는데 비용은 무료인 대신 소장은 본인이 알아서 작성해야 되고 기일에도 본인이 출석해야 됩니다. 사용자가 소장을 완성하면 저희가 전자소송 사이트를 이용해 대신 제출합니다. 사용자는 4지선다 선택지에서 몇 번 선택을 하면 청구취지는 자동으로 완성되고 청구원인은 거대언어모델을 통해 완성합니다. 수임료가 무료기 때문에 돈은 전혀 못 법니다. 빠르게 핵심 가설만 검증해 보는데 만약 지표가 나쁘지 않으면 1년 동안 딱 10만건만 대리해봅시다.

(이 글은 제가 나홀로소송의 문제를 다룬 세번째 글입니다. 첫 번째 글은 여기서 보실 수 있습니다.)

0. 무엇을 할 것인가

나홀로소송을 더 간편하게 할 수 있는 웹사이트를 만들어 보려고 합니다. 구체적으로 어떤 문제를 어떻게 해결할지에 대해서는 다음 글에서 자세히 살펴볼 예정이니 여기서는 간단히만 다루겠습니다.

잘 알려져있다시피 현재 민사본안사건의 대부분은 나홀로소송입니다¹. 그런데 당연히도 전문 지식이 부족하고 법률가로서의 훈련을 받지 않은 일반인들에게 있어서 혼자서 소송을 하는건 매우 고된 일입니다. 그런데 이제 인공지능 기술이 크게 발전하면서 이 문제를 해결해볼 수 있는 실마리가 보이고 있습니다. 나홀로소송은 소장을 작성하는 단계랑 작성된 소장을 제출하는 단계로 나눌 수 있는데, 소장을 작성하는 단계에서는 거대언어모델을 활용하면 전보다 더 편리하게 소장을 작성할 수 있습니다. 그리고 저는 나홀로소송 문제를 제대로 해결하기 위해서는 소장을 작성하는 단계뿐 아니라 소장을 제출하는 단계의 경험도 혁신되어야 한다고 생각합니다. 지금은 전자소송 사이트를 통해서 소장을 제출해야 되는데 이 사이트를 이용하는 것이 정말 불편합니다. 윈도우 PC가 아니면 사용하기 어렵고, 번거로운 공동인증서를 이용해 접속해야 하며, 반복적으로 수행해야 되는 작업 등을 처리하기가 어렵습니다.

우선 소장을 작성하는 단계에서는 사용자가 직접 청구원인을 작성하지 않아도 언어 모델이 대신 작성해줄 수 있습니다. 청구 취지도 직접 작성할 필요가 없습니다. 사용자가 이것들을 직접 작성하도록 하는 것이 아니라 몇 개의 보기 안에서 본인에게 맞는 보기를 계속 선택하도록만 해도 나홀로소송 같이 간단한 사건에 대해서는 소장 작성에 필요한 정보를 충분히 수집할 수 있습니다. 4지 선다 선택지에서 10번만 연달아 선택해도 100만 가지가 넘는 경우를 커버할 수 있습니다(4^10 = ​​1,048,576). 모든 선택지를 4지선다로 할 필요도 없고 반드시 10번 선택을 할 필요도 없는데 요지는 사용자가 이미 정리돼있는 선택지에서 자신에 맞는 보기들을 계속해서 선택하기만 하면 청구취지는 자동으로 완성해줄 수가 있는 것입니다(물론 금액이나 날짜 같은 정보들은 단답 형태로 입력 받을 수 있습니다). 그리고 이렇게 확인된 정보를 바탕으로 언어 모델을 이용해서 청구원인의 초안을 작성해줄 수 있습니다. 사람은 원래도 자유 양식의 글을 쓰는 것보다 여러 보기 중 하나를 선택하는 일을 더 쉽게 할 수 있는데², 소장이라는 낯설고 어려운 양식의 문서를 작성하는 것이라면 더 말할 것도 없습니다. 이렇게 인공지능 기술을 적절히 활용하면 일반인들의 소장 작성 경험을 크게 개선할 수 있습니다. 

그리고 나홀로소송 경험을 근본적으로 혁신하기 위해서는 사용자가 대한민국법원 앱이나 전자소송 사이트를 통해 소송을 수행하게 해서는 안됩니다. 대한민국법원앱(안드로이드, iOS)의 iOS 평점은 5점 만점에 1.3점이고(42개 평가), 안드로이드의 최근 3년 평점은 1.7점입니다(전화 버전, 223개 평가). 이 앱들의 리뷰를 읽어보면 사실 어디서부터 이야기를 해야될지 모를 정도로 총체적으로 문제입니다. 그리고 전자소송사이트를 이용하는 경험도 크게 다르지 않습니다. 맥에서는 이용할 수가 없어서 윈도우PC를 구해야 되고 공동인증서(구 공인인증서)로 로그인을 해야됩니다. 그런데 이 문제가 심각한 것은 이것이 단순히 불편한 경험인 것을 넘어 소송 결과에까지 영향을 주기 때문입니다. 대표적인 사례 한 가지만 이야기하자면, 보통 소송을 시작할 때 상대방의 이름이나 주소는 모른채 전화번호만 알고 있는 경우가 꽤 있습니다. 이때는 통신사에 사실조회신청을 해서 상대방의 이름과 주소를 알아내게 되는데, 문제는 이렇게 사실조회를 신청해야할 통신사 수가 너무 많다는 점입니다. 과거 대부분의 무선통신가입자가 통신 3사를 이용했을 때는 그 3개 회사에 대해서만 사실조회신청을 해도 높은 확률로 상대방을 확인할 수 있었지만, 2024년 6월말 기준 알뜰폰 가입자 수는 약 929만명으로 전체 가입자 수의 16.5% 정도를 차지하고 있으며 그 수는 계속해서 늘어나고 있습니다. 알뜰폰 통신사는 2023년 5월 기준 55개에 이르는데 이 많은 회사들에 대해 전자소송 사이트에서 일일이 사실조회신청서를 작성하는건 매우 번거로운 일일 뿐 아니라 회사명이 비슷한 엉뚱한 회사로 신청서를 보내는 실수를 하기도 쉽습니다. 그래서 나홀로소송에 대한 정보를 공유하는 글 등에서도 보통 전화번호를 이용한 사실조회신청은 통신 3사 정도에 대해서만 안내를 해주고 있습니다. 그런데 큰 마음을 먹고 소송을 결심해서 소장도 작성하고 인지대, 송달료도 납부했는데 이 단계에서 막혀버린다면 여간 허망한 것이 아닐 것입니다. 그냥 분함을 꾹꾹 누르고 없던 일로 하든지 아니면 알뜰폰 사업자 55개 회사에 대하여 하나씩 사실조회신청을 보내야 합니다.

그런데 사용자가 전자소송 사이트를 쓰지 않고 우리 웹사이트를 통해 소장을 제출하도록 하면 이런 문제를 한 번에 해결할 수 있습니다. 우리 사이트에서는 클릭 1번으로 통신 3사를 포함한 모든 알뜰폰 사업자에 대해 사실조회신청을 보내도록 만들 수 있습니다. 그리고 이렇게 원고가 전자소송 사이트를 거치지 않고도 소장(및 각종 서류들)을 제출할 수 있는 (사실상) 유일한 방법은 변호사님이 소송을 대리하는 것입니다³. 사용자는 쓰기 편한 우리 웹사이트를 통해 소장을 완성하고 네이버, 카카오 같은 간편인증이나 휴대폰 본인인증 등의 방법으로 본인을 인증합니다. 그러면 저희가 사용자가 완성한 소장을 전자소송 사이트를 통해 대신 제출합니다. 이 부분도 저희가 수동으로 하나씩 제출하는 것이 아니라 스크립트 코드를 통해 자동으로 처리할 수 있습니다. 

주식회사가 아닌 법률사무소를 세우는 이유는 불특정 다수의 사람들로부터 사건을 수임하기 위해서입니다. 그래서 변호사님께서 법률사무소를 세우시고 제가 그 사무소에 직원으로 근무하면(저는 변호사법 제22조 제2항에 정한 사무직원으로 채용되는데 있어서의 어떠한 결격사유도 가지고 있지 않습니다) 적법하게 이 서비스를 개발, 운영할 수 있을 것입니다. 하지만 주식회사가 아닌 법률사무소이기 때문에 외부 투자를 받을 수도 없고 저 역시도 사무소의 자산에 대해 아무런 권리를 인정받을 수 없습니다. 저는 상관없습니다. 어떻게 되었든 나홀로소송의 문제를 끝까지 밀어붙여서 해결해보고 싶습니다.

그리고 앞에서 적었듯이 이 서비스는 전부 무료입니다. 아무리 우리 서비스가 편리하다고 해도 돈을 내야 쓸 수 있다면 그 사용 경험은 크게 떨어질 것이고 우리는 나홀로소송의 문제를 근본적으로 혁신할 수 없습니다(우리 삶을 바꾼 여러 서비스들, 예를 들어 네이버 검색을, 카카오톡을, 유튜브를 돈을 내야 쓸 수 있다고 한다면 쓰는 사람이 얼마나 되겠습니까?). 우리는 외부 투자를 받을 수 없기 때문에 사실 생계를 꾸려나가는 부분에 있어서 문제가 생깁니다. 제 생계는 제가 알아서 해결하겠습니다. 변호사님 생계는 변호사님께서 해결해 주십시오. 물론 이런 구조로 무한정 일을 할 수는 없습니다. 적당한 기간을 정해 놓고 핵심 가설만 빠르게 검증해봅시다. 검증해보려는 핵심 가설들을 정리하면 다음과 같습니다.

1. 나홀로소송을 준비 중인 사람에게 소장을 작성하는 일은 매우 큰 문제일 것이고 인공지능 기술을 이용해 소장을 작성하는 해결법은 만족스러운 해결법일 것이다. 왜냐하면 현재는 소장을 작성하는 법을 배우기 위해 유튜브나 네이버를 찾아보면서 스스로 공부를 해야되는데 이 방법은 시간도 오래 걸리고(최소 몇일) 어려운 내용을 공부해야 되는 반면 인공지능 기술을 이용해 (적어도 초안을) 작성하는 방법은 그것보다 훨씬 빠르고(약 10분) 편리하게 소장을 작성할 수 있기 때문이다.

   • 이 가설이 틀리게 될 경우:

   • 소장을 작성하는 일이 생각보다 별 문제가 아니다.

   • 인공지능을 이용해도 좋은 품질의 소장을 만들어내지 못한다.

   • 인공지능을 이용해 소장을 만들어내는 방법에 불법적 요소가 존재한다. 즉, 불법적 요소를 포함하지 않고서는 좋은 품질의 소장을 만들어내지 못한다.

   • 인공지능을 이용해 품질 높은 소장을 만들수도 있고 불법적 요소도 없지만 사용자가 결과물을 신뢰하지 못하여 사용하지 않는다.

2. 나홀로소송을 시작하기 위해 소장을 작성한 사람들에게 전자소송 사이트를 이용해 서류를 제출하는 것은 큰 문제일 것이고 별도 사이트에서 간편인증을 통해 서류를 제출하는 방법은 만족스러운 해결법일 것이다. 왜냐하면 1) 핸드폰만 갖고 있는 사용자⁴나 맥 사용자⁵는 PC방을 찾아가거나 해서 처리해야되고 2) 윈도우PC 사용자도 핸드폰에서 공동인증서를 발급받아서 PC로 옮기고 하는 등의 번거로운 절차를 거쳐야 하는 것에 비해 훨씬 빠르고 편리하기 때문이다.

   • 이 가설이 틀리게 될 경우:

   • 법원 공식 사이트를 통해 제출하는 것이 아니기 때문에 신뢰가 가지 않아서 사용하지 않는다.

3. 소장을 작성하는 것과 작성된 소장을 제출하는 것까지를 묶어서 한번에 해결해주어야만 회사를 세울 수 있을 정도의 큰 가치를 줄 수 있을 것이다.

제품 개발에 필요한 기술적인 부분은 제가 담당하겠습니다. 변호사님은 서비스 안에 들어갈 내용 부분을 맡아주십시오. 그래서 적당한 기간을 정해놓고 그 기간 동안 우리가 해결하려는 문제가 진짜 문제가 맞는지, 우리의 접근 방법이 충분히 혁신적인 것인지를 검증해봅시다. 그리고 마치 토스가 송금의 문제를 해결하는데서 시작했지만 지금은 은행과 증권, 전자 결제까지 금융 산업 전 영역에 걸쳐서 사업을 운영하고 있는 것처럼, 우리도 만약 이 시도가 성공한다면 법률 서비스 시장의 다른 여러 문제들을 해결하면서 사업성을 키워가봅시다. 

1. 마일스톤들

이 시도는 (적어도 지금 단계에서는) 돈도 못 벌고 법적인 리스크도 있으며 성공하기 위해서는 여러 난관을 헤쳐나가야 하는 그런 일입니다. 그래서 얼마든지 실패할 수 있고 사실 실패하는 것이 기본값인 그런 일입니다. 그렇기 때문에 우리는 더 마음 편하게, 자유롭게 도전해볼 수 있습니다. 실패하는 것을 두려워하지 말고 어차피 안될테니까 핵심 가설만 빠르게 검증해봅시다. 어차피 안될거라는 사실을 우리가 잠시라도 잊을 수 있으니 앞으로 이 단락의 모든 문단은 어차피 안될거라는 말로 시작하겠습니다.

어차피 안되긴 할텐데 우선 6개월 동안 해보고 그 기간 동안의 평균 주간 성장률이 40% 미만이거나, Net Promoter Score가 70이 안되면 깨끗하게 실패를 인정합시다(주간 성장률은 그 주에 대리한 소송 건수로 계산합니다). 더 이상 새로운 사건은 수임하지 말고 이미 수임한 사건들만 잘 처리합니다. 그 다음 변호사 님은 원래 변호사님이 계셨던 곳으로 돌아가시고 저도 제 갈길을 가겠습니다. 

어차피 안되겠지만 만약 6개월 평균 주간 성장률도 괜찮고 NPS도 70을 넘으면 1년 동안 10만 건을 소송 대리하는 것을 목표로 조금 더 진행해봅시다.

어차피 안되겠지만 만에 하나 우리가 10만건을 대리하는데 성공한다면 변호사법을 바꾸기 위해 움직여봅시다. 이 사업을 계속하기 위해서는 외부 투자도 필수적이고 많은 인재들이 위험을 감수하고 이 일에 같이 도전할 수 있도록 그들의 기여에 정당한 보상을 해줄 수 있어야 합니다. 그런데 변호사법은 변호사와 비변호사가 동업하는 것을 금지하고 있습니다(변호사법 제34조 제4항 및 제5항). 이 이슈는 이미 오래된 이슈이고 2018, 2019년에 비슷한 취지의 개정안이 발의 시도된 적이 있고, 현재도 허가 받은 리걸테크서비스는 일반인을 대상으로 자동화된 법률 자문, 자동화된 법률 문서 작성수단의 제공 등을 할 수 있다는 내용의 법안이 접수되어있지만(리걸테크 산업진흥 및 이용촉진에 관한 법률안), 여전히 많은 변호사님들이 우려하시는 이슈입니다. 만약 이 법안이 통과되지 못한다면, 한국에 계신 변호사님들을 한 분씩 만나 우리의 취지를 전해봅시다. 만나서 설득한다고 생각하지말고 그냥 우리의 노력이(그리고 우리를 뒤이을 다른 팀들의 노력이) 어떻게 대한민국의 사법 접근성을 제고할 것인지, 그래서 우리나라의 법치주의를 얼마나 더 발전시킬 수 있을 것인지를 말씀드려 봅시다. 우리가 법률 서비스 시장의 탐색과 구매 과정을 얼마나 편리하게 만들 것인지, 그래서 법률 서비스 공급자와 소비자 사이의 거래를 얼마나 촉진할 수 있는지를 전달 드리고, 그로 인해 우리나라 전체 법률 서비스 시장이 얼마나 더  커질 수 있는지 등을 낮은 마음으로 말씀드립시다. 한국에 변호사님이 3만 5천분 정도 계신데 이미 우리 입장에 찬동하시는 분들도 계시고 절대로 안 만나주시는 분들도 있을테니 1년 정도면 다 만나뵐 수 있을 겁니다. 그리고 입법 청원 5만명 동의를 만들어 봅시다. 우리 서비스를 이용한 사용자들께도 부탁드리고 유튜브에도 닥치는대로 나가서 어떻게든 5만명을 채워 봅시다. 설사 법을 바꾸는데까지는 실패하더라도 법사위 청문회까지는 만들어봅시다.

만약 그래도 변호사법을 바꿀 수 없어서 계속 사업을 진행하기 어려우면 외국으로 갑시다. 일본, 독일, 미국(50개 주) 중에 잘 찾아보면 우리 모델로 사업을 할 수 있는 곳이 분명히 있을 겁니다. 우리의 성공 레코드를 가지고 투자를 받아서 그곳에 가서 사업을 합시다. 주간 성장률 40%는 유니콘을 꿈꾸게 하는 숫자입니다. 만약 우리가 일본으로 가게 된다면 코드를 몇 줄 바꾸지 않고도 사업을 할 수 있을지 모릅니다. 또 우연히도 제가 일본과 독일에서 일한 경험이 있습니다. 일본에서는 Indeed라는 회사의 도쿄 오피스에서 일했고 독일에서는 Amazon 베를린 오피스에서 일했습니다. 쉬운 일은 아니겠지만 못할 이유도 없습니다. 

어차피 안되겠지만 만약 우리가 변호사법을 바꿀 수 있어서 계속 사업을 할 수 있게 된다면 한국 법률 서비스 시장의 크기를 2배로 키워 봅시다. NYU Stern MBA의 Aswath Damodaran 교수는 2014년에 전세계 택시 시장의 크기를 130조(1000억불), 우버의 향후 예상 시장 점유율을 10%로 추정해 우버의 기업 가치를 8조원 정도로(59억불) 평가하였습니다. 그런데 우버는 2023년 총 거래액 180조(1,379억불), 매출액 48조(373억불)를 기록하면서 현재 약 200조원(약 1,500억불) 가까운 기업 가치를 인정받고 있습니다. 이에 대해 링크드인의 창업자 Reid Hoffman은 그의 저서 “블리츠스케일링”에서 “이러한 시장 규모를 얻을 수 있었던 것은 우버와 경쟁업체들이 제공한 사용의 편의성과 낮은 가격이 '서비스로서의 운송(transportation-as-a-service)' 시장을 확장했기 때문”⁶이라고 지적하였습니다.

지금은 나홀로소송 과정이 번거롭기 때문에 소수의 사람만 그 제도를 이용하지만 과정이 좀 편리해지면 지금보다 더 많은 사람들이 이용하게 될 것입니다. 그리고 나홀로소송을 하는 분들도 소송을 하다보면 법률 전문가의 도움을 받아야 하는 상황이 반드시 옵니다. 지금은 법률 서비스의 가격이 비싸고 서비스를 구매하는 과정이 불편하기 때문에 전문가의 도움이 가장 필요한 순간에도 도움을 받지 못하는 경우가 많습니다. 예를 들어 소송을 하면 최소 한 번은 법정에 출석해야 되는데 사실 이때가 일반인들에게는 가장 변호사의 도움이 필요한 순간입니다. 그런데 지금은 몇 백만원을 주고 소송 전체를 위임하든지 아니면 본인이 전부 다 직접 하든지 양자택일을 할 수 밖에 없어서, 가장 떨리고 두렵기까지한 법정 출석의 순간에도 변호사님의 도움을 받는게 쉽지 않습니다. 또 유료 전화 상담 같은 것을 이용한다고 해도 지금은 내가 무슨 소송을 하고 있는지, 이 다툼의 사실관계가 어떠한지, 지금까지 내가 어떤 서류들을 제출했고 상대방은 어떤 답변을 해왔는지 등을 상담하는 변호사님께 처음부터 다 다시 이야기해야 합니다. 이런 과정은 말하는 사람에게도 힘든 일이지만 무엇보다 변호사님의 시간을 효율적으로 쓰는 방법이 아닙니다. 요컨대 우리가 법률 서비스를 더 모듈화해서 서비스 구매의 최소 단위 가격을 낮추되 거래 과정에서 발생하는 마찰들을 줄이고 꼭 변호사님의 시간을 쓰지 않아도 되는 작업들을 중간에서 효율적으로 처리해주면 법률 소비자들이 더 저렴한 비용으로 더 많은 도움을 받을 수 있고 결과적으로 법률 서비스 시장 전체의 크기를 키울 수 있습니다. 

그리고 꼭 소송으로 한정해서 생각할 필요도 없습니다. 사용자가 원하는 것은 내 침해된 권리를 구제받고 문제를 해결하는 것이지 반드시 “소송”이라는 행위를 하겠다는 것이 아니기 때문입니다. 소송까지 가지 않더라도 그 전단계에서 법률 전문가들이 개입하여 문제를 원만히 해결할 수 있는 방법들은 얼마든지 있습니다. 지금은 이 역시 높은 가격과 거래를 맺는데까지의 여러 마찰들 때문에 활발히 거래되고 있진 않지만 가격이 더 낮아지고 이용이 편리해진다면 상황은 달라질 수 있습니다. 말하자면 우리는 분쟁해결로서의 서비스(conflict-resolution-as-a-service)로 진화해갈 수도 있을 것입니다. 법률 서비스 시장은 거대한 잠재 수요가 대기하고 있는 시장입니다. 이 문제를 하나씩 해결해나가면 전체 법률 시장 크기를 2배로 키우는 것도 불가능한 것만은 아닙니다.

2. 그 일을 왜 하는가, 왜 지금 하는가, 왜 저와 하는가

로마의 클라우디우스 황제가(재위기간 서기 41년부터 54년) 변호사를 전문적인 직업으로 제도화한 이래 지난 2000년동안 법률 소송은 오직 전문가만이 할 수 있는 어렵고 돈이 많이 드는 일이었습니다. 지금도 나홀로소송이 제도적으로 지원은 되고 있지만 많은 경우 일반인이 혼자서 소송을 하는건 “머릿 속이 새하얘지고 멘탈은 와르르 다 무너지고 (중략) 너무 억울하고 그냥 눈물만 나”는 일입니다(중략은 인용자가 가한 것임). 복잡하고 어려운 사건이야 전문가의 도움을 받아야겠지만 간단한 사건들, 예를 들어 친구한테 돈을 빌려줬는데 갚지를 않는다든지, 헬스장 회원권을 끊었는데 폐업하고 도망가버린다든지 하는 일 따위를 해결하는 건 그렇게 복잡할 필요도 없고 비용이 많이들 이유도 없습니다. 우리가 서로 약속한 내용을 당신이 지키지 않았으니 내 돈을 돌려달라는 것입니다. 이 2000년짜리 문제가 지금까지는 도저히 해결할 방법이 없었는데 이제 막 꽃을 피우기 시작한 새로운 기술 덕분에 해결될 가능성이 조금씩 열리고 있습니다.

오픈AI가 작년 3월에 발표한 GPT-4 모델은 미국 변호사시험을 상위 10% 성적으로 합격할 수 있었는데, 이는 그보다 4개월 전에 발표된 GPT-3.5 버전이 하위 10%의 성적으로 합격할 수 있었던 것에 비해 크게 발전된 것이었습니다. 현재 이 모델은 토큰당 0.00001 달러에(1백만 토큰당 $10) 이용할 수 있는데⁷, 어쩌면 우리는 변호사님들이 일하는 방식이 완전히 바뀌는 새로운 시대의 시작점에 서있는지도 모릅니다. 이 거대언어모델은 멀티모달리티가 지원되기 전부터 보지 않았지만 볼 수 있었고⁸, 현재는 국제수학올림피아드에서 (금메달에 1점 모자란) 은메달을 딸 수 있는 수준까지 발전하였습니다. 사실 GPT 모델이 아직 정복하지 못한 테스트들을 보면 그것들은 언어에 대한 이해가 부족해서 생긴 “능력”의 문제라기보다는 바로 답하기 어려운 질문들에 대해서 아직 한 번에는 잘 대답하지 못하는 “운용”의 문제라고 보는 것이 맞습니다. 언어모델에 있어서 이 문제들은 이미 다 해결된 문제들이고, 비유하자면 수학 문제를 풀긴 했는데 연습장에 지저분하게 풀어서 답안지에 깨끗하게 옮겨적는 일 정도만 남은 것들입니다. 그리고 현재 이 분야에 투자되고 있는 자본의 크기를 감안하면 1-3년 안에 지금보다 성능은 10배 더 좋아지고 가격은 10배 더 싸질 것입니다. 

이렇게 빠르게 변화하는 시기에 가장 현명하게 대처하는 방법은 그 변화의 흐름에 적극적으로 올라타서 미래를 직접 만들어 가는 것입니다. 저는 앞으로 10년 이내에 법원에 제출되는 서류의 절반 이상은 인공지능이 (적어도 초안을) 작성한 것일 거라고 생각합니다. 인공지능이 훨씬 더 저렴한 비용에(최소 몇 만배에서 몇 억배) 거의 실시간으로 충분히 괜찮은 문서를 생산해낼 수 있는데 그렇게 안될래야 안될 수가 없습니다. 전에는 소수의 리걸테크 회사를 규제하고 제재하는 방식으로 변화에 저항할 수 있었지만 지금 방식의 기술은 그렇게 막기도 어렵습니다. 그래서 저는 앞으로 10여년 동안 전세계 모든 나라, 모든 법률 시장이 이 방향으로 변해갈 것이라고 생각합니다. 남은 문제는 글로벌 플레이어가 시장을 독차지하느냐 아니면 로컬 플레이어가 시장을 지켜내느냐 정도의 문제만 남았다고 생각합니다. 인터넷 시대가 온 다음에는 전세계 모든 사람들이 인터넷 검색을 하게 되었습니다. 대부분의 시장은 구글이 차지하였고 아주 일부 시장에서는 네이버 같은 로컬 플레이어가 승리하였습니다. 모바일 시대가 온 다음에는 전세계 모든 사람들이 메시징 앱을 사용하게 되었습니다. 상당수의 시장은 왓츠앱 같은 글로벌 플레이어가 차지하였지만 일부 시장은 카톡 같은 로컬 플레이어가 차지하고 있습니다. 저는 똑같은 일이 법률 시장에도 일어날 것이라고 생각합니다. 지금으로서는 상상도 하기 힘들지만 불과 40여년 전에는 소장을 손으로 작성했습니다. 지난 40여년 동안의 변화보다 지금부터 앞으로 10년 동안의 변화가 더 클것입니다. 

저는 검사가 되고 싶어서 서울대학교 법학부에 입학했습니다. 그런데 학교를 다니면서 법조인이 되기 보다는 사업을 더 하고 싶어져서 코딩을 배워 개발자가 되었습니다. 대학교를 졸업하고 10년 정도 코딩을 해왔는데 작은 스타트업의 3번째 멤버로 참여해보기도 했고, 네이버나 아마존 같이 큰 조직에서도 일해보았습니다(보다 자세한 제 이력은 링크드인 프로필을 참조해주세요). 창업을 하기로 한 것은 어떻게 살 것인가라는 물음에 대한 저의 답이었습니다. 비록 부족한 재능이지만 전 저의 재능을 남기지 않고 전부 다 쏟아서 살아내는 그런 삶을 살고 싶었습니다. 또 아주 어렵긴해도 해결만 할 수 있다면 정말 멋진 어떤 일에 제 생애에 걸쳐서 도전해보고 싶었습니다. 나홀로소송은 제가 찾은 그런 문제입니다. 지금처럼 법적 구제 수단이 불편한 상황에서는 결과적으로 먹고 튀는 놈들한테 상을 주는 결과가 돼버립니다. 헬스장이 환불 처리를 하지 않고 폐업해버린다든가, 상품권을 팔아놓고 환불해주지 않는다든가, 부동산을 잔뜩 소유하고 전세보증금을 돌려주지 않는다든가 하는 일들이 계속 반복되는 것은 그렇게 했을 때의 경제적 이득이 압도적으로 크기 때문입니다. 저는 이 문제에 꼭 도전해보고 싶습니다. 한국에 뛰어난 개발자분들도 많고 훌륭한 법조인분들도 많이 계시지만, 그래서 감히 제가 제일 잘 낫다고 말할수는 없지만, 그래도 한국에서 인공지능 기술을 이용해서 법적인 문제를 해결하는 일에 있어서만큼은 누구에게도 지지 않을 자신이 있습니다. 앞으로 10년간은 기술이 계속해서 빠르게 발전할 것이고 이 시장은 기술이 주도해가는 시장이 될 것입니다. 기술이 주도하는 시장에서는 기술을 깊이 이해하고 잘 다룰 수 있는 팀이 이깁니다. 이기는 팀에 합류하십시오. 

3. 결어

저랑 같이 나홀로소송을 조금 더 편리하게 만들어보실 귀하신 변호사님을 찾습니다. 간단한 소송들은 동사무소에 가서 등본을 떼듯이 간편하게 할 수 있어야 합니다. 하지만 동시에 이 시도는 특별한 일이 없다면 실패할 시도입니다. 그래서 우리는 마음 편하게, 미련 없이 도전해볼 수 있습니다. 만약 우리의 도전이 빛을 보게 된다면 한국의(어쩌면 전세계의) 많은 사람들이 지금보다 더 두텁게 자신의 권익을 보장받게 될 것이고, 판사님들은 보정 명령을 발령할 일이 줄고 소송 지휘가 수월해져서 지금보다 더 일찍 퇴근하실 수 있게 될겁니다. 우리가 꿈꾸는 변화들이 하나씩 이루어진다면 정의가 물처럼 흐르는 세상이라고까진 할 수 없어도 적어도 지금보다는 한 걸음 더 정의로운 세상, 더 좋은 세상으로 바뀌었다고 말할 수 있을지 모릅니다. 

그리고 사실 전자소송 사이트가 지금 기준에서 보면 많이 불편한 것이 맞지만 지금 이만큼의 시스템을 갖춘 것도 한편으로는 대단한 성과라고 생각합니다. 이만큼의 시스템도 갖추지 못한 사회도 많습니다. 이만큼의 시스템을 만들고 우리에게 물려주신 우리 사회 선배님들을 진심으로 존경하고 감사하게 생각합니다. 이제는 우리가 그 바통을 이어받아서 그 다음 단계로 밀어올리는 일을 하면 됩니다. 저랑 같이 해봅시다. 관심 있으신 분은 아래 이메일 주소로 연락 바랍니다.

joonhok@botoai.co

각주

---------------------------------------------------------------------------------------

1. 2023 사법연감 720쪽

2. 특히 이 점과 관련해서는 Andrej Karpathy가 MS Build 2023 컨퍼런스에서 제시한 다음 분석을 참고할만합니다. “But you might ask why, why does it(RLHF model) work better? (중략) It has to do with the assymmetry between how easy computationally it is to compare versus generate”.

3. 이 부분도 자세히 들어가면 보통의 변호사 선임처럼 포괄적 소송대리권을 받는 것으로 계약 내용을 구성할 수도 있고 서류 제출과 송달 영수 2개의 개별 소송 행위에 대한 대리권만을 위임받는 것으로 구성할 수도 있습니다. 두 가지 방법 모두 가능할듯하나 각각의 방법마다 장단점이 있어 최종적으로는 실제 제품을 만들면서 결정하면 되지 않을까 생각합니다.

4. 2023년 기준 전체 가구 중 50.8%만 데스크톱 PC를 보유하고 있고, 노트북은 35.9% 가구만 보유중.정보통신정책연구원, 「한국미디어패널조사」

5. 2023년 4월 기준 PC 운영체제 점유율 약 14%

6. 리드 호프만, 크리스 예, 『블리츠스케일링』, 이영래 옮김, 쌤앤파커스(2020), 94p

7. “gpt-4o-2024-08-06” 모델 기준. https://openai.com/api/pricing/

8. GPT-4 모델은 TikZ 코드로 뿔이 달린 유니콘을 그릴 수도 있고 뿔이 빠진 유니콘에 다시 뿔을 붙여줄 수도 있습니다. “We gave to GPT-4 a transformed version of the TikZ code it produced for Figure 1.1, with the part drawing the horn removed. We asked for code to add back the horn, and display the result. This demonstrates that GPT-4 can “see” despite being a pure language model”. “Sparks of artificial general intelligence: Early experiments with GPT-4”.

나홀로소송 서비스 개발기 (1) - 살고자 하는 자, 죽고자 하는 자

TL;DR

스타트업이 어떤 문제를 해결할 때는 지속 가능성이 떨어지더라도, 또는 지속가능성이 없는 방법을 일부러 골라서 사용자에게 10배 더 좋은 경험을 줘야 합니다. 나홀로소송 문제에서도 지속가능한 방법들에서만 답을 찾을 때는 길을 찾지 못했는데 죽고자 하니까 비로소 길이 보이기 시작했습니다.

(이 글은 제가 나홀로소송 문제를 다룬 두 번째 글입니다. 첫 글은 여기서 보실 수 있습니다.)

0. 살고자 하는 자와 죽고자 하는 자

토스의 이승건 대표님은 토스 프로덕트 오너(PO) 강의에서 이렇게 말했습니다. 

“살고자 하는 자는 죽고, 죽고자 하는 자는 살 것이다.”

저는 이승건 대표님의 이 강의 시리즈를 감명깊게 보아서 전체 영상을 2번씩 보았는데 이 말만큼은 도무지 이해가 되질 않았습니다. 생즉사, 사즉생이 도대체 스타트업의 프로덕트 개발과 무슨 관련이 있는 걸까.. 이 말씀은 실패가 주는 두려움을 극복해야 성공할 수 있다는 말씀을 하시면서 ‘이것도 안될거야. 어차피 안될 거니까 정말 핵심 가설만 개발하자.’ 라는 마음으로 유연하게 접근했던 것이 토스 성공의 핵심이었다는 이야기를 하시면서 꺼낸 말씀이었습니다. 심지어 이걸 해내기만 하면 성공할 수 있다고 확언하시면서 성공이 생각보다 쉽다고까지 말씀하셨습니다.

그런데 전 잘 이해가 되질 않았습니다. 핵심 가설만 빠르게 검증하자는 것까지는 알겠는데 그것과 ‘어차피 안될거야’라는 마음이 어떻게 연결되는지가 불분명했습니다. 굳이 따진다면 ‘반드시 성공시키겠다’는 마음으로 최선을 다하는 것이 성공 확률을 더 높이지 않을까 생각되었습니다. 또 ‘어차피 안될거야’ 라는 마음이 생즉사, 사즉생으로까지 이어지는 것도 잘 이해가 되질 않았습니다. 다른 성공한 창업자들 중에는 이런 말씀을 하시는 분은 잘 없었습니다. 그래서 그냥 멋져 보이는 말씀을 하고 싶으셨던 걸까 하고 넘어갔습니다. 

그런데 이 말씀이 제가 나홀로소송의 문제를 고민하는 과정에서 새롭게 다가왔습니다. 

제가 생각했을 때 토스가 성공한 것은 토스 팀이 ‘어차피 안될거야’ 라는 마음으로 토스를 만들었기 때문이 아닙니다. 사용자들은 메이커가 어떤 마음으로 제품을 만들었는지 알 수도 없고 관심도 없습니다. 토스가 성공한 것은 사용자에게 최고의 사용 경험을 주었기 때문입니다. 토스의 사용자들은 받을 사람의 계좌번호를 물어볼 필요도 없었고 몇 백원씩 하는 송금 수수료도 아낄 수 있었습니다. 또 복잡한 공인인증서 비밀번호를 입력할 필요도 없었으며 다른 은행앱에서는 6단계나 걸리는 인증 작업을 3단계만에 끝내고 송금을 완료할 수 있었습니다. 그런데 토스가 이렇게 뛰어난 사용 경험을 줄 수 있었던 것은 CMS로 송금 뒷처리를 하는 방식이 지속 가능한 방식이 아니었음에도 불구하고, 그래서 언제든 서비스를 종료하게 될 수 있었음에도 불구하고 그 방식을 택해서 사용자에게 최고의 경험을 주었기 때문입니다. 달리 말하면 토스 이전에 같은 문제를 고민했던 다른 사람들은 토스가 했던 방법을 생각하지 못해서 안한게 아니라 그렇게 CMS로 송금을 처리하는 방식은 도저히 지속가능한 방식이 아니어서 현실적으로 가능한 다른 방법을 찾아보았을 것입니다. 그래서 이승건 대표님이 말씀하신 “생즉사, 사즉생”을 제가 이해한대로 정리하면 다음과 같습니다. 

“어떤 문제를 해결하는 데는 여러 가지 방법이 있다. 비용이 덜 들고 리스크가 없지만 사용 경험은 떨어지는 방법도 있고 반대로 비용도 많이 들고 지속 가능성이 낮지만 뛰어난 사용자 경험을 주는 방법도 있다. 그럴땐 지속가능하지 않은 방법을 시도해라. 단, 그렇게 지속가능성을 희생하는 대가로 사용자 경험을 극한까지 끌어올려라. 지속가능성이 떨어지는 방법이기 때문에 높은 확률로 서비스를 중단해야 할 것이다. 그걸 두려워하지 말고 오직 사용자 경험에만 집중해라.”

스타트업이 어떻게 10배 더 좋은 경험을 줄 수 있는지의 관점에서 바꿔 말하면, 남들은 다 지속 가능한 방법들 중에서만 해결법을 찾을때 나는 지속 가능성은 따지지 않고 오직 사용자 경험에만 집중해서 문제 해결을 시도하면 10배 더 좋은 경험을 줄 수 있는 것입니다.

CMS는 애초에 계좌이체에 사용될 목적으로 설계, 운영되는 시스템이 아니었기 때문에 그 시스템을 이용해서 계속 송금을 처리할 수 있을지는 불투명했습니다. 실제로 서비스를 출시한지 얼마 안돼서 토스팀은 더 이상 CMS를 사용할 수 없게 됩니다. CMS가 아니면 금융기관이 아닌 토스 팀 입장에서는 송금인 계좌에서 돈을 빼낼 방법이 없습니다. 유일한 방법은 은행들이 자신들의 전산망에 전자적 접근을 허용해주는 것입니다. 그런데 은행 입장에서는 그렇게 해줄 이유가 도저히 없었습니다. 은행 전산망이 얼마나 보안이 중요하고 안정성이 생명인 시스템인데 이런 작은 스타트업에게 접근을 허용해주겠습니까. 심지어 회사 대표는 관련 분야의 전문가도 아닌 치과의사 출신이었습니다. 그런데 그런 일이 일어났습니다. 어떤 이유에서건 한 은행이 토스에 접근을 허용해 주었고 시간이 지나자 또 다른 은행, 또 다른 은행이 접근을 허용해주었습니다. 그러다 어느 시점이 되자 “토스와의 제휴가 당시 은행들의 화두였던 디지털라이제이션을 실천하는 사례로 알려지면서 속도가 났”¹습니다(세상에나!). 그렇게 3년이 지나자 토스는 대한민국의 모든 은행 전산망에 전자적으로 접근할 수 있게 되었고 시스템적으로 송금을 처리할 수 있게 됩니다.

토스 팀은 ‘어차피 안될거야’라는 마음으로 문제를 바라봄으로써 지속 가능한 해결법을 찾아야 한다는 사고의 제약에서 벗어날 수 있었습니다. 실제로 어차피 잠깐 운영하다 종료한다고 생각하면 훨씬 더 자유롭게 다양한 방법을 시도해볼 수 있습니다. 재정적 리스크(송금 수수료를 토스 팀이 전부 부담하는 점, 토스 팀이 먼저 돈을 보내고 송금인한테는 돌려받지 못할 위험 등)도 심각하게 고민하지 않아도 되고 일단 CMS로 서비스를 돌릴 수 있으면 CMS가 막혔을 때의 대책 같은 것도 생각하지 않아도 됩니다. 어차피 잠깐 운영하다 종료할 건데 CMS로 시도해봤을때 시장 반응이 없을 수도 있으니까요. 그렇게 사고의 제약 없이 문제를 바라보자 혁신적인 사용 경험으로 송금 문제를 해결할 방법이 있었고 토스 팀은 과감히, 죽는 것을 두려워하지 않고, 그 방법으로 나아갔던 것입니다.

제 생각에 이런 접근법은 PMF를 찾는데 꽤 효과적인 방법입니다. 우버도 이런 식으로 문제에 접근했습니다. 저는 우버 사업의 본질을 “택시 면허 없이 전세계에서 택시 서비스를 운영하는 것”이라고 생각합니다. 우버가 처음에 시도한 모든 혁신들은 사실 택시 회사를 운영하면서도 제공할 수 있던 것들이었습니다. 그런데 만약 우버가 그렇게 사업을 구상했다면 우버의 기업 가치는 지금의 만분의 일도 되지 않았을 겁니다. 우버가 그렇게 높은 기업 가치를 인정받고 빠르게 성장할 수 있었던 것은 전세계의 택시 면허 제도를 정면으로 무시하고 글로벌하게 택시 서비스를 제공하겠다는 비전을 투자자들이 사주었기 때문입니다. 그런데 가만히 따져보면 이런 가정은 너무나 터무니 없습니다. 마치 의사 면허 없이 일반인들이 의료 행위를 할 수 있게 만들겠다는 것만큼이나 터무니 없게 들립니다. 물론 택시 면허가 다른 자격, 면허들 중에서 가장 타당성이 떨어지는 면허라고 볼 여지는 있지만, 보통 새로운 서비스가 출시될 때 소득이 줄어드는 집단만 있어도 서비스 운영이 어려워지는데, 우버는 소득이 아니라 전세계 택시 면허 소지자들의 상당한 재산에 해당하는 택시 면허 자체를 무효화하려는 일을 시도했던 것입니다. 한국에서도 택시 면허는 1억원 가까운 금액에 거래되는, 개인에게 있어서는 엄청난 액수의 자산인데 만약 한국에서 우버가 허용됐다면 그런 택시 면허는 휴지 조각이 됐을 것입니다. 그래서 결국 우버의 승차 공유 서비스는 많은 국가에서 금지되었습니다.

하지만 여기서 우리는 스타트업의 문제 접근법에는 근본적인 리스크가 있어야 한다는 사실을 배울 수 있습니다. 사용자가 우리 제품을 쓰지 않을 리스크가 아니라, 사용자가 우리 제품을 썼을 때 그것도 많이 썼을 때 우리 서비스를 계속 운영하는 것에 대한 법적, 제도적, 재정적 리스크가 근본적으로 있어야 하는 것입니다. 그리고 그 리스크는 온전히 사용자 경험을 혁신한 대가로 생긴 것이어야 합니다. 그래서 토스나 우버 같은 회사의 특징은 그 당시에 그 회사들이 잘 되고 있다는 걸 알았어도 서비스를 따라할 수 없었다는 점입니다. 여러분과 제가 타임 머신을 타고 시간을 되돌려 토스가 출시된지 얼마 안된 시점으로 돌아갔다고 해봅시다. 우리는 핀테크 회사를 운영하고 있는데 옆에 토스라는 새로운 서비스가 나왔고 8주 리텐션이 30%나 나오고 있다는 소식을 들었다고 합시다. 그 서비스가 어떻게 운영되는지를 조사해봤더니 CMS로 뒷처리를 하면서 운영하고 있는걸 알게 되었다고 합시다. 여러분이라면 그런 방식으로 운영되는 송금서비스를 따라 만들 수 있었겠습니까. 저는 못했을 것 같습니다.

그리고 여기서 우리가 한 가지 잊지 말고 기억해야 하는 것은, 이런 식으로 문제에 접근하는 방식은 실제로 대부분 다 죽는다는 사실입니다. 너무도 자명한 일입니다. 토스의 경우는 기가 막힌 우연으로 이런 식으로 접근한 첫 번째 시도에서 기적적으로 살아남았고 지금까지 역사적인 성공을 만들어가고 있지만, 토스의 사례를 당연한 것으로 생각해서는 안됩니다. 실제로는 다 죽는 것이고 우리는 그것을 각오해야 합니다. 대신 빨리 죽고 빨리 새로운 도전을 시도하면 되는 것입니다.

1. 나홀로소송과 생즉사, 사즉생

현재 한국에서는 매년 100만명이 넘는 사람들이 변호사 없이 직접 소송을 하고 있습니다.² 이렇게 변호사를 선임하지 않고 본인이 직접하는 소송을 “나홀로소송”이라고 합니다. 변호사를 선임하지 않고 혼자서도 소송을 할 수 있다는 사실 자체를 모르시는 분들도 있는데 변호사 없이 혼자서도 소송을 할 수 있습니다.

그런데 나홀로소송은 제도적으로 그것이 가능은 하다는 뜻이지 그 과정이 쉽다는 뜻은 결코 아닙니다. 나홀로소송의 여러 문제와 해결책들은 다음 글에서 자세히 다루겠습니다만 변호사의 도움 없이 혼자서 소송을 하는건 많은 경우 “머릿 속이 새하얘지고 멘탈은 와르르 다 무너지고 (중략) 너무 억울하고 그냥 눈물만 나”는 일입니다(중략은 인용자가 가한 것임).

저는 인공지능 기술을 이용해 새롭게 해결할 수 있는 문제를 찾던중 나홀로소송 문제를 알게 되었습니다. 복잡하고 어려운 소송은 법률 전문가의 도움을 받아야겠지만 친구한테 돈을 빌려줬는데 갚지 않는 것 같은 단순한 사건들은 인공지능 기술로 얼마든지 소장을 작성해볼 수 있을 것 같았습니다(소송을 시작하기 위해 법원에 제출하는 서류를 소장이라고 하고 소송은 법원에 소장을 제출함으로써 시작됩니다).

그런데 나홀로소송 문제를 해결하는데 있어서는 단순히 사용자 경험만 고려해서 되는 것이 아니라 관련 법령을 잘 이해하고 그 법령들이 허용하는 범위 안에서 서비스를 설계해야 합니다. 나홀로소송은 크게 두 가지 단계로 나누어지는데 법원에 제출할 소장을 작성하는 단계와 그렇게 작성한 소장을 실제로 법원에 제출하는 단계가 그것입니다. 이와 관련해서 우선 법무사법은 법무사 아닌 자가 법원에 제출하는 서류의 작성을 업으로 하는 것을 금지하고 있습니다(법무사법 제74조). 그래서 인공지능 법률 서비스를 만들어서 나홀로소송의 소장 작성을 도와주는 일은 법무사나 변호사가 아니면 할 수 없습니다. 그럼 법무사님이나 변호사님과 공동 창업을 해서 서비스를 운영하는 방법을 생각해볼 수 있습니다. 이렇게 하면 소장을 작성하는 부분의 규제는 어떻게든 해결해볼 수 있지만³ 소장을 제출하는 부분은 여전히 문제가 남습니다. 현재 대한민국의 거의 모든 소송은 전자소송 사이트를 이용해서 진행됩니다. 나홀로소송도 마찬가지인데 문제는 이 사이트가 정말 불편하다는 점입니다. 이 역시 자세한 내용은 다음 글에서 다루겠습니다만 결론부터 말하자면 나홀로소송의 문제를 제대로 해결하기 위해서는 사용자가 직접 전자소송 사이트를 이용하게 해서는 안됩니다. 사용자는 이 사이트를 이용하지 않고도 소송을 시작하고 수행할 수 있어야 합니다. 

그리고 사용자가 전자소송 사이트를 거치지 않고 소송을 할 수 있는 (사실상) 유일한 방법은 변호사가 소송을 대리하는 것입니다. 변호사가 소송을 대리하면 원래는 본인이 해야할 작업들도 변호사가 적법하게 대신 처리해줄 수 있습니다. 그런데 소송 대리는 법무법인이나 법률사무소를 운영하는 변호사님만 할 수 있습니다. 회사에 소속돼서 근무하는 사내 변호사님들도 계시지만 그 분들은 본인이 근무하는 회사의 사건들만 대리할 수 있고 불특정 다수로부터 사건을 수임할 수는 없습니다.⁴ 그리고 법무법인이나 법률사무소는 변호사님들만 공동으로 설립할 수 있습니다. 보통 스타트업을 할 때는 주식회사를 설립해서 공동 창업자들이 그 회사의 지분을 나눠갖는데 법무법인이나 법률사무소는 애초에 변호사가 아닌 사람은 설립에 참여할 수가 없는 것입니다. 

완전한 교착 상태입니다. 나홀로소송 문제를 해결하려면 소송을 대리해야 되는데 그건 변호사님들만 할 수 있습니다(저는 변호사가 아닙니다). 그렇다고 소장 작성까지만 도와주고 제출의 문제는 남겨둬서는 나홀로소송 문제는 해결되지 않습니다. 아무리 잘 봐줘야 절반 정도 해결된, 그래서 해결이 되다 만채로 남게 됩니다. 물론 그 만큼이라도 해결하는 것도 충분히 의미 있는 일이지만 그것이 스타트업이 도전할 성격의 문제인가에 대해서는 선뜻 긍정하기가 어렵습니다.

그래서 좌절했습니다. 나홀로소송은 내가 도전하기는 어려운 문제인 건가, 나는 다른 문제에 도전해야 하나 고민했습니다. 그런데 이 문제가 머릿 속을 떠나질 않았습니다. 나홀로소송은 지난 10년간 그 모습이 별로 달라지지 않았는데, 그럼 앞으로 10년, 20년 뒤에도 지금 같은(그냥 눈물만 나는) 모습으로 두는게 맞는 건가, 누군가는 나서서 이 문제를 해결해야 되지 않나 하는 생각이 들었습니다. 그리고 저는 누구보다도 이 문제를 잘 해결할 자신이 있었습니다. 그런데 아무리 열심히 고민을 하고 방법을 찾아봐도 길이 보이질 않았고 그래서 절망스러웠습니다. 

그러던 어느 순간 이승건 대표님이 말했던 생즉사, 사즉생이 떠올랐습니다. ‘아, 지금 내가 살려고 몸부림을 치고 있구나. 죽는게 싫어서 어떻게든 살아보려고 발버둥을 치고 있는데 그래서 살 길이 안 보이고 있는 거구나.’

법률사무소에 제가 주인 자격으로 참여하는 것은 불가능합니다. 하지만 법률사무소에 직원으로 근무하는 건 얼마든지 가능합니다. 물론 저는 주인이 아니기 때문에 해당 사무소의 자산에 대한 소유권을 인정받지도 못하고 중요한 의사 결정 과정에 참여할 수도 없습니다. 그래서 제가 열심히 코딩을 해서 성공적인 서비스를 만든다고 해도 그것은 어디까지나 법률사무소의 성공이지 제 것이 아닙니다. 저는 법률사무소에 고용된 피용인으로서 급여를 받을 수 있을 뿐입니다. 지금 시점에서의 현금 보상은 제가 원하는 것도 아니지만 그마저도 급여를 많이 받을 수도 없습니다. 법률사무소는 외부 투자를 받을 수 없기 때문에(마찬가지 이유로 변호사가 아닌 투자자는 법률 사무소를 설립하는데 참여할 수 없습니다) 순전히 법률 사무소를 설립한 변호사님들의 개인 자금으로부터만 자본을 조달할 수 있습니다. 그런 상황에서 당장 돈이 벌리지도 않을 나홀로소송 서비스를 개발하는 일에 큰 돈을 쓸 수는 없습니다. 물론 저는 제 기여를 정당히 인정받을 수 없는 구조에서 영원히 일할 수는 없습니다. 하지만 이런 구조로라도 먼저 서비스를 출시해서 시장의 반응을 살핀 다음 만약 이 방법이 충분히 혁신적인 방법이라고 판단이 들면(즉, PMF를 찾게 되면) 그 다음 일은 그때 가서 다시 생각해보면 됩니다. 현재로서 생각해볼 수 있는 방법은 변호사와 비변호사의 동업을 금지하고 있는 변호사법을 고쳐서 계속 사업을 해나가는 거입니다. 물론 법을 고치는 일이 쉬운 일은 아니지만 그렇다고 절대 불가능한 것도 아닙니다. 그렇다면 그 문제는 지금 너무 심각하게 고민하지 않아도 됩니다. 절대 불가능하지는 않다는 것을 확인했으면 일단 지속가능하지 않은 이 방법을 통해 사용자 경험을 극한까지 끌어올려서 문제를 해결하는데 집중하면 됩니다. 

제가 현재의 법제도 하에서 지속 가능하면서도 제가 원하는 수준까지 문제를 해결할 수 있는 방법을 찾을 때는 얼마나 마음이 힘들었는지 모릅니다. 이 길로 가도 막혀 있고 저 길로 가도 막혀 있어서 꼼짝을 할 수가 없었습니다. 그랬던것이 죽겠다고 마음 먹으니까 마음이 그렇게 편할 수가 없습니다. 

‘그래, 까짓거 젊었을 때 한 1년 정도 돈 못 벌면서 일하면 좀 어떻냐. 돈도 못 벌고 내 작업물을 내가 소유하지 못해도 좀 어떻냐. 또 최악의 경우 돈도 못 벌었는데 내 작업물을 다른 사람이 갖게 된다고 해도 어떻냐. 그 사이 내 노력으로 도움 받은 사람들이 있으면 그걸로 됐다. 나는 새로운 문제를 찾아 또 도전하면 된다.’

이렇게 생각의 관점을 바꾸자 안 보이던 길들이 하나씩 보이기 시작했습니다. 다시 가슴이 뛰고 마음이 설레기 시작했습니다.

2. 돈 아껴주기, 돈 벌 수 있게 해주기, 가장 재능 있는 사람이 가장 크게 성공할 수 있도록 도와주기

알리바바를 창업한 마윈은 한 강연에서 자신들은 소상공인들이 성공하도록 돕는데 집중했다고 말하였습니다(So, we focused on helping small businesses. We focused on helping them to make money, to sell things abroad). 우리가 앞서 살펴본 사례들을 봐도 사람들의 돈을 아껴주거나(토스가 송금 수수료를 아껴준 것), 돈을 벌 수 있게 해주는 것이(우버가 일반인도 택시 일을 할 수 있게 해준 것) 얼마나 큰 가치인지를 알 수 있습니다. 경제학에서는 자본과 노동을 투입해서 생산을 한다고 말하는데, 개인이 가진 자본 중 가장 큰 자본인 집과 차를 이용해서 부가가치를 만들어낼 수 있게 해주는 회사가 에어비엔비와(집에 노동을 더해서 부가가치 창출) 우버(차에 노동을 더해서 부가가치 창출)이고, 이 회사들은 현재 100조(에어비엔비, 약 730억불), 200조하는(우버, 약 1500억불) 회사가 되었습니다. 우버, 에어비엔비 말고도 쇼피파이는 누구나 온라인으로 가게를 열어서 장사를 할 수 있게 해주고, 유튜브는 재능 있는 창작자들이 전세계 시청자를 상대로 자신의 재능을 뽐낼 수 있게 해줍니다.

그래서 나홀로소송의 문제를 해결할 때도, 더 나아가서 법률 서비스 시장의 문제들을 해결해갈 때도 가능하면 이 세 가지, 돈 아껴주기와 돈 벌게 해주기, 가장 재능 있는 사람이 가장 크게 성공할 수 있도록 도와주는 방향으로 문제를 바라보고 해결해가야 합니다.

(다음 글에서 이어집니다)

각주

---------------------------------------------------------------------------------------

1. 정경화, 『유난한 도전』, 북스톤(2022), 68p

2. 예를 들어 2022년 기준 민사본안 사건만 했을 때 120만명 넘는 사람들이 변호사 없이 직접 소송을 수행하였습니다.

   1. 2023 사법연감 720쪽

      

   2. 원고가 변호사 선임 없이 소송을 시작한 건수: 전체 건수 - 쌍방 모두 선임 - 원고만 선임

      1. 소액: 515031 - 69761 - 12009 = 433261

      2. 단독: 215273 - 45781 - 59832 = 109660

      3. 합의: 37594 - 10501 - 20969 = 6124

      4. 합계: 549045

   3. 변호사 선임 없이 소송 진행하는 피고 수: 전체 건수 - 쌍방 모두 선임 - 피고만 선임

      1. 소액: 515031 - 14441 - 12009 = 488581

      2. 단독: 215273 - 45781 - 9665 = 159827

      3. 합의: 37594 - 10501 - 1667 = 25426

      4. 합계: 673834

   4. 원고, 피고가 각각 1명이라고 가정했을 때 549045 + 673834 = 122만 2879명

3. 사실 이것도 법적 리스크로부터 완전히 자유로운 것은 아닙니다. 한 법무법인이 인공지능 법률 상담 서비스를 운영한 것에 대해 대한변호사협회는 고발을 검토하고 있습니다. 그런데 법률 상담이 아니라 소장 작성을 도와주는 문제에 있어서는, 소장을 인공지능이 다 완성해서 제공해주는 것이 아니라 (이미 ChatGPT 같이 다른 서비스를 통해서도 쓸 수 있는) 인공지능 도구들을 사용자들이 소장 작성에 이용하기 편리하게 제공해주는 방식으로, 그래서 도구를 쓸지 여부, 제공되는 도구들 중에 어떤 도구를 쓸지 여부 등을 사용자 본인이 직접 선택해서 도구들을 사용하고 그렇게 해서 소장을 본인이 직접 완성하도록 서비스를 설계함으로써 법적 리스크를 많이 낮출 수 있습니다.

4. “만약 기업이 변호사를 고용하여 그 조직의 고유한 법률사무의 처리가 아닌 불특정 다수인으로부터 사건을 수임하여 처리토록 하는 것은 법률사무소를 개설ㆍ운영하는 것에 해당된다.”, 정형근, 『변호사법 주석』, 정독(2022), 427p. 그리고 “변호사가 아닌 자는 변호사를 고용하여 법률사무소를 개설ㆍ운영하여서는 아니 된다.”(변호사법 제34조 제4항)

법률 상담 챗봇 개발기 (2) - 나홀로소송 서비스로 피봇

TL;DR

원래는 법률 상담 챗봇을 만들고 있었는데 나홀로소송 서비스로 피봇하였습니다. 여러 시행착오를 겪던 중 PMF를 찾는 방법에 대해 다시 생각해보았고 새로운 판단을 내리게 되었습니다. 그 전까지는 손해를 보더라도 10배 더 좋은 제품을 만들어서 폭발적으로 성장하는 것만이 PMF를 찾는 유일한 방법이라고 생각했습니다. 그런데 다시 생각해보니 그 외에도 몇 가지 방법이 더 있었습니다.

0. 들어가며

저는 작년 이맘때쯤 법률 상담 챗봇을 만들고 있었습니다. 사실 처음에는 쉽게 만들 수 있을 줄 알았습니다. 그런데 막상 해보니 아직은 의미 있는 수준의 챗봇을 만드는 것이 쉽지 않다는 것을 알게 되었고, 그러고나자 그럼 지금은 뭘 만들어야 할지, 어느 방향으로 실험을 계속 해야 될지가 고민되었습니다.

고민의 방향은 분명했습니다. 저는 PMF(Product Market Fit)를 찾을 가능성이 높은 방향으로 계속 탐색하고 실험해야 한다고 생각했습니다. PMF의 정의나 PMF를 찾는 제품이 가져야 할 조건에 대해서는 저 나름대로 정리된 생각을 가지고 있었고, 저는 그 바탕 위에서 고민을 계속하였습니다. 그러다 우연한 계기에 제가 놓치고 있는 부분이 있다는 사실을 깨달았고 PMF를 찾는 방법에 대해 다시 생각해보게 되었습니다. 그 결과 지금은 법률 상담 챗봇이 아니라 나홀로 소송하는 분들을 위한 서비스를 만들기로 결정하였습니다. 

이 글에서 저는 이전에 PMF를 어떻게 이해했었는데 그 생각은 어떻게 바뀌었고 그 결과 왜 나홀로소송 서비스로 피봇하게 되었는지를 공유하고자 합니다. 이어서 그럼 앞으로는 정확히 무엇을 만들 것인지, 그리고 그 제품을 어떻게 팔 것인지, 마지막으로 그런 일을 왜 하려고 하는지에 대해 이야기해보겠습니다.

1. PMF를 찾아 헤맨 지난 시간들

먼저 제가 생각하는 PMF의 정의는 명확합니다.

제품의 핵심 가치를 경험한 사용자(즉, activate된 사용자)가 x주 후에도 이 제품을 계속 사용하는 비율 y%.

이 정의에서 x와 y의 값은 제품의 성격에 따라 조금씩 달라지지만, 예컨대 B2C 제품의 경우 최소 8주 후에도 30% 이상은 제품을 다시 사용해야 PMF를 찾았다고 볼 수 있습니다(시장별/산업별 목표 재사용률 레퍼런스에 대해서는 이 레니의 뉴스레터 글이 참고할만합니다). 그리고 제품을 한 번이라도 만들어서 출시해본 사람은 30%의 재사용률이 얼마나 높은 숫자인지, 얼마나 달성하기 어려운 목표인지 잘 아실 겁니다. 저 역시도 지금까지 몇 개의 제품을 출시해 보았지만 항상 처참한 수준의 재사용률 성적표를 받았고 도대체 무엇이 잘못된건지 머리를 싸매고 씨름해야 했습니다. ‘재사용률 30% 이상을 달성하려면 기존보다 10배 더 좋은 경험을 줘야 되는데 논리적으로 그리고 구조적으로 그게 어떻게 가능한 걸까. 기존 회사에 비해 자본도 기술도 부족한 내가 만든 제품이 어떻게 기존 제품보다 10배 더 좋을 수 있을까?’ 라는 고민을 하게 되었습니다. 그리고 그런 고민은 스타트업 분야의 오랜 격언인 “빠르게 출시하라(we ship it to customers way before it’s ready)”라는 린 스타트업 방법론과 합쳐져 저를 더욱 혼란스럽게 만들었습니다. 아니 도대체 빠르게 출시하면서 동시에 10배 더 좋은 제품을 어떻게 만들 수 있단 말인가. 그게 논리적으로 말이 되는 소리인가? 제품을 개발할 시간이 충분하다면 10배까지는 몰라도 기존 제품보다는 꽤 좋은 제품은 만들 수 있긴 하겠는데, 그런 방법으로는 아무도 필요로 하지 않는 제품을 만들 위험이 너무 큽니다. 그래서 최소한의 기능을 가진 제품을 빠르게 만들어서 출시하는 것 자체는 올바른 방향인 것 같은데 그러면서 동시에 10배 더 좋은 경험을 어떻게 줄 수 있을까? 그런 일이 가능하려면 마치 전 세계에서 아무도 모르는 비밀이나 기술을 나만 갖고 있어서 그 비밀로 아무도 따라할 수 없는 방법으로 제품을 만들어야 가능할 것처럼 보였습니다. 그래서 도저히 논리적으로는 성립될 수 없는, 이치에 맞지 않는 명제 같았습니다. 저는 제 머리로 온전히 이해가 되야만 완전히 몰입할 수 있는 사람이어서 이 수수께끼 같은 난제를 계속 파고들었습니다. 가장 위대한 스타트업들의 초기 모습을 하나씩 뜯어 보면서 이 회사들은 도대체 어떻게 그 어려운 일을 해내었는지 분석하였습니다. 그리고 마침내 저는 빠르게 출시하면서도 10배 더 좋은 제품을 만들 수 있는 비결을 찾아냈습니다.

2. 빠르게 출시하면서도 10배 더 좋은 제품을 만드는 방법 - 서비스 운영에서 반드시 손해를 보면서 수동으로 운영하기

우리 시대의 가장 위대한 스타트업인 토스와 배달의 민족 사례를 케이스 스터디 해보겠습니다. 

먼저 토스는 개인적으로 “위대한 팀이 엄청난 시장을 만났을 때 특별한 일이 생긴(When a great team meets a great market, something special happens)” 가장 대표적인 사례라고 생각합니다. 토스 팀이 만약 미국에서 사업을 했다면 지금보다 기업 가치가 100배는 더 커져서 수백조 짜리 회사가 됐을 거라고 생각합니다. 토스의 이승건 대표님은 한 강연에서 토스의 초기 모습을 공유해주셨는데 서비스 운영 초기 8주차 재사용율이 약 34% 정도되었고 월간 기준으로는  재사용률이 무려 70%에 육박했습니다. 그런데 토스는 아이디어를 불과 하루 만에 검증했고 제품도 매우 빠르게 출시하였습니다. 어떻게 이것이 가능했을까요?

혹시 토스의 초기 운영 방식에 대해 잘 모르시는 분들을 위해 간단히 정리해드리겠습니다. 토스는 처음에 간편송금 서비스로 시작했습니다. 송금인이 토스 서비스에 접속해서 돈 받을 사람의 계좌번호나 전화번호를 남기면 이승건 대표가 8시간마다 수동으로 자기 돈에서 먼저 계좌이체를 해서 돈을 보냈습니다. 계좌번호를 남긴 경우에는 바로 이체할 수 있었지만 수취인의 전화번호만 있는 경우에는 수취인에게 문자로 링크를 보내 송금 받을 계좌정보를 입력하게 한 다음 돈을 보냈습니다. 그럼 토스는 자기 돈으로 먼저 보낸 돈을 송금인한테 어떻게 돌려 받았을까요? 토스 팀은 CMS를 이용했습니다. CMS는 시민 단체에 정기 후원을 하거나 신문/우유 대금 등을 정기적으로 납부할 때 주로 사용되는 이체 방법입니다. 그런데 이 방법으로는 송금을 처리할 때마다 청구할 수는 없어서 토스 팀은 매주 1번씩 그때까지 송금된 금액을 계산하여 청구액을 바꿔가며 송금인에게 이미 이체된 금액을 청구하는 방법으로 돈을 돌려 받았습니다. 

먼저 여기까지 내용을 정리하면 제품을 빠르게 출시하는 방법을 확인할 수 있습니다. 시스템을 개발하지 않고 그냥 서비스의 껍데기만 만든 다음 사용자에게 서비스 요청을 받는 대로 수동으로 서비스를 제공하면 아주 빠르게 출시할 수 있습니다. 만약 토스 팀이 송금인의 송금 요청을 받았을 때 시스템적으로 자동으로 송금이 처리되는 서비스를 만들려고 했다면(그 당시 제도나 규제 등으로 그런 서비스를 만드는 것 자체가 불가능했을 것 같지만) 서비스를 개발하고 출시하는데 족히 1년은 걸렸을 것입니다. 그런데 반대로 수동으로 서비스를 제공하면 빠르게 제품을 출시할 수 있습니다. 간단한 랜딩 페이지 같은건 몇 시간 안에도 뚝딱 만들 수 있고 랜딩 페이지 조차 필요 없이 서비스를 출시할 수도 있습니다. 물론 수동으로 작업을 처리하기 때문에 사용자가 많아질 경우 서비스를 확장하는 것은 어렵습니다. 작업을 처리할 사람을 더 고용해야 되기 때문에 사용자가 늘어남에 따라 비용도 비례해서 늘어납니다. 또 여러 사람을 고용해서 인간의 노동으로 서비스를 운영하는 것은 매우 어려운 일입니다. 그래도 괜찮습니다. 합리적인 가정과 실행 계획으로 그런 수동 운영을 자동화할 수 있는 계획만 세울 수 있다면 시장의 반응을 확인하는 것이 가장 중요한 초기에는 수동으로 운영해도 괜찮은 것입니다. 당연한 말이지만 지금은 토스에서 돈을 보내면 시스템에 의해 자동으로 처리됩니다.

그럼 10배 더 좋은 경험은 어떻게 해야 줄 수 있는 걸까요? 제가 찾은 해답은 고객 1명당, 서비스 제공 한 건당 반드시 손해를 보면서 서비스를 제공하면 됩니다. 쉽게 말해서 다른 회사들은 이익을 남기면서 물건을 파는데 우리는 손해를 보면서 물건을 팔면 10배 더 좋은 경험을 줄 수 있습니다. 다시 토스의 이야기로 돌아가면 초기 토스의 송금 수수료는 무료였습니다. 그리고 이 점은 토스의 성공 원인에서 잘 언급되지 않는 것 같은데 저는 이 수수료 무료 정책이 결정적이었다고 생각합니다. 토스의 초기 사용자층은 주로 20대였는데 20대에게는 이체당 몇 백원씩 하는 송금 수수료가 너무 아까웠을 겁니다. 저 역시도 출금 수수료 몇 백원을 아끼기 위해 가까운 다른 은행 ATM을 놔두고 몇 백미터 떨어진 자기 은행 ATM을 찾아가던 친구가 있었습니다. 수수료 무료 혜택이 아니라면 토스를 써야 되는 이유가 사실 잘 납득되지 않습니다. 이승건 대표님은 은행 앱을 쓰면 인증을 6번 거쳐야 되는데 토스를 쓰면 3번이면 된다고 강조하셨지만, 그것만으로는 토스의 단점을 상쇄하기는 너무나도 부족해 보입니다. 송금을 신청하면 최대 8시간은 지나야 이체가 되었고 또 받는 사람 입장에서는 너무나도 피싱 같아 보이는 문자를 클릭하고 들어가서 자기 계좌 정보를 입력해야 됐습니다. 다른걸 다 떠나서 돈을 보낼 때는 기본적으로 이 돈이 안전하고 확실하게 상대방한테 들어간다는 신뢰가 있어야 하는데 이런 들어보지도 못한, 심지어 랜딩 페이지도 허접하기 짝이 없는 회사의 서비스를 이용해서 돈을 보낼 이유는 도대체가 없었습니다. 저는 토스가 크게 성공한 뒤에도 이렇게 으스스한 서비스가 성공한 것이 그저 신기했습니다. 그만큼 특정 그룹의 사람들에게는 수수료 무료 정책이 매우 큰 가치(10배 더 좋은 경험)였다고 해석할 수 있습니다. 이 몇 백원이 어른들의 눈에는 별 거 아닌 것처럼 보입니다. 그리고 직장을 갖고 주거래 통장을 만들면 보통 이체 수수료를 무료로 해주는 혜택을 받기 때문에 직장인 중에는 이체 수수료라는게 있다는 것조차 모르는 사람도 있었을 겁니다. 또 20대 중에도 집이 부자인 친구에게는 몇 백원 수수료는 아무 것도 아니었을 겁니다. 가장 위대한 혁신은 종종 가장 푸대접받고 있는(underserved) 그룹의 문제를 해결해주는데서 시작하는데 제 생각에는 토스의 경우가 정확히 그랬습니다. 

배달의 민족 사례는 간단히만 다루겠습니다. 초기에 배달의 민족은 잘 알려졌다시피 앱으로 주문이 들어오면 사람이 일일이 해당 음식점에 전화를 걸어서 주문을 대신 넣었습니다. 이런 운영 방식은 마켓플레이스 서비스의 콜드 스타트 문제를 해결하는 영리한 방법이기도 했지만, 동시에 자동 주문 처리 시스템 같은 것을 만들지 않고도 서비스를 출시할 수 있게 해주었기 때문에 제품을 빠르게 출시할 수 있게 해준 원동력이기도 했습니다. 그리고 배달의 민족 운영 초기에는 서비스를 한 건 처리할 때마다 회사에 손해가 되는 구조였습니다. 처음에는 업체로부터 받는 수수료가 전혀 없었을 것이고 시간이 좀 지나 수수료를 받을 수 있게 된 다음에도 전화로 주문을 하는데 드는 인건비만큼 받을 수는 없었을 것이기 때문입니다. 반대로 말하면 배달의 민족이 금전적으로 손해를 본 만큼 정확히 그만큼 사용자에게 가치가 전달되었다고 볼 수 있습니다.

이렇게 반드시 손해를 보면서 서비스를 운영하는 것을 전제로 아이디어를 생각해보면 8주 재사용률 30%를 만드는 것이 어렵지 않습니다. 사실 너무도 쉽습니다. 예를 들어 보겠습니다. 명품 브랜드 제품을 어느 제품, 어느 가격이든 무조건 정가보다 20% 저렴하게 살 수 있는 서비스가 있다고 생각해봅시다. 사용자는 혹시 구매하는 제품이 가품일지 모른다고 걱정할 수 있습니다. 그래서 이 서비스는 온라인으로는 구매가 불가능하고 구매자가 반드시 백화점에 방문해서 우리 직원이랑 같이 명품관 앞에서 정가의 20% 할인된 금액을 결제하고, 명품관에 같이 입장해서 원하는 제품을 본인이 직접 고르고 구매 즉시 상품을 인도 받는 구조라고 해봅시다. 이런 구조의 서비스라면 영업 이익률이 마이너스 30% 정도 될텐데 괜찮습니다. 요즘 스타트업에서 영업 이익률 -30% 정도는 매우 흔하고 때로는 오히려 훈장처럼 여겨지기도 합니다. 이런 서비스라면 제품을 만드는데 시간이 오래 걸리지도 않습니다. 웹사이트가 아무리 개떡같아도 사용자들은 어떻게 해서든, 무슨 수를 써서라도 서비스를 신청할 것입니다. 웹사이트 조차 필요 없습니다. 그냥 카톡 계정 하나를 만들어서 신청을 받아도 됩니다. 주간 성장률이 50%는 족히 넘을 겁니다. PMF를 찾은 것입니다.  

그런데 당연히 이런 비즈니스는 성립할 수가 없습니다. 그 이유는 운영을 하면서 손해를 보기 때문이 아닙니다. 정확한 이유는 시간이 지나도, 아무리 합리적인 가정과 훌륭한 계획으로 실행을 해도 고객에게 동일한 가치를 주기 위해 필요한 비용을 줄일 방법이 없기 때문입니다. 이 비즈니스를 통해 천만원짜리 샤넬 백을 800만원에 살 수 있으면 고객은 200만원 어치 가치를 얻습니다. 그런데 아무리 시간이 지나도, 어떤 계획으로 실행을 해도 이 200만원 어치의 가치를 더 적은 비용으로 만들어낼 방법이 없습니다. 비용을 줄이기 위해 할인율을 낮추면, 그래서 천만원짜리 백을 900만원에  살 수 있게 되면, 사용자에게 돌아가는 가치도 정확히 그만큼 줄어듭니다. 반면 토스나 배달의 민족의 경우는 달랐습니다. 토스의 송금 서비스가 주는 가치는(내가 지정한 계좌로 원하는 만큼 돈을 보낸다) 초기나 지금이나 동일하게 제공됩니다. 하지만 토스가 부담해야 되는 비용(송금 수수료)은 토스가 더 많은 송금을 처리할수록 낮아집니다. 물론 이 비용 감소폭은 우리가 보통 생각하는 것보다 훨씬 적었을 것이고 시간도 아주 오래 걸렸을 겁니다. 진짜 진짜 진짜 송금을 많이 처리하게 돼서야 아주 조금 비용이 줄었을 것입니다. 그래도 어쨌든 줄기는 줄었을 겁니다. 거기에 조금 낙관적인 가정들을 더하면 토스의 무료 송금 서비스는 여전히 미친 생각이긴 해도 절대 성립할 수 없는 아이디어는 아니게 됩니다. 배민도 마찬가지입니다. 배민이 처리하는 주문 건수가 어느 임계점을 넘어가면 자동 주문 처리 시스템을 만들어서 업체들이 사용하게 만들 수 있고 또 시장 지배력을 바탕으로 수수료를 높여 수익성을 개선할 수 있었습니다. 

(글이 길어서 다음 글에서 이어집니다)

법률 상담 챗봇 개발기 (1) - 판례 데이터셋 만들고 법적 쟁점 정리하기

TL;DR

법률 상담 챗봇을 만들고 있습니다. 그 첫 단계로, 임베딩과 벡터 스토어를 이용해 가장 많이 인용된 판례와 가장 많이 다뤄진 법리를 정리해보았습니다. 가장 많이 인용된 판례는 대법원 2012다89399 전원합의체 판결이었고, 가장 많이 다뤄진 법리는 "공동정범 성립에 있어서의 공모의 의미"였습니다.

이 다음으로 할 작업은 각각의 법리를 다룬 사례들에서 해당 사례의 사실관계, 결론 등을 추출해내고, 그 결과를 이용해 같은 쟁점의 새로운 사실관계에 대해 법원의 판단을 흉내낸 응답을 생성해보는 것입니다.

(이 글에서 다룬 작업의 코드와 결과물은 구글 CoLab에서 확인하실 수 있습니다)

0. 들어가며

법률 상담 챗봇을 만들어 보고 있습니다. 일반인들이 변호사님과 상담하듯이 법과 관련된 다양한 궁금증들을 편하게 물어볼 수 있는 서비스로서 네이버 지식인 법률 코너의 인터랙티브한 버전으로 생각하시면 되겠습니다.

챗GPT를 위시로 한 인공지능 기술의 발전이 눈부십니다. 저는 3년 안에, 늦어도 5년 안에는 변호사님들이 일하는 방식이 완전히 달라질 것이라고 생각합니다. 대부분의 문서 생성은 기계가 대신하게 될 것이고 사람은 그렇게 생성된 문서를 최종 확인하는 작업 위주로 일하게 될 것이라 생각합니다. 그리고 이 일을 제가 잘 할 수 있을 것 같아서 시도해보고 있습니다. 일반인을 대상으로 하는 챗봇은 아이디어를 검증하는 차원의 작업이고 그 작업을 성공적으로 마치고나면 법률 전문가 분들이 쓰실 수 있는 보다 고도화된 서비스를 만들어 볼 계획입니다.

챗봇을 만드는 일은 다시 3단계로 나눠서 진행하고 있습니다.

1. 첫 번째 단계는 우리 법에 어떤 법적 쟁점들이 있는지, 그리고 그 쟁점들에 대해 확립된 판례는 무엇인지를 정리하는 작업입니다. 챗봇은 언어 모델(LLM)을 사용해서 만들게 되는데, 질의된 법적 쟁점에 대해 정확히 응답하기 위해서는 각 쟁점에 대한 법원의 확립된 판례를 예시와 함께 프롬프트에 넣어줘야 합니다. 즉, 첫 단계 작업은 법적 쟁점별로 프롬프트에 넣어줄 텍스트를 정리하는 작업으로서 판례라는 원 데이터를 가공해 언어 모델에 사용하기 더 적합한, 더 사용 가치가 높은 형태의 중간 결과물을 만들어 놓는 작업입니다.

2. 두 번째 단계는 고정된 질의에 대해 응답을 생성해내는 작업입니다. 네이버 지식인에서의 사용자 질문이나 질의회시집의 예시 질의들처럼, 고정된 질의에 대해 정확한 응답을 생성해 내는 것이 이 단계의 목표입니다. 

3. 마지막 세 번째 단계는 대화 형태로 진행되는 질의에 대해 정확한 응답을 생성해내는 것입니다. 여기에는 질의자의 질문에서 정확한 법적 쟁점을 추출하는 일, 그리고 필요한 경우 질의자에게 질문을 해서 필요한 정보를 확인하는 일 등이 포함됩니다.
   

현재 저는 첫 번째 단계를 진행하고 있습니다. 이 글을 시작으로 앞으로 몇 차례에 걸쳐 제가 이 작업을 하면서 만난 문제들, 그 문제들을 해결한 방법들, 그 과정에서 배운점들, 그리고 중간 결과물들을 공유해보려 합니다. 이 글에서는 1) 챗봇 개발의 사전 작업으로서 법제처 판례 데이터를 허깅페이스 데이터셋으로 만든 일, 2) 이 판례 데이터셋에서 법적 쟁점들을 추출해서 확인해본 일을 정리해 보았습니다.

1. 판례 데이터셋 만들기

법률 상담 챗봇을 만드는데 있어서 가장 중심이 되는 데이터는 역시 판례 데이터입니다. 판례는 법제처 국가법령정보센터 등에서 확인할 수 있지만 컴퓨터 프로그램 안에서 여러 판례들을 보다 쉽게 처리하기 위해서는 이용하기 편리한 형태로 저장해놓는 것이 필요합니다. 관련해서 엘박스라는 회사에서 판례 데이터셋을 공개해 놓은 것이 있지만(엘박스 오픈), 여기에는 판례 본문 정보만 있고 판례를 특정할 수 있는 사건번호 등은 포함돼있지 않아서 사용하기에 적당하지 않았습니다. 

그래서 제가 직접 법제처에서 오픈 API 형태로 제공하고 있는 전체 판례 데이터를 다운로드 받아서 약간의 검증을 한 후 허깅페이스 데이터셋으로 공개해 놓았습니다. 이 데이터셋에는 총 85,660개의 판례가 포함돼 있고 사건 번호, 법원명, 선고 일자 등 API 에서 제공되는 모든 정보를 그대로 저장해 놓았습니다.

2. 판례 코퍼스에서 법적 쟁점 추출하기 - 작업 설계

그 다음은 이 판례 코퍼스에서 다뤄진 법적 쟁점들을 정리하였습니다. 여기서 말하는 “법적 쟁점"은 여러 판례들에서 반복해서 인용하고 있는 법원의 정립된 해석을 의미합니다. 보다 구체적으로는, 판례에서 정해진 형식에 따라 앞선 판례를 인용할 때 그 인용 구문이 다루고 있는 사안, 해석하고 있는 대상을 말합니다. 예를 들어 판례에서 어떤 법리를 인용하는 형식은 다음과 같습니다. 

"근로기준법상의 근로자에 해당하는지는 계약의 형식보다 근로제공 관계의 실질이 근로제공자가 사업장에서 임금을 목적으로 종속적인 관계에서 사용자에게 근로를 제공하였는지에 따라 판단하여야 한다(대법원 2006. 12. 7. 선고 2004다29736 판결 등 참조)."

- 대법원 2021다210829 판결

이렇게 인용되는 구문 안에는 하나의 법적 쟁점과 그 쟁점에 대한 법원의 해석, 결론이 들어있습니다. 그리고 같은 내용의 구문이 여러 판례에서 반복해서 인용되고 판단의 기준으로 사용되면 그 해석은 해당 쟁점에 대한 법원의 태도가 됩니다.

(나중에는 이렇게 명확한 인용 형식을 갖춘 법리뿐 아니라 판례의 모든 텍스트를 기반으로 보다 풍부하고 정교하게 판례를 이해해야겠습니다만, 현재 단계에서는 명확한 인용으로 한정해서 서비스를 개발해도 충분하다고 생각합니다.)

인용 문구는 항상 일정한 형식을 따르므로(괄호를 열고 법원명, 선고일자, 사건 번호 등을 적고 괄호 닫음), 이 부분을 판례에서 찾아내는 일은 어렵지 않습니다. 그런데 우리 판례에서는 동일한 법리라도 인용할때마다 인용 문구가 조금씩 다릅니다. 예를 들어 위 판례와 동일하게 "대법원 2004다29736 판결"을 인용한 대법원 2020다237117 판결은 같은 법리를 다음과 같이 인용하고 있습니다.

"근로기준법상 근로자에 해당하는지는 계약의 형식보다 근로제공관계의 실질이 근로제공자가 사업 또는 사업장에 임금을 목적으로 종속적인 관계에서 사용자에게 근로를 제공하였는지 여부에 따라 판단해야 한다. 여기에서 종속적인 관계인지는 (중간 생략) 등의 경제적·사회적 여러 조건을 종합해서 판단해야 한다(대법원 2006. 12. 7. 선고 2004다29736 판결, 대법원 2020. 12. 24. 선고 2018다298775, 298782 판결 등 참조)"

- 대법원 2020다237117 판결

앞선 판례에서는 첫 문장이 “근로기준법상의”로 시작하지만, 두 번째 판례는 “근로기준법상”으로 시작하며 띄어 쓰기도 조금씩 다릅니다. 또 이 사례에서처럼 어떤 경우는 핵심만 짧게 인용하는 경우도 있고 다른 경우에는 전체 내용을 보다 상세하게 인용하는 경우도 있습니다. 그래도 이 두 판례는 같은 판례를 인용하고 있는데서 알 수 있듯이 동일한 대상에 대해 동일한 결론을 말하고 있습니다.

그러면 법적 쟁점을 정리하는데 있어서 필요한 다음 작업은, 문구는 조금씩 다르더라도 의미는 같은 문장들을 하나로 묶어주는 작업입니다. 이 작업은 임베딩과 벡터 사이의 유사도 계산을 통해 쉽게 해낼 수 있습니다. 예를 들어 위 두 인용 문구 사이의 벡터간 코사인 유사도는 0.968입니다.

import openai
from openai.embeddings_utils import cosine_similarity
def encode(text):
return openai.Embedding.create(
model="text-embedding-ada-002",
input=[text]
)['data'][0]['embedding']
s1 = "근로기준법상의 근로자에 해당하는지는 계약의 형식보다 ... 판단하여야 한다"
s2 = "근로기준법상 근로자에 해당하는지는 계약의 형식보다 ... 판단해야 한다"
print(cosine_similarity(encode(s1), encode(s2)))

이렇게 인용 구문들을 임베딩한 뒤 충분히 유사한 벡터들을 하나로 묶음으로써 판례에서 다뤄진 법리들을 확인할 수 있습니다.

3. 판례 코퍼스에서 법적 쟁점 추출하기 - 작업 실행

이제 작업 설계는 모두 끝났습니다. 여기서 한 가지 제가 추가로 고려한 점은, 전체 법적 쟁점을 모두 정리하는 대신 가장 많이 다뤄진 법적 쟁점을 찾고 그 쟁점들에 대해서만 이후 작업을 진행하기로 한 점입니다. 그 이유는, 인용 문장들을 임베딩하는데도 비용이 들고 또 추후에 쟁점 별로 판례를 정리하는데도 상당한 비용이 들어서(OpenAI Completion API 비용) 작업 범위를 조정하는 것이 필요하기 때문입니다. 지금하고 있는 전체 작업의 목표는 저의 문제 정의와 접근 방법이 유효한 것인지를 확인하는데 있기 때문에 굳이 모든 쟁점을 다 정리할 필요가 없고 대신 선별된 쟁점들에 대해 충분히 좋은 품질의 결과물을 만들어내는 것이 더 중요하다고 판단했습니다.

그리고 가장 많이 다뤄진 법리를 찾는 일에 있어서도 약간의 타협을 하였습니다. 원칙적으로는 판례 코퍼스의 모든 인용 구문을 찾아서 그 인용 구문들을 전부 임베딩한 뒤, 그 임베딩 값들로 클러스터링해야 되겠지만, 돈과 시간을 아끼기 위해서 다음과 같은 방법으로 진행했습니다.

1. 전체 판례 코퍼스에서 피인용 판례들의 인용 횟수를 정리합니다.

2. 피인용 횟수 기준으로 상위 n개의 판례를 추리고, 그 판례들 중 하나를 인용하고 있는 인용 구문에 대해 임베딩 & 클러스터링을 진행합니다.

보다 자세한 작업 과정은 아래와 같습니다(이 전체 과정은 구글 CoLab에서 확인해 보실 수 있습니다).

1. 전체 판례 코퍼스를 순회하면서 각각의 판례에 대해 다음 작업을 수행합니다.

2. 판례 본문 안에서 여는 괄호(‘(‘)와 닫는 괄호(‘)’)로 감싸진 부분을 전부 찾습니다.

3. 이렇게 괄호로 감싸진 부분들 중에서 법리 인용 괄호에 해당하는 것들을 정규표현식으로 확인합니다.

4. 확인된 법리 인용 괄호들에서 법원명과 사건번호를 추출합니다. 법원명과 사건번호는 그 쌍으로 하나의 판결을 특정합니다.

5. 추출된 법원명-사건번호 쌍으로 피인용 횟수를 계산합니다.

이렇게 작업한 결과, 피인용 횟수 상위 3개 판례는 다음과 같았습니다.

• 대법원 2012다89399 전원합의체 판결, 118회 피인용

• 대법원 95다28625 전원합의체 판결, 97회 피인용

• 대법원 2004다29736 판결, 72회 피인용

그 다음 임베딩 & 클러스터링 작업은 다음과 같이 진행하였습니다.

1. 전체 판례 코퍼스를 순회하면서 판례 하나하나에 대해 다음 작업을 수행합니다.

2. 앞에서와 같은 방식으로 괄호로 감싸진 부분을 찾고, 그 괄호 안 내용이 판례를 인용하는 것인지 확인하고, 거기서 인용하고 있는 판례가 피인용 횟수 기준 상위 n개에 포함되는 판례인지 확인합니다.

3. 만약 맞다면 그 인용 구문을 임베딩합니다. 인용 구문은 원칙적으로 인용 괄호가 포함된 문단의 시작부터 해당 인용 괄호 직전까지가 인용 구문인 것으로 가정하였습니다. 

4. 이 임베딩 벡터를 가지고 벡터 스토어에서 가장 유사한 벡터를 확인합니다. 가장 유사한 벡터의 유사도가 임계값 이상이면 이 두 벡터는 동일한 것으로 보고 이 법리의 반복 횟수를 1만큼 증가시킵니다. 만약 유사도가 임계값 이하이면 두 벡터는 서로 다른 법리이므로 벡터 스토어에 현재 벡터를 저장하고 법리 반복 횟수를 1로 세팅합니다. 즉, 벡터 스토어를 해시 셋으로 이용하여 반복 횟수를 계산하였습니다.

5. 피인용 횟수 분포도와 예상되는 비용을 종합적으로 고려하여 이하 작업은 피인용 횟수 상위 300개 판례를 대상으로 진행하였습니다. 또 여러 샘플들로 실험해본 결과 두 벡터 사이의 유사도가 0.94 이상이면 대부분 동일한 법리인 것으로 확인하였습니다.

그런데 이 방법은 판례 코퍼스 순회 순서 상 어떤 법리를 다룬 최초 벡터를 기준으로 그 벡터와의 유사도로 클러스터링하는 것이기 때문에 실제로는 같은 법리임에도 불구하고 최초 벡터와 사이에 차이가 좀 있어서 같은 클러스터로 묶이지 않는 경우가 생길 수 있습니다. 이 문제를 해결하기 위해 1차 클러스터링이 끝난 결과물을 가지고 같은 클러스터에 속한 벡터들을 평균 낸 뒤에 이 클러스터 평균값들 사이의 유사도를 다시 한번 계산하여 그 유사도가 임계값 이상인 경우에는 두 클러스터를 하나로 합쳤습니다. 이렇게 작업한 결과, 가장 많이 인용된 법리 3개는 다음과 같습니다.

• 공동정범 성립에 있어서의 공모의 의미, "공동정범의 성립에 있어서 공범자 사이의 공모와 범죄의 실행에 관하여는 ~", 257회 인용

• 행정처분이 당연무효가 되기 위한 요건, "행정처분이 당연무효라고 하기 위해서는 그 처분에 위법사유가 있다는 것만으로는 부족하고 ~", 221회 인용

• 횡령행위 입증의 주체, "불법영득의사를 실현하는 행위로서의 횡령행위가 있다는 점은 어디까지나 검사가 ~", 215회 인용

4. 결론 및 다음편 예고

이 글에서는 법률 상담 챗봇이라는 최종 결과물을 만들기 위해 제가 어떻게 문제에 접근하고 있는지, 그 중간 단계들을 어떻게 설정하고 있는지를 소개하였습니다. 그리고 그 첫 번째 단계로서 판례 데이터셋을 준비한 것, 그리고 그 데이터셋에서 가장 많이 다뤄진 법적 쟁점을 확인한 작업을 공유하였습니다. 

다음편부터는 보다 본격적으로 유의미한 결과물들을 공유해보겠습니다. 보다 구체적으로 다음 편에서는, 

1. 법적 쟁점별로(예컨대 “근로기준법상 근로자에 해당하는지 판단하는 기준”) 그 쟁점을 다룬 모든 판례를 나열합니다.

2. 그 판례들에서 해당 법적 쟁점에 대한 결론(인정됐는지 여부 등), 해당 쟁점과 관련된 사실 관계, 해당 쟁점에 대한 법원의 판단 부분을 추출해냅니다. 여기에는 알고리즘과 프롬프트 엔지니어링 등을 이용하게 됩니다.

3. 이 결론, 사실 관계, 판단 추출물들을 프롬프트에 삽입해서 동일한 쟁점의 다른 사실 관계에 대해 언어 모델이 얼마나 정확히 응답을 생성해 내는지 확인합니다. 여기서 보다 정확하고 안정적인 결과물을 만들어내기 위해서는 어떤 작업이 추가적으로 필요한지, 컨텍스트 윈도우 크기와 관련하여 생기는 문제들은 어떻게 처리할 수 있는지 등을 다뤄보겠습니다.