Harvard Law dropout raises $6M for Blue Voice to build a 'Harvey for police officers'

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

블루 보이스는 경찰에게 기관별 규정과 법률 원문을 실시간으로 제공하는 인공지능 서비스로, 600만 달러를 조달하고 미국 25개 주의 225개 카운티 기관으로 사용을 확대했다.

📌 핵심 요약

• 데이비드 로런스는 경찰이 부서 규정에 즉시 접근하기 어렵다는 문제를 해결하고자 하버드 로스쿨을 중퇴하고 아미트 파탄카르, 마이클 그롭먼과 블루 보이스를 공동 창업했다.
• 블루 보이스는 창업 3년 만에 비공개 운영을 마치고 시그널파이어와 라스 올라스 VC가 주도한 600만 달러 투자 유치를 공개했으며, 미국 25개 주의 225개 카운티 기관 경찰관들이 매일 사용하고 있다.
• 로런스는 기존 방식으로 15,000쪽의 매뉴얼을 확인하는 데 시간이 많이 걸리고, 소비자용 인공지능 모델은 최대 30%의 오답률을 보였다고 주장했다.
• 블루 보이스는 기관별 법률·조례·절차·지침을 학습하고 답변과 함께 규정 원문을 제시하며, 최종 판단은 경찰관에게 맡긴다. 현재 분당 한 건의 질문에 답하고 있다.
• 로런스는 지난 1년간 고객 기반이 11배로 성장했다고 밝혔으며, 아동 유인 상황에서의 개입 근거 확인과 총격 사건 이후 현장 복귀 전 제삼자 정신건강 평가 의무 확인을 활용 사례로 소개했다.

🧩 주요 포인트

1. ,000쪽 매뉴얼과 소비자용 인공지능의 최대 30% 오답률에 대한 문제 제기 → 현장에서 필요한 규정을 신속하고 정확하게 찾는 것이 핵심 과제로 제시된다.
2. 기관별 자료와 규정 원문을 제공하고 최종 판단은 경찰관에게 맡기는 구조 → 블루 보이스는 행동을 지시하기보다 판단 근거를 제공하는 역할에 초점을 둔다.
3. 개 카운티 기관의 일상적 사용과 고객 기반 11배 성장 → 도입 확대는 확인되지만, 범죄 감소와 운영상 논란 감소라는 효과는 로런스의 설명으로 제시된다.

🧠 상세 정리

1. 창업 계기와 공동 창업진

데이비드 로런스는 하버드 로스쿨 재학 중 경찰관이 연루된 교내 총격 사건을 계기로 경찰의 행동을 둘러싼 격렬한 논란을 접했다. 그는 경찰 업무상 오류 상당수가 부서 규정에 즉시 접근하지 못하는 상황에서 발생한다고 보고, 인공지능으로 이 문제를 해결하기 위해 학교를 떠났다. 이후 하버드 경영학 석사이자 전직 구글 엔지니어인 아미트 파탄카르, 보스턴 경찰 부국장을 지낸 마이클 그롭먼과 블루 보이스를 공동 창업했다. 보스턴에 기반을 둔 이 회사는 현장 경찰관에게 실시간으로 규정 관련 안내를 제공한다. 로런스는 앞서 코네티컷 주지사 네드 러몬트와 일하며 공공 서비스에 관심을 키웠고, 이번 창업을 자신의 경력에서 가장 큰 영향을 만들 수 있는 일로 설명했다.

2. 투자 유치와 서비스 이용 규모

블루 보이스는 창업 3년 만에 비공개 운영을 마치고 600만 달러의 투자 유치를 공개했다. 투자는 시그널파이어와 라스 올라스 VC가 주도했으며, 기사에 따르면 미국 25개 주에 걸친 225개 카운티 기관의 경찰관들이 매일 서비스를 사용하고 있다. 이들은 자신의 행동이 소속 부서의 절차에 부합하는지 확인하는 데 도구를 활용한다. 로런스는 블루 보이스를 법률가용 인공지능인 하비와 의사용 도구인 오픈에비던스에 비유했다. 이러한 비교는 경찰이라는 특정 전문직의 업무에 필요한 정보를 제공한다는 서비스의 성격을 설명하며, 기사에는 블루 보이스가 현재 분당 한 건의 질문에 답하고 있다는 이용 현황도 제시됐다.

3. 기억과 방대한 매뉴얼에 의존하는 현장

로런스는 경찰관이 수천 쪽에 달하는 법률, 부서 정책, 지방 조례와 주법을 기억하거나 최선의 추정을 바탕으로 판단하는 상황을 문제로 지적했다. 범죄 현장에서 요구되는 일곱 번째 절차처럼 세부 규정을 떠올리지 못할 때는 15,000쪽의 매뉴얼을 뒤지거나 한밤중에 상급자에게 연락해야 했다는 설명이다. 구글이나 챗지피티 같은 범용 도구를 검색하는 방법도 있지만, 이들은 경찰 업무에 특화된 학습을 갖추지 못했다고 그는 말했다. 기존 확인 방식은 시간이 너무 오래 걸리고 소비자용 인공지능 모델은 최대 30%의 비율로 잘못된 답을 제공했다는 것이 로런스의 주장이다. 다만 기사에는 이 오답률의 측정 방식이나 평가 조건이 제시되지 않아, 해당 수치는 그의 설명으로 구분해 읽어야 한다.

4. 기관별 자료와 원문을 통한 판단 지원

블루 보이스는 공개 인터넷에서 범용 인공지능이 접근할 수 없는 기관별 법률, 지역 조례, 절차와 지침을 학습해 정보 접근 문제를 해결한다고 설명한다. 로런스에 따르면 서비스는 자체적으로 답변만 생성하는 데 그치지 않고 경찰관을 원래 규정으로 직접 안내한다. 그는 이러한 원문 연결 방식이 경찰관들이 도구를 신뢰하는 이유라고 말했다. 서비스는 행동을 지시하기보다 관련 법을 제시하며, 경찰관은 이를 자신의 현장 경험과 결합해 최종 결정을 내린다. 또한 진행 중인 총격 비상 상황에서는 휴대전화로 상세한 학교 지도를 즉시 확인할 수 있도록 지원한다. 따라서 기사에서 제시된 기능은 규정 질의응답과 함께 긴급 대응에 필요한 현장 정보 접근까지 포함한다.

5. 고객 증가와 두 가지 활용 사례

로런스는 지난 1년 동안 블루 보이스의 고객 기반이 11배로 늘었으며, 경찰 기관들이 범죄 감소와 운영상 논란 감소 같은 구체적 결과를 보고 있다고 주장했다. 그는 신임 경찰관이 어린 소녀에게 차량 탑승을 강요하는 남성을 발견한 사례를 소개했다. 개입할 법적 근거가 있는지 확신하지 못한 경찰관이 휴대전화로 질의하자, 서비스가 해당 상황이 미성년자 대상 범죄를 목적으로 유인하는 행위의 법적 요건에 해당한다고 알려 즉시 개입할 근거를 제공했다는 설명이다. 다른 사례에서는 총격 사건 이후 경찰관을 현장 업무에 복귀시키기 전에 제삼자의 정신건강 평가를 받아야 한다는 점을 경찰 책임자에게 상기시켰다. 두 사례는 현장 개입의 근거와 인사상 절차를 확인하는 서로 다른 활용을 보여주지만, 기사에는 효과를 독립적으로 검증한 통계가 제시되지 않았다.

6. 경쟁과 기능 확장, 시민권에 관한 목표

블루 보이스는 사모펀드의 지원을 받는 렉시폴과 경쟁하며, 최근에는 형사들의 장기 미제 사건 해결을 돕는 기능도 개발했다. 다만 기사에서는 이 기능의 구체적인 작동 방식이나 성과를 설명하지 않는다. 이러한 확장은 차량 번호판 감시 시스템을 제공하는 플록 세이프티 등 경찰의 인공지능 활용에 대한 비판이 커지는 시점에 이루어지고 있다. 로런스는 적절히 배치된 인공지능이 시민권을 희생하지 않으면서 공공 안전에 기여할 수 있음을 블루 보이스로 보여주길 바란다고 밝혔다. 이는 회사가 제시한 지향점이며, 기사 자체가 시민권에 미치는 영향을 검증한 결과는 아니다. 원문은 규정 접근성을 높이는 서비스의 가능성을 소개하면서 이를 경찰 인공지능 활용을 둘러싼 더 넓은 논쟁과 연결한다.

🧾 핵심 주장 / 시사점

• 블루 보이스의 차별점은 기관별 자료에 대한 접근과 규정 원문 연결에 있으며, 이를 통해 현장에서 판단 근거를 확인하도록 돕는다.
• 아동 유인 상황과 총격 이후 복귀 절차 사례는 같은 규정 안내 기능이 개입의 법적 근거 확인과 절차상 제약 확인에 모두 쓰일 수 있음을 보여준다.
• 고객 증가와 사용 규모는 도입 확산을 보여주지만, 범죄 감소나 시민권 보호 효과를 입증하는 자료와는 구분할 필요가 있다.

✅ 액션 아이템

• 블루 보이스 검토 시 기관별 자료와 규정 원문 제공 방식을 핵심 확인 대상으로 삼음.
• 소비자용 인공지능의 최대 30% 오답률은 로런스의 주장으로 구분해 해석함.
• 225개 카운티 기관의 사용과 고객 기반 11배 성장을 범죄 감소 효과와 구분해 평가함.

❓ 열린 질문

• 소비자용 인공지능의 최대 30% 오답률은 어떤 조건에서 측정됐는가?
• 블루 보이스의 규정 원문 제공은 경찰관의 최종 판단에 어떤 영향을 미치는가?
• 고객 기반 11배 성장과 별개로 범죄 감소와 운영상 논란 감소를 뒷받침하는 근거는 무엇인가?