LegalOn halves Codex costs while maintaining development speed

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

LegalOn Technologies는 작업별 모델 선택과 사업 성장 단계별 예산 배분으로 개발 속도를 유지하면서 Codex 비용을 절반으로 줄였으며, AI 투자 평가를 고객 가치 중심으로 확장하고 있다.

📌 핵심 요약

• LegalOn Technologies는 법률 업무와 주요 비즈니스 기능을 지원하는 Professional AI를 제공하며, 조직 자체의 AI 네이티브 전환을 위해 Codex를 개발 과정에 도입했다. 초기에는 GPT‑5.5의 Fast mode를 무제한 제공했지만, 사용 확대에 따라 연간 예산 초과가 예상됐다.
• AI-powered Development CoE(AID CoE)는 모델을 시험·모니터링하고 선택 지침을 마련했다. 작업 복잡도와 개발 단계에 따라 GPT‑6 Luna는 요구사항이 명확한 구현, GPT‑6.1 Sol은 표준 설계·분석·문서 작성, GPT‑6 Astra는 아키텍처 설계 등 고도의 판단과 에이전트 조율에 활용했다.
• Fast mode를 기본적으로 제한하고 필요할 때 개별 요청을 허용했으며, 병렬 작업 실행 등으로 개발 성능을 유지했다. 부서·그룹·개인별 예산 상한을 두고, 기존 LegalOn 사업에는 최대 약 20%의 비용 효율 개선을 요구하는 한편 출시 단계의 신규 사업에는 넉넉한 예산을 배정했다.
• 모델 선택, 기능 제한, 사업별 예산 배분을 결합한 결과 GPT‑5.5 대비 추정 일일 비용이 약 65% 감소했다. 회사는 개발 속도와 품질을 유지하면서 비용을 줄였으며, 개발부터 릴리스까지의 주기도 점차 짧아지고 있다고 설명했다.
• 회사는 기능 릴리스별 고객 가치와 실제 AI 비용을 연결하는 ROI 지표의 계산 파이프라인을 구축 중이다. 또한 엔지니어의 AI 경험을 공유할 지식 기반을 구축할 계획이며, 채용에서 AI 역량을 강조하고 AID CoE와 보안팀이 성능·비용·위험을 함께 고려하는 유연한 운영 체계를 다듬고 있다.

🧩 주요 포인트

1. 최고 성능 모델의 일괄 사용에서 작업별 선택으로 전환 → GPT‑6 Luna·GPT‑6.1 Sol·GPT‑6 Astra의 역할 분담을 통해 개발 속도와 비용 효율을 함께 관리한다.
2. Fast mode 제한과 성장 단계별 예산 배분을 결합 → 기존 LegalOn 사업의 효율 개선과 신규 사업의 속도 우선 투자를 병행하며, 전체 비용 통제 안에서 자원을 배분한다.
3. 기능 릴리스 단위의 ROI 측정과 AI 경험 공유를 추진 → 개발 속도를 고객 가치와 연결해 평가하고, 개인의 활용 경험을 조직 역량으로 확장하려 하지만 측정 파이프라인과 지식 기반은 아직 구축 중이거나 계획 단계다.

🧠 상세 정리

1. Codex 확산과 비용 통제 과제

LegalOn Technologies는 전문 분야의 지식과 AI를 결합한 Professional AI를 전 세계에 제공하며, 법률 업무와 주요 비즈니스 기능을 지원한다. 사람이 복잡한 판단과 의사결정에 집중하도록 돕는다는 방향은 제품뿐 아니라 조직 자체를 AI 네이티브로 전환하는 데에도 적용됐다. 회사는 Codex를 개발 과정에 통합하고 일상적인 사용을 통해 조직 전반으로 활용을 확대했으며, 초기에는 개발자에게 주력 모델인 GPT‑5.5의 Fast mode를 무제한 제공했다. 개발자들은 설계·구현·일상 업무에서 실험하면서 사람과 AI의 역할을 나누는 방법을 익혔다. 그러나 고성능 모델의 무제한 사용은 연간 예산을 초과할 것으로 예상됐고, 일괄적인 제한은 이미 얻은 생산성 향상을 훼손할 수 있어 개발 속도를 유지하는 비용 관리 방식이 필요해졌다.

2. 작업에 맞춘 세 가지 모델의 역할 분담

AID CoE는 모델을 시험하고 모니터링하며 선택 지침을 마련했고, 관리자들은 그 결과를 팀에 공유해 엔지니어가 작업별로 적합한 모델을 직접 고를 수 있도록 했다. 새로운 지침은 모든 작업에 최고 성능 모델을 사용하는 방식에서 벗어나, 가벼운 모델로 시작하고 복잡도가 높아질수록 더 강력한 모델로 옮겨가는 방식을 제시했다. 가장 가벼운 GPT‑6 Luna는 요구사항이 명확한 코드 구현, 일상적인 자동화, 비교적 단순한 작업과 분석을 맡으며, 코드 구현에서는 주로 서브에이전트로 활용된다. GPT‑6.1 Sol은 비교적 단순한 소프트웨어 설계, 일상적인 수치 분석과 문서 작성 등 표준적인 업무를 지원하고, Luna보다 짧은 완료 시간이 필요한 작업에도 사용된다. 가장 강력한 GPT‑6 Astra는 아키텍처를 포함한 복잡한 소프트웨어 설계, 고난도 분석과 문서 작성, 오케스트레이터로서의 에이전트 조율을 담당한다. 내부 시험을 통해 선택 기준이 구체화되면서 이러한 역할 분담은 팀 간 공통 관행으로 자리 잡았다.

3. Fast mode 제한과 사업별 예산 배분

회사는 관리자 설정을 통해 부서와 개인의 월간 사용 한도를 도입했고, AID CoE가 사용량을 관찰하면서 사업상 필요에 따라 한도를 조정하도록 했다. 모델 선택과 함께 Fast mode를 기본적으로 제한하되 필요한 경우 개별 요청을 허용했으며, 개발 속도에 대한 우려는 병렬 작업 실행 등의 팀 운영 방식으로 대응했다. AI 지출에는 부서·그룹·개인 단위의 예산 상한도 적용했다. 이미 자리 잡은 LegalOn 사업에는 최대 약 20%의 비용 효율 개선을 요구한 반면, 출시 단계의 신규 사업에는 적극적인 AI 활용을 장려하도록 넉넉한 예산을 배정했다. Senior Engineering Manager인 Yuta Tokitake는 신규 사업이 비용 효율보다 사업 속도를 우선시했으며, AI를 폭넓게 활용해 산출량을 늘리고 궁극적으로 사업 성장을 이끄는 것이 목적이었다고 설명했다.

4. 개발 성능을 유지하며 얻은 비용 절감

원문은 LegalOn Technologies가 개발 속도를 유지하면서 Codex 비용을 절반으로 줄였다고 소개하며, 구체적인 성과로는 GPT‑5.5 대비 추정 일일 비용이 약 65% 감소했다고 제시한다. 이 수치는 모델 선택, Fast mode 등의 기능 제한, 각 사업에 맞춘 예산 배분을 함께 적용한 결과로 설명된다. 회사는 GPT‑6 Astra, GPT‑6.1 Sol, GPT‑6 Luna를 작업 복잡도와 개발 단계에 따라 선택하면서 전체 예산을 통제하고 성장시키려는 사업에 자원을 배분했다. Fast mode의 기본 제한 이후에도 병렬 작업 실행 등의 방식으로 개발 성능을 유지했으며, 모델 최적화 과정에서 개발 속도와 품질을 희생하지 않았다고 밝혔다. 팀들은 개발부터 릴리스까지의 주기가 AI를 통해 꾸준히 짧아지는 현상도 보고 있지만, 이러한 속도 향상이 고객 가치로 이어지는지는 별도의 평가 과제로 남았다.

5. 기능 릴리스와 고객 가치를 연결하는 ROI

회사는 개발이 빨라졌다는 사실만으로 AI 투자가 성공했다고 판단할 수 있는지 문제를 제기했다. Yuta Tokitake는 AI가 시스템 개발과 업데이트를 가속하는 것은 거의 당연해졌지만, 그 속도가 실제 고객 가치로 전환되는지를 이해하는 것이 핵심이라고 설명했다. 이에 회사는 개발 속도와 사용량 중심의 평가에서 고객 가치 중심의 평가로 옮겨가기 위한 자체 지표를 설계했다. 개별 작업의 AI 비용은 추적할 수 있어도 하나의 기능 릴리스를 완성하는 데 들어간 총비용은 불투명할 수 있으므로, 기능 릴리스 하나를 측정 단위로 삼았다. 해당 릴리스가 전달한 고객 가치와 실제 투입된 AI 비용을 연결해 투자수익률을 가시화하고 정확하게 파악하려는 접근이다. 현재는 이 지표를 계산할 파이프라인을 구축하는 단계이며, 고객 가치 관점의 실제 ROI가 이미 측정됐다는 결과는 제시되지 않았다.

6. 조직 역량과 유연한 거버넌스의 확장

다음 목표는 개별 엔지니어의 AI 활용 노하우를 조직 전체의 역량으로 전환하는 것이다. 회사는 첫 단계로 실무 경험을 수집하고 공유하는 지식 기반을 구축할 계획이며, 설계·구현·검토에 적합한 모델 조합 등을 담아 개인의 성공 사례를 회사 전체의 모범 관행으로 빠르게 확산하려 한다. AI에 따른 생산성 향상은 사람과 AI의 업무 분담뿐 아니라 인력 계획을 근본적으로 다시 검토하게 만들었고, 회사는 이미 채용에서 AI 역량을 강조하기 시작했다. AID CoE와 보안팀은 성능·비용·위험을 여러 관점에서 고려하면서 조직 전반의 실험을 지원하는 유연한 체계를 다듬고 있다. Tokitake는 규칙과 예산을 통한 과도한 제한이 조직의 추진력을 약화할 수 있다고 지적하며, 위험 통제와 팀에 필요한 속도를 균형 있게 유지하는 운영 방식이 필요하다고 강조했다.

🧾 핵심 주장 / 시사점

• 약 65%의 추정 일일 비용 감소는 모델 선택·기능 제한·사업별 예산 배분을 결합한 결과이므로, 원문만으로 각 조치의 개별 기여도를 구분하기는 어렵다.
• 기존 LegalOn 사업의 최대 약 20% 효율 개선 요구와 신규 사업의 넉넉한 예산은 비용 통제를 일률적으로 적용하기보다 사업 성장 단계에 맞춰 투자 우선순위를 정한 접근을 보여준다.
• 기능 릴리스 단위의 ROI는 개발 속도와 고객 가치 사이의 불확실성을 다루려는 시도이며, 계산 파이프라인이 구축 중이므로 고객 가치에 대한 투자 성과는 아직 확인 과제로 남아 있다.

✅ 액션 아이템

• 작업 복잡도와 개발 단계에 따라 GPT‑6 Luna·GPT‑6.1 Sol·GPT‑6 Astra의 역할 분담을 적용.
• Fast mode 제한과 사업 성장 단계별 예산 배분이 개발 속도 및 비용 효율에 미치는 영향을 확인.
• 기능 릴리스별 고객 가치와 실제 AI 비용을 연결하는 ROI 계산 파이프라인 구축을 추진.

❓ 열린 질문

• GPT‑6 Luna·GPT‑6.1 Sol·GPT‑6 Astra를 선택하거나 더 강력한 모델로 전환하는 작업 복잡도의 구체적인 기준은 무엇인가?
• GPT‑5.5 대비 추정 일일 비용 약 65% 감소에서 모델 선택, Fast mode 제한, 사업별 예산 배분은 각각 얼마나 기여했는가?
• 기능 릴리스별 고객 가치는 어떤 기준으로 측정하며, 구축 중인 ROI 계산 파이프라인은 이를 실제 AI 비용과 어떻게 연결할 것인가?