Sullivan & Cromwell brings legal expertise into agreement review

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Sullivan & Cromwell은 OpenAI와 협력해 법률 전문지식과 선례를 계약서 검토에 통합하는 Agreement Analyzer를 개발했으며, 변호사가 분석과 수정안을 검토하고 최종 판단하도록 설계했다.

📌 핵심 요약

• Sullivan & Cromwell의 Agreement Analyzer는 계약서 초안을 관련 선례, 로펌의 경험, 고객의 우선순위에 비추어 검토하며, 선례 간 대응 조항을 비교하고 조항 사이의 상호작용을 파악하도록 돕는다.
• 파트너 John Savva는 Codex로 단일 사용자용 개념검증 도구를 만든 뒤, OpenAI와 협력해 출력 품질을 개선하고 병렬 처리로 효율을 높였으며 여러 변호사가 동시에 사용할 수 있도록 발전시켰다.
• Agreement Analyzer는 로펌의 업무 방식, 선별된 선례, 협상 플레이북과 ChatGPT Enterprise를 통합한다. 여러 관점에서 반복 검토한 결과를 종합해 검토 메모와 변경 내용이 표시된 수정안을 제공하며, 변호사는 이를 검토·조정·거부할 수 있다.
• Savva는 시장 관행에 관한 주장도 출처를 확인할 수 있어야 신뢰할 수 있다고 강조한다. 그가 설명한 잠재적 활용 사례에서는 전문 에이전트들이 병렬로 검토하고 서로의 결론에 반론을 제기하며, 결과를 반론 검토 후 지지된 발견, 기각된 발견, 단서를 붙여 남긴 미검증 쟁점으로 구분한다.
• Savva는 AI의 분석 능력 향상으로 복잡한 계약서 심층 분석에 활용할 기회가 늘었다고 평가하며, GPT‑6 Astra의 추론 품질 발전이 과거의 병목을 개선했다고 말한다. Sullivan & Cromwell은 특정 법률 업무에 맞춘 도구를 계속 탐색하고 있다.

🧩 주요 포인트

1. 법률 전문지식과 고객 맥락의 통합 → Agreement Analyzer의 분석을 개별 계약과 협상 상황에 연결하고, 변호사의 판단을 지원한다.
2. Codex 개념검증에서 병렬 처리·다중 사용자 도구로의 발전 → 개인이 시작한 활용을 여러 변호사가 함께 사용할 수 있는 업무 도구로 확장한다.
3. 출처 공개와 에이전트 간 반론 검토 → 분석의 근거와 미검증 쟁점을 구분해 변호사가 최종 수정 여부를 판단할 수 있도록 돕는다.

🧠 상세 정리

1. 계약서 검토에 법률 전문지식과 고객 맥락 통합

Sullivan & Cromwell의 변호사는 계약서 초안을 검토할 때 관련 선례와 조항을 비교하고, 로펌의 경험에 기반한 접근법과 고객의 우선순위를 함께 고려한다. OpenAI와 협력해 개발한 Agreement Analyzer는 이러한 입력을 하나의 검토 흐름으로 모아 분석과 수정 제안을 제공한다. 변호사는 결과를 직접 살펴보고 다듬으며, 선례 사이의 대응 조항과 조항 간 상호작용도 파악할 수 있다. John Savva는 AI가 변호사의 판단이 가장 중요한 영역에 집중할 여지를 만들어 고객에게 핵심적인 질문에 더 많은 주의를 기울이게 할 것으로 기대한다.

2. 분석 능력 향상과 개념검증 도구의 확장

Savva에 따르면 초기 AI 활용은 이메일 답변 작성이나 일정 확인 같은 반복적 행정 업무에 주로 집중됐다. 최근 모델의 분석 능력이 좋아지면서 복잡한 계약서를 깊이 분석하는 등 까다로운 법률 업무에서도 활용 기회가 늘고 있다는 것이 그의 설명이다. 그는 Codex로 Agreement Analyzer의 단일 사용자용 개념검증 도구를 직접 개발했다. 이후 OpenAI와 협력해 출력 품질을 개선하고, 병렬 처리로 효율을 높이며, 여러 변호사가 동시에 사용할 수 있는 애플리케이션으로 발전시켰다.

3. 여러 관점의 반복 검토와 변호사의 최종 판단

Agreement Analyzer는 Sullivan & Cromwell의 업무 방식, 선별된 로펌 선례, 협상 플레이북과 ChatGPT Enterprise를 통합한다. 변호사는 계약서 초안을 입력한 뒤 직접 고른 선례와 로펌·고객의 입장이 담긴 플레이북, 시장 관행 정보를 추가할 수 있다. 도구는 여러 관점에서 검토를 반복하고 결과를 종합해 잠재적 쟁점을 찾은 다음, 검토 메모와 변경 내용이 표시된 수정안을 반환한다. 변호사는 이 결과를 검토하고 조정하거나 거부할 수 있다. Savva는 이러한 활용의 목적을 변호사 대체가 아니라 더 깊은 분석과 더 많은 법적 근거·선례 확보를 통한 고객 서비스 품질 향상으로 설명한다.

4. 출처 투명성과 에이전트 간 반론 검토

Savva는 AI 출력의 신뢰성을 위해 완전한 투명성이 필요하며, 시장 관행에 관한 주장도 정보의 출처를 확인할 수 있어야 한다고 강조한다. 그는 일부 에이전트가 결론을 만들고 다른 에이전트가 이에 반론을 제기하는 대립적 검토 방식을 설명한다. 잠재적 활용 사례에서는 전문 에이전트들이 시장 관행과의 차이 및 위험 배분, 조항 간 상호작용, 소송에 영향을 줄 수 있는 모호성을 병렬로 살핀다. 결과는 다른 에이전트의 반론 검토 후 지지된 발견, 기각된 발견, 단서를 붙여 유지한 미검증 쟁점으로 구분된다. 변호사는 쟁점과 설명, 관련 선례를 확인한 뒤 최종 수정안에 반영할 사항을 결정하며, 원문은 이 구체적 활용 사례를 이미 확정된 운영 성과로 제시하지 않는다.

5. 추론 능력 발전과 법률 업무별 도구 탐색

Sullivan & Cromwell은 특정 법률 업무에 맞춰 설계한 도구를 계속 탐색하고 있다. Savva는 분석 능력의 향상이 조사와 작성 과정의 더 많은 부분을 지원할 기회를 만든다고 본다. 특히 GPT‑6 Astra에 대해 이용 가능한 추론의 품질을 크게 진전시켰으며, 추론 품질은 과거에 병목이었다고 평가한다. 이는 Savva가 제시한 평가로, 원문에는 이를 뒷받침하는 정량적 성능 비교나 업무 성과 수치는 제시되지 않는다. 이 사례가 제시하는 방향은 AI의 분석 지원을 확대하면서도 변호사가 근거를 확인하고 고객에게 중요한 판단에 집중하도록 하는 것이다.

🧾 핵심 주장 / 시사점

• Agreement Analyzer의 핵심은 모델 활용과 함께 로펌의 선례, 협상 입장, 고객 우선순위를 검토 과정에 연결하는 데 있다.
• 출처를 제시하고 미검증 쟁점을 구분하는 방식은 변호사가 분석 결과의 근거와 한계를 살펴 최종 판단하는 데 도움을 줄 수 있다.
• Codex로 시작한 개념검증을 다중 사용자 도구로 발전시킨 과정은 법률 업무의 실제 활용을 위해 출력 품질과 처리 효율도 함께 개선했음을 보여준다.

✅ 액션 아이템

• Agreement Analyzer의 분석과 수정안 검토 시 관련 선례와 고객의 우선순위 반영 여부 확인 필요.
• 시장 관행에 관한 주장의 출처와 미검증 쟁점의 단서를 확인하고 최종 수정 여부 판단 필요.
• GPT‑6 Astra의 추론 품질 향상이 특정 법률 업무의 분석 지원에 어떤 의미를 갖는지 검토 필요.

❓ 열린 질문

• Agreement Analyzer는 선례와 고객의 우선순위가 서로 다른 방향을 가리킬 때 이를 분석과 수정안에 어떻게 반영하는가?
• 전문 에이전트들의 반론 검토에서 지지된 발견, 기각된 발견, 미검증 쟁점을 구분하는 기준은 무엇인가?
• Savva가 평가한 GPT‑6 Astra의 추론 품질 향상은 복잡한 계약서 심층 분석에서 어떤 개선으로 나타나는가?