Why AI Could Turn Small Law Firms Into Billion-Dollar Businesses

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Why AI Could Turn Small Law Firms Into Billion-Dollar Businesses를 중심으로, 성장의 제약은 수요보다 처리 능력이다. 성공보수로 개인의 법률 접근성이 높아졌지만, 예상 보수가 상담·조사·협상 비용을 감를 핵심 판단 포인트로 압축 정리한다.

📌 핵심 요점

1. 성장의 제약은 수요보다 처리 능력이다. 성공보수로 개인의 법률 접근성이 높아졌지만, 예상 보수가 상담·조사·협상 비용을 감당하지 못하는 사건은 여전히 거절된다. AI가 사건당 비용을 낮추면 기존에 수임하지 못했던 사건을 맡을 여지가 생긴다.
2. AI의 사업 가치는 비용 절감과 추가 수임에서 나온다. Eve는 전화 응대, 수임 가능성 검토, 자료 확보, 문서 작성과 업무 인계를 지원한다. LA의 한 사무소는 Eve 활용과 운영 개선을 통해 변호사당 관리 고객을 약 100명에서 500명으로 늘렸다고 소개된다.
3. 경쟁력은 모델의 지능을 사건 결과로 연결하는 데 있다. 공개되지 않은 합의 정보, 지역 법원과 상대방의 특성, 사건별 업무 체계가 중요하다. 자체 데이터와 소프트웨어 투자는 특정 분야에서 더 좋은 결과를 내는 자산이 될 수 있다.
4. 작은 로펌의 확장 방식도 달라질 수 있다. 처리량 증가와 세밀한 전문화는 지역 경쟁력을 전국으로 확대할 기반이 된다. 업무를 통합하는 플랫폼은 로펌 인수 후 운영 절차를 맞추는 부담도 줄일 수 있다는 설명이다.
5. 완전 자율 운영과 결과 중심 과금에는 해결할 문제가 남아 있다. 사람 없이 처음부터 보험금 수령까지 끝낸 사건은 아직 없으며, 사건마다 필요한 업무량도 불확실하다. 인간의 판단, 개인정보 보호, 연산 비용과 법원 처리 병목을 함께 고려해야 한다.

🧩 배경과 문제 정의

• 개인을 대리하는 원고 측 법률사무소는 성공보수로 법률서비스의 문턱을 낮췄지만, 예상 보수가 업무 비용보다 적은 사건은 맡기 어렵다. 피해가 작다는 이유로 법적 구제를 받지 못하는 수요가 남는다.
• 성장의 핵심 제약은 법률 인력이다. 상담, 사건성 검토, 자료 조사와 합의 준비에 시간이 들어, 광고로 문의를 늘려도 실제 수임을 같은 비율로 늘리기 어렵다.
• Eve는 첫 상담부터 합의까지 AI가 수행하는 범위를 넓혀 변호사의 사건 처리 능력과 매출을 확대하려 한다. 비공개 사건 지식의 활용, 의뢰인 정보 보호, AI와 인간의 역할 분담이 주요 쟁점이다.

🕒 시간순 섹션별 상세정리

1. 성공보수는 개인의 법률 접근성을 높이지만 업무 비용은 남는다

• Eve는 기업이나 사내 법무팀보다 충분한 자원이 없는 개인을 위한 법률 AI를 지향한다. 시간당 2,000달러를 청구하는 기업 법률서비스와 달리, 개인은 사건이 끝날 때까지 시간당 500~600달러를 부담하기 어렵다. [02:57]
• 원고 측 변호사는 승소할 때 보수를 받는 성공보수 방식으로 개인과 기관의 자원 격차를 줄인다. Eve의 목표는 첫 전화부터 합의까지 업무 전반을 AI로 지원해 변호사가 의뢰인에게 제공하는 성과를 높이는 것이다. [03:06]

2. 소액 피해는 승소해도 수지가 맞지 않아 대리인을 구하기 어렵다

• 피해액이 1,000달러인 사건에서 변호사가 결과의 3분의 1을 받더라도, 필요한 노동량 때문에 수임 유인이 부족할 수 있다. AI가 업무를 수행하면 기존에는 경제성이 없던 사건까지 서비스할 가능성이 열린다. [04:36]
• 사건당 최소 5,000달러의 보수를 기대하기 어려우면 수임하지 않는다는 업계 설명이 나온다. 그 수준에서도 손해를 보는 사건이 있어 일부 큰 보상 사건에 의존하며, 승소 자체도 보장되지 않는다. [06:23]

3. 고용 사건은 수임 여부를 판단하는 데도 상당한 노동이 든다

• 직장 내 괴롭힘 문의를 받으면 초기 통화에 약 30~45분이 들고, 사실관계를 법적 청구 원인과 연결해야 한다. 판례 조사와 추가 질문 등 검토에 10시간을 써도 충분한 보수를 기대할 수 없다는 결론에 이를 수 있다. [07:29]
• 노동·고용 분야 사건의 96%가 거절된다는 수치가 나온다. 직접 비용을 낼 여력이 없는 개인은 문제가 매우 심각해질 때까지 피해를 감수하게 되며, 그 배경에는 법률 노동의 병목이 있다. [08:28]

4. 자동 상담과 장기 업무 수행이 사건당 비용을 낮출 가능성을 만든다

• Eve는 전화를 받고 사무소의 특성에 따라 수임 가능성을 판단하며, 배상 요구나 초기 준비 작업까지 진행한다. 기존에 10시간이 걸리던 검토를 즉시 수행한다는 구상은 소액 사건의 경제성을 바꾼다. [08:51]
• 사건은 6개월이나 1년 동안 이어지고 약 1,000번의 조치와 상호작용을 포함할 수 있다. Eve의 정확도가 높아질수록 긴 기간의 업무 수행이 가능해지고, 복잡한 사건의 처리 비용도 낮아질 수 있다는 전망이다. [09:21]

5. AI의 사업 효과는 비용 절감과 함께 수임 확대에서 나온다

• Eve를 쓰는 법률사무소의 매출 확대 논리는 더 많은 사건을 맡는 데 있다. 인력을 줄이는 효과만으로 AI의 가치를 평가하면 추가 수임에서 생기는 수익 기회를 놓친다. [10:12]
• 일반적으로 더 많은 사람을 대리할수록 매출도 늘지만, 사무소는 처리 비용 때문에 상당수 사건을 거절한다. 이 구조에서는 수요보다 내부에 충분한 인력이 있는지가 성장의 제약이 된다. [11:59]

6. 사무소가 커져도 상담과 업무 인계에서 병목이 반복된다

• 소규모 사무소에서는 사무 담당자가 초기 전화를 기록하고 변호사가 시간이 날 때 회신한다. 상담 전담팀을 갖춰도 광고로 문의가 늘어나면 그 팀이 과부하에 걸려 수임 규모가 다시 제한된다. [12:28]
• Eve는 이러한 업무를 플랫폼으로 통합하고 변호사가 필요한 판단에 집중하도록 한다. AI가 기본 처리 수준을 높이면 변호사는 사건별 전문 판단, 의뢰인과의 대화, 결과 개선에 시간을 쓸 수 있다. [13:32]

7. LA 사무소 사례는 변호사당 고객 100명에서 500명으로 늘었다

• LA의 한 사무소는 Eve를 적극적으로 활용하고 운영 개선에 힘을 들여 변호사당 관리 고객을 약 100명에서 500명으로 늘렸다. 초기 전화, 수임 자격 검토, 변호사와 사건 관리자 사이의 업무 인계를 Eve의 에이전트로 처리했다. [14:34]
• 합의 단계에서는 조정 전 준비 문서에 집중할 쟁점, 유사 사건의 합의 결과, 과거에 효과가 있었던 전술을 담는다. AI가 사건을 계속 진전시키고 변호사가 그 수행을 개선하는 방식이다. [15:07]

8. 법률 AI의 시장 규모는 기존 소프트웨어 지출만으로 판단하기 어렵다

• 시간제 보수 사무소에서는 시간 기록이 중요하지만, 성공보수 사무소는 투입 시간을 고객에게 그대로 청구하지 않는다. 기존 도구 구매액만 보면 원고 측 법률 소프트웨어 시장을 작게 평가하기 쉽다. [16:11]
• 연간 소프트웨어 지출을 대략 수백억 달러, 법률서비스가 만들어 내는 성과를 수천억 달러 규모로 보는 비교가 나온다. 노동 부족으로 추가 성과를 내지 못하는 상황에서는 AI 소프트웨어가 노동을 수행하는 시장까지 열 수 있다는 논리다. [16:39]

9. 기존 도구는 원고 측 사무소의 핵심인 인력 부족을 해결하지 못했다

• 원고 측 사무소는 역사적으로 휴대전화와 이메일만으로도 운영할 수 있었고, 일부 1인 사무소는 Word도 구매하지 않았다. 상대방과 대립하는 업무 특성상 계약 검토처럼 공동으로 문서를 수정할 필요가 적었으며, 기존 소프트웨어는 노동 제약을 풀지 못했다. [17:51]
• 법률 소프트웨어 개발 자원은 예산이 큰 기관과 방어 측에 집중됐다. 반면 매달 지출을 따지는 소규모 원고 측 사무소는 도입 직후부터 성과를 내지 못하는 제품의 계약을 갱신하기 어렵다. [18:49]

10. AI는 사건마다 달라지는 업무를 재사용 가능한 절차로 바꾼다

• 원고 측 사무소의 유인은 더 많은 사람을 대리하고 사건에서 이기는 것이다. AI는 새로운 자료를 해석하고 변환하는 작업까지 절차로 구현할 수 있어, 수작업으로 수행하던 업무를 소프트웨어에 담을 가능성을 넓힌다. [19:33]
• 기존에는 사건마다 차이가 커서 표준화만으로 해결하기 어려웠고, 충분한 역량을 갖춘 사람을 채용해야 했다. AI가 사실관계와 상황을 관리하면 한 사람이 서로 다른 500개 사건을 담당하면서 모든 정보를 머릿속에 유지해야 하는 부담을 줄일 수 있다. [19:57]

11. 범용 모델의 지능만으로는 법률사무소에서 즉시 생산성을 내기 어렵다

• 애플리케이션 기업에는 기반 모델 개발사가 같은 영역에 진입할 위험이 있다. 독자적인 데이터나 네트워크 효과가 더 좋은 결과로 이어진다면, 같은 범용 모델을 사용하더라도 제품의 경쟁력을 확보할 수 있다. [20:27]
• Eve는 기반 모델이 계속 발전하는 데 기대를 건다. 다만 아인슈타인처럼 뛰어난 인재도 법률사무소에 들어온 즉시 생산성을 내기 어렵듯, 높은 지능을 실제 사건 수행 능력으로 연결하는 맥락과 업무 체계가 필요하다. [21:14]

12. 공개 판례 밖의 합의 정보가 보험사와 개인 사이의 격차를 만든다

• 판례 의견으로 남는 사건은 1% 미만이고, 대부분은 배상 요구나 소송 전 단계의 협상에서 합의된다는 설명이다. 따라서 원고 측 업무에 중요한 정보 상당수는 웹에서 수집할 수 없다. [21:44]
• 교통사고 뒤 보험사가 낮은 보상액을 제시하다 변호사 개입 후 2만 9,000달러에 합의하는 예시는, 공개 재판 없이도 실제 지급액이라는 유용한 정보가 생긴다는 점을 보여준다. 보험사는 수많은 사무소를 상대하며 정보를 축적하지만 개별 사무소는 상대 보험사의 전체 대응을 알기 어렵다. [22:05]

13. 좋은 사건 판단에는 상대방과 지역에 특화된 맥락이 필요하다

• 특정 보험사를 상대로 연부조직 손상 사건의 배상 요구서를 잘 작성하는 방법은 검색만으로 얻기 어렵다. 같은 유형의 사건이라도 지역 법원과 상대 변호사의 행동이 달라 해당 맥락을 익혀야 한다. [23:29]
• Eve는 여러 차원의 정보를 활용해 현재 어떤 행동이 사건 결과를 가장 개선할지 판단하도록 돕는다. 사건 중 이런 판단은 수천 번 반복될 수 있으며, 초기 수임 단계에서는 어떤 의뢰인을 잘 대리할 수 있는지 결정하는 데 먼저 가치가 생긴다. [24:01]

14. 사건 데이터 보호와 전술 지식의 활용을 병행한다

• 개별 사건 정보에는 변호사·의뢰인 비밀유지가 적용되며, Eve는 해당 데이터로 학습하지 않는다고 명시한다. 한편 변호사들은 기존에도 계속법률교육인 CLE 등에 참여해 상대방의 반복적인 방어 전술과 대응 경험을 공유해 왔다. [25:43]
• Eve는 자체 변호사를 고용하고 플랫폼 내 사건의 성공률을 추적한다. 이용자가 더 좋은 결과를 얻는지를 제품의 성과 기준으로 삼는다. [26:22]

15. 양측의 AI 활용이 늘어도 인간의 판단과 자원 격차는 남는다

• 보험사도 AI로 대응 역량을 높일 가능성이 있다. 지금까지 금액이 작아 적극적으로 다투기 어려웠던 개인에게 AI가 대응 수단을 제공하면, 기관 역시 새로운 대응 방식을 찾을 수 있다. [27:01]
• 법률 대리 업무의 99% 또는 99.9%를 AI가 수행한다고 가정해도 인간의 개입은 일부 남는다는 관점이다. 사람은 사건 결과에 긍정적인 차이를 만들 수 있으며, 이 비율은 현재 자동화 수준을 뜻하는 수치가 아니다. [29:11]

16. 반복 업무 자동화로 재판과 의뢰인 이해에 집중하는 변호사

• 일상적인 연락과 협의는 에이전트끼리 처리하는 방향으로 발전할 것이라는 전망이다. 이때 변호사의 차별점은 의뢰인과 사건의 사실관계, 지역 환경, 상대 로펌에 대한 이해를 실제 결과 개선으로 연결하는 능력에 있다 [30:49]
• Eve 고객 일부는 이미 재판 업무에 더 많은 시간을 쓰고 있다. 재판 준비와 배심원 면담이 로펌 전체의 업무를 잠식해 합의를 선호하던 구조에서, 의뢰인에게 중요한 쟁점을 적극적으로 다투는 방향으로 바뀔 수 있다 [31:31]

17. 사건 데이터가 합의와 재판의 선택을 개선한다

• 사건별 합의금 정보는 공통 저장소에 충분히 축적되지 않았고, 소송금융 업체들은 승소 가능성을 판단하기 위해 판사와 사건 관련 데이터를 활용해 왔다. 이런 정보가 모이면 변호사도 합의 수락과 추가 협상, 재판 진행을 더 정교하게 비교할 수 있다 [32:22]
• 보험사가 제시한 1만 2,000달러를 받을지, 1만 5,000달러를 요구할지, 재판에서 10만 달러를 노릴지는 서로 다른 선택이다. 소프트웨어는 사건별 최선의 결정과 적정 결과의 판단을 도울 수 있지만, 그보다 나은 결과를 추구할 책임은 여전히 변호사에게 있다 [32:58]

18. 소송 진입 장벽이 낮아질수록 법원 밖 분쟁 해결이 중요해진다

• 진행자가 제시한 Wells Fargo 상대 소송 사례에서는 AI가 약 4시간 만에 소송을 제기하고 송달 담당자까지 찾았지만, 재판 일정은 2월로 잡혔다. 특허 출원도 준비 작업이 쉬워져도 미국 특허상표청의 처리 병목이 남는다는 문제가 있다 [33:35]
• 모든 분쟁을 법원으로 보내지 않는 체계가 더 필요해질 것이라는 전망이다. 보훈 관련 일부 사건의 별도 위원회, 고용 사건의 EEOC 절차, 조정과 중재는 이미 존재하는 경로다 [34:32]

19. 작은 로펌의 성장 기반이 인력에서 소프트웨어와 데이터로 이동한다

• AI로 변호사당 처리량이 늘면 작은 지역 로펌도 매출 10억 달러 규모로 성장할 수 있느냐는 가능성이 제기된다. 이에 대한 전망은 로펌이 점차 소프트웨어 회사와 비슷한 운영 구조를 갖게 된다는 것이다 [36:40]
• 합의금 2만 5,000달러에서 변호사가 약 3분의 1인 8,000달러를 받는 예시에서는, 그 수입의 약 절반이 인건비이고 30%가 마케팅비이며 나머지가 이익이다. 이 구조에서는 다음 의뢰인에게 더 좋은 서비스를 제공하기 위한 재투자가 어렵다 [37:09]

20. 세밀한 전문화와 로펌 인수가 동시에 확대될 수 있다

• 여러 분야를 두루 맡던 동네 변호사에서 지식재산권·고용 등 분야별 전문화가 진행됐듯, 앞으로는 특정 사실관계를 가진 연부조직 손상 사건처럼 더 좁은 유형에 전문성이 형성될 수 있다. 이런 사건에 집중하는 광고는 대형 로펌의 광범위한 광고보다 비용 효율적일 가능성이 있다 [38:18]
• 특정 분야에서 지역 경쟁력을 확보한 뒤 전국으로 확장하는 성장 경로가 예상된다. 동시에 일부 대형 로펌은 다른 로펌을 인수하며 규모를 키우고 있다 [38:43]

21. 결과 중심 과금의 확산을 가로막는 업무량의 불확실성

• 소프트웨어 업계는 사용자 수에 따른 과금에서 결과에 따른 과금으로 이동하고 있다. 원고 측 법률 서비스는 이미 결과 중심 보상 구조를 갖고 있으며, 다른 법률 분야의 고객도 투입 시간보다 결과나 고정 비용을 선호할 것이라는 주장이다 [40:28]
• 시간당 과금에는 의뢰인이 원하는 바와 이를 설명하는 내용 사이의 정보 비대칭, 진행 중 바뀌는 업무 범위라는 배경이 있다. 이민법 등에서도 결과 중심 과금이 바람직할 수 있지만, 결과를 예측할 데이터가 부족하면 가격을 정하기 어렵다 [41:00]

22. 법률 접근성을 넓히려면 결과에 필요한 자원을 예측해야 한다

• Eve는 결과를 만들기 위해 각 업무 분야를 깊이 다루고 장기 과제를 수행하는 에이전트를 개발해 왔다. 법률 서비스의 접근성을 넓히려면 주어진 사실관계에서 원하는 결과에 도달하는 데 필요한 연산 자원을 파악해야 한다는 관점이다 [42:18]
• 이를 위해서는 데이터를 모으고 더 잘 활용하는 일과 실제 연산을 실행해 결과를 만드는 능력이 함께 필요하다. 대형 로펌과 기업 법무처럼 예산이 있는 시장에서도, 지출이 어떤 결과와 가치를 만드는지는 명확하지 않을 수 있다 [43:15]

23. Eve의 과금과 운영은 더 많은 의뢰인에게 결과를 제공하는 방향으로 바뀌었다

• Eve도 처음에는 여러 등급의 요금제로 출발했지만, 고객이 중요하게 여기는 것이 더 많은 의뢰인을 돕는 일이라는 점을 파악하면서 비교적 초기에 결과 중심 모델로 전환했다 [44:31]
• 자동화로 줄인 인건비를 더 많은 토큰과 Eve의 추가 업무 수행에 재투자하면 로펌의 수입을 늘리는 순환을 만들 수 있다는 구상이다 [45:09]

24. 성장의 병목은 사건 유형별 자동화를 구현할 엔지니어다

• 개별 과제를 대체로 잘 수행했는지 평가하는 벤치마크와 달리, Eve가 중시하는 것은 에이전트가 사건의 최종 결과를 만들어 내는 능력이다. 현재도 사건 처리에는 상당한 사람의 개입이 필요하지만, 그 횟수를 매달 크게 줄이고 있다고 한다 [47:22]
• 사건 유형마다 어떤 데이터와 도구를 사용해 해결에 도달할지 별도로 학습하고 구현해야 한다. 이런 작업이 많아 현재 성장의 주요 제약은 엔지니어 확보에 있다 [47:55]

25. 완전 자율 사건 처리는 아직이지만 개별 절차의 자동화는 진행 중이다

• 전화 응대와 의뢰인 등록부터 보험금 수령까지 사람 없이 끝낸 완전 자율 사건은 아직 없다. 구현에 가까워지고 있다는 평가이며, 사건 하나에는 대략 1만 차례의 연락과 업무상 상호작용이 발생한다고 추산한다 [48:35]
• 신체 상해 사건에서는 보험사와 의료기관에 연락해 의무기록을 확보하는 데 현재 약 2주가 걸린다. Eve는 외부 발신 음성 AI로 이 작업을 수행하며, 이미 에이전트가 상대 기관의 에이전트와 대화하고 통과 방법을 학습하는 현상도 나타나고 있다 [49:06]

26. 즉각적인 대응 능력이 방어 측의 지연 전술을 약화시킨다

• 방어 측은 여전히 시간당 과금에 크게 의존하며 원고 측과 같은 속도로 변화하지 못했다는 평가다. 한 고객 로펌의 상대방은 추수감사절이나 주요 휴일 직전에 증거개시 요청을 보내, 휴가 중 업무 부담과 부실 대응을 유도하는 전술을 반복했다 [50:52]
• 해당 로펌은 Eve에 당일 답변 에이전트를 만들어 다음 요청에 즉시 대응했다. 이런 사례는 업무 부담을 이용하던 전술의 효과를 떨어뜨리고, 상대방에게 원고 측도 충분한 자원을 갖추게 됐다는 변화를 체감하게 한다 [51:23]

🧾 결론

• 작은 로펌의 대형화는 AI가 처리량과 사건의 경제성을 얼마나 개선하느냐에 달린 조건부 전망이다. 매출 10억 달러 로펌이 이미 만들어졌다는 내용은 아니다.
• 변호사의 역할은 반복 업무 처리에서 의뢰인 이해, 사건 전략, 재판과 AI 수행 개선으로 이동할 수 있다.
• 장기적인 성장은 자동화로 확보한 여력을 데이터와 소프트웨어에 재투자하고, 이를 더 나은 의뢰인 성과로 연결할 때 가능하다.

📈 투자·시사 포인트

• 시장 범위: 법률 AI의 기회를 기존 소프트웨어 구매액만으로 평가하면, 법률 노동을 수행하고 추가 사건을 수임하면서 생기는 가치를 놓칠 수 있다.
• 성과 지표: 인건비 절감뿐 아니라 변호사당 처리량, 추가 수임, 사건당 수익성, 의뢰인 결과를 함께 확인필요가 있다.
• 경쟁 우위: 기반 모델 발전의 수혜와 모델 개발사의 직접 진입 위험이 공존한다. 독자적인 사건 맥락과 데이터가 실제 결과 개선으로 이어지는지가 중요하다.
• 확장의 조건: 결과 중심 과금과 로펌 인수 통합은 성장 기회지만, 업무량 예측 실패와 남아 있는 인간 개입 비용은 수익성의 변수다.

⚠️ 불확실하거나 확인이 필요한 부분

• 변호사당 고객 100명에서 500명으로 증가한 사례에는 운영 개선도 포함돼 있다. AI만의 기여도, 다른 로펌에서의 재현 가능성, 사건 결과와 수익성 변화는 별도 확인이 필요하다.
• 고용 사건 거절률 96%, 공개 판례로 남는 사건 1% 미만, 시장 규모 관련 수치는 출처와 집계 범위가 제시되지 않아 일반화에 주의가 필요하다.
• 완전 자율 사건 처리는 아직 실현되지 않았다. 업무의 99% 또는 99.9%를 AI가 수행한다는 언급은 가정이며, 현재 자동화율을 의미하지 않는다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 도입 검토 대상 사건 유형을 정하고 상담, 수임 검토, 자료 확보, 합의 준비 중 가장 큰 병목을 측정한다.
• 도입 전후 변호사당 처리량, 수임 전환율, 사건당 총비용과 의뢰인 결과를 비교한다. 총비용에는 AI 사용료와 인간 검토 시간을 포함한다.
• 비밀유지, 데이터 접근과 보관, 학습 사용 여부, 사건 간 지식 활용 범위를 계약과 운영 문서에서 확인한다.
• 자동화 단계별로 변호사의 검토 시점과 개입 기준을 정하고, 누락이나 오류를 찾는 기록 검토 절차를 마련한다.

❓ 열린 질문

• 더 많은 사건을 맡을 때 사건당 수익성과 의뢰인 성과도 함께 개선되는가?
• 개별 사건의 비밀을 보호하면서 여러 사건에서 얻은 전술 지식을 어디까지 활용할 수 있는가?
• 보험사도 AI로 대응하면 원고 측의 처리 속도와 정보 활용 우위는 얼마나 지속될까?