법무법인 내부 문서 검색 에이전트

문제

변호사들이 수만 건의 계약서, 판례, 내부 지침 중에서 특정 조항이나 선례를 찾기 위해 매번 파일 서버를 뒤지고 있었습니다. 평균 검색에 4분 이상이 소요되었고, 키워드가 정확히 맞지 않으면 문서를 찾지 못하는 경우가 많았습니다. 신입 변호사들은 어느 문서를 먼저 봐야 할지조차 몰라 어려움을 겪었습니다.

기존 파일 서버 검색 화면 — 키워드 정확도에 의존

접근

기존 문서 관리 시스템의 한계를 분석했습니다. 파일명과 폴더 구조에 의존하는 검색은 자연어 질의에 대응할 수 없었습니다. 모든 문서를 벡터화하여 의미 기반 검색이 가능한 RAG 파이프라인을 설계했습니다. 법률 문서의 특성상 용어 정확도가 중요하므로, chunking 전략을 조문 단위로 세밀하게 조정했습니다.

구축

계약서, 판례, 내부 지침 등 PDF와 Word 문서를 자동 수집하여 Pinecone 벡터 DB에 저장하는 파이프라인을 구축했습니다. 변호사가 자연어로 질문하면, LangChain이 관련 문서를 검색하고 GPT-4o가 법률 맥락에 맞는 답변을 생성합니다. Next.js로 구현된 웹 인터페이스에서 출처 문서를 즉시 확인할 수 있습니다.

RAG 에이전트 인터페이스 — 자연어 질의로 즉시 검색

결과

평균 검색 시간이 4분에서 12초로 단축되었습니다. 검색 정확도는 기존 키워드 방식 대비 3배 향상되었고, 변호사들은 이제 관련 선례를 자동으로 추천받아 업무 효율이 크게 개선되었습니다.