법률 AI 도입이 가장 빨랐던 이유? 구글이 금융·법률부터 연 까닭
변호사가 개발자보다 AI 에이전트를 먼저 켠 이유
들어가며
구독자님, 지난주 목요일 호에서 리걸 AI 회사 하비(Harvey)가 두 달 만에 자체 모델을 만든 이야기를 전해드렸어요. 그때 다루지 못하고 남겨둔 질문이 하나 있어요. 왜 하필 법률이었을까요?
답의 절반이 그 사흘 전에 이미 나와 있었어요. 8월 25일, 구글 클라우드가 첫 산업 특화 Gemini Enterprise를 공개했는데 딱 두 개였어요. 금융과 법률이에요.
나머지 절반은 OpenAI가 8월 12일 갱신한 기업 사용 데이터에 있어요. 2026년 2월 대비 6월까지, 기업 고객의 주간 활성 Codex 사용자가 직군별로 몇 배 늘었는지를 그린 표인데요. 맨 위는 엔지니어링이 아니었어요.
법률이었어요. 108배요. 엔지니어링은 5배고요.
Codex는 코드를 짜는 도구예요. 변호사가 코드를 짤 리는 없죠. 그래서 오늘은 이 어긋남에서 시작할게요. 결론부터 말씀드리면, 이건 법률이 갑자기 AI에 마음을 연 이야기가 아니에요. 에이전트가 가장 먼저 자리 잡는 곳은 AI를 가장 좋아하는 직군이 아니라, “무엇이 잘한 결과인지”가 이미 문서로 적혀 있는 직군이라는 이야기예요.
108배를 곧이곧대로 믿기 전에
먼저 이 숫자를 제대로 볼게요. 2026년 2월 1일을 1로 놓고 6월까지 그린 배수예요.
| 직군 | 2월 대비 배수 |
|---|---|
| 법률 | 108배 |
| 세일즈 | 41배 |
| 채용 | 41배 |
| 마케팅 | 26배 |
| 헬스케어 | 24배 |
| 재무·회계 | 20배 |
| 엔지니어링 | 5배 |
이 차트를 소개한 a16z도 스스로 단서를 달았어요. “이 변화가 얼마나 Codex 자체의 확대 출시 때문인지는 따져볼 문제”라고요. 여기에 한 줄 더 보태고 싶어요. 이건 배수(倍數)지 절대량이 아니에요.
그럼 이 표에서 뭐가 남을까요. 저는 상대 순위가 남는다고 봐요.
Codex의 확대 출시는 법률에만 열린 게 아니에요. 세일즈에도, 마케팅에도, 재무에도 똑같이 열렸어요. 다 같이 바닥에서 출발했는데 법률만 108배고 마케팅은 26배라면, 그 4배 차이는 ‘문이 열려서’로 설명되지 않아요. 문이 열린 뒤 누가 먼저 들어갔는가의 문제예요. 오늘 글은 그 질문 하나에 답하려고 해요.
한 가지 더 짚을 게 있어요. 같은 리포트에서 6월 기준 Codex가 기업 고객의 Codex·ChatGPT 합산 출력 토큰의 64%를 차지했어요. 채팅창에 질문을 던지는 방식에서, 일을 통째로 맡기는 방식으로 무게중심이 옮겨갔다는 뜻이에요. 법률 직군이 켠 건 코딩 도구가 아니라 에이전트였어요.
지난주 구글이 연 두 개의 문
8월 25일, 구글 클라우드가 Gemini Enterprise for Financial Services와 Gemini Enterprise for Legal을 동시에 프리뷰로 공개했어요. 산업 특화 버전의 첫 두 개예요. 헬스케어와 생명과학은 “예정”으로만 적혀 있고요.
구성은 두 제품이 똑같아요. 네 개 층이에요. 업종별 도메인 스킬, MCP1 커넥터, 실제로 일을 수행하는 에이전트, 그리고 파트너 생태계예요.
금융 쪽 간판은 Financial Research 에이전트예요. 50개가 넘는 기본 스킬을 달고 나왔고 신용 리스크 평가, 포트폴리오 모니터링, KYC, 채권 발행 같은 일을 해요. 구글은 복잡한 채권 포트폴리오의 리스크 노출 분석을 5분 안쪽으로 줄였다고 밝혔어요. 연결되는 데이터는 FactSet, Moody’s, MSCI, PitchBook, Guidepoint, Dun & Bradstreet, SEC EDGAR 같은 곳이에요.
법률 쪽은 계약 검토와 레드라이닝, 플레이북2 작성, 규제 모니터링, 법률 리서치, DSAR3 대응을 다뤄요. 연결 대상은 iManage, NetDocuments, DocuSign, Everlaw, RelativityOne, Thomson Reuters HighQ, 그리고 무료 판례 데이터베이스 CourtListener까지예요. 개발에는 Cleary Gottlieb, Freshfields, Weil, Williams & Connolly가 참여했고, 금융 쪽에는 도이체방크와 CME 그룹이 붙었어요.
여기까지는 흔한 엔터프라이즈 발표문이에요. 오래 눈이 머문 건 다른 문장이에요.
금융 에이전트는 결과를 낼 때 신뢰도 점수, 명시적 방법론, 감사용 데이터 스냅샷, 정확한 출처 인용을 함께 내놔요. 그리고 데이터 거버넌스 항목에는 이런 문장이 있어요. “라이선스된 데이터는 라이선스된 채로, 권한이 걸린 데이터는 권한이 걸린 채로 유지된다.”
이게 새로 만든 제품 사양이 아니라 직업 규범을 그대로 옮겨 적은 문장이라는 게 핵심이에요.
에이전트는 채점표가 있는 곳에 먼저 앉아요
두 신호를 겹쳐보면 그림이 나와요.
법률과 금융은 AI를 특별히 좋아하는 직군이 아니에요. 오히려 보수적이라는 평판을 오래 들어왔죠. 그런데 이 두 직군에는 다른 직군에 없는 게 세 가지 있어요.
첫째, 산출물이 텍스트예요. 계약서, 메모, 의견서, 리서치 노트. 에이전트가 만들어낼 수 있는 형태 그대로예요.
둘째, 무엇이 합격인지가 이미 문서로 적혀 있어요. 로펌에는 조항별 플레이북이 있고, 은행에는 KYC 체크리스트와 심사 기준표가 있어요. 규정과 선례가 수십 년 쌓여 있고요. 이건 에이전트를 훈련시키고 채점하는 데 필요한 바로 그 재료예요. 지난 호에서 하비가 1,750개의 업무 환경과 7만 5,000개의 채점 항목을 직접 만들어 모델을 훈련시켰다고 말씀드렸잖아요. 법률은 그 채점표의 원본을 처음부터 갖고 있던 직군이에요.
셋째, 근거 제시가 이미 직업 규범이에요. 변호사는 원래 출처 없이 주장하지 않아요. 애널리스트는 원래 방법론을 밝히고요. 그러니 “출처 인용, 명시적 방법론, 감사 추적”은 AI 제품에 나중에 덧댄 안전장치가 아니라, 이 직군이 원래 요구하던 산출물 규격이에요.
그래서 구글이 금융과 법률을 첫 타깃으로 고른 건 시장 크기 때문만이 아니에요. 에이전트의 결과를 채점할 수 있는 산업부터 판 것이에요. 채점이 안 되는 산업에서는 에이전트가 잘했는지 못했는지 아무도 모르니까요.
그래서 해자는 모델이 아니라 접근권이에요
이 발표에서 가장 흥미로운 목록은 법률 커넥터 명단이에요. 거기에 하비와 레고라(Legora)가 들어 있어요.
두 회사는 리걸 AI 시장의 대표 경쟁자예요. 하비는 지난 3월 110억 달러, 레고라는 4월 56억 달러 가치를 평가받았어요. 그런데 구글은 이들을 밀어내는 대신 커넥터로 끌어안았어요. 레고라의 경우 양쪽 고객이 승인하면 Gemini Enterprise 안에서 레고라 기능 일부를 쓸 수 있고, 레고라의 출처 인용과 그라운딩4은 그대로 유지돼요. 업계 매체 Artificial Lawyer는 이걸 “경쟁이 아니라 생태계”로 읽었어요.
저는 조금 다르게 봐요. 커넥터가 되는 순간, 사용자가 매일 여는 창은 구글 쪽이 돼요. 리걸 AI 회사는 그 창 뒤에서 기능을 공급하는 부품이 되고요. 플랫폼은 경쟁자를 죽이지 않아요. 파트너로 만들어서 접점을 가져가요.
그리고 하비는 이미 답을 냈어요. 지난 호에서 다뤘듯이, 하비는 두 달 만에 자체 모델 테넷을 내놓으면서 “로펌이 자기 지능을 소유하게 한다”를 목표로 못 박았어요. 시점을 보면 더 분명해요. 하비의 발표는 8월 18일, 구글의 발표는 8월 25일이에요. 커넥터 명단에 이름이 오르기 일주일 전에 부품이 되지 않겠다는 답을 먼저 낸 셈이에요.
그래서 지금 리걸·금융 AI의 전선은 세 겹이에요.
| 층 | 가진 쪽 | 팔고 있는 것 |
|---|---|---|
| 모델 | 구글, OpenAI, 앤스로픽 | 지능 자체. 두 달이면 다시 빚어지는 소모품 |
| 채점 환경 | 하비, 레고라 | 무엇이 합격인지 아는 능력 |
| 접근권 | FactSet, Moody’s, iManage, Thomson Reuters | 원래 데이터와 그에 걸린 권한 |
구글이 판 건 이 셋을 하나의 권한 체계로 묶는 배선이에요. 지난 호에서 “소모품은 모델이고 자본재는 환경”이라고 정리했는데, 이번 발표는 거기에 한 줄을 더해요. 환경 다음으로 비싼 건 접근권이에요. 아무리 좋은 에이전트도 iManage 안의 문서를 권한 그대로 읽지 못하면 로펌에서 못 써요.
한국에서는 이미 3트랙이 돌고 있어요
이 이야기가 먼 나라 이야기처럼 들리지 않는 이유가 있어요.
법무법인 태평양이 7월에 국내 로펌 최초로 하비를 전사 도입했고, 8월에는 ChatGPT 엔터프라이즈를 국내 대형 로펌 최초로 전사 도입했어요. 국내 판례는 엘박스와 슈퍼로이어로 따로 돌리고요. 국제 계약은 하비, 국내 판례는 국산 리걸테크, 문서 작성과 번역은 범용 AI. 이미 3트랙이에요.
구글이 파는 건 정확히 그 3트랙 위에 얹는 거버넌스 층이에요. 도구를 하나 더 늘리는 게 아니라, 늘어난 도구들이 같은 권한 규칙 아래에서 돌게 만드는 층이요.
그래서 지금 한국 조직에 필요한 질문은 “어떤 AI를 살까”가 아니에요. 두 가지예요.
하나. 우리 조직의 반복 업무에 채점표가 있나요?
계약 검토 플레이북, 심사 기준표, 검수 체크리스트요. 없으면 어떤 도구를 사도 결과가 잘된 건지 판정할 수 없어요. 판정이 안 되면 위임도 안 되고, 결국 사람이 전부 다시 읽게 돼요. 법률·금융이 먼저 간 이유가 그거예요. 이 표를 만드는 일은 AI 프로젝트가 아니라 업무 정의 프로젝트라, IT 예산이 아니라 현업 시간이 들어요.
둘. 에이전트를 붙일 시스템이 권한을 갖고 있나요?
구글 발표문의 “권한이 걸린 데이터는 권한이 걸린 채로”라는 문장이 왜 제품의 핵심인지는, 사내 문서가 개인 PC와 메신저에 흩어져 있는 조직이라면 바로 아실 거예요. 로펌이 iManage를 쓰기 때문에 커넥터가 성립하는 거예요. 문서에 권한이 안 걸려 있으면 붙일 곳 자체가 없어요. 한국 조직의 병목은 대체로 모델 성능이 아니라 여기예요.
마치며
정리하면 세 가지예요.
첫째, 법률 직군의 Codex 사용자 108배는 기저효과가 크게 섞인 숫자예요. 다만 같은 조건에서 다른 직군을 4배 앞선 상대 순위는 진짜 신호예요.
둘째, 구글이 첫 산업 특화 대상으로 금융과 법률을 고른 건, 이 두 산업이 에이전트의 결과를 채점할 기준을 이미 갖고 있기 때문이에요.
셋째, 경쟁 구도는 모델 성능이 아니라 데이터 접근권과 권한 체계로 옮겨갔어요. 구글이 하비와 레고라를 커넥터로 품었고, 하비가 그 일주일 전에 자체 모델로 답한 게 그 증거예요.
이번 주에 해보실 일을 하나 제안할게요. 조직에서 가장 자주 반복되는 업무 세 개를 고르고, 각각 “어떤 결과가 나오면 합격인지”를 다섯 줄로 적어보세요. 그 다섯 줄이 있으면 위임이 시작되고, 없으면 도구만 늘어나요. 법률이 먼저 간 건 그 다섯 줄을 이미 갖고 있었기 때문이에요.
📎 참고자료 & 더 읽기
핵심 출처
- OpenAI, “Enterprise signals: What frontier firms are doing differently”, 2026.8.12 갱신. ··· 108배 숫자의 1차 출처예요. 직군별 배수뿐 아니라 “프런티어 기업 = 월별 AI 사용량 상위 10%“라는 정의와, 토큰이 사업 가치의 불완전한 지표라는 자체 단서까지 함께 읽어보시길 권해요.
- a16z, “Charts of the Week: Winds of Thematic Change”. ··· 이 차트를 소개한 글이에요. “얼마나 Codex 확대 출시 때문인지는 따져볼 문제”라는 단서를 저자들이 직접 달았다는 점이 중요해요.
- Google Cloud, “Introducing Gemini Enterprise for Legal”, 2026.8.25. ··· 커넥터 명단에 하비와 레고라가 들어간 대목을 직접 확인해보세요. 오늘 글의 4장이 그 목록에서 나왔어요.
- Google Cloud, “Introducing Gemini Enterprise for Financial Services”, 2026.8.25. ··· 50개 이상 기본 스킬, 신뢰도 점수와 감사용 스냅샷, “라이선스된 데이터는 라이선스된 채로”라는 문장이 여기 있어요.
- Artificial Lawyer, “Google Launches Gemini Enterprise for Legal”, 2026.8.25. ··· 업계가 이 발표를 ‘경쟁’이 아니라 ‘생태계’로 읽었다는 증거예요. 제 해석과 반대쪽이라 같이 보시면 판단하기 좋아요.
배경 지식
- ZDNet Korea, “오픈AI, 로펌 시장 첫발…범용 AI 확산 신호탄 될까”, 2026.8.5. ··· 태평양의 ChatGPT 엔터프라이즈 전사 도입과 ‘전문 AI + 범용 AI’ 병행 구조가 정리돼 있어요. 한국 맥락은 여기서 시작하시면 돼요.
- 법률신문, “태평양, 리걸 AI ‘하비’ 全社 도입”, 2026.7. ··· 국내 로펌 최초 하비 전사 도입 건이에요.
- TechCrunch, “Legal AI startup Legora hits $5.6B valuation”, 2026.4.30. ··· 구글이 커넥터로 품은 두 회사가 서로 어떤 싸움을 하고 있었는지 배경이 여기 있어요.
📝 용어 설명
각주
-
MCP (Model Context Protocol): AI가 외부 시스템의 데이터와 기능에 연결되는 방식을 표준화한 규약이에요. 서비스마다 배선을 따로 짜는 대신 규격 맞는 콘센트를 쓰는 것에 가까워요. ↩
-
플레이북 (playbook): 로펌이나 기업 법무팀이 계약 조항별로 “이건 받아도 되고, 이건 반드시 고쳐야 한다”를 미리 정해둔 내부 기준표예요. 사람에게는 매뉴얼이지만, AI에게는 채점표가 돼요. ↩
-
DSAR (Data Subject Access Request): 개인이 “내 개인정보를 어떻게 갖고 있는지 알려달라”고 기업에 요구할 권리예요. 응답 기한이 걸려 있고 사내 문서 전체를 뒤져야 해서, 사람 손으로는 비용이 큰 대표적 업무예요. ↩
-
그라운딩 (grounding): AI가 답을 지어내지 않도록 실제 문서에 근거를 묶어두고 그 출처를 함께 내놓게 하는 방식이에요. 근거 문서를 못 찾으면 답하지 않는 쪽이 안전해요. ↩
SEND A COFFEE
이 관점이 좋았다면, 다음 글에 커피 한 잔
오스왈드에게 커피와 함께 짧은 쪽지를 보내주세요. 응원은 다음 취재와 집필에 보탭니다.
여러분의 생각이 다음 호를 만듭니다
이번 호에서 가장 공감했거나, 다른 경험을 한 지점은 무엇인가요?