소규모 법률사무소 발견: 배치 증거 추출
전자증거개시 불필요

법률 증거개시(디스커버리) — 소송 당사자들이 관련 문서를 교환하는 재판 전 단계 — 는 일상적으로 수천 페이지에 달하는 이메일, 계약서, 증언록, 의료 기록, 재무제표를 생산합니다. 개인 변호사나 소규모 법률 사무소에게는 그 방대한 분량 자체가 구조적인 문제를 만듭니다: 변론 준비, 고객 면담, 나머지 업무를 처리하면서 30일 안에 5만 페이지를 검토할 수는 없기 때문입니다. 미국 변호사 협회의 2024 법률 기술 설문조사에 따르면, 소송 지원 소프트웨어를 사용하는 개인 변호사는 27%에 불과한 반면, 변호사 100명 이상인 사무소는 73%가 사용합니다. AI 기반 검색을 사용하는 비율은 29%에 그칩니다. 그 격차는 꺼림칙함이 아니라, 대부분의 전자 증거개시(e-discovery) 플랫폼이 대형 로펌의 예산과 데이터 규모에 맞춰 설계되었기 때문입니다.

이 글은 전자 증거개시 소프트웨어를 대체하는 것에 관한 것이 아닙니다. 검토 전에 가벼운 단계를 추가하는 것 — 증거개시 문서에서 핵심 사실을 일괄 추출하여 정렬 가능한 스프레드시트로 만드는 것 — 입니다. 그래야 모든 파일을 열지 않고도 어떤 문서를 자세히 읽어야 하는지 결정할 수 있습니다.

5만 페이지, 30일: 수동 검토의 실제 비용

계산은 냉혹합니다. 1기가바이트의 문서에는 대략 5,000~7,500개의 파일이 포함됩니다. 중간 규모의 상업 사건 하나도 쉽게 20~50GB를 생산할 수 있습니다. 시간당 50개 문서의 수동 검토 속도 — 복잡한 계약서, 손으로 쓴 여백 메모, 두 개의 유사한 이메일이 다른 첨부 파일 체인을 가지고 있는지 판별하는 것을 고려하면 현실적인 속도 — 로 2만 개의 문서를 검토하는 데 약 400시간의 변호사 시간이 소요됩니다. 이는 한 사람이 10주 동안 풀타임으로 일하는 양입니다. 30일의 기한은 대략 4주밖에 주지 않습니다.

전자증거개시(e-discovery) 가격 논의에서 언급되는 수치는 시사하는 바가 큽니다. 2012년 RAND는 전체 검토를 통해 데이터 1기가바이트를 처리하는 데 드는 총비용을 18,000달러로 추정했습니다. 클라우드 플랫폼은 2025년 기준 100GB당 약 25달러로 처리 비용을 낮췄지만, 이는 호스팅 비용일 뿐입니다. 변호사 검토, 즉 문서를 읽는 데 소요되는 시간이 여전히 비용의 대부분을 차지합니다. 공인 전자증거개시 전문가 협회(ACEDS)는 검토가 전체 전자증거개시 지출의 64%를 차지한다고 추정합니다. 기술 지원 검토(TAR)가 검토 대상 세트를 70~80% 줄이더라도, 모델을 훈련시키기 전에 해당 세트에 무엇이 있는지 알아야 합니다.

이것이 바로 배치 추출 방식이 자리 잡는 이유입니다. 검토를 대체하는 것이 아니라, 검토가 실제로 필요한 위치를 알려주는 단계로서 말입니다.

연방민사소송규칙(FRCP)이 실제로 요구하는 것과 요구하지 않는 것

소규모 로펌 실무자들의 흔한 망설임: "제3자 AI 도구를 통해 증거개시 문서를 실행해도 되나요?" 연방민사소송규칙은 대부분의 변호사가 생각하는 것보다 더 유연한 프레임워크를 제공합니다.

연방민사소송규칙 제26조(b)(1)은 증거개시를 "사건의 필요에 비례하는" 사항으로 제한합니다 — 쟁점 금액, 당사자의 자원, 제안된 증거개시의 부담이나 비용이 예상 이익보다 큰지 여부를 고려합니다. 2015년 개정은 비례성을 부차적 고려사항에서 주요 범위 제한으로 격상시켰습니다. 75,000달러 분쟁을 처리하는 소규모 법률사무소에게 30,000달러의 전자증거개시 업체 청구서는 정의상 비례하지 않습니다.

연방민사소송규칙 제34조는 문서의 제출을 규율합니다 — 응답 당사자가 제공해야 할 사항, 형식, 기한을 정합니다. 수신 당사자가 해당 문서를 검토하기 위해 어떤 도구를 사용할 수 있는지는 규정하지 않습니다. 연방규칙은 수신 당사자가 제출된 문서에서 구조화된 데이터를 추출하기 위해 AI를 사용하는 것을 금지하지 않으며, 특권이 유지되고 도구 사용이 원본 파일을 변경하거나 유포하지 않는 조건하에 가능합니다. 법률비서가 각 문서를 읽어 색인을 작성할 수 있는 것과 마찬가지로, AI는 일괄 읽기로 필드를 추출하여 스프레드시트에 입력할 수 있습니다.

전자증거개시 참조 모델(EDRM)은 전자증거개시 생애주기의 표준 프레임워크로, 검토를 9단계 중 여섯 번째 단계로 배치합니다 — 정보 거버넌스, 식별, 보존, 수집, 처리 이후입니다. 이 프레임워크가 다루지 않는 것은, 해당 단계의 절반이 제출 당사자에 의해 처리되고 실제 질문이 더 단순할 때입니다: "이 20,000개 문서 중 내 사건 이론과 관련된 금액, 날짜, 명명된 당사자가 포함된 것은 무엇인가?"

완전한 e-디스커버리 플랫폼이 없다면, 역사적으로 답은 '직접 읽기'였습니다. 하지만 이제 완전 수동 검토와 10,000달러 플랫폼 구독 사이의 중간 지점이 생겼습니다.

배치 추출 워크플로: 파일 더미에서 정리된 사실 시트까지

핵심 아이디어는 다음과 같습니다. 문서의 특권이나 관련성을 검토하기 전에, 빠르고 얕은 추출 패스를 수행하여 구조적 메타데이터와 주요 데이터 포인트를 뽑아내 전체 생산물을 분류할 수 있게 하는 것입니다. 검토를 대체하는 것이 아니라, 어떤 영역을 먼저 탐색할지 알 수 있는 지도를 만드는 것입니다.

이를 가능하게 하는 메커니즘은 열 이름 추출입니다. 각 페이지에서 데이터가 어디에 있는지 정의하는 대신(이기종 생산물의 모든 문서 형식에 대해 별도의 템플릿이 필요함), 추출하려는 필드를 정의합니다. "날짜", "발신자", "수신자", "금액", "문서 유형", "언급된 주요 당사자", "사건 참조 번호"와 같은 열 이름을 한 번 입력하면 됩니다. AI가 각 문서를 읽고, 값이 나타나는 위치를 찾아 스프레드시트의 행을 채웁니다. 출력은 각 행이 문서이고 각 열이 요청한 필드인 하나의 테이블입니다. 소스가 PDF 이메일, 스캔된 계약서, 또는 손으로 쓴 증언 노트의 스크린샷이든 상관없습니다.

워크플로는 네 단계로 구성되며, 세 번째 단계에서 대부분의 초보 사용자가 어려움을 겪습니다:

1단계 — 한 번에 모두 업로드하세요. 생성된 모든 파일을 업로드 영역으로 끌어다 놓으세요. PDF, JPG, PNG 등 모든 형식을 지원합니다. 한 번에 수십 개의 파일을 처리할 수 있습니다. 문서 #14가 깔끔한 이메일 PDF이고 문서 #15가 손글씨 메모를 찍은 삐뚤어진 휴대폰 사진이어도 상관없습니다. 각 파일을 독립적으로 읽고 동일한 열에 데이터를 채웁니다.

2단계 — 한 번에 열 이름을 정의하세요. 이것이 가장 중요한 결정입니다. 열이 너무 적으면 나중에 필요한 데이터를 놓칠 수 있습니다. 너무 많으면 추출 시간이 길어지고 분류 효율이 떨어집니다. 정렬, 필터링, 우선순위 지정이 가능한 6~8개 필드로 시작하세요: 날짜, 문서 유형, 당사자, 금액, 그리고 사례별 필드 2~3개(사건 번호, 프로젝트 이름, 관련 키워드). 전체 검토가 필요한 문서 하위 집합에 대해 더 세부적인 열로 두 번째 추출을 실행할 수도 있습니다.

3단계 — 병합된 스프레드시트를 다운로드하고 분류하세요. 출력물은 각 행이 업로드된 파일 하나에 해당하는 단일 Excel 파일입니다. "문서 유형"으로 정렬하여 계약서와 이메일을 구분하세요. "금액"을 필터링하여 관심 기준 이상의 금액을 찾으세요. "언급된 당사자" 열을 스캔하여 가장 자주 등장하는 관리자를 식별하세요. 이는 심층 검토 단계에서 누구의 문서를 우선 처리할지 알려줍니다. 이 단계는 수동 검토의 첫 100시간을 대체합니다.

4단계 — 플래그 지정, 주석 추가, 라우팅. 스프레드시트에 "검토 우선순위(높음/중간/낮음)", "메모", "담당자" 등 자신만의 열을 추가하세요. 이제 전체 사례 팀이 참조할 수 있는 단일 문서 인덱스가 생겼으며, 각 문서는 파일 이름을 통해 원본 파일로 추적 가능합니다.

일괄 추출이 효과적인 경우 — 그리고 전체 E-디스커버리 플랫폼이 필요한 경우

이 접근 방식은 명확한 사용 사례가 있으며, 한계를 솔직히 인정하는 것이 모든 것을 해결하는 척하는 것보다 더 유용합니다.

대부분의 민사 소송을 처리하는 소규모 법률 사무소의 경우, 왼쪽 열의 시나리오가 대부분의 사건을 설명합니다. 5만 달러 규모의 계약 위반 청구 건에 1만 달러짜리 e-디스커버리 플랫폼 구독료를 정당화하기 어렵습니다. 50만 달러 규모의 고용 분쟁이라면 다를 수 있습니다. 일괄 추출 방식을 사용하면 리소스를 비례적으로 할당할 수 있습니다. 즉, 대규모 인프라가 필요하지 않은 사건에는 가벼운 추출을 사용하고, 비용을 지출하기 전에 어떤 사건이 실제로 플랫폼을 필요로 하는지 파악할 수 있습니다.

Nextpoint 및 GoldFynch 같은 플랫폼은 정액제 및 사건별 과금 모델을 통해 소규모 법인도 전체 e-디스커버리를 이용할 수 있게 했습니다. GoldFynch는 3GB 사건 기준 월 27달러부터 시작합니다. 이는 전체 EDRM 파이프라인이 실제로 필요한 사건에 탁월한 도구입니다. 핵심은 e-디스커버리 플랫폼이 나쁘다는 것이 아닙니다. 모든 사건에 전체 파이프라인이 필요한 것은 아니며, 필요 없는 사건에 더 가벼운 옵션이 있다면 전체 사건 목록에 대한 디스커버리 접수 방식을 바꾼다는 점입니다.

실제 고용 차별 사건에서의 적용 사례

변호사 3명으로 구성된 원고 측 법인이 부당 해고 사건을 처리한다고 가정해 보겠습니다. 피고(중견 기업)는 디스커버리 자료 12,000페이지를 제출합니다. 여기에는 인사 이메일, 성과 평가, 급여 기록, PDF로 내보낸 내부 Slack 메시지, 원고 인사 파일, 증인 3명의 증언 녹취록이 포함됩니다.

법인의 법률 비서는 12,000페이지 전체(약 200개 개별 파일)를 일괄 업로드합니다. 그녀는 "날짜", "문서 유형", "발신자/작성자", "수신자/대상", "주제/제목", "언급된 주요 인물", "성과 등급(해당 시)", "해고 관련 언급(예/아니오)" 등 8개의 열 이름을 정의합니다. 추출은 그녀가 다른 작업으로 넘어가는 동안 완료됩니다. 결과물은 200행짜리 스프레드시트입니다.

그녀는 "종료 참조"로 정렬하여 종료 결정을 직접 언급하는 37개의 문서를 즉시 분리해낸다. "성과 등급"으로 정렬하면 원고의 최근 세 번의 평가가 모두 "기대치 충족" 이상으로 나타나며, 이는 고용주가 주장한 해고 사유와 모순된다. "언급된 주요 인물"에서 해고 결정을 내린 상사의 이름을 필터링하면 해당 상사가 등장하는 52개의 문서가 발견된다. 여기에는 해고 2주 전에 제출된 원고의 병가 요청을 논의하는 이메일도 포함되어 있다.

수석 변호사는 이제 큐레이팅된 우선순위 목록으로 문서 검토를 시작한다: 첫 번째로 종료 관련 문서 37개, 두 번째로 상사 관련 문서 52개, 세 번째로 성과 평가. 12,000페이지를 처음부터 읽는 대신, 가장 높은 확률의 증거 200페이지를 읽고 나머지 11,800페이지는 색인화되어 필요 시 검색 가능하다. 이 분류 스프레드시트를 만드는 데 3시간이 걸렸다. 변호사의 대략 30시간 훑어보기를 절약했다.

소규모 법인이 처음에 흔히 하는 세 가지 실수

추출 부분은 간단하다. 첫 시도에서 주로 실패하는 지점은 배치 로직이다.

1. 파일명은 생각보다 중요합니다. 파일명은 스프레드시트의 행을 원본 문서와 연결하는 유일한 필드입니다. 생성된 파일이 "0001.pdf", "0002.pdf", "0003.pdf"와 같은 일반적인 베이츠 스탬프 방식으로 명명된 경우 해당 번호를 유지하세요. "Agreement_FINAL.pdf"와 "Smith_contract_signed_2023.pdf"처럼 일관성이 없다면 업로드 전에 5분 투자하여 일관된 규칙을 적용하세요. 법률 문서에는 상대방_문서유형_날짜.pdf 형식이 가장 적합합니다. "문서 0047 — 발신자: John Smith, 날짜: 2024년 3월 — 해지 언급됨"이라는 스프레드시트 행은 실용적입니다. 동일한 데이터가 "IMG_4829.jpg"라는 행에 있다면 골칫거리입니다.

2. 첫 번째 패스에서 열을 과도하게 지정하지 마세요. 모든 당사자, 모든 날짜, 모든 금액, 모든 조항, 모든 참조를 추출하고 싶은 충동이 듭니다. 참으세요. 6~8개의 열로 분류 필수 항목(누가, 무엇을, 언제, 얼마나)을 다루는 첫 번째 패스 추출은 몇 분 안에 완료되며 정렬 가능한 인덱스를 제공합니다. 모든 가능한 데이터 포인트를 다루는 25열 추출은 시간이 더 오래 걸리고 신호가 노이즈에 묻힌 스프레드시트를 만듭니다. 이미 우선순위가 높다고 표시한 문서에 대해서만 심층 추출을 수행하세요.

3. 추출 결과물을 완성된 작업물로 취급하지 마세요. 스프레드시트는 분류 도구이지 제출 자료가 아닙니다. 어디를 봐야 하고 무엇을 찾을 가능성이 있는지 알려줍니다. 관련성, 특권, 또는 전략에 대한 변호사의 판단을 대체하지 않습니다. 검토 프로세스의 시작점으로 사용하세요 — 종료점이 아닙니다. 가장 효율적인 소규모 법률 사무소는 추출 스프레드시트를 사건 팀의 공유 참조 문서로 사용합니다: 법률 비서가 유지 관리하고, 변호사가 주석을 달며, 모든 사람이 200개의 PDF를 열지 않고도 "무엇을 가지고 있고 어디에 있는가?"라는 질문에 답하는 데 사용합니다.

자주 묻는 질문

AI 추출이 스캔 문서와 손글씨 노트에서도 작동하나요?

네. 시각 AI 모델은 사람처럼 스캔된 PDF를 읽습니다. 텍스트 레이어 OCR을 실행하는 대신 이미지를 해석하는 방식입니다. 따라서 기울어진 스캔, 저해상도 팩스, 손글씨 메모도 처리할 수 있습니다. 손글씨 정확도는 인쇄된 텍스트보다 낮습니다(깨끗한 인쇄물의 99% 대비 약 85~95% 예상). 이것이 배치 추출 방식이 완벽함이 아닌 정렬 가능성에 의존하는 이유입니다. "Smith가 3월 14일에 45,000달러 합의를 제안했다"는 내용의 손글씨 메모는 AI가 금액을 한 자리 잘못 읽어도 유용합니다. 수동 확인을 위해 어떤 문서를 꺼내야 하는지 알 수 있기 때문입니다.

이 방법이 상대 측 변호인이 이의를 제기할 경우 방어 가능한가요?

추출 스프레드시트는 내부 작업 산물입니다. 사건 팀의 정리 도구로, 법률 비서가 작성한 색인이나 수기 요약표와 유사합니다. 이는 특권 로그, 제출 자료 또는 법원에 제출하는 서류를 대체하지 않습니다. 추출물이 내부 분류에만 사용되고 실질적 의존 전에 변호사가 원본 문서를 검토한다면, 이 방법은 원칙적으로 법률 비서가 수동으로 문서 색인을 준비하는 것과 다르지 않습니다. 단, 훨씬 빠를 뿐입니다. 추출물 자체의 발견 가능성이 우려되는 경우, FRCP 26(b)(3) 또는 주 법률에 따른 작업 산물 원칙을 관할 법원에 문의하십시오.

일반적인 제출 건에 대해 배치 추출은 얼마나 걸리나요?

처리 속도는 페이지 수가 아닌 문서 수와 복잡성에 따라 달라집니다. 각각 여러 페이지일 수 있는 200~300개 파일 배치에 6~8개의 열 이름이 있는 경우 일반적으로 15~30분이 소요됩니다. 병목 현상은 AI가 아니라 대용량 파일의 업로드 속도입니다. 500개 파일을 초과하는 제출의 경우 여러 배치로 나누는 것을 고려하십시오. 각 배치는 자체 스프레드시트를 생성하며, Excel에서 간단한 행 복사-붙여넣기로 병합할 수 있습니다.

.msg, .docx, .xlsx 같은 네이티브 파일 형식도 지원하나요?

현재 이 도구는 PDF, JPG, PNG, WebP, AVIF 파일을 지원합니다. 네이티브 이메일 형식(.msg, .eml), Word 문서(.docx), 스프레드시트(.xlsx)는 업로드 전에 PDF로 변환해야 합니다. 대부분의 e-디스커버리 산출물은 이미 PDF나 TIFF로 제공되므로, 디스커버리 검토에서 이는 실질적인 제한이 되는 경우가 거의 없습니다. 네이티브 파일을 받은 경우, 대부분의 사무 관리 도구(Clio, MyCase, PracticePanther)에서 일괄 PDF 변환할 수 있습니다.

특권 검토에도 사용할 수 있나요?

아니요. 추출 기능은 각 문서의 내용(날짜, 당사자, 금액, 주제)을 알려주지만, 특권 여부를 평가하지는 않습니다. 변호사-의뢰인 특권 및 업무 결과물 판단은 커뮤니케이션의 실질을 읽고 법적 판단을 적용해야 합니다. 일괄 추출이 하는 일은 발신자-수신자 패턴, 제목 줄, 문서 유형을 기반으로 특권 자료가 포함될 가능성이 높은 문서를 식별하여, 12,000페이지를 모두 읽으며 특권 문서 200개를 찾는 대신 해당 문서에 특권 검토를 집중할 수 있도록 하는 것입니다.

진정한 차이: 건너뛸 대상을 정하는 것이 아니라, 검토할 대상을 직접 결정합니다

수동 검토 모델은 역방향 결정을 강요합니다: 놓치는 것을 피하기 위해 모든 것을 읽습니다. 생산량이 처리 능력을 초과하면 건너뛰기 시작합니다 — 샘플링, 훑어보기, 어떤 문서가 중요하지 않은지에 대한 추측에 의존합니다. 위험은 읽은 내용에 있는 것이 아닙니다. 시간이 부족해 읽지 않은 내용에 있습니다.

일괄 추출은 그 모델을 뒤집습니다. AI가 모든 것을 읽습니다. 관련성 판단은 하지 않습니다. 그건 여전히 당신의 몫입니다. 하지만 생산물의 완전한 지도를 제공하여 시간을 어디에 쓸지 결정하기 전에 전체를 파악할 수 있게 해줍니다. 보지 않은 문서를 건너뛰는 것이 아닙니다. 분류 시스템이 실질적으로 관련 있다고 표시한 문서를 우선시하는 것이며, 생산물의 모든 문서가 최소한 색인화되고 기록되었음을 자신, 의뢰인, 필요시 법원에 증명할 수 있습니다.

변호사 시간 1시간마다 의뢰인이나 업무에 직접 비용이 발생하는 소규모 법무법인에게 이 역전은 편의가 아닙니다. 디스커버리 수행 방식의 구조적 개선입니다.