본문으로 건너뛰기
피드

대법원, 2028년까지 103억 들여 AI 양형 비서 만든다

ai-ml 약 4분
vote
0
댓글
북마크

대법원이 2028년까지 약 103억 원을 투입해 형사재판용 AI 양형 지원 플랫폼을 구축한다. 판사가 양형 인자와 사건 내용을 입력하면 생성형 AI가 양형 이유 초안을 만들고, 판결문 초안의 형량·죄명·법조문 적합성까지 실시간으로 점검하는 구조다.

  • 1

    2028년부터 전국 형사재판부에 양형 업무용 AI 비서 도입 예정

  • 2

    대규모 언어 모델(LLM)을 양형 이유 초안 작성에 특화해 개발

  • 3

    판결문에서 형종·형량·죄명·부수처분을 추출해 법정 처단형과 권고형 범위 적합성 검증

  • 4

    유사 사건 판결문 검색과 형량 통계 시각화 기능 제공

  • 대법원이 2028년까지 약 103억 원을 들여 형사재판용 ‘AI 양형 지원 플랫폼’을 만들 예정임

    • 대상은 전국 형사재판부고, 핵심은 판사 옆에서 양형 이유 초안을 잡아주는 AI 비서임
    • 양형위원회는 양형 업무가 인자와 권고 형량 범위가 비교적 정형화돼 있어 AI 도입 효과가 큰 영역이라고 보고 있음
  • 작동 방식은 꽤 구체적임. 판사가 사건 내용과 양형 인자를 넣으면 AI가 초안 문장을 생성함

    • 예를 들어 유리한 인자, 불리한 인자, 사건 유형별 자주 쓰는 조합을 저장해두고 필요할 때 불러오는 식임
    • 단순 문장 생성만 하는 게 아니라, 판사가 자주 쓰는 양형 인자 조합까지 업무 흐름 안에 넣겠다는 얘기임
  • 판결문 초안을 검증하는 기능도 들어감. 이게 사실 더 중요한 부분일 수 있음

    • 판결문에서 형종, 형량, 죄명, 부수처분 등을 자동 추출함
    • 관련 법조문을 확인하고, 최종 선고형이 법정 처단형과 양형기준상 권고형 범위 안에 들어가는지도 실시간으로 검토함

중요

> 이 플랫폼의 핵심은 ‘AI가 형량을 정한다’가 아니라, 양형 이유 작성과 판결문 검증이라는 반복적이고 오류 가능성이 있는 구간을 보조한다는 점임.

  • 유사 선례 검색도 강화됨. 비슷한 사건에서 어떤 형량이 나왔는지 통계로 보여주는 방식임

    • 판결문 검색 편의성을 높이고, 형량 데이터를 시각화해 판사가 직관적으로 볼 수 있게 만들겠다는 구상임
    • 형사재판에서 일관성 논쟁이 자주 나오는데, 최소한 참고 데이터 접근성은 좋아질 가능성이 있음
  • 개발자 관점에서는 ‘법률 도메인 특화 LLM’이 실제 공공 시스템에 들어가는 꽤 큰 사례임

    • 일반 챗봇처럼 자유롭게 답하는 모델보다, 정해진 기준·법조문·판례 범위 안에서 근거를 맞춰야 하는 시스템에 가까움
    • 그래서 모델 성능만큼이나 입력 구조화, 근거 추적, 검증 로직, 감사 가능성이 중요해질 수밖에 없음

기술 맥락

  • 여기서 선택된 기술은 범용 챗봇이 아니라 양형 업무에 특화된 대규모 언어 모델(LLM)이에요. 양형은 사건마다 표현은 달라도 유리·불리 인자와 권고 형량 범위가 정해져 있어서, 완전 자유 생성보다 구조화된 생성에 더 잘 맞거든요.

  • 중요한 구현 포인트는 생성과 검증을 분리하는 거예요. 초안 문장을 만드는 기능만 있으면 환각이나 누락이 치명적일 수 있는데, 형종·형량·죄명·부수처분을 다시 추출해 법정 범위와 대조하면 최소한의 안전장치를 둘 수 있어요.

  • 이 시스템은 판사의 판단을 자동화한다기보다 문서 작성과 기준 확인 레이어에 AI를 붙이는 형태예요. 공공기관 AI 도입에서 가장 먼저 현실화되는 패턴이 이런 보조 업무인 이유도 책임 소재를 인간에게 남기면서 효율을 얻을 수 있기 때문이에요.

  • 유사 판례 검색과 통계 시각화는 검색 시스템과 언어 모델이 같이 움직여야 의미가 있어요. 판사가 입력한 사건 특징을 기준으로 비슷한 사건을 찾고, 선고 형량 분포를 보여줘야 하니까 단순 키워드 검색보다 도메인 데이터 설계가 더 중요해져요.

법원이 생성형 AI를 ‘판단 대체’가 아니라 ‘초안 작성과 검증 보조’에 먼저 붙이는 흐름이 꽤 현실적임. 다만 양형은 사회적 신뢰가 핵심이라, 모델 품질보다도 근거 추적성과 책임 소재 설계가 더 빡세게 봐야 할 포인트임.

댓글

댓글

댓글을 불러오는 중...

ai-ml

SK텔레콤 AI 인프라 ‘해인’, 공공 클라우드 보안 인증 받음

SK텔레콤의 엔비디아 블랙웰 GPU 기반 AI 데이터센터 인프라 ‘해인’ 클러스터가 KISA의 클라우드 서비스 보안 인증을 받았다. 블랙웰 GPU 1천 개 이상을 단일 클러스터로 묶은 인프라가 공공기관용 서비스형 인프라 보안 기준을 통과했다는 점이 핵심이다. SK텔레콤은 이를 발판으로 공공·금융 AI 인프라와 국내 소버린 AI 클라우드 시장을 노린다.

ai-ml

중국산 저가 LLM 공세, 오픈AI와 앤스로픽의 비싼 토큰 장사가 흔들린다

기업들이 AI 도입 후 토큰 비용 부담에 부딪히면서 고가 폐쇄형 모델만 쓰는 전략을 다시 계산하고 있어. 중국계 저비용 오픈소스 모델은 100만 토큰당 입력 0.1달러대, 출력 0.2~0.3달러대로 가격을 낮추며 오픈AI와 앤스로픽의 기업가치 논리를 흔들고 있어.

ai-ml

마키나락스가 말한 국방 AI의 현실론, 95% 기다리다 골든타임 놓친다

마키나락스는 국방 AI에서 완벽한 모델을 기다리기보다 70% 수준이라도 먼저 배포하고 운용 데이터로 재학습하는 접근을 제안했어. 폐쇄망 MLOps, GOP 작전지원, 함포 정비용 RAG 같은 사례를 통해 국방 AI의 핵심이 모델 성능만이 아니라 배포 속도, 보안, 현장 피드백 루프라는 점을 강조했어.

ai-ml

빅테크 AI가 ‘깜깜이 마법’이 되기 전에 오픈소스 AI가 필요하다

기고자는 과거 오픈소스 소프트웨어가 폐쇄주의를 이겼던 경험을 AI 시대에 다시 떠올려야 한다고 주장한다. 프런티어 모델이 폐쇄화되고, 일부 ‘오픈’ 모델도 학습 코드와 데이터를 감춘 채 실행 가능한 숫자 덩어리만 공개하는 상황이 문제라는 지적이다.

ai-ml

AI는 추론 시대라는데, 학습 수요도 2030년까지 40%는 간다

AI 시장의 관심이 학습에서 추론으로 옮겨가는 건 맞지만, 학습 인프라 수요가 꺼지는 분위기는 아니라는 분석이 나왔다. 에이전틱 AI, 소버린 AI, 기업별 파인튜닝, 월드모델 같은 흐름 때문에 2030년까지도 학습이 전체 수요의 최대 40% 수준을 차지할 수 있다는 전망이다.