핵심 요지 — Dung의 논증 프레임워크와 일상적 추론 사례를 통해 법률 AI가 정답을 선고하기보다 주장과 반박의 구조를 보여줘야 하는 이유를 살펴본다.
버스에서 자리를 찾을 때 우리는 작은 추론을 한다. 다음 정류장이 경찰청이고, 짧은 머리에 체격이 좋은 승객이 서 있다면 그 사람이 내릴 가능성이 높다고 짐작한다. 틀릴 수도 있지만 행동을 결정하기에는 충분한 가설이다. 일상의 판단은 이렇게 사실, 경험칙, 반례 가능성을 함께 움직인다.
법률 추론도 단순한 정답표가 아니다. 같은 사실을 두고 서로 다른 규칙과 해석이 경쟁하고, 새로운 증거가 들어오면 잠정적 결론이 바뀐다. 이 구조를 기계가 다루려면 법조문을 많이 저장하는 것만으로는 부족하다.
결론이 바뀔 수 있어야 현실을 다룰 수 있다
비단조 추론은 정보가 늘어날 때 결론이 언제나 누적되는 것이 아니라, 새로운 사실 때문에 이전 결론이 취소될 수 있음을 전제로 한다. ‘A이면 B’라는 규칙 하나로 끝나는 세계가 아니라 예외와 반박이 살아 있는 세계를 다루는 방식이다.
Phan Minh Dung의 추상 논증 프레임워크는 여러 주장을 점으로, 서로에 대한 공격 관계를 선으로 표현한다. 어떤 주장이 살아남는지는 그 주장만의 힘이 아니라 무엇의 공격을 받고 어떤 방어를 갖는지에 따라 달라진다. 법정에서 벌어지는 주장과 반박을 계산 가능한 구조로 옮기는 데 중요한 출발점이 된다.
LLM은 문장을 만들고 프레임워크는 관계를 묻는다
LLM은 판례와 의견서를 요약하고 그럴듯한 법적 문장을 만드는 데 뛰어나다. 그러나 유창한 문장이 곧 올바른 추론은 아니다. 어떤 증거가 어느 주장에 연결되는지, 예외 규정이 무엇을 무너뜨리는지, 반대 주장을 배제했는지를 별도로 확인해야 한다.
논증 프레임워크와 지식그래프는 이 관계를 눈에 보이게 만든다. LLM이 후보 주장과 근거를 찾아내고, 사람이 관계를 검토하며, 프로그램이 공격과 방어의 구조를 계산하는 협업이 가능하다. 목표는 판사를 흉내 내는 자동 판결기가 아니라 판단의 경로를 함께 살펴보는 지도다.
법률은 사람을 규격에 맞추는 기계가 아니다
AI가 시험과 평가 기준을 빠르게 학습하는 시대에는 기존 기준을 더 효율적으로 적용하는 것만으로 충분하지 않다. 법률과 행정이 사람을 분류하고 잘라내는 규칙으로만 작동한다면 AI는 그 힘을 더욱 빠르고 넓게 행사할 것이다.
구성주의적 관점에서 법의 의미는 조문에 고정되어 있지 않다. 구체적인 사람과 사건, 제도의 목적이 만날 때 해석된다. 그러므로 법률 AI는 당사자가 자기 관점을 설명하고, 다른 해석을 반박하며, 결정의 이유를 추적할 수 있게 해야 한다.
좋은 법률 AI의 기준
정답률만 높은 시스템보다 무엇이 쟁점이고 어떤 전제에서 결론이 달라지는지를 보여주는 시스템이 필요하다. 반대 주장을 숨기지 않고, 불확실성을 표시하며, 사람이 수정할 수 있어야 한다. 법률 AI의 미래는 규칙을 자동 집행하는 데만 있지 않다. 더 많은 사람이 복잡한 논증의 구조를 이해하고 자기 목소리를 낼 수 있게 하는 데 있다.
관련 글: 법적 추론에 인과의 뼈대를 세우다 ― 계산 법학의 오래된 꿈
페이스북 원문: 〈구성의 시대: 법률 AI의 미래역할〉 · 〈법률추론 프레임워크〉 · 〈눈치왕〉 (2025년 3월 19일~4월 22일)