애스크로AIBeta

AskLaw 방법론

최종 검수 2026-05-04

본 페이지는 AskLaw 가 어떻게 답변을 생성·검증하는지 외부 인용 가능한 형태로 공개합니다. 기술 마케팅이 아닌 객관적 절차 설명이 목적입니다.

1. Retrieval-Augmented Generation (RAG)

모든 답변은 LLM 의 자체 지식이 아닌 로컬 법률 DB 22개 (274만건)에서 검색된 법령·판례 컨텍스트를 기반으로 생성됩니다. 단계:

  1. 질문 의도 분류 (Intent Classification) — NLU 기반 도메인 라우팅
  2. 검색어 분해·확장 (Query Decomposition) — 동의어 사전·법률 용어 매핑
  3. 병렬 검색 (Parallel Retrieval) — FTS5 + 시맨틱 임베딩 하이브리드
  4. 컨텍스트 구성 (Context Assembly) — 토큰 한도 내 우선순위 정렬
  5. 답변 생성 (Generation) — 분석 엔진 동적 배정 (Adaptive Routing)
  6. 응답 검증 (Validation) — 환각 방지 가드 통과 후 사용자 노출

2. 환각(hallucination) 방지 가드

2.1 판례번호 RAG 검증

답변에서 인용된 판례번호 (예: 2023다12345) 를 검색 결과 컨텍스트에 매칭. 컨텍스트에 없는 번호는 자동 제거. 코드: _remove_hallucinated_cases.

2.2 정적 데이터 사전 검증

블로그·랜딩·트렌드 등 정적 콘텐츠 파일에 적힌 판례번호·법령 수치는 pre-commit 가드 (scripts/factcheck.py) 가 13개 case DB 와 비교해 검증되지 않은 인용을 자동 차단.

2.3 법령 인용 화이트리스트

주택임대차보호법·민법·근로기준법 등 핵심 법령명 화이트리스트와 답변의 law_basis 매칭. 미수록 법령은 모니터링 로그로 누적.

2.4 위험 표현 필터

내용증명 초안의 협박·명예훼손성 표현 (감옥에 보낸다, 신상 공개 등) 정규식 매칭. 감지 시 응답에 safety_flags 포함 → 사용자 안내.

3. 법령·법률 수치 시점 검증

법령은 시행일 기준 최신 버전이 RAG 컨텍스트에 들어갑니다. 자주 바뀌는 수치 (최저임금· 실업급여 상한 등) 는 별도 검증 상수 파일에서 관리:

  • 최저임금: 고용노동부 고시 기반, 연도별 검증값 (2024·2025·2026)
  • 출처 URL 명시 (예: 고시 제2025-47호)
  • verified_at 필드로 최종 검수일 추적
  • 미정의 연도 사용 시 pre-commit 가드가 BLOCK

4. 답변 품질 평가

답변 품질을 5 메트릭으로 정량 측정:

  • Relevance — 질문에 대한 관련성
  • Citation — 인용 정확도
  • Hallucination — 환각 발생률
  • Faithfulness — 컨텍스트 충실도
  • Completeness — 쟁점 누락 여부

채점 방식: 자동 평가 엔진 기반 1차 채점 + 3명 이상의 변호사가 지속적으로 주요 콘텐츠를 감수 (마지막 감수 2026-04-30). 모든 모델·프롬프트 업데이트 후 동일 골든셋으로 회귀 측정.

벤치마크 결과 공개: 한국 법률 AI 벤치마크 2026

5. 한계 (정직한 면책)

  • · 법률 자문 아님: AskLaw 는 변호사 자격이 없으며, 답변은 정보 제공 목적. 구체적 소송·계약·중대 사안은 자격 전문가 상담 필수.
  • · 최신성 격차: 법령 동기화 주기는 월 1회. 시행 직후 일부 변경 사항이 반영되기 전까지 시차 발생 가능.
  • · 희소 사안 한계: RAG DB 에 충분한 자료가 없는 분야 (예: 신유형 플랫폼 분쟁) 는 답변 신뢰도 낮음. 변호사 검토 강하게 권장.
  • · 사실관계 검증: 사용자 입력 사실관계의 진위는 AI 가 검증 불가능. 허위 입력 시 잘못된 결론 가능.
  • · 법령 인용 정확성: 화이트리스트 매칭으로 1차 검증하지만, 시행령· 고시 등 세부 단계 인용은 사용자가 별도 확인 권장.

관련 페이지