본문으로 바로가기
애스크로AI법률 리서치

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 59개+ (460만건)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

자동 평가와 같은 질문 묶음을 사용한 회귀 검사로 답변 변화를 확인합니다. 자동 평가 점수는 개별 사건의 정답률이나 전문가 감수 완료를 의미하지 않습니다. 생성 시점·평가 범위·실제 측정 결과가 함께 공개된 자료를 기준으로 판단해 주세요.

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