인공지능(AI)이 법률 분야에 점차 깊이 적용되면서 사법 접근성을 높일 잠재력을 보여주고 있습니다. 특히 대규모 언어모델(LLM)을 기반으로 자율적인 행동이 가능한 에이전트 AI가 주목받고 있으며, 이 중에서도 법률 영역에서의 다중 에이전트(multi-agent) 접근 방식은 아직 탐구되지 않은 영역이 많았습니다. 최근 발표된 한 연구는 LLM을 활용한 법률 추론 작업에서 다중 에이전트 숙고(deliberation) 방법론을 심층적으로 탐구했습니다.
이 연구는 다중 에이전트 숙고(MAD)를 탐색하고, 법정 절차와 법적 논증에서 영감을 받은 두 가지 새로운 다중 에이전트 프레임워크를 소개했습니다. 법률 및 비법률 벤치마크 실험 결과, 다중 에이전트 프레임워크는 기준이 되는 단일 LLM과 전반적으로 유사한 성능을 보였지만, 상당히 다른 답변을 도출했습니다. 특히, 기준 모델이 해결하지 못한 사례를 다중 에이전트 방식은 성공적으로 해결하는 경우가 있었고 그 반대도 마찬가지였습니다. 연구팀은 정성적 평가를 통해 다중 에이전트 프레임워크가 단일 접근 방식보다 뛰어난 시나리오를 강조했는데, 여러 관점에서 비판적 사고를 요구하는 질문에 다중 에이전트 접근 방식이 더 적합하다는 점을 발견했습니다.
이 연구는 법률 분야 AI의 유망한 방향으로 다중 에이전트 시스템을 제시하며, 법률에서 영감을 받은 다중 에이전트 접근 방식이 숙고 과정에서 가진 잠재력을 입증합니다. 이는 기존 LLM의 한계를 보완하고, 복잡한 법률 문제에 대한 보다 심층적이고 다각적인 분석을 가능하게 함으로써 법률 전문가들의 업무 효율성을 높이고 궁극적으로는 대중의 사법 접근성을 향상시키는 데 기여할 수 있을 것입니다. 앞으로 법률 AI 개발에 있어 다중 에이전트 시스템의 역할이 더욱 중요해질 것으로 예상됩니다.