인공지능(AI)의 세계는 특히 생성적 AI 도구의 등장으로 빠르게 발전하고 있습니다. ChatGPT와 같은 대규모 언어 모델은 텍스트 콘텐츠의 인식과 생성이 인간이 작성한 텍스트와 거의 구별이 안 가는 수준의 품질을 요하는 모든 작업을 자동화하거나 가속화하는 데 잠재력이 있습니다. 하지만 이러한 대규모 언어 모델은 초기 단계에 있으며 출력물은 종종 맥락이 부족하고 인간의 검토가 필요합니다. 이는 더 많은 데이터와 함께 모델이 학습함에 따라 빠르게 개선될 것입니다.

법률 산업에서 기업 법무부서와 로펌 모두에 대한 생성적 AI 사용 사례는 다양합니다. 가장 중요한 단기 기회는 내부 프로세스를 최적화하는 것으로 예상됩니다. 이에는 상업 계약의 보안, 준수, 정보 요약과 관련된 알림 생성, 기존의 eDiscovery 솔루션에 생성적 AI 통합, 템플릿 작성, 요지 초안 등이 포함됩니다.
새로운 기술을 사용할 때와 마찬가지로 대규모 언어 모델의 사용 영향은 법률 산업에서 최우선 관심사입니다. 이 기술이 어떻게 작동하는지를 깊이 이해하여 최적의 사용 사례를 결정하고 리스크를 제한하고자 하는 욕구가 있습니다. 문제 정의와 문제 세팅 역시 추가적으로 탐구해야 할 분야로, 이러한 프로세스는 더 나은 훈련된 모델을 향해 길을 열고 있습니다.

프롬프트 엔지니어링

프롬프트 엔지니어링은 사용자가 AI 또는 대규모 언어 모델 시스템에 문의하여 최적의 결과를 얻을 수 있도록 질문을 이해하고 정제하는 프로세스를 말합니다. 최적의 질문을 통해 번복하는 것을 최소화하면서 더 나은 출력물을 얻을 수 있습니다. 사용자는 전략 없이 단순히 질문하는 것만으로는 일반적이거나 정확하지 않은 출력물을 얻을 수 있습니다. 이 분야의 산업 리더들은 이러한 프롬프트를 구체화하는 데 도움이 되며, 이는 이전에 언급한 법률 사용 사례에서 가치 있고 리스크를 제한할 것입니다.

질문하는 방법에 관한 최적의 방법론이 나타났습니다. 이는 툴에게 특정 작업이나 문제를 해결하기 위해 추가적으로 필요한 정보를 알려주는 것, 문제에 특정 프레임워크를 적용하는 것, 또는 특정 직업의 사람처럼 작동하도록 하는 것과 같습니다. 이러한 방식의 프롬프트는 LLMs를 올바른 데이터로 이끄는 데 도움이 되며, 개인화된 결과를 더 많이 출력하도록 하며, 대화 스레드를 통해 시간이 지남에 따라 정제될 수 있습니다. 예를 들어 "Bar 시험의 튜터로 작동하는 것처럼"이라는 프롬프트는 도구가 특히 이 분야의 훈련 데이터를 참고하도록 이끕니다. 더 많은 문맥을 가지면 봇은 더 맞춤화된 응답을 생성하고 잘못된 정보를 받는 리스크 를 줄일 수 있습니다.

AI 모델의 빠른 발전은 시간이 지남에 따라 필요한 프롬프트가 줄어드는 것을 의미합니다. 이러한 발전은 계속되어 시스템이 더 빠르게 학습할 수 있게 될 것입니다. 발전이 진행되면 이러한 시스템은 자체적으로 프롬프트를 만들 수도 있을 수 있습니다. 문제는 언어학적인 도전이 발생할 수 있다는 점이며, 프롬프트 엔지니어링은 질문을 구성하는 데에 집중해야 합니다. 작은 언어학적 세부사항도 출력물을 변경시킬 수 있습니다. 이러한 이유로 프롬프트 엔지니어링의 필요성은 처음에 이해된 것만큼 중요하지 않을 수도 있습니다. 현재로서는 프롬프트 엔지니어링 분야에서 선도적인 파트너가 있다면 이러한 도구들을 책임 있게 사용하는 데 도움이 될 것입니다. 더욱 특화된 문제 정의와 같은 추가적인 필요성을 염두에 두는 것이 가능해질 것입니다.

문제 정의

문제 정의는 일부 분석가들이 AI 시스템을 활용하고 훈련하는데 실제 필요한 영역으로 보고 있습니다. 이는 문제를 명확히 해결하기 위해 해결해야 하는 문제에 대해 확실한 이해를 가져야 한다는 것을 의미합니다. 이러한 프로세스는 특정 도구의 능력에 초점을 맞춰 최적의 질문을 정하려는 프롬프트 엔지니어링과는 다릅니다.

프롬프트 엔지니어링과 함께 문제 정의는 개발 중인 영역입니다. 이러한 기술을 교육하기 위해 몇 가지 능력이 중요해집니다. 문제를 간결하게 진단하는 능력, 복잡한 문제를 세분화하는 능력, 문제를 다시 프레임화하는 능력 및 AI 시스템을 이끄는 데 필요한 제약 조건을 고려하는 능력이 이에 해당합니다. 복잡한 법률 문제에 대해 이를 위한 적절한 전문 지식과 기술들이 필요합니다.

문제를 명확히 정의하는 능력은 사용자가 이러한 도구들을 더욱 잘 이끌고, 프롬프트에 내재된 언어학적 장벽을 줄이며, 솔루션을 정의하는 과정에서 창의성과 제어력을 유지할 수 있도록 할 것입니다. 문제가 명확하게 정의된다면, 프롬프트에서 사용되는 언어에 대한 문제가 해결 방안 도달에 방해 요소로 작용하지 않게 될 것입니다. 이는 법률 실무에서의 목표와 일치하며, 클라이언트에게 가장 효율적인 방법으로 최고의 결과를 제공하고 동시에 최종 솔루션에 대한 법률적 판단을 유지하는데 도움이 될 것입니다. "문제 정의 접근 방법"이 어떻게 발전하는지에 대해 살펴보는 것이 흥미로울 것입니다.

결론

현재로서는 프롬프트 엔지니어링과 문제 정의의 개발 상황을 지켜보는 것이 중요합니다. 문제에 초점을 맞추는 것이 더욱 주류로 이동하더라도, 프롬프트는 AI 도구를 더 효과적으로 사용하기 위해 여전히 가치 있는 자산으로 남을 것입니다. 이 두 가지 프로세스는 미래에 서로 얽혀 있을 가능성이 높습니다. 이러한 분야에서 선도적인 파트너를 가지는 것은 기업 법무부서와 로펌들이 적절한 사용 사례를 결정하고 전략을 수립하며, 이러한 도구들을 안전하게 사용하고 시장에 유망한 위치를 유지할 수 있도록 도와줄 것입니다.