요약

유럽특허청(EPO)과 미국 연방순회항소법원(Federal Circuit)이 특허 명세서 작성 및 청구항 해석에 대해 점점 더 엄격한 기준을 적용함에 따라, 리걸 테크 시장은 구조적 병목 현상에 직면해 있습니다. 바로 확률론적 AI의 본질적인 불안정성입니다. 최근 형식적 AI 검증 레이어를 구축하기 위해 2,700만 달러의 시드 투자를 유치한 프라마나 랩스(Pramaana Labs)의 행보와 결정론적 가드레일 및 기호 기반 지식 엔진에 대한 투자 열풍은, 차세대 지적재산권 자동화가 언어적 확률이 아닌 수학적 증명 가능성에 의해 정의될 것임을 보여줍니다. 이러한 변화는 치명적인 명세서 작성 오류나 등록 후 무효화 위험에 노출되지 않으면서 자동화 워크플로우를 도입하려는 특허 변리사, 포트폴리오 관리자, 리걸 옵스(Legal Operations) 팀에게 중요한 시사점을 던집니다.

이벤트

2026년 6월 17일, AI 검증 스타트업 프라마나 랩스는 Khosla Ventures가 리드하고 Accel, BoldCap, Nexus Venture Partners, Premji Invest, Unbound 등이 참여한 2,700만 달러 규모의 시드 펀딩 라운드 마감을 발표했습니다. 2025년 9월 인도공과대학교(IIT) 마드라스 동문들이 설립하고 팔로알토에 본사를 둔 이 스타트업은 법률, 세무, 금융 규제 준수, 헬스케어 등 규제가 엄격하고 리스크가 큰 분야에서 증명 가능하고 기계가 검증할 수 있는 출력을 제공하도록 설계된 이른바 "AI 검증 레이어(AI verification layer)"를 구축하고 있습니다.

이 회사의 제품은 근본적인 기술적 한계를 겨냥합니다. 대규모 언어 모델(LLM)은 통계적으로 가장 가능성이 높은 토큰 시퀀스를 예측하는 확률론적 엔진입니다. 일반적인 초안 작성 및 요약에는 매우 효과적이지만, 이러한 아키텍처는 구조적으로 정확성을 보장할 수 없습니다. 프라마나는 검색 증강 생성(RAG)이나 사후 확률론적 가드레일에 의존하는 대신, 자연어 쿼리와 기초적인 규칙들을 형식적인 수학적 명제로 변환합니다. 그런 다음 Lean 대화형 정리 증명기(interactive theorem prover)와 같은 도구를 사용하는 엄격한 증명 엔진을 실행하여 출력의 논리적 일관성과 정확성을 수학적으로 검증하며, 증명을 확립할 수 없는 경우 답변을 거부합니다. 초기 단계 스타트업으로서는 예외적으로 큰 규모인 이번 2,700만 달러의 시드 라운드는, 이러한 "신뢰의 격차(trust gap)"를 해결하는 것이 기업의 AI 도입을 가로막는 가장 큰 장애물을 제거하는 열쇠라는 투자자들의 강력한 확신을 반영합니다.

컨텍스트: 특허법에서 확률론적 AI의 구조적 실패 배경

법률 산업, 특히 특허법은 '무오류(zero-fault)' 패러다임 아래 작동합니다. 단 하나의 논리적 공백, 부정확한 단어 선택 또는 일관되지 않은 정의는 소송에서 수백만 달러의 손실을 초래하거나 특허권의 완전한 상실로 이어질 수 있습니다. 글로벌 관할 구역에서 발생한 최근 세 가지 동향은 리걸 및 특허 테크 시장이 왜 검증되지 않은 확률론적 출력에 의존할 수 없는지 잘 보여줍니다:

  • 개시-헌납의 함정 (The Disclosure-Dedication Trap): Dynapass IP Holdings LLC v. Bank of America Corp. 사건(사건번호 No. 25-1222, Fed. Cir. 2026년 6월 11일)에서 미국 연방순회항소법원은 "비밀번호를 수신하는 단계"를 요구하는 청구항이 패스코드와 토큰을 별도로 전송하는 시스템에 의해 침해되지 않는다고 판결했습니다. 특허 명세서가 이러한 대안적 실시예를 명시적으로 개시하고 있었음에도 불구하고 청구항에 이를 청구하지 않았기 때문에, 개시-헌납 원칙(disclosure-dedication doctrine)에 따라 공중의 영역으로 헌납된 것으로 간주되었습니다. 이는 청구항 문언이 우선하며, 개시되었으나 청구되지 않은 실시예가 좁은 청구항 범위를 구제할 수 없음을 강조합니다. 명세서에 대비해 청구항 세트를 엄격하게 감사하지 못하는 확률론적 초안 작성 도구는 가치 있는 변형 실시예를 청구하지 않은 채 남겨둘 위험을 늘 안고 있습니다.
  • EPC 신규사항 추가 금지 제약 (The EPC Added-Matter Constraint): 2026년 6월, EPO 기술심판원(Technical Board of Appeal 3.3.05)은 G 1/26 ("피복 강대") 사건의 확장심판원(Enlarged Board of Appeal) 회부를 확정했습니다. 이 회부는 G 1/24의 청구항 해석 원칙이 EPC 제123조 제2항에 따른 엄격한 신규사항 추가 판단에도 적용되는지 묻고 있습니다. EPO의 신규사항 추가 기준은 매우 엄격한 것으로 유명하며, 출원 및 보정 과정에서 출원 당시 명세서에 명시적인 근거가 없는 언어적 변형은 특허 무효 사유가 될 수 있습니다. 결정론적인 논리적 함의 대신 의미론적 "유사성"에 기반하여 청구항을 재작성하거나 보정안을 작성하는 확률론적 AI 도구는 이러한 엄격한 규정을 위반할 위험이 큽니다.
  • 한국 특허 무효율 기준 (The South Korean Invalidation Baseline): 2020년부터 2025년 사이 한국 특허심판원(KIPTAB)의 1,365건의 무효심판 청구 사건에 대한 실증 분석 결과, 본안에서의 누적 무효율은 59.8%에 달했습니다. 진보성(특허법 제29조 제2항)은 이 본안 사건들의 80.2%에서 주장되었으며, 단독으로 주장되었을 때 59.7%의 인용률을 기록했습니다. 이처럼 높은 등록 후 무효율은 특허가 등록 이후에도 공격적이고 가혹한 검증에 직면하며, 아주 미세한 구조적 작성 결함조차 일상적으로 악용된다는 것을 보여줍니다. 오늘날 출원되는 명세서는 5년 뒤 소송에서도 버틸 수 있을 만큼 구조적으로 견고해야 하며, 이는 구조화되고 방어 가능한 논리 대신 언어적 그럴듯함에 기반하여 청구항을 생성하는 AI 시스템으로는 결코 달성할 수 없습니다.
"특허 출원 업무에서 확률론적으로 '그럴듯한' 용어와 결정론적으로 '검증 가능한' 용어의 차이는, 수백만 달러 가치의 자산과 공중에 헌납된 무가치한 종이 문서의 차이와 같습니다."

신흥 기술의 대응책: 결정론적 미들웨어의 부상

이러한 구조적 리스크에 대응하여, 리걸 테크 생태계는 기호 기반(symbolic)·규칙 기반 시스템과 결정론적 검증 레이어가 확률론적 기반 모델을 통제하는 하이브리드 아키텍처로 빠르게 전환하고 있습니다. 프라마나 랩스의 2,700만 달러 시드 라운드는 이 분야에서 가장 대규모 자본이 투입된 사례이지만, 2026년 중반의 여러 시장 신호들은 더 광범위한 구조적 변화를 확인해 줍니다:

  • Bayshore의 에이전트 거버넌스: 뮌헨에 본사를 둔 Bayshore는 최근 Earlybird Venture Capital이 이끈 690만 유로(800만 달러) 규모의 시드 펀딩을 유치하며 스텔스 상태를 벗어났습니다. Bayshore의 플랫폼은 규제, 내부 정책, 법률적 노하우를 기계가 읽을 수 있는 구조화된 규칙 세트로 변환합니다. LLM이 자율적으로 작동하게 두는 대신, Bayshore의 에이전트들은 이러한 결정론적 가드레일을 적용해 저위험 준수 사례를 사전 필터링하고 복잡한 사례만 에스컬레이션하여 법적으로 감사 가능한 추적 경로를 생성합니다.
  • ZeroDrift의 분리형 컴플라이언스: AI 거버넌스 스타트업 ZeroDrift는 a16z Speedrun이 리드한 1,000만 달러 규모의 시드 라운드를 마감했습니다. ZeroDrift의 아키텍처 전략은 AI 모델과 사용자 사이에 위치하는 결정론적 준수 필터링 레이어에 의존합니다. 이 레이어는 LLM을 사용해 비준수 출력을 재작성하기 전에, 먼저 결정론적 규칙을 사용해 위반 사항을 표시합니다. 이를 통해 사후 LLM 자체 모더레이션과 관련된 '자기 의심' 및 지연 시간 문제를 제거합니다.
  • Textweaver의 화이트박스 재구성: 한국의 딥테크 스타트업 텍스트위버(Textweaver)는 공공기관과 기업을 겨냥해 태깅박스 서버(TaggingBox Server)를 출시했습니다. 텍스트위버는 자체 개발한 'PISA' 엔진을 활용하여 불투명한 검색 증강 생성(RAG)을 완전히 우회합니다. 이 엔진은 한국어 HWP 포맷을 포함한 비정형 파일을 술어 중심의 원자적 이벤트 단위로 분해합니다. 그런 다음 이 단위들을 검증 가능한 추론 경로(PathHash)를 갖춘 지식 그래프(Knowledge Graph)로 재구성하여, 모든 출력에 대해 명확하고 추적 가능한 출처를 보장합니다.
  • Stilta의 컨텍스트 엔지니어링: 스톡홀름에 본사를 둔 Stilta는 특허 소송 선행기술 조사를 자동화하기 위해 Andreessen Horowitz가 리드하는 1,050만 달러 규모의 시드 라운드를 유치했습니다. Stilta의 멀티 에이전트 아키텍처는 특화된 컨텍스트 엔지니어링과 독점 데이터 인덱싱에 의존하며, 이는 복잡한 법률 워크플로우에서의 가치가 기본 기반 모델에 대한 단순한 접근이 아니라 특정 버티컬에 특화된 데이터 구조로 이동했음을 증명합니다.

IP 산업, 특허 변리사 및 리걸 테크 리더에게 주는 시사점

확률론적 초안 작성에서 검증된 논리로의 이러한 기술적 진화는 특허 전문가와 기업 IP 팀의 패러다임을 세 가지 뚜렷한 방식으로 변화시킵니다:

1. '작성 보조 도구'에서 '감사 등급의 검증기'로의 전환

초기 단계의 리걸 AI 도구는 종속항 목록 작성이나 명세서 요약 등 텍스트를 빠르게 생성하는 데 중점을 두었습니다. 그러나 Dynapass 및 G 1/26 사건 등의 흐름을 볼 때, 속도는 방어 가능성에 비하면 부차적입니다. 형식 검증의 통합은 AI 도구가 엄격한 청구항 감사 시스템으로 진화함을 의미합니다. 변리사는 처음부터 청구항을 생성하는 데 AI를 쓰는 대신, 검증 엔진을 배포하여 초안 청구항을 분석하고, 이를 명세서와 매핑하여 형식 논리 그래프를 구성하며, 수학적으로 다음을 보장할 것입니다: 첫째, 모든 청구 요소가 명확한 선행 기초(antecedent basis)를 가질 것, 둘째, 제안된 청구항 보정안이 엄격한 EPC 제123조 제2항 기준에 따라 신규사항 추가 취약점을 유발하지 않을 것, 셋째, 개시된 대안적 실시예가 최소 하나의 청구항에 의해 논리적으로 커버되어 의도치 않은 공중 헌납 리스크를 제거할 것.

2. 리걸 테크 진입장벽(Moats)의 재편

리걸 옵스 및 기술 조달 팀 입장에서, 범용 프론티어 모델의 대중화는 단순한 LLM 래퍼(wrapper)들을 쓸모없게 만들고 있습니다. 진정한 기업용 진입장벽은 복잡한 법률 규칙, 특허청 가이드라인(MPEP, TMEP, EPC 가이드라인) 및 소송 데이터베이스를 기계가 검증할 수 있는 제약 조건으로 변환하는 전문화된 미들웨어로 이동했습니다. 이러한 결정론적 준수 및 검증 프레임워크를 구축하는 데 투자하는 스타트업과 플랫폼은 방어력이 높은 시장 지위를 점할 것이며, 반면 일반적인 생성형 도구들은 심각한 가격 인하 압박에 직면할 것입니다.

3. 데이터 주권과 로컬 추론의 필연성

엄격한 안전성 및 준수 레이어의 필요성은 상업적 갈등을 낳고 있습니다. 예컨대 Anthropic이 Claude Fable 5 모델을 출시했을 때, 해당 모델의 안전 분류기는 의무적인 30일 데이터 보관 정책을 요구했습니다. Microsoft는 데이터 보안 우려를 이유로 즉시 내부 직원의 액세스를 제한했으며, 이는 프론티어 모델의 안전 조치와 기업의 데이터 주권 간의 극심한 긴장을 보여줍니다. 극비의 출원 전 발명 개시를 다루는 특허 실무자에게 클라우드 기반의 데이터 보관은 심각한 리스크입니다. 이러한 긴장은 독점 데이터를 캡처하거나 보관하지 않는 로컬 결정론적 검증 레이어와 결합되어, Skymizer의 HTX301 decode-first 가속기 같은 하드웨어를 활용한 로컬, 샌드박스 또는 온프레미스 추론 아키텍처의 도입을 촉진할 것입니다.

결론

프라마나 랩스, Bayshore, ZeroDrift 같은 스타트업의 빠른 자본 유치는 리걸 테크 산업이 생성형 AI의 파일럿 단계를 넘어서고 있다는 명백한 신호입니다. 앞으로 고위험의 지적재산권 워크플로우에 AI를 배포하는 기준은 모델이 얼마나 빨리 쓸 수 있는가가 아니라, 그 출력이 수학적으로 올바르다고 증명될 수 있는지 여부가 될 것입니다. 점점 더 엄격해지는 사법 및 규제 환경에서 IP 포트폴리오를 관리하려면 순수한 확률론적 초안 작성 도구에서 벗어나 검증 가능하고 감사 가능하며 구조적으로 견고한 하이브리드 시스템으로 전환해야 할 것입니다.