[논문 리뷰] Authorized and Unauthorized Practices of Law: The Role of Autonomous Levels of AI Legal Reasoning

Lance B. Eliot|arXiv (Cornell University)|2020. 08. 19.

Artificial Intelligence in Law참고 문헌 32인용 수 5

한 줄 요약

이 논문은 AI 기반 법적 응용 분야에서 공식적인 법적 행위(APL)와 비공식적인 법적 행위(UPL)의 경계를 명확히 하기 위해 자율적 수준의 인공지능 법리적 추론(AILR) 기반 프레임워크를 제안한다. 법리적 추론 자율성의 다양한 수준을 통해 AI 시스템을 분석함으로써, AI 사용이 비공식적인 법적 행위로 이르는 시점을 평가할 수 있는 체계적인 격자 모형을 제공하며, 법적 규제 및 법적 분야에서 윤리적인 AI 도입을 위한 실질적인 통찰을 제공한다.

ABSTRACT

Advances in Artificial Intelligence (AI) and Machine Learning (ML) that are being applied to legal efforts have raised controversial questions about the existent restrictions imposed on the practice-of-law. Generally, the legal field has sought to define Authorized Practices of Law (APL) versus Unauthorized Practices of Law (UPL), though the boundaries are at times amorphous and some contend capricious and self-serving, rather than being devised holistically for the benefit of society all told. A missing ingredient in these arguments is the realization that impending legal profession disruptions due to AI can be more robustly discerned by examining the matter through the lens of a framework utilizing the autonomous levels of AI Legal Reasoning (AILR). This paper explores a newly derived instrumental grid depicting the key characteristics underlying APL and UPL as they apply to the AILR autonomous levels and offers key insights for the furtherance of these crucial practice-of-law debates.

연구 동기 및 목표

• AI 및 기계학습의 발전 배경에서 공식적인 법적 행위(APL)와 비공식적인 법적 행위(UPL)의 정의에 대한 모호성과 논란을 해결하기 위해.
• 자율적 수준의 인공지능 법리적 추론(AILR)을 활용한 체계적인 프레임워크를 개발하여, AI 시스템이 비공식적인 법적 행위로 이르는 시점을 평가하기 위해.
• 결정을 측정 가능한 AI 자율성 및 추론 수준에 기반하여, AI 법적 규제에 대해 더 통합적이고 일관성 있는 근거를 마련하기 위해.
• 법조직, 규제 기관, AI 개발자들이 AI의 법적 추론 및 서비스 제공 분야에서 윤리적이고 법적 경계를 이해하고 실질적인 통찰을 얻을 수 있도록 지원하기 위해.
• 자신의 이해관계에 따라 해석되는 UPL 정의의 문제를 해결하기 위해, AI 자율성 수준에 기반한 표준화되고 도구적인 격자 모형을 도입하기 위해.

제안 방법

• 논문은 인공지능 법리적 추론(AILR)을 기본 데이터 처리에서부터 완전한 법리적 추론 자율성에 이르기까지 명확한 자율성 수준으로 분류하는 새로운 프레임워크를 제안한다.
• 각 AILR 수준을 대응하는 법적 업무에 연결하여, 이러한 AI 참여가 APL 또는 UPL로 간주될 수 있는 지점을 규명한다.
• 법적 추론 자율성 수준과 그 규제 준수에 대한 영향을 평가하기 위해 격자 기반 분석 도구를 사용한다.
• 기존의 법적 원칙과 규제 사례를 기반으로 AILR 수준을 실제 법적 실무의 경계와 일치시킨다.
• 비교 분석을 통해 AI 행동과 전통적인 인간 법적 실무 간의 겹침과 차이점을 규명한다.
• AI 능력의 발전에 따라 진화하는 티어 기반의 확장 가능한 규제 접근 방식의 필요성을 강조한다.

실험 결과

연구 질문

• RQ1 AI 자율성이 어느 정도일 때 시스템의 법리적 추론이 공식적인 법적 행위에서 비공식적인 법적 행위로 전환되는가?
• RQ2 자율적 수준의 인공지능 법리적 추론(AILR) 기반 표준화된 프레임워크는 어떻게 AI 기반 법적 서비스의 합법성을 객관적으로 평가하는 데 사용될 수 있는가?
• RQ3 현재 APL과 UPL의 정의가 왜 모호하고 자기 이권에 따라 해석되는 경향이 있으며, AI 자율성 수준은 이를 어떻게 해결할 수 있는가?
• RQ4 다양한 자율성 수준에서 공식적인 법적 추론과 비공식적인 법적 추론을 구분하는 주요 특성은 무엇인가?
• RQ5 규제 기관과 법조직은 AILR 프레임워크를 어떻게 활용하여 AI 법적 분야에서 일관되고 윤리적인 결정을 내릴 수 있는가?

주요 결과

• 프레임워크는 AI 법리적 추론을 명확한 자율성 수준으로 매핑함으로써 APL과 UPL 간의 구분을 더욱 명확히 할 수 있었다.
• 높은 수준의 자율적 법리적 추론을 수행하는 AI 시스템은 특히 구속력 있는 법적 판단을 내릴 경우 비공식적인 법적 행위로 이르는 경향이 있다.
• 본 연구는 현재 UPL 규제가 일관성이 없고, AI 자율성의 다양한 수준을 고려하지 못함으로써 규제의 모호성을 초래하고 있음을 규명했다.
• AILR 격자는 법조직과 규제 기관이 주관적인 해석에 의존하지 않고도 준수 여부를 평가할 수 있는 실용적이고 도구적인 도구를 제공한다.
• 논문은 자율성 수준에 기반한 티어 기반의 AI 규제 접근 방식이 법적 분야 내 AI 도입 시 법적 및 윤리적 리스크를 줄일 수 있음을 입증했다.
• 프레임워크는 조그만 자율성 수준을 가진 AI 시스템이라도 법적으로 영향을 미치는 권고를 내릴 경우 비공식적인 법적 업무를 빠르게 수행할 수 있음을 드러냈다.