리걸테크 플랫폼을 위한 법률 문서 검토 및 어노테이션
계약 검토 AI를 개발하는 한 리걸테크 기업은 모델이 다양한 계약 유형에 걸쳐 조항, 의무, 위험 지표를 올바르게 식별하도록 학습시키기 위해 법률 문서의 구조화된 어노테이션이 필요했습니다.
Client snapshot
| Industry | 리걸테크 |
|---|---|
| Region | 북미와 영국 |
| Engagement type | 법률 문서 조항 어노테이션 및 위험 지표 라벨링 |
The challenge
고객사는 매우 다양한 계약 형식에 걸쳐 법률 조항 유형과 위험 문구를 올바르게 식별할 수 있는 어노테이터가 필요했습니다. 이는 일반적인 텍스트 라벨링보다 더 많은 분야 지식을 요구하고 사내 법무팀이 감당할 수 있는 것보다 더 많은 물량이 필요한 작업이었습니다.
The approach
Jwuma는 고객사의 조항 분류 체계와 해설이 있는 예시로 훈련받은 어노테이터를 배정했고, 분야의 복잡성을 감안해 다단계 검토를 적용했으며, 모호한 조항 분류는 어노테이터 한 명의 판단에 맡기지 않고 QA 단계로 상향했습니다.
Results
고객사는 대상 조항 분류 체계 전반에 걸쳐 일관되게 어노테이션된 계약 데이터를 받았고, 이는 원래의 학습 세트를 넘어 다양한 계약 형식에 모델이 일반화하는 능력을 뒷받침했습니다.
Frequently asked questions
법률 문서 어노테이션에는 법률 교육이 필요한가요?
법학 학위를 요구하지 않고, 어노테이터는 고객사의 조항 분류 체계와 해설이 있는 예시에 대해 특별히 훈련받으며, 모호한 사례는 검토 단계로 상향됩니다.
계약 형식의 다양성이 법률 AI 학습 데이터에 어려움이 되는 이유는 무엇인가요?
계약은 산업과 관할권에 따라 구조와 언어가 크게 다르기 때문에, 좁은 범위의 형식으로 학습한 모델은 나머지 형식에 잘 일반화되지 않습니다.
법률 문서 데이터의 어노테이션 정확도는 어떻게 검증하나요?
모호한 조항 분류에 대한 다단계 검토 상향을 통해, 이견이 있는 사례에서 어느 한 어노테이터의 해석이 최종이 되지 않도록 합니다.
Related case studies
글로벌 모빌리티 플랫폼을 위한 안면 및 신원 인증 데이터
한 글로벌 모빌리티 및 차량 호출 플랫폼은 엄격한 동의 및 생체 정보 처리 요건 아래에서 운전자와 승객의 안전 인증 시스템을 강화하기 위해, 여러 지역에 걸쳐 검증된 안면 및 신원 데이터가 필요했습니다.
로보틱스 AI 프로그램을 위한 에고센트릭 비디오 데이터 수집
한 로보틱스 AI 기업은 임바디드 AI 모델이 단일 실험실 환경을 넘어 일반화되도록 학습시키기 위해, 다양한 환경과 체형에 걸쳐 일관되게 촬영된, 사람이 일상적인 신체 작업을 수행하는 1인칭 비디오가 필요했습니다.
대화형 AI 모델을 위한 RLHF 평가
한 대화형 AI 기업은 기존의 임시 평가자 풀이 일관되지 않은 채점을 낳은 후, RLHF 미세 조정 과정에서 챗봇 응답 품질을 평가할 구조화되고 확장 가능한 사람 평가 파이프라인이 필요했습니다.
Published 2026-10-02 by Jwuma, operated by Corpshore AI. This case study is an anonymized composite representative of the kind of work Jwuma performs in this industry, described by industry, region and engagement type rather than by company name, since this engagement is not yet cleared for public naming. Discuss a similar program at client.corpshore.ai.