배달과 이동 / 차량 호출과 배달
Uber: 법무팀의 계약 수정안 검토와 대응 의견 작성
- 기업
- Uber
- 국가
- 미국
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
Uber 공식 기술 블로그에 따르면 Uber는 해마다 수천 건의 계약을 협상하고, 법무팀이 상대방이 고친 계약 문안(redline)을 하나씩 검토해 대응한다. Uber는 이 과정이 시간이 많이 들고 반복적이며 거래 성사, 고객 온보딩, 출시를 늦추는 병목이 되기 쉽다고 설명했다. 동시에 비슷한 조항, 고객사마다 되풀이되는 수정, 일정한 법률 판단 방식이 있어 반복되는 부분을 자동화하고 변호사가 복잡한 판단에 시간을 쓰게 할 수 있다고 보았다.
적용한 기술과 데이터
Uber는 2024년 초부터 2025년까지 첫 세대 Legal Redlining Agent(LRA)를 만들고, 2025년에 법무팀과 함께 시험 운영하며 의견을 반영했다. LRA는 변호사가 이미 쓰는 Microsoft Word의 추가 기능으로 동작한다. 문서에서 상대방이 고친 부분을 찾아 의도를 해석하고, 법무팀의 정책과 지침에 비추어 수용, 거절, 수정 가운데 하나를 추천하며, 상대방에게 보낼 근거 의견과 위험 수준을 함께 만든다. 변호사는 제안을 하나씩 검토해 받아들이거나 거절하거나 고친 뒤 회신에 반영한다. 처음에는 협상 지침서(playbook)를 검색해 LLM에 넣는 RAG 방식을 썼지만 검색이 부정확하고 어조가 맞지 않아, 변호사의 결정과 기대한 조치, 의견, 최종 수정 문안을 모아 다시 활용하는 피드백 구조로 바꿨다. 실행할 때는 수천 건의 과거 기록에서 메타데이터 조건으로 약 20개 문서를 고르고 LLM으로 한 번 더 걸러 판단 근거로 쓰며, 최근 결정에 더 큰 가중치를 준다. 어조를 다듬는 지시문은 사내 변호사가 직접 관리하고, 변호사가 템플릿 문장마다 Uber의 입장과 대안을 적어 둔 규칙 데이터베이스에서 맞는 규칙을 찾으면 마지막 LLM 단계가 결과가 규칙을 지키는지 확인한다. 뒷단은 LangGraph로 의도 파악, 위험 평가, 정책 조회를 동시에 실행하고, OpenSearch에 규칙과 과거 피드백을 저장하며, LLM으로 결과를 채점하는 평가로 검색 품질과 규칙 준수를 계속 점검한다.
성과
Uber 공식 기술 블로그에 따르면 법무팀과 함께 LRA를 쓰기 시작한 뒤 계약 한 건의 평균 검토 시간이 20% 넘게 줄었고, AI가 만든 판단의 정확도는 91%였다. 블로그는 특히 의견 제안 기능이 실제로 시간을 줄여 주었다는 변호사의 평가도 전했다. LRA는 2026년 3월 9일 ALM Legalweek Leaders in Tech Law Awards에서 Uber 법무 조직이 Most Innovative Legal Department of the Year를 받은 응모 내용에도 포함됐다.
한계와 남은 과제
블로그는 처리한 계약 수와 측정 기간, 91% 정확도를 잰 기준을 밝히지 않았다. 다른 사업 부문으로 넓히는 일은 앞으로의 계획으로 적혀 있다.
출처
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.