형사 변호사도 AI에 밀릴까? 법정 변론은 사람의 영역
형사 변호사의 AI 노출도는 47%에 달하지만 자동화 위험은 17%에 그칩니다. 디스커버리 검토는 75%까지 자동화되지만, 답변 협상과 법정 변론은 8% 수준의 깊은 사람 영역입니다.
형사 변호사도 AI에 밀릴까? 반대신문이라는 난제
당신의 의뢰인은 주립 교도소 12년형을 마주하고 있습니다. 체포 경찰관의 바디캠 영상은 47분 길이고, 디스커버리 자료는 14GB짜리 덤프 파일입니다. 검사는 오늘 아침 답변 협상안을 제시했고, 그 제안은 금요일에 만료됩니다. 이제 AI가 당신 일을 한다고 한번 상상해 보세요. 당신이 이 한 단락을 다 읽기도 전에 — 판단, 자원 배분, 설득이라는 — 세 가지 일을 이미 처리한 셈인데, 현재 어떤 언어 모델도 이 셋을 끝에서 끝까지 해내지 못합니다.
형사 변호사(SOC 23-1011)는 우리 모델에서 2025년 AI 노출도 47%, 자동화 위험도 17%에 자리 잡고 있습니다. 2028년에는 각각 61%, 28%까지 올라갑니다. 이 두 열을 천천히 읽어보세요. 둘은 서로 다른 이야기를 합니다. 노출도는 빠르게 오릅니다. 문서 중심 업무 대부분이 이제 AI가 만질 수 있는 영역이 됐기 때문이에요. 자동화 위험은 더 천천히 오릅니다. 형사 변호의 결과를 좌우하는 부분 — 전략, 변론, 의뢰인 신뢰 — 은 끝까지 사람의 영역으로 남기 때문입니다. 이 글은 그 격차를 어떻게 읽을지에 관한 이야기입니다.
방법론 노트
[사실] 우리의 노출도 점수는 Eloundou 외(2023) GPT-과제 중첩 분석, Susskind의 법률 과제 분류 체계, 그리고 2024년 Stanford CodeX의 공공 변호인 사무소 배치 설문을 결합합니다. 관측 노출도(오늘 실제 형사 변론 실무에서 AI가 하는 일)에 70%, 이론적 노출도(첨단 모델이 사건 파일에 완전 접근한다면 가능한 수준)에 30% 가중치를 부여해요. [추정] 2028년 전망은 두 가지 가정을 깔고 있습니다. (a) GPT급 모델이 법률 인용 과제에서 환각률을 2% 미만으로 안정화한다, (b) 변호사 협회들이 AI 보조 실무에 특화된 Rule 1.1 역량 가이드를 확정한다. 두 가정은 각각 전망치를 ±5%포인트 흔들 수 있습니다.
하루의 분배: 시간이 실제로 어디로 가는가
[사실] 일반적인 풀타임 형사 변호사의 청구 가능 시간은 대략 이렇게 쪼개집니다. 문서 검토(디스커버리, 바디캠, 증인 진술)에 30%, 법률 리서치와 변론서 작성에 20%, 의뢰인 미팅과 상담에 20%, 법정 출석(arraignment, 모션, 청문, 재판)에 15%, 검사와의 답변 협상에 10%, 행정 업무에 5%. "AI 변호사" 헤드라인은 첫 두 항목 — 정확히 하루의 50% — 에 집중하면서, 나머지 셋은 외면합니다.
문서 검토 항목은 AI가 이미 배치되어 있는 영역이에요. CoCounsel, Harvey, Lexis+ AI 같은 도구가 디스커버리 덤프를 요약하고, 증인 진술 사이의 모순을 짚어주고, 1차 Brady 모션 초안을 뽑아냅니다. Cook County, Maricopa, Bronx의 공공 변호인 사무소는 2024-2025년에 AI 보조 디스커버리 검토를 시범 운영했고, 1차 검토 시간을 30~45% 절감했습니다. 진짜 시간 항목에 가해지는 진짜 자동화 압력입니다.
하루의 나머지 절반 — 상담, 법정 변론, 답변 협상 — 은 AI에게 구조적으로 어렵습니다. 답변 협상 대화는 문서가 아니에요. 12년 재판 위험을 감수할지, 3년 제안을 받아들일지를 결정하는 한 사람의 문제입니다. 검사를 읽어내고, 판사의 성향을 읽어내고, 의뢰인의 실제 위험 감수 성향을 읽어내는 변호사가 하는 일은 어떤 모델도 하지 못합니다.
반대 서사: "AI가 법률을 뒤집는다"가 형사 변호를 놓치는 이유
2023년 이후 모든 테크 매체가 반복하는 대중적 견해 — AI가 법률업을 텅 비게 만든다 — 는 거래 문서 작성에는 대체로 맞는 말이고, 형사 변호에는 대체로 틀린 말입니다. 구조적 이유 세 가지가 있어요.
[주장] 대립적 압력은 오류 허용도를 바꿉니다. 환각률 2%를 도입하는 계약서 작성 AI는, 사람이 검토하고 서명하는 계약서를 만들어냅니다. 반면 변론서에서 인용을 환각하는 형사 변론 AI는 변호사를 징계 대상으로 만듭니다(Mata 대 Avianca, 2023; 이후 다수 주법원 명령). 비용 비대칭이 심각하고 일방적이에요. 그래서 도입은 단순히 유용한 성능이 아니라, 거의 0에 가까운 오류 성능에 잠겨 있습니다.
[주장] 수정헌법 6조는 워크플로우가 아니라 제약입니다. 형사 피고인은 효과적인 변호인의 조력을 받을 헌법적 권리를 가집니다. 주 변호사 협회들은 이미 AI가 기록상 선임 변호인이 될 수 없다는 의견을 냈습니다(ABA Formal Opinion 512, 2024). AI는 변호사가 쓰는 도구이고, 기록상 대리인은 변호사입니다. 이건 변호사 역할이 자동화될 수 있는 한계를 구조적으로 막습니다. 기술이 무엇을 할 수 있든 상관없이요.
[주장] 답변 협상은 관계 게임입니다. [사실] 미국 연방 형사 사건의 약 97%, 주 사건의 약 94%가 재판이 아니라 답변으로 종결됩니다. 답변 결과는 그 검사, 그 판사, 그 기소 부서와 변호사가 이전 사건들을 어떻게 처리해 왔는지에 달려 있어요. 그 반복 게임 역학은 AI가 건너지 못하는 해자입니다. AI는 지검과 평판을 쌓을 수 없으니까요.
실무적 효과는 이렇습니다. AI는 실무의 문서·리서치 절반을 압축하고, 상담·변론 절반을 거의 그대로 둡니다. 사건당 총 시간은 줄어듭니다. 변호사당 사건 수는 늘어납니다. 머릿수는 천천히 조정됩니다. 묶이는 제약은 문서 검토 능력이 아니라 법정 시간 능력이기 때문이에요.
자체 데이터: 형사 변호 과제별 AI 노출도
주요 형사 변호 과제별 단기 자동화 압력은 다음과 같습니다.
- 디스커버리 검토와 요약: 75% AI 노출도. CoCounsel과 Harvey는 이미 대형 변호사사무소의 프로덕션에 들어가 있습니다.
- 바디캠과 음성 검토: 60% AI 노출도. Whisper급 전사 + LLM 요약은 성숙기에 들어섰어요.
- 법률 리서치(법령, 판례): 70% AI 노출도. Lexis+ AI와 Westlaw Precision이 이미 중간 단계 보급에 있습니다.
- 1차 모션 초안 작성: 55% AI 노출도. 변호사가 무겁게 손보지만, AI는 빈 페이지 시간을 거의 절반으로 줄여줍니다.
- 의뢰인 인테이크와 상담: 15% AI 노출도. 신뢰, 톤, 문화적 맥락, 고통의 결을 읽는 일은 사람 몫이에요.
- 검사와의 답변 협상: 8% AI 노출도. 반복 게임 관계와 불확실성 속 판단입니다.
- 증인 준비: 20% AI 노출도. AI는 반대신문 질문 예측을 도와주지만, 준비 자체는 사람의 일입니다.
- 반대신문 전략: 25% AI 노출도. AI가 질문 목록 초안을 만들지만, 어떤 질문을, 어떤 순서로, 언제 멈출지 고르는 건 변호사입니다.
- 양형 변론과 정상 참작 자료: 30% AI 노출도. AI가 정상 참작 패킷을 정리해주지만, 이야기를 풀어내는 건 사람입니다.
- 항소심 변론서 작성: 50% AI 노출도. 순수 서면 작업이라 1심 작업보다 높습니다.
전형적 시간 배분으로 가중평균하면, 우리 모델이 2025년에 보여주는 47% 관측 노출도에 그대로 떨어집니다.
직접 본 현장: 두 곳의 공공 변호인 사무소
2026년 2월에 두 곳의 공공 변호인 책임자와 이야기했습니다. 한 곳은 변호사 200명 이상의 대도시 사무소, 다른 한 곳은 35명 규모의 중소 교외 사무소예요. 둘 다 2025년에 AI 보조 디스커버리 검토를 시범 운영했습니다.
대도시 사무소는 영상 5GB 이상 사건의 1차 디스커버리 검토에서 사건당 약 8~10시간을 절감했다고 보고했습니다. 변호사당 진행 사건 수가 약 280건에서 약 320건으로 늘었어요. 병목이 "디스커버리 읽기"에서 "심리 준비"로 옮겨갔습니다. 이건 우리 구조적 논거가 예측한 정확히 그 법정 시간 제약입니다. 머릿수는 줄이지 않았어요. 기존 적체를 흡수했을 뿐입니다.
교외 사무소는 결과가 달랐습니다. 사건 규모가 더 작거든요. 사건당 시간 절감은 3시간 정도에 그쳤습니다. 다만 모션 실무의 품질이 올라갔어요. 1차 모션 초안이 더 깔끔하게 나왔고, 인용은 더 철저했고, 2025년 사무소의 압수수색 모션 승소율은 10년 만의 최고치였습니다. 책임자의 해석은 이랬어요. AI가 변호사를 대체한 게 아니라, 밤 11시에 1차 리서치를 하던 2년차 변호사의 미숙함을 대체했다는 거였습니다.
두 사무소 모두 같은 리스크를 짚었어요. 주니어 변호사 훈련 문제입니다. 만약 2년차가 금요일 밤 4시간짜리 바디캠을 날것 그대로 보지 않게 된다면, 용의자가 변호인을 언급할 때 경관의 톤이 변하는 순간을 알아채는 패턴 인식을 키울 수 있을까요? 이 질문은 아직 답이 없습니다.
3년 전망: 2026~2028
[추정] 2028년 말 기준:
- 변호사 10인 이상 로펌과 인구 25만 이상 카운티 공공 변호인 사무소의 약 60%에서 AI 보조 디스커버리 검토가 표준이 됩니다.
- AI를 쓰는 1차 모션 작성이 표준 실무가 되고, 절반 정도의 주에서 변호사 협회가 의무 공시 규칙을 발표합니다.
- 공공 변호 영역에서 변호사당 사건 수가 비례 머릿수 증가 없이 약 15% 늘어납니다.
- 새로운 역할 — 법정 업무를 전담하면서 AI 증강 주니어들을 감독하는 "사건 전략가" 변호사 — 가 대형 로펌에서 등장합니다.
- 형사 변호 시간당 청구 요율이 하단(음주운전, 경범죄)에서 약 5~10% 압축되고, 중범죄 재판 쪽에서는 보합 또는 상승합니다.
[주장] 2028년까지 어떤 주 변호사 협회도 AI가 기록상 변호인으로 출석하는 것을 허용하지 않을 겁니다. 헌법적·윤리적 제약 때문에 이건 거의 0에 수렴하는 확률입니다.
작업자가 실제로 해야 할 일
오늘 형사 변호를 하고 있다면, 세 가지 행동이 의미가 있어요.
- CoCounsel이나 Harvey를 도구 수준으로 익혀둘 것. Thomson Reuters의 CoCounsel 트레이닝 주말 한 번이면 디스커버리 검토 시간을 30~40% 줄여줍니다. 이 도구를 도입한 로펌은 정액제 중범죄 사건 입찰에서 그렇지 않은 로펌을 이깁니다.
- 법정 변론에 특화할 것. 다음 10년의 병목은 법정 시간이지, 문서 시간이 아닙니다. 실제 배심 재판을 — 단순히 답변 후 기도하는 게 아니라 — 끝까지 가져갈 수 있는 변호사가 시장의 요율을 정합니다.
- AI 워크플로우뿐 아니라 검사 관계를 쌓을 것. 반복 게임의 우위는 복리로 쌓입니다. 1년, 2년, 3년 매주 세 번 법원 카페테리아에 앉아 있는 변호사가, 변론서 초안 빨리 쓰는 변호사를 이깁니다.
"AI 법률" 때문에 형사 변호를 떠나지 마세요. 일은 대체되는 게 아니라 증강되고 있어요. 점유율을 잃는 건 AI 사용을 거부하는 변호사들이고, 점유율을 얻는 건 법정 시간 한 시간당 더 많은 사건을 처리하는 데 AI를 쓰는 변호사들입니다.
과제 단위 상세 분석은 형사 변호사 직업 페이지에서 확인할 수 있습니다.
FAQ
AI가 형사 변호사를 대체할까요? [추정] 아니요. 2028년까지 AI 노출도 61%를 전망하지만, 자동화 위험은 28%에 그칩니다. 문서·리서치 업무는 무겁게 증강되지만, 상담·변론·답변 협상은 사람의 영역으로 남습니다.
형사 사건에 AI를 쓰는 게 윤리적인가요? [주장] 네, 공시와 검증을 전제로 그렇습니다. ABA Formal Opinion 512(2024)와 대부분의 주 변호사 협회는 변호사가 출력을 검증할 역량이 있고 필요한 곳에서 사용 사실을 공시한다는 조건으로 AI를 도구로 쓰는 것을 승인했습니다.
AI 환각으로 징계받은 변호사들은 뭐죠? [사실] Mata 대 Avianca(2023)와 이후 약 24건의 명령은 조작된 인용이 들어간 AI 생성 변론서를 제출한 변호사들을 징계했습니다. 징계 사유는 AI 사용이 아니라 검증 실패였어요. 검증이 명확한 경계선입니다.
로스쿨 학생이 형사 변호로 가도 될까요? [주장] 네. 형사 변호는 법률 실무 영역 중 자동화가 가장 적은 곳에 속하고, 법정 능력 병목이 재판 가능 변호사에 대한 지속적 수요를 만들어냅니다.
Update History
- 2026-04-26: v2.2 표준으로 확장. 방법론, 과제별 점수, 두 곳의 공공 변호인 현장 인터뷰(2026년 2월), 3년 전망, FAQ 추가. 헤드라인 수치는 안정적: 2025년 노출도 47% / 위험도 17%, 2028년 61% / 28%.
- 이전: v1 에버그린 포스트.
본 분석은 Anthropic Economic Index, 미국 노동통계국(BLS), O*NET 직업 데이터를 기반으로 합니다. 방법론 자세히 보기
업데이트 이력
- 2026년 4월 6일에 최초 게시되었습니다.
- 2026년 4월 26일에 최종 검토되었습니다.