Earticle

AI 기술의 발전과 사회적 관심을 고려할 때, 형사사법 영역에서도 인공지능 시스템 이 적용될 가능성이 높다. 이는 다양한 리걸테크가 활용될 가능성을 시사하며, 많 은 제도적 변화를 초래할 것이다. 법적 영역에서도 다양한 인공지능 프로그램들이 사법적 판단을 보조하게 될 때, 실질적인 형사사법의 정의는 결국 ‘예측의 정의’가 될 것이다. 즉, 형사사법의 정의는 인공지능의 예측 기술이 얼마나 정교하고 정확 하게 프로그램되고 적용되는지에 달려있다. AI는 법적 예측의 정의에 대한 효율성과 질적 향상을 제공하는 핵심 역할을 하게 될 것이다. 본 논문은 우리 형사사법에서 법적 예측의 두 가지 영역인 ‘사법 예측’(Predictive Justice)과 범죄 예측, 특히 ‘재범 예측’(Prediction of Recidivism) 영역의 현황과 형사사법에서의 “예측의 정의” 실현을 위한 전략들을 검토하고, 리 걸테크 산업의 발전 과정에서 법과 제도의 개선 필요성과 구체적인 방향성을 제시 하는 것을 목적으로 한다. 이를 위해 외국의 사례와 판례를 소개하고 관련 사례 및 판례가 가진 한계점을 함께 검토하여 향후 우리나라 리걸테크 산업 발전 과정에서 유의하여야 할 사항을 선제적으로 제시한다. 구체적으로는 향후 우리 리걸테크 발전을 위한 3가지 실질 적 실현 전략을 제시하여 현재의 문제점과 이를 위한 외국 사례의 검토, 우리나라 에 반영할 수 있는 제도적 법적 개선 방안까지 폭넓게 제안하고자 한다. 즉, 논문은 독일의 사례 분석을 기반으로 이를 벤치마킹하는 전략을 제시하고, 관련 법률 정비 를 통한 구체적인 “예측의 정의” 실현 전략과 인식 변화 및 교육 혁신을 통한 실현 전략을 제시하고 있다. 결론적으로 논문이 제시하고 있는 세 가지 전략의 구체적 실현은 앞으로 리걸테크 시대에 예측의 정의를 담보하기 위한 중요한 기초가 될 것으로 판단한다.

Considering the advancement of AI technology and societal interest, it is highly likely that AI systems will be applied in the field of criminal justice as well. This suggests the potential for the utilization of various legaltech and is expected to lead to significant institutional changes. In the legal domain, as various artificial intelligence programs begin to assist with judicial decision-making, the practical definition of criminal justice will ultimately come to be defined by “the Justice of Prediction”. This means that the definition of criminal justice will depend on how sophisticated and accurate the predictive technologies of AI are in their programming and application. AI will play a central role in enhancing the efficiency and qualitative improvement of legal predictions. This paper aims to review the current state of two areas of legal prediction in our criminal justice system: judicial prediction and crime prediction, in particular, the prediction of recidivism. It also seeks to explore strategies for realizing “predictive justice” within criminal justice and to propose the necessity for legal and institutional improvements, along with specific directions, as the legaltech industry continues to develop. To achieve this, the paper introduces foreign cases and precedents, while also examining their limitations to proactively highlight considerations that should be taken into account as the legaltech industry develops in Korea. Specifically, the paper aims to present three practical strategies for the future development of legaltech in our country. Furthermore, it seeks to broadly propose institutional and legal improvements that can be applied to Korea by reviewing current issues and relevant foreign examples. First, the paper will propose a strategy based on the analysis of German cases, with a focus on benchmarking these examples. Additionally, it will outline specific strategies for realizing “predictive justice” through the improvement of related laws, as well as strategies for realization through perception change and educational innovation. Ultimately, the concrete implementation of the three strategies presented in this paper is expected to serve as a crucial foundation for ensuring predictive justice in the upcoming legaltech era.

본 연구는 인공지능(AI) 기반 법률 서비스의 급속한 발전과 그에 따른 ‘법적 및 윤리적 문제’를 탐구한다. AI 기술이 법률 자문 및 관련 서비스에 도입되면서 법률 업무 수행 방식과 서비스 제공 모델에 큰 변화가 일어나고 있다. 이러한 변화는 비용 절감, 효율성 증대, 법률 서비스 접근성 향상 등의 이점을 제공하지만, 동시에 무단 법률 행위, 개인정보 보호, 알고리즘의 투명성과 공정성, 변호사와 고객 관계 변화 등의 우려도 제기하고 있다. 이 연구는 문헌 검토와 사례 분석을 통해 미국과 한국의 AI 법률 서비스 현황과 규제 접근 방식을 비교 분석하였다. 주요 법적 쟁점 으로는 AI 시스템이 제공하는 법률 자문의 법적 지위, AI 생성 법률 문서의 책임 소재 등이 있으며, 윤리적 쟁점으로는 AI 알고리즘의 편향성, 설명 가능성, 개인정 보 보호 등이 있다. 본 연구는 이러한 문제들을 종합적으로 분석하고자 한다. 이를 위해 AI 법률 서비스의 미래를 전망하여 AI 기술 발전과 기존 법체계 간의 균형을 찾고, 적절한 규제와 윤리 기준을 수립하기 위한 시사점과 정책적 제안을 제시하였다. 이러한 연구를 통해 AI 기술의 이점을 극대화하면서도 법률 서비스의 본질적 가치와 사회 적 신뢰를 유지할 수 있는 방안을 모색한다.

This paper explores the rapid development of AI-based legal services and the resulting legal and ethical issues. As AI technology is introduced into legal advisory and related services, significant changes are occurring in the way legal work is performed and service delivery models are structured. While these changes offer benefits such as cost reduction, increased efficiency, and improved accessibility to legal services, they also raise concerns about unauthorized practice of law, personal information protection, transparency and fairness of algorithms, and changes in lawyer-client relationships. Through literature review and case analysis, this research comparatively analyzes the current status of AI legal services and regulatory approaches in the United States and Korea. Major legal issues include the legal status of legal advice provided by AI systems and the responsibility for AI-generated legal documents, while ethical issues encompass AI algorithmic bias, explainability, and personal information protection. This study comprehensively analyzes these issues and forecasts the future of AI legal services. Furthermore, it presents implications and policy suggestions for finding a balance between AI technology development and existing legal systems, and for establishing appropriate regulations and ethical standards. Through this, it seeks ways to maximize the benefits of AI technology while maintaining the intrinsic value of legal services and social trust.

본 연구는 시간가변 벡터 자기회귀 모형을 사용하여 서울과 미국의 주요 도시인 뉴욕, 로스엔젤레스, 시카고, 워싱턴 D.C.의 주택 가격에 대한 금리의 영향을 분석 한다. 1991년부터 2023년까지의 월간 데이터를 이용한 실증 분석 결과는 다음과 같다. 첫째, 서울의 주택 가격은 특히 2008년 이후 주요 미국 도시들보다 금리 충격에 더 유연하게 반응하는 것으로 나타났다. 둘째, 미국 도시는 2008년 글로벌 금융위기 기간 중 금리에 빠르게 반응했으나 2010년 이후 반응이 감소하였다. 셋 째, 한국의 주택 가격은 금리와 전세 가격이 여전히 크게 영향을 미치며, 특히 글로 벌 금융위기 이후 금리가 주택 매매가격에 미치는 영향은 확대되었다. 따라서 본 연구의 실증분석 결과에 따르면, 시간이 지남에 따라 금리가 한국의 주택 가격에 미치는 영향이 ‘증가’하고 있다. 이러한 분석 결과는 주택 시장 정책에 있어서 통화 정책 등 ‘금리 관련 변수’의 중요성을 암시한다.

This study analyzes the impact of interest rates on housing prices in Seoul and four U.S. cities (New York, Los Angeles, Chicago, and Washington D.C.). Using a time-varying VAR model and monthly data from 1991 to 2023, we find that Seoul’s housing prices respond more flexibly to interest rate shocks than those in major U.S. cities, particularly since 2008. While U.S. cities showed a rapid reaction to interest rates around 2008, their response has diminished since 2010. In contrast, interest rates and Jeonse prices continue to significantly affect Korean housing prices, especially during periods of lower interest rates. Our findings highlight the increasing impact of interest rates on Korean housing prices over time, suggesting the need for close attention to both interest rates and Jeonse prices in guiding Korean housing market.

본 연구는 (i) ‘집단의 상금 할당 규칙에 관한 정보’와 (ii) ‘노력 투입에 관한 타이밍’이 단일 집단과 단일 경쟁자 간의 경합(contest)에 미치는 영향을 (1) 할당률, (2) 노력 수준, (3) 기대보수 측면에서 분석한다. 이를 위해 본 연구는 두 경기자로 구성된 ‘단일 집단’과 ‘단일 경쟁자’가 경쟁하는 대칭적 및 비대칭적 게임을 분석한다. 첫째, 대칭적 정보 게임은 할당 규칙(할당률)에 대한 정보를 공유하는 게임으로서 ‘내쉬-쿠르노 게임’, ‘집단 선도자 게임’, ‘경쟁자 선도자 게임’으로 구성된다. 우선, 내쉬-쿠르노 게임의 경우 단일 집단과 단일 경쟁자는 노력 수준을 동시에 투입한다. 다음으로, 집단 선도자 게임에서는 단일 집단이 먼저 자신의 노력 수준을 투입하고, 이를 관찰한 후 단일 경쟁자가 자신의 노력 수준을 투입한다. 반면에, 경쟁자 선도자 게임의 경우 단일 경쟁자가 먼저 자신의 노력 수준을 투입하고, 이를 관찰한 후 단일 집단이 자신의 노력 수준을 투입한다. 둘째, 비대칭적 정보 게임은 정보를 공유하지 않는 게임으로서 단일 집단과 단일 경쟁자는 노력 수준을 동시에 투입한다. 본 연구의 결과는 세 가지로 요약된다. 첫째, 단일 경쟁자의 상대적 경쟁력이 낮다면 할당 규칙에 관한 ‘비대칭적 정보’는 단일 집단의 할당률을 낮추지만, 단일 경쟁자의 경쟁력이 뛰어나면 ‘비대칭 적 정보’는 단일 집단의 할당률을 높인다. 둘째, 단일 집단은 자신의 경쟁력이 뛰어나면 ‘경쟁자 선도자 게임’에서 가장 높은 노력 수준을 투입하고, 자신의 경쟁력이 상대적으로 낮은 경우 ‘비대칭 적 정보 게임’에서 가장 높은 노력 수준을 투입한다. 반면에 단일 경쟁자는 자신의 경쟁력이 낮을수록 ‘비대칭적 정보 게임’에서 가장 높은 노력 수준을 투입하고, 자신의 경쟁력이 뛰어날수록 ‘경쟁자 선도자 게임’에서 가장 높은 노력 수준을 결정한다. 마지막으로, 단일 집단은 ‘내쉬-쿠르노 게임’과 ‘집단 선도자 게임’에서 가장 높은 기대보수를 얻지만, 단일 경쟁자는 ‘경쟁자 선도자 게임’에서 가장 낮은 기대보수를 얻는다.

This study analyzes the impact of (i) information about the group’s prize allocation rules and (ii) the timing of effort inputs on the contests between a single group and a single competitor in terms of (1) allocation rates, (2) effort levels, and (3) expected payoffs. To do so, we analyze symmetric and asymmetric games in which a single group of two players compete against a single competitor. First, symmetric information games are games in which information about the allocation rule (allotment rate) is shared and include the Nash-Cournot game, the Group-leader game, and the Competitor-leader game. Firstly, in the Nash-Cournot game, a single group and a single competitor simultaneously determine their effort levels. Next, in the Group-leader game, the single group first commits its effort level, and after observing it, the single competitor commits its effort level. In contrast, in the Competitor-leader game, the single competitor first commits its effort level, and after observing it, the single group commits its effort level. Second, the asymmetric information game is a game in which no information is shared, and the single group and the single competitor commit their effort levels simultaneously. The results of this study are summarized in three main points. First, when the relative competitiveness of the single competitor is low, asymmetric information about the allocation rule lowers the single group’s allotment rate, but when the single competitor is highly competitive, asymmetric information increases the single group’s allotment rate. Second, a single group determines its highest effort in the Competitor-leader game when its own competitiveness is high, and determines its highest effort in the asymmetric information game when its own competitiveness is relatively low. A single competitor, on the other hand, determines the highest effort in the asymmetric information game when its competitiveness is low, and the highest effort in the Competitor-leader game when its competitiveness is high. Finally, the single group earns the highest expected payoff in the Nash-Cournot game and the Group-leader game, while the single competitor earns the lowest expected payoff in the Competitor-leader game.