한 법률 사무소가 AI를 위해 30년치 아카이브를 색인화하다

이전: 30년치 접근할 수 없는 바이너리 파일

1990년대 초반까지 거슬러 올라가는 사건들로 가득한 공유 드라이브를 가진 중견 규모의 법률 사무소를 상상해 보세요. 수천 개의 메모, 변론서, 법률 의견서 — 그중 많은 것이 Corel WordPerfect(.wpd) 형식입니다. 새로 온 동료들은 그것들을 검색할 수 없었습니다. "98년에 있었던 배상 관련 사건"을 찾는 것조차 폴더를 하나씩 열거나 누군가 파일 이름을 기억하기를 바라는 것을 의미했습니다. 지식은 그곳에 있었지만, 모든 것이 바이너리 WPD로 남아 있는 한 검색을 위한 법률 아카이브 색인화는 — AI를 위해서는 더더욱 — 불가능했습니다.

목표: 검색 가능한 사건 이력과 개인 LLM

이 사무소는 개인 LLM/RAG 비서를 원했습니다. 자연어로 질문을 던지고 자신들의 선례와 작업물에 근거한 답변을 얻는 것입니다. 이는 WPD를 텍스트 형식(Markdown이나 TXT)으로 변환한 다음 청크화, 임베딩, 벡터 저장소에 적재하는 것을 의미했습니다 — 모두 사내에서 또는 통제된 환경에서 이루어졌습니다. 첫 번째 단계가 병목이었습니다. 기밀 고객 데이터를 클라우드로 보내지 않고 수백만 개의 단어를 대량으로 처리해야 했습니다.

어떻게 해냈는가: WPD Converter + 대량 내보내기

그들은 WPD Converter를 오래된 사건 폴더에 지정하고 모든 것을 Markdown으로 내보냈습니다(가장 간단한 수집을 위한 옵션으로 TXT도 함께). 폴더 구조가 보존되어 사건 및 연도 메타데이터가 그대로 유지되었습니다. 변환은 단일 워크스테이션에서 로컬로 실행되었으며, 어떤 문서도 건물을 벗어나지 않았습니다. 출력물은 기존 파이프라인으로 곧바로 전달되었습니다. 섹션별로 청크화하고, 선택한 모델로 임베딩하고, 벡터 데이터베이스에 적재했습니다. 며칠 안에 그들은 세 세대에 걸친 검색 가능한 사건 이력을 갖게 되었으며, RAG를 사용할 준비가 되었습니다.

이후: 사무소 전체 AI 비서의 즉각적인 답변

"이후"가 바로 그 보상입니다. 변호사와 직원들은 이제 비서에게 물어봅니다. "Smith 대 Jones 사건에서 시효에 대해 우리가 어떤 주장을 했나요?" 또는 "공급업체 계약의 중재 조항에 대한 우리의 입장을 요약해 주세요." 시스템은 변환된 아카이브에서 관련 발췌를 검색하고, LLM은 내부 문서에 대한 인용과 함께 답변합니다. 법률 아카이브 색인화는 단순히 오래된 파일을 열 수 있게 만든 것이 아니라, 사무소 전용의 개인 AI의 근간으로 만들었습니다. 클라우드 변환도, 데이터 유출도 없이, 오직 로컬 변환 후 자체 RAG 스택만 있었습니다.

결론

이 법률 사무소의 사례 연구(가상이지만 현실적인)는 그 패턴을 보여줍니다. 이전: 접근할 수 없는 바이너리 아카이브. 이후: 개인 LLM에 동력을 공급하는 검색 가능한 사건 이력. 그것을 가능하게 한 것은 WPD에서 텍스트로의 로컬 대량 변환입니다. 이를 통해 결코 업로드하지 않고 수십 년치 작업물을 색인화할 수 있습니다.

관련 글

• WPD를 일반 텍스트(TXT)로 변환
• WPD를 Markdown으로 변환
• 문서 변환 없이 AI가 역사에 눈이 먼 이유
• WPD에서 Markdown으로: RAG 파이프라인을 위한 깨끗한 텍스트
• 프라이버시 역설: 클라우드 없이 AI 구축하기
• AI 문서 준비 — AI를 위해 오래된 문서 준비하기