대규모 언어 모델(LLM)을 활용한 고소장 자동작성 연구 - 차용·용도, 물품사기를 중심으로 -
A Study of Automated Drafting of Legal Complaints Using Large Language Models: -Focusing on Loan and Merchandise Fraud-
조은별, 박노섭, 박지원
초록
2021년 형사소송법 개정에 따라 사법경찰관에 대한 수사지휘권이 폐지되면서, 수사관의 업무량이 급증하였다. 이를 해결하고자 2023년 11월 「검사와 사법 경찰관의 상호협력과 일반적 수사준칙에 관한 규정」이 개정되었으며, 개정안에서는 경찰이 보완수사나 재수사 요청을 받은 후 3개월 내에 수사를 종결하도록 규정함으로써 신속한 사건 처리를 요구하였다. 특히, 고소·고발 사건의 사건 처리 지연 문제를 해결하기 위해 고소장 반려 제도가 폐지되고 모든 고소·고발장을 의무적으로 접수해야 하는 규정이 신설되었다. 기존에는 고소장이 법적 요건을 충족하지 못할 경우 반려나 각하 처분이 가능했으나, 반려제도의 폐지로 인해 이제는 형식 요건을 충족하지 못한 고소장은 각하 결정만으로 사건을 종결할 수 밖에 없게 되었다. 이로 인해 접수된 고소장이 신속하게 처리되어야 할 뿐만 아니라, 고소장의 형식과 구성 요건을 충족하는 것이 그 어느 때보다 중요해졌다. 본 연구는 사기죄 중 가장 빈번하게 발생하는 차용·용도 사기와 물품 사기를 중심으로 대규모 언어모델(LLM)을 활용한 고소장 범죄사실 자동 작성 시스템을 제안한다. 이를 위해 전문가 기반 가이드라인과 Chain-of-Thought(CoT) 및 Few-Shot 프롬프트 기법을 활용하여 GPT-4 모델에게 판결문 범죄사실에서 범적구성요건요소를 추출하였으며, 이를 기반으로 학습 데이터셋을 구축하였다. 이때, 대규모 언어모델에서 가장 심각한 오류 중 하나인 환각 오류(hallucination)가 발생하지 않았으며, 주어진 정보 외에 추가적인 텍스트를 생성하지 않은 것을 확인하였다. 이후 추출된 정보를 입력값으로 하여 고소장의 범죄사실을 자동으로 생성하는 미세조정 모델을 구축하였다. 미세조정된 모델을 통해 생성된 범죄사실을 원문 판결문과 비교한 결과, 차용·용도 사기에서는 BLEU 76%, 코사인 유사도 92%, 물품 사기에서는 BLEU 86%, 코사인 유사도 94%라는 높은 성과를 기록하였다. 이러한 연구 결과는 주어진 입력을 바탕으로 법률문서 자동생성의 신뢰 가능성을 보여주며, 향후 수사 및 법률 문서 자동화에 있어 중요한 기여를 할 수 있을 것으로 기대된다.