민사소송상 인공지능 법관에 관한 소고

김도훈

추천

검색

자료유형: 학술저널

저자정보: 김도훈 (덕성여자대학교)

저널정보: 중앙대학교 법학연구원 法學論文集法學論文集 제45권 제1호

발행연도: 2021.1

수록면: 57 - 88 (32page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

최근 법률분야에서 인공지능을 활용하는 것을 넘어 인공지능이 법관을 대체할 수 있는지에 대한 논의가 이루어지고 있다. 주어진 현실만을 놓고 판단했을 때, 현재 법률분야에서 활용되고 있는 인공지능 기술은 법관을 대체할 수 있는 수준에 이르지 못한 것으로 보인다. 그럼에도 불구하고 이에 관한 논의가 이루어지는 까닭은 기계학습의 발전과 빅데이터 활용에 따라 실현가능성에 대한 기대가 증가하였고, 업무효율성 강화, 재판불신 극복, 법관 수 부족 해결 등 인공지능 법관의 필요성을 인정할 수 있기 때문이다. 이처럼 인공지능의 필요성이 인정될 수 있다면 현재의 기술로 그 구현이 어렵더라도 현 제도 하에서 그 실현이 가능한지 그리고 현재 필요한 노력은 무엇인지 등에 대해 고민해 볼 가치가 있을 것이다. 인공지능 법관의 필요성이 인정되고, 기술적 실현가능성이 기대된다고 하더라도 현재의 기술 수준에서는 한계가 비교적 명확해 보인다. 첫째, 인공지능 법관에 의한 판결은 일관성은 유지되겠지만, 공정한 재판보다 획일적인 재판이 될 가능성이 더 높다. 둘째, 인공지능 법관은 인간의 다양한 가치관을 제대로 반영하기 어렵고, 잘못된 사회통념이 반영 및 발현될 가능성이 있다. 셋째, 인공지능 법관은 심리원칙에 따른 사실관계 확정을 적절히 수행해 내기 어렵다. 또한 인공지능은 기대의 대상이면서 불신의 대상이기도 하다는 점에서 충분한 신뢰를 얻지 못한 상태이다. 따라서 현 시점에서 인공지능 법관의 전격적 도입은 어렵다. 하지만 향후 인공지능 기술의 보편화로 인공지능 법관의 기술적 실현이 가능하고 국민의 신뢰까지 얻게 된다면, 어떤 제도적 변화가 수반되어야 하는지에 대해서 고민해 볼 여지가 있다. 첫째, 인공지능 법관으로의 전면 대체는 바람직한 방향이 아니며 다수의 지지를 받기도 어렵다. 즉 인공지능 법관을 도입한다고 하더라도, 일부를 수용하는 형태로 추진될 수 있을 뿐이다. 둘째, 인공지능 역시 판단에 오류가 있을 가능성이 있으므로, 인공지능 법관에 의한 재판의 공정성을 확보하기 위해 상소가 가능해야 한다. 셋째, 인공지능 법관은 사실심을 담당하는 것이 합리적이며, 그 중에서도 제1심만 담당하도록 하는 것이 합리적이다. 넷째, 인공지능 법관을 도입하여 활용할 수 있는 시범사업 대상으로는 소액사건이 합리적이다. 다만 소액사건 중에서 다시 금액과 유형에 따른 제한을 하고, 선택적 요소를 도입할 필요가 있다. 현재의 기술 수준에서 인공지능이 모든 재판업무에 있어 법관의 역할을 온전히 수행하기를 기대하는 것은 적절치 않다. 하지만 인공지능 법관의 가능성 유무에 대해 막연히 부정적으로 평가하거나 비판하기보다 사용가능한 기술을 어떻게 적절히 활용할 수 있을 것인지를 고민하고 이를 실제에 적용해 보는 것이 합리적인 접근법이라 생각한다. 이를 통해 실질적인 가능성을 확인할 수 있고 변화의 기반을 마련할 수 있다. 이에 재판업무에 인공지능을 활용하는 것에 중점을 두고, 인공지능 법관 역시 부수적으로 함께 시범사업으로 진행해 보는 것이 합리적인 선택이라 생각한다. 또한 인공지능의 바람직한 활용을 위해서는 체계적이고 주기적인 교육이 수반되어야 하고, 법조인에게 기술역량 구비가 요구되어야 할 것이다.

Recently, in the legal field, discussions have been made on whether AI can replace judges beyond the use of AI. Judging by only the given reality, it seems that the AI technology currently used in the legal field has not reached the level that can replace judges. Nevertheless, the discussion is ongoing for the following reasons. First, with the development of machine learning and the use of big data, expectations for feasibility have increased. Second, the need for AI judges is recognized by enhancing work efficiency, overcoming trial mistrust, and solving the lack of number of judges. If the necessity of an AI judge can be acknowledged, it will be worth considering whether it can be realized under the current system and what efforts are currently needed, even if it is difficult to implement it with the current technology. Even if the need for an AI judge is recognized and technical feasibility is expected, the limitations seem relatively clear at the current technology level. First, the judgment by an AI judge will remain consistent, but it is more likely to be a uniform trial than a fair trial. Second, it is difficult for AI judges to properly reflect various human values, and there is a possibility that false social norms may be reflected and expressed. Third, it is difficult for AI judges to properly determine the facts according to the trial principles. In addition, AI has not gained sufficient trust in that it is both an expected object and an object of distrust. Therefore, it is difficult to fully introduce an AI judge at this time. However, if AI technology becomes common in the future, it becomes technically feasible for AI judges, and AI gains the public's trust, there is room to consider what institutional changes should be accompanied. First, the full substitution of AI judges is not a desirable direction, and it is difficult to receive a large number of support. In other words, even if an AI judge is introduced, it can only be promoted in the form of accommodating some. Second, since there is a possibility that there is an error in the judgment of AI as well, an appeal should be possible in order to secure the fairness of the trial by an AI judge. Third, it is rational for AI judges to be in charge of factual trials, and among them, it is reasonable to have only the first trial. Fourth, as a pilot project that can introduce and utilize AI judges, a small amount case is reasonable. However, it is necessary to re-limit according to the amount and type, and to introduce an optional element among small claims cases. At the current level of technology, it is not appropriate to expect AI to fully perform the role of judges in all judicial affairs. However, rather than vaguely negatively evaluating or criticizing the possibility of AI judges, I think it is a reasonable approach to consider how to properly use the available technologies and apply them in practice. Through this, practical possibilities can be identified and a basis for change can be laid. Therefore, I think that it is a reasonable option to focus on the use of AI in the judicial affairs, and to proceed as a pilot project with AI judges. In addition, systematic and periodic education should be accompanied in order to utilize AI, and legal professionals should be equipped with technological competence.

#민사소송 #인공지능 #법관 #기계학습 #기술역량

참고문헌 (43)

참고문헌 신청

김홍엽 / 2016 / 민사소송법 / 박영사

민일영 / 2018 / 주석 민사소송법3 / 한국사법행정학회

손한기 / 2019 / 민사소송법 / 홍문사

이시윤 / 2019 / 신민사소송법 / 박영사

임영익 / 2019 / 프레디쿠스 / 클라우드나인

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김도훈

소속기관 덕성여자대학교

주요연구분야 사회과학 > 법학

논문수 25 이용수 2,180

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (43)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)