초록
본 논문은 컴퓨테이셔널 사회과학의 방법론을 법학에 이식하는 관점에서, 컴퓨테이셔널법학(Computational Law)의 개념·역사·해외 동향을 정리하고 한국 법학의 제도·기술적여건을 진단하여 한국형 실행 프레임을 제안한다. 연구는 데이터 수집정제탐색모형화평가로 이어지는 표준 파이프라인을 분석틀로 삼아, 입법·사법 영역의 법령·판례·행정규칙을 기계가독 형태로 구조화하고 통계·기계학습·네트워크 분석을 결합한 실증 가능성을 검토한다. 해외에서는 Jurimetrics와 Stanford CodeX, MIT Computational Law Lab을 중심으로 규범의 형식화, 계약 자동화, 판례 예측 등에서 축적된 성과가 확인되며, 국내에서는법령 Open API와 대규모 소송 환경 등 잠재력이 있음에도 판결문 공개 범위·형식의 제약, 표준·기계가독성 미흡, 규제·윤리 불확실성이 병목으로 작동하고 있음이 드러난다. 이에 대해 본 논문은 (i) 판결문 텍스트화와 사건 메타데이터 시범 표준, (ii) 수치·자격 중심 분야를대상으로 한 “Rules as Code” 파일럿과 골든 케이스 기반 검증, (iii) LLM과 규칙엔진·지식그래프의 뉴로심볼릭 결합을 통한 설명가능·근거제시 강화, (iv) 비식별·목적제한·접근통제·라이선스를 포함한 재사용 거버넌스와 가이드라인샌드박스(v) 법학컴퓨터공학평가위원회의 삼중 구조, 통계/산업공학의 공동 교육·클리닉·컨소시엄을 핵심 과제로 제시한다.
아울러 0 12개월(착수), 1-3년(확장), 3-5년(정착)의 단계별 로드맵을 통해 지식그래프 통합, 자동 준수 점검(compliance-by-default), 국민 대상 설명가능 자동응답의 고도화를실행 경로로 구체화한다. 본 논문은 법률가의 해석·판단을 대체하기보다 데이터·표준·코드에 기반한 구조화·탐색·검증을 고도화함으로써, 법학의 증거기반 전환과 국민의 법률 접근성 제고, 그리고 투명하고 예측 가능한 법체계로의 이행에 기여하고자 한다.
This study examines how methodologies from computational social science can be transplanted into law, articulating the concept, historical trajectory, and overseas developments of Computational Law while diagnosing institutional and technical conditions in Korea to propose a Korean-style implementation framework. Using the standard pipelinedata collection, cleaning, exploration/visualization, modeling/inference, and evaluation/reproducibilityas an analytic scaffold, the paper considers how statutes, case law, and administrative rules can be rendered machine-readable and empirically analyzed through statistics, machine learning, and network methods. Internationally, jurimetrics (since the late 1940s) and contemporary initiatives such as Stanford CodeX and the MIT Computational Law Lab demonstrate progress in rule formalization, contract automation, and precedent prediction. In Korea, despite promising resources (e.g., open legislative APIs and large-scale litigation records), bottlenecks persist in the scope/format of judgment disclosure, standardization and machine-readability, and regulatory/ethical uncertainty.
To address these constraints, the paper proposes: (i) textualization of judgments and a pilot case-level metadata standard; (ii) Rules as Code pilots in domains with numeric/eligibility criteria, verified by golden-case test suites; (iii) neuro-symbolic integration of LLMs with rule engines and knowledge graphs to strengthen explainability and evidentiary grounding; (iv) reuse governance encompassing de-identification, purpose limitation, access control, and licensing, coupled with a tripartite structure of guidelinessandboxreview committee; and (v) joint education, clinics, and consortia across law, computer science, and statistics/industrial engineering.
A phased roadmap (012 months; 13 years; 35 years) details knowledge-graph integration, compliance-by-default modules, and citizen-facing explainable legal assistants. Rather than substituting legal interpretation, the contribution is to systematize structuring, exploration, and verification through data, standards, and code, thereby advancing evidence-based legal scholarship, public access to law, and a more transparent and predictable legal system.
