"법률·의료는 보수적이라 AI 도입이 늦다." 모두가 그렇게 말했어요. 근데 a16z가 실매출 데이터로 까봤더니, 테크 바로 다음이 법률, 그 다음이 헬스케어였어요. 변호사가 코딩하는 엔지니어보다 AI를 더 빨리 결제하고 있다는 뜻이에요.
왜 이게 의외인 건데?
전통적인 SaaS 영업 사이클을 보면 답이 나와요. 법률과 헬스케어는 항상 소프트웨어 회사의 무덤이었어요. 도입 결정이 느리고, 컴플라이언스 검토가 길고, 기술 친화적인 바이어가 적었거든요. 게다가 헬스케어는 Epic 같은 EHR 시스템이 시장을 장악해서 새로운 SaaS가 끼어들 틈이 없었어요.
그런데 AI 시대에 와서 풍경이 뒤집혔어요. a16z가 Fortune 500과 Global 2000의 실제 AI 계약 데이터를 집계했더니, 테크 다음으로 매출 모멘텀이 큰 산업이 법률, 그 다음이 헬스케어였어요. 설문 기반 리포트가 아니라 실매출 기반이라 더 의미가 깊어요.
Harvey는 60개국 1,300개 조직, 10만 명이 넘는 변호사가 쓰고 있어요. 미국 AmLaw 100 로펌의 다수가 고객이고요. Abridge는 미국 대형 의료시스템 150곳 이상에서 의사들이 쓰고 있고, 2026년 1분기 기준 ARR 1억 1,700만 달러를 찍었어요.
왜 규제가 부담이 아니라 부스터인 건데?
여기서 핵심 통찰이 나와요. 통념이 틀린 이유는 단순해요. 규제 산업은 "AI ROI를 증명하기 가장 좋은 산업"이거든요. 일반 SaaS는 "이거 쓰면 좀 편해요" 수준의 가치를 팔아야 하지만, 규제 산업은 정반대예요.
| 비교 지점 | 일반 산업 | 규제 산업 (법률·헬스케어) |
|---|---|---|
| 핵심 업무 성격 | 정형 워크플로우, 회의·미팅 | 대량 텍스트 분석, 추론, 요약, 초안 |
| 업무 단가 | 시간당 수만 원 | 시간당 수십~수백만 원 (변호사·의사) |
| 문서 검토량 | 주간 수십 건 | 건당 수백~수천 페이지 |
| 오프로드 시 절감액 | 적당함 | 한 건당 수백만~수천만 원 |
| ROI 증명 난이도 | "좀 빨라요" 수준 | "3시간 → 30분, 즉시 정량화" |
변호사가 1,000장짜리 판결문을 검토하는 데 보통 며칠이 걸려요. 한국의 엘박스AI는 이걸 2분 만에 끝내요. 시간당 50만 원짜리 변호사가 며칠씩 매달리던 일을 분 단위로 줄이면, ROI 계산이 너무 쉽잖아요.
규제 자체가 "구조화된 데이터"를 만들어요
법률·의료가 AI에 잘 맞는 또 다른 이유는, 규제 산업은 어쩔 수 없이 모든 걸 텍스트로 기록한다는 점이에요. 판례, 계약서, 의무기록, 보험 청구서 — 전부 정형화된 텍스트 말뭉치예요. AI가 학습하고 추론하기에 가장 이상적인 데이터셋이죠. 비규제 산업은 오히려 데이터가 산만한데, 규제가 데이터를 깔끔하게 만들어준 거예요.
Harvey·Abridge·LBOX의 공통 패턴이 뭔데?
해외와 한국 사례를 같이 놓고 보면 패턴이 선명해져요.
- "기존 시스템 대체"가 아니라 "옆에 붙이기"
Abridge가 빠르게 큰 이유는 Epic EHR을 대체하지 않고, 진료 대화를 의무기록으로 바꿔주는 단일 작업에 집중했기 때문이에요. Harvey도 마찬가지로 기존 로펌의 케이스 관리 시스템을 갈아엎지 않아요. 변호사 옆에서 문서 분석·초안 작성만 도와줘요. - "판단"이 아니라 "준비 작업"을 자동화
AI가 진단을 내리거나 변론을 결정하지 않아요. 그건 여전히 의사·변호사 몫이에요. 대신 그 판단에 필요한 정보를 모으고 정리하는 시간(보통 업무의 70~80%)을 압축해줘요. 책임 소재 문제도 자동으로 해결되고요. - 도메인 특화 데이터로 무장
한국 엘박스는 변호사 4,500명이 쓰는 압도적인 판례 데이터, 케이스노트는 30만 건 이상의 판결문 데이터로 차별화해요. 일반 ChatGPT가 못 하는 건 "한국 대법원 2023년 판례를 정확히 인용"하는 거예요. - 인센티브가 정렬되어 있음
로펌은 시간 단위로 청구하는데 AI를 쓰면 같은 시간에 더 많은 케이스를 처리할 수 있어요. Eve(미국 원고측 변호사 특화 AI)는 "더 많은 케이스 = 더 많은 매출"인 plaintiff law를 노려서 1년 만에 유니콘이 됐어요. AI가 매출을 직접 만들어주는 구조예요.
핵심만 정리: 시작하는 법
이 데이터에서 사업가·CIO·창업자가 가져갈 실전 인사이트를 정리했어요.
- "우리 산업이 보수적이라"는 핑계를 의심하라
보수적인 게 도입을 늦추는 게 아니에요. 오히려 보수적인 산업은 "리스크 회피 = 비싼 인건비를 들여서 정확하게 처리"인데, AI가 그 비용을 정면으로 깎아줘요. 우리 산업이 아직 안 움직였다면, 그건 기회예요. - "전체 자동화"가 아니라 "준비 작업 자동화"부터
판단·결정·책임은 사람이 그대로 가져가게 두세요. AI는 그 앞 단의 정보 수집·정리·초안 작성만 맡깁니다. 도입 저항이 가장 작고, 책임 문제도 깔끔해요. - EHR·기간계 시스템을 건드리지 마라
Abridge가 Epic을 대체하지 않고 옆에 붙은 것처럼, 우리 회사의 ERP·CRM·기간계를 대체하려 하면 도입 사이클이 1~2년이 돼요. 그 옆에 붙어서 단일 워크플로우만 압축하는 도구로 시작하세요. - "시간당 단가가 높은 직무"부터 검토하기
법률·의료·회계·컨설팅처럼 시간당 단가가 높은 직무에서 AI ROI가 가장 빨라요. 우리 조직에서 인건비가 가장 비싼 작업, 그중에서 텍스트 기반 반복 작업이 뭔지 먼저 적어보세요. - 도메인 데이터를 모을 수 있는가가 해자
창업자라면 — 일반 LLM으로는 못 하는 "도메인 특화 데이터"를 누가 가질 수 있는가가 핵심이에요. 한국 시장의 변호사·의사·세무사 데이터는 글로벌 빅테크가 못 들어오는 영역이에요. 거기에 기회가 있어요.
한국은 변협 같은 직역 단체 규제 변수가 별도
로톡 사태에서 보듯, 한국 법률·의료 시장은 변협·의협 같은 직역 단체의 규제가 별도 변수예요. 슈퍼로이어·엘박스 모두 "변호사가 직접 쓰는 보조 도구"로 포지셔닝하면서 우회하고 있어요. 한국에서 규제 산업 AI 사업을 한다면, 직역 단체와의 갈등 구도를 사전에 설계해야 합니다.
