Legora·GPT-6 Astra, 재무 검토 정확도 40% 높였다

왜 재무제표 검토는 지금도 병목인가요

재무제표 검토의 핵심은 단순 숫자 읽기가 아니에요. 작성된 수치가 시산표, 합병 스케줄, 전기 재무제표와 일치하는지 cross-check 하면서 각 항목의 근거 문서까지 추적해야 해요. 오차 하나를 찾으려면 여러 파일을 넘나들고, 불일치가 생기면 근거를 다시 확인해야 하니 저녁 내내 혹은 며칠씩 걸리는 일도 흔해요. 반복적인 확인 작업 자체가 업무 흐름의 병목이 되는 셈이에요.

Legora는 어떤 서비스인가요

Legora는 법률과 회계 업무용 agentic 운영체제예요. 100,000명 이상의 전문가가 1,800개 이상 사내 법률팀과 로펌에서 사용하고 있고, 50개 이상 시장에 진출해 있죠. 계약 검토부터 법률 리서치까지 end-to-end 워크플로를 지원하며, 각 고객의 업무 방식에 맞춰 기능을 확장하는 방식으로 운영돼요. 이번 사례는 그중 재무 분야로 적용 영역을 넓힌 시도예요.

GPT-6 Astra에게 41개 문서 검토를 맡긴 결과

Legora가 GPT-6 Astra 기반 Agent에게 과제로 준 작업은 재무제표 tie-out 검토였어요. 잔액이 지원 일정과 일치하는지, 금액 불일치가 없는지, 각 검사 항목을 기록하는 일련의 과정을 단일 실행으로 처리한 거죠. 결과적으로 41개 문서를 몇 분 만에 검토했어요. Legora의 법률 엔지니어 Percevale Perks는 이전에는 이 작업에 저녁 전체 혹은 며칠이 걸렸다고 설명했어요.

실제 검토 정확도도 구체적으로 나왔어요. Legora가 일부러 심은 4개 오류를 모두 찾아냈고, 그중에는 수익 노트에 숨겨진 50만 파운드 격차 같은 큰 오류도 있었어요. Agent는 각 잔액을 지원 일정과 비교하고 금액 불일치를 표시하고, 검사 결과를 기록하는 과정을 끝까지 수행했어요.

성능 수치는 어떻게 측정했나요

Legora는 자체 벤치마크 BAR, Legora Benchmark for Agentic Reasoning로 성능을 측정했어요. BAR는 실제 법률 업무에서 가져온 end-to-end 태스크로 구성된 평가 세트예요. 재무제표 워크플로에서 GPT-6 Astra는 이전 모델 대비 성능을 약 40% 높였고, BAR 전체 태스크 평균도 약 3% 개선했어요.

정확도 외에 완전성도 달라졌어요. 이전 모델이 이미 맞춘 검사 항목은 그대로 유지하면서 추가로 약 50개 항목을 더 검사한 것으로 나타났어요. 결과적으로 첫 pass가 더 빨라지면서 동시에 검토 기록도 더 명확해진 구조예요.

판단은 여전히 사람이 내리는 구조

Legora는 Agent가 전체 비교와 체크리스트 작성을 대신하지만, 최종 결과에 대한 판단은 법률 전문가가 내리는 방식을 유지했어요. 이 human-in-the-loop 구조가 감사, 세무, 컴플라이언스, 리스크 영역으로 확장할 때도 핵심이에요. AI가 추천하고 기록은 자동으로 남기지만, 책임 소재는 사람에게 남아 있어야 실제 업무에 도입할 수 있다는 점을 의식한 설계로 보여요.

이 사례이 주는 시사점

Agentic AI가 문서 읽기 수준을 넘어, 복잡한 재무·법률 업무 흐름에서 전체 일관성을 검증하는 단계까지 올라오고 있다는 신호예요. 금액 cross-check 같은 규칙 기반 작업은 모델의 규모와 추론 성능이 직접 정확도로 이어지는 영역이에요. 다만 최종 판단이 사람에게 남아 있는지, 오류가 발생했을 때 재검토 흐름이 준비되어 있는지가 실제 도입의 관건이에요.

Legora의 사례는 자동화로 첫 pass를 빨리 만들 수 있지만, 그 뒤에 사람의 검토가 어떻게 이어질지에 따라 실질적인 가치가 결정된다는 점을 보여줘요. GPT-6 Astra가 단순히 속도만 높인 게 아니라, 정확도·완전성·신뢰성 세 측면에서 개선을 보였다는 점에서 실제 업무 적용 가능성을 더 구체적으로 검증한 사례라고 볼 수 있어요.

참고 링크

• OpenAI — Legora reviewed 41 documents in minutes with GPT-6 Astra