【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스]‘규제 AI’ 챗코딧, 범용 AI와 비교해보니… 속도·업무성 강점 [구픽 AI, 쓰고 묻다] ②

온카뱅크관리자

2026-07-28 06:57:28

<div id="layerTranslateNotice" style="display:none;"></div> 챗코딧·클로드 소넷 5·챗GPT 5.6 솔에 동일한 규제 질문 3개 입력 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="5c7jnmwal5">
 <figure class="figure_frm origin_fig" contents-hash="41639cd6c74c133cc126c7defacaae9b7dcc689a9e9172c65157d1b37ddff413" dmcf-pid="1kzALsrNTZ" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065703803ifoj.jpg" data-org-width="640" dmcf-mid="tk0rAShDvi" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065703803ifoj.jpg" width="658">
 </figure>
 [편집자주] AI 서비스 리뷰와 개발자 인터뷰는 따로 노는 경우가 많다. 리뷰는 리뷰대로, 인터뷰는 제품을 실제로 써보지 않은 채 진행되곤 한다. ‘구픽 AI, 쓰고 묻다’는 이 둘을 하나로 엮는다. 디지털데일리 구아현 기자가 AI 서비스를 직접 써보고, 이를 만든 CTO를 찾아가 개발 뒷이야기와 핵심 기술, 향후 고도화 계획을 묻는다. ‘써본 사람’과 ‘만든 사람’의 이야기를 한 편에 담는 딥다이브 체험기다. #구픽AI #쓰묻
 [디지털데일리 구아현기자] 정책·규제 데이터를 전문으로 학습한 인공지능(AI)은 범용 AI보다 법을 더 빠르고 정확하게 설명할 수 있을까. 코딧이 개발한 정책 AI 서비스 ‘챗코딧’에 생성형 AI 규제를 물어보고 앤트로픽의 클로드 소넷 5, 오픈AI 챗GPT와 답변을 비교했다.
 질문은 챗GPT에 생성형 AI 규제와 관련한 동일한 질문 세 개이다. 국내 생성형 AI 챗봇 사업자에게 적용되는 규제 ▲공식 자료만을 활용한 첫 답변 재검증 ▲존재하지 않는 조문을 포함한 거짓 전제 판별 등을 테스트했다.
 코딧의 정책 인공지능(AI) 서비스 ‘챗코딧’은 법안과 담당 부처, 기업 대응 항목을 빠르게 하나의 보고서로 엮었다. 앤트로픽의 클로드는 신중했지만 답변 범위가 좁았고, 오픈AI의 챗GPT는 가장 정밀했지만 정보량이 많아 검증 부담도 컸다.
 챗코딧은 한국·미국·일본·싱가포르·대만·태국의 정책·규제 데이터를 선택할 수 있지만 이번 체험에서는 국가 범위를 한국으로만 설정했다. 클로드는 소넷 5의 추론 수준을 ‘보통’으로, 챗GPT 5.6솔는 추론 수준을 ‘높음’으로 설정했다. 답변 범위와 출처, 법령 상태 구분, 오류 수정 능력과 체감 속도를 비교한 뒤 이희준 코딧 최고기술책임자(CTO)를 만나 챗코딧의 작동 원리와 개발 방향을 물었다.
 다만 응답 시간을 초 단위로 통제하지 않았고 모델별 추론 설정과 검색 환경도 달랐다. 세 질문으로 서비스 전체 성능을 단정하는 벤치마크라기보다 실제 업무에서 이용했을 때 나타난 차이를 확인하는 체험에 가깝다.
 <figure class="figure_frm origin_fig" contents-hash="cde9ef4f13d8ffc70fb1f85b38cf8994e77457d1db094bd3ebf09e247604f467" dmcf-pid="uvQlmHYCWT" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065705150iljp.jpg" data-org-width="640" dmcf-mid="Fud0ZbqFlJ" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065705150iljp.jpg" width="658">
 </figure>
 ◆ 같은 규제 질문… 챗코딧은 빠르고, 챗GPT는 넓었다
 첫 질문은 ‘2026년 7월27일 기준 한국에서 생성형 AI 챗봇을 제공하는 사업자가 준수해야 할 규제를 현행법과 공포 후 시행 전 법령, 국회 계류 법안으로 구분해 달라’는 내용이었다.
 챗코딧은 가장 빨리 답변을 완성했다. AI기본법상 사전 고지와 생성물 표시, 고영향 AI 사업자의 책무를 표로 정리하고 계류 법안의 발의일과 심사 단계, 소관 부처를 제시했다. 답변 끝에는 챗봇 초기 화면의 고지 여부와 고영향 AI 해당 가능성 등을 확인하는 실무 체크리스트도 붙였다.
 법안과 부처, 대응 항목이 한 문서에 연결돼 정책 담당자가 내부 보고서 초안으로 활용하기 편했다. 관련 법안도 코딧 플랫폼 안에서 곧바로 확인할 수 있었다.
 다만 첫 답변은 현행 AI기본법 원문보다 언론 보도와 민간 해설을 주요 근거로 사용했다. 사전 고지 의무와 생성물 표시 의무 위반을 모두 최대 3000만원 과태료 대상처럼 묶어 쓴 대목도 추가 검증이 필요했다.
 <figure class="figure_frm origin_fig" contents-hash="1b748988c2e8d4dfe0ddcc2f4930bd60851e84957279943790f455bd7b820933" dmcf-pid="KHJYlF1yWI" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065706730pdpm.jpg" data-org-width="640" dmcf-mid="3P7TI5XSld" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065706730pdpm.jpg" width="658">
 </figure>
 클로드 소넷 5는 확인되지 않은 내용을 무리하게 채우지 않았다. 정부의 정책 계획과 국회에 실제 발의된 법안을 구분하고, 확인하지 못한 부분은 한계로 명시했다. 신중함은 장점이었지만 검색 범위는 가장 좁았다. 공포됐으나 시행을 앞둔 관련 법령을 찾지 못했고, 계류 법안도 제한적으로 제시했다. 이용자가 전체 규제 지형을 파악하기에는 정보가 부족했다.
 챗GPT는 AI기본법뿐 아니라 개인정보보호법과 전기통신사업법, 전자상거래법, 정보통신망법, 저작권법 등 서비스 구조에 따라 적용될 수 있는 일반법까지 폭넓게 제시했다. 공포 후 시행을 앞둔 개인정보보호법과 정보통신망법 개정 사항도 별도로 분류했다.
 다만 범위가 너무 넓었다. AI 전용 규제와 조건부로 적용되는 일반법, 여러 계류 법안이 한꺼번에 제시되면서 핵심을 가려내는 데 시간이 걸렸다. 이를 활용하려면 다수의 조문과 의안 링크를 다시 열어 적용 요건과 시행일을 일일이 대조해야 했다. 답변 자체를 팩트체크 일이 많았다.
 <figure class="figure_frm origin_fig" contents-hash="04fce97e17058900b4144913a636810a0cc6a18f37ca8a9a67283c8cc8b9574a" dmcf-pid="fs2rAShDWr" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065708003ylfx.jpg" data-org-width="640" dmcf-mid="ptj8KdRfTR" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065708003ylfx.jpg" width="658">
 </figure>
 ◆ 공식 자료만 요구하자… 제재 구조에서 갈린 정밀도
 두 번째 질문에서는 첫 답변을 법제처 국가법령정보센터와 국회 의안정보시스템, 과학기술정보통신부·한국지능정보사회진흥원 자료만으로 다시 검증하도록 했다.
 확인 항목은 세 가지였다. 7월21일 시행된 AI기본법 시행령이 최초 제정령인지 일부개정령인지, 생성형 AI 결과물 표시 의무 위반 자체가 즉시 최대 3000만원의 과태료 대상인지, 1월부터 시행된 내용과 7월 개정 내용을 구분할 수 있는지를 물었다.
 챗코딧은 AI기본법상 사전 고지와 생성물 표시, 고영향 AI 관련 의무가 1월22일부터 시행됐다고 정확히 제시했다. 다만 시행령 표에서는 투명성 고지·표시 방법과 고영향 AI 확인 절차 등 개별 조항의 시행일을 7월21일로 적었다. 최초 시행령은 대통령령 제36053호로 1월22일 시행됐고, 7월21일 시행령은 대통령령 제36506호의 일부개정령이다. 제23조의 투명성 확보 방법과 제25조의 고영향 AI 확인 절차 등은 최초 시행령에 이미 포함돼 있었다. 챗코딧은 정부 자료를 제시했지만 법령 원문 링크는 법제처가 아닌 코딧 자체 법령 페이지로 연결했다.
 <figure class="figure_frm origin_fig" contents-hash="ffa7b052b982a97026c107bd0d36183a42ff01a29052e0456768b71bc5e95055" dmcf-pid="Ql6CwYyOyc" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065709361glnq.jpg" data-org-width="640" dmcf-mid="u1P0ZbqFCx" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065709361glnq.jpg" width="658">
 </figure>
 클로드 소넷 5는 재검증 과정에서 7월 시행령이 일부개정령이라는 점과 결과물 표시 의무 위반 자체가 직접 과태료 대상이 아니라는 점을 바로잡았다. 첫 답변의 부정확한 내용을 항목별로 인정하고 수정한 태도는 돋보였다.
 반면 국가법령정보센터와 국회 의안정보시스템에 직접 접근하지 못했다고 밝히면서 일부 판단에 비공식 자료를 사용했다. 한계를 솔직하게 공개했지만 이용자가 요구한 공식 자료 중심 검증은 끝까지 수행하지 못했다.
 챗GPT는 최초 시행령과 7월 일부개정령의 법령번호를 구분했다. 사전 고지 위반과 생성물 표시 위반의 과태료 적용 경로를 나누고, 시행령 별표에 따른 위반 횟수별 기준액까지 제시했다. 세 서비스 가운데 법령 연혁과 제재 구조를 가장 정밀하게 설명했다.
 대신 답변은 법률 검토 보고서에 가까울 만큼 길었다. 제·개정 연혁과 과태료 기준, 계도기간, 국회 법안, 이전 답변의 정정 사항을 모두 풀어내면서 결론을 파악하는 데 시간이 걸렸다. 챗코딧이 실무용 요약에 가까웠다면 챗GPT는 조사 자료 묶음에 가까웠다. 빠른 상황 파악에는 챗코딧이 편했고, 특정 조문을 깊게 검증하는 데는 챗GPT가 유리했다.
 <figure class="figure_frm origin_fig" contents-hash="92f034c1f92602054dfcb530b153cf9e671ea8f4d2fa12139b387dd172eca5ad" dmcf-pid="GKsBp8fzWg" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065710626mjjp.jpg" data-org-width="640" dmcf-mid="8erz3f2uvB" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065710626mjjp.jpg" width="658">
 </figure>
 ◆ 없는 ‘제99조’ 던지자… 세 AI 모두 함정 피했다
 세 번째 질문에는 존재하지 않는 조문을 넣었다. ‘AI기본법 제99조는 위반 기업에 전년도 매출액의 3%를 과징금으로 부과한다는 설명이 맞느냐’고 물었다.
 챗코딧과 클로드 소넷 5, 챗GPT 모두 잘못된 전제라고 판정했다. AI기본법은 제43조까지 있어 제99조가 없고, 전년도 매출액의 3%를 부과하는 과징금 규정도 존재하지 않는다고 답했다.
 챗코딧은 가장 빠르게 오류를 찾아냈다. 시행령의 전년도 매출액 기준은 과징금이 아니라 일정 해외 사업자의 국내대리인 지정 요건과 관련된 내용이라고 구분했다. 방송통신발전기본법의 매출액 3% 과징금 조항과 혼동했을 가능성도 제시했다.
 클로드 소넷 5도 법률이 제43조까지라는 점과 현행 제재가 매출액 연동 과징금이 아닌 최대 3000만원의 과태료라는 점을 정확히 설명했다. 다만 매출액 3%라는 표현이 별도 정보보호 정책에서 비롯됐을 가능성을 추정한 부분은 추가 검증이 필요했다.
 챗GPT는 국가법령정보센터 원문을 근거로 제99조가 존재하지 않는다는 점과 과징금·과태료가 서로 다른 제재라는 사실을 가장 짧게 정리했다. 앞선 두 질문에서 방대한 정보를 제공한 것과 달리, 거짓 전제 확인에서는 핵심만 제시했다. 세 서비스 모두 노골적인 함정에는 속지 않았다. 차이는 틀린 전제를 찾아낸 뒤 답변을 얼마나 일관되고 검증하기 쉽게 구성했는지에서 나타났다.
 챗코딧의 가장 큰 장점은 속도이다. 다른 범용 AI는 질문에 답하는 데 기본적으로 2~5분가량 걸렸지만, 챗코딧은 1분 안팎에 간결한 답변을 완성했다. 기업 대관·정책·컴플라이언스 담당자를 위한 업무 도구라 답변 끝에 실무자가 바로 활용할 수 있는 체크포인트를 제시한 것도 강점이었따.
 다만 현재는 답변을 받은 뒤 이용자가 내용을 다시 정리하고 검증해 보고서로 옮겨야 한다. 체험 당시에는 분석 결과를 HWP·DOCX·PDF 등 문서 파일로 곧바로 내보내거나, 회사 양식에 맞춰 문서를 작성·수정하는 에이전트 기능이 제공되지 않았다. 향후 정책 변화 알림부터 영향 분석, 출처를 포함한 문서 초안 작성과 파일 출력까지 하나의 흐름으로 연결한다면 챗코딧의 업무 효율성은 더욱 뚜렷해질 것으로 보인다.
 <figure class="figure_frm origin_fig" contents-hash="64d0cb681792ba2faf3809b498c57185a085f693e9e450c26b289c437e309456" dmcf-pid="0Qy69Je4yM" dmcf-ptype="figure">
 <img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065711908pwoa.jpg" data-org-width="640" dmcf-mid="Z4T8KdRfT1" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202607/28/552796-pzfp7fF/20260728065711908pwoa.jpg" width="658">
 </figure>
 ■ 이희준 코딧 CTO에게 듣다
 ◆ 긴 맥락·지식그래프·베리파이어로 환각 줄여
 이희준 코딧 공동창업자 겸 최고기술책임자(CTO)는 챗코딧의 차별점으로 긴 문맥과 온톨로지·지식그래프, 최종 검증 단계를 꼽았다.
 이 CTO는 “일반적인 검색증강생성(RAG)은 문서를 짧은 청크 단위로 나눠 검색하지만, 챗코딧은 최대한 많은 맥락을 가져오도록 설계했다”고 말했다.
 이용자의 질문이 들어오면 행위자와 행위, 대상 등 핵심 요소를 분석한 뒤 관련 법령과 규제, 판례를 연결한다. 코딧이 구축한 온톨로지와 지식그래프를 활용해 특정 조항뿐 아니라 상위법과 하위법의 연관 관계까지 함께 탐색하는 방식이다.
 이 CTO는 “상위법에서 관련 내용을 조사하고 다시 하위법의 관련 조항을 찾아 통합함으로 보다 정확한 답변을 도출한다”며 “지식그래프를 계속 구축하면서 답변 정확도를 높이고 있다”고 설명했다.
 답변 생성의 마지막 단계에는 출처와 결과의 일치 여부를 확인하는 ‘베리파이어’를 배치했다.
 그는 “법령이나 규제와 관련한 질문에는 답변이 실제 출처를 바탕으로 완성됐는지 마지막에 다시 검수한다”며 “긴 맥락과 온톨로지·지식그래프, 베리파이어를 포함한 여러 단계의 안전장치로 오류와 환각을 줄이고 있다”고 말했다.
 ◆ 업무별로 모델 배치…알림·문서작성 에이전트 개발
 코딧은 업무마다 서로 다른 AI 모델을 배치하는 모델 라우팅 방식을 사용한다. 단순하고 반복적인 작업에는 상대적으로 비용이 낮은 모델을 사용하고, 중요한 번역이나 복잡한 분석에는 고성능 모델을 투입한다.
 이 CTO는 “모든 호출에 최고 성능 모델을 쓰는 것이 아니라 일의 종류와 난이도에 따라 모델을 최적화한다”며 “간단한 작업은 저렴한 모델로 처리하고, 중요한 번역이나 분석에는 더 높은 성능의 모델을 배치한다”고 말했다.
 그는 개발 업무를 예로 들며 “간단한 버그 수정에는 비교적 가벼운 모델을 사용하고, 중요한 로직을 다룰 때는 고성능 모델을 쓰는 식”이라며 “비용 차이가 큰 만큼 업무 중요도에 맞춰 모델을 나눠 쓰는 것이 필요하다”고 설명했다.
 챗코딧은 질문에 답하는 챗봇을 넘어 정책 업무를 수행하는 AI 에이전트로 고도화하고 있다. 코딧은 법안·정책 변화에 대한 알림과 문서 초안 작성, 결과물 내보내기 기능 등을 개발 중이다.
 다만 인터뷰 당시 챗코딧 내부의 알림과 문서 작성 기능은 아직 정식으로 적용되지 않았다. 이 CTO는 “문서 작성 기능은 기획을 마치고 개발하고 있지만 다른 서비스 사례를 참고해 계속 고도화하면서 일정이 늦어지고 있다”고 말했다.
 문서 출력 형식으로는 HWP와 DOCX, PDF를 우선 검토하고 있으며 PPT도 추가할 계획이다. 이 CTO는 “정부 부처나 공공기관에서는 감사원 결정례와 같은 정형화된 문서의 초안을 작성하려는 수요가 있다”며 “질문을 바탕으로 초안을 만들고 업무용 파일로 내보낼 수 있는 방향으로 개발하고 있다”고 설명했다.
 ◆ 한국·미국·일본 우선 공략…아시아 규제 데이터로 차별화
 코딧은 국내 시장을 기반으로 미국과 일본을 주요 해외 시장으로 공략하고 있다. 챗코딧에서는 한국·미국·일본·싱가포르·대만·태국 등 6개 국가의 데이터를 선택해 비교할 수 있다. 다만 국가별 데이터 범위와 깊이는 아직 차이가 있다.
 한국은 법령과 법안뿐 아니라 정부·국회 보도자료와 정책 자료, 회의록 등까지 폭넓게 수집한다. 반면 해외 데이터는 현재 법령과 법안, 뉴스가 중심이다. 기존 코딧 플랫폼도 한국 데이터 위주로 구성돼 있으며, 일본 플랫폼은 고도화 단계에 있다.
 이 CTO는 “현재 정확하게 타깃으로 삼고 있는 국가는 한국과 미국, 일본”이라며 “향후 유럽연합(EU) 데이터와 판례를 추가해 한국과 해외 규제를 비교·분석하기 쉽게 만들 계획”이라고 말했다. 유럽 데이터는 수집과 정제 작업을 진행하고 있으며, 중국은 데이터 확보 가능성과 시장 수요를 검토하는 단계라고 설명했다.
 코딧은 특히 아시아 규제 데이터를 글로벌 경쟁력으로 보고 있다. 이 CTO는 “미국 정책·규제 플랫폼은 아시아 데이터와 언어에 대한 접근성이 상대적으로 낮다”며 “코딧은 한국과 일본을 비롯한 아시아 데이터를 갖추고 있어 글로벌 기업의 국가별 규제 비교에서 차별점을 만들 수 있다”고 말했다. 이어 “해외 데이터를 국가마다 다른 구조로 그대로 쌓는 대신, 법안의 처리 상태와 법령의 상·하위 관계 등을 공통된 형식으로 정제하는 작업도 진행하고 있다”고 덧붙였다.
 </section> 
 </div> 
 Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기