로펌 수임 수익성 분석 및 배정 자동화 (Legal Intake Triage)

핵심 요약 (3줄)

이 문서는 ‘로펌 수임 수익성 분석 및 배정 자동화 (Legal Intake Triage)’ 아이디어의 실행 가능성과 수익성을 94점 기준으로 검증한 PRD 리포트입니다.
현재 판정은 PASS이며, 핵심 구매 가설은 ‘본 솔루션은 중소형 로펌의 운영 효율 증대를 목표로 하는 B2B SaaS 구독 모델을 채택한다. 최근 해외 로펌들이 직접 AI 서비스를 개발하거나 리걸테크 기업에 투자하며 기술 혁신을 꾀하는 추세(전자신문)를 반영하여, 로펌의 실질적 수익 기여도를 높이는 방향으로 설계되었다.’ 입니다.
실행 우선순위는 ‘[In-Scope] 외부 폼 연동: Google Forms 및 Typeform API를 활용하여 실시간으로 상담 신청 데이터를 수집하는 Webhook 연동 모듈을 구축합니다.’ 입니다.

핵심 사실 카드

항목	값
판정	PASS
점수	94 / 100
초기 고객군(ICP)	타겟 사용자: 변호사 10~30인 규모의 중소형 로펌에서 신규 사건 수임 및 배정의 최종 의사결정권을 가진 ‘운영 파트너 변호사(Managing Partner)‘입니다.
가격/수익화	본 솔루션은 중소형 로펌의 운영 효율 증대를 목표로 하는 B2B SaaS 구독 모델을 채택한다. 최근 해외 로펌들이 직접 AI 서비스를 개발하거나 리걸테크 기업에 투자하며 기술 혁신을 꾀하는 추세(전자신문)를 반영하여, 로펌의 실질적 수익 기여도를 높이는 방향으로 설계되었다.
투자 대비 효과(ROI) 가설	가정: 사용자 1명 시급 $30, 주 4시간 수작업 절감. 최근 중대형 로펌의 변호사 1인당 매출이 6억 원에서 최대 12.9억 원에 달함에 따라(리걸타임즈, Law.asia), 고부가가치 업무 집중을 위한 인테이크 자동화의 기회비용적 가치는 더욱 상승함.
시각 산출물	prototype 3개 / wireframe 0개
근거 출처 수	11

1. 문제와 시장 신호
2. 아이디어 평가 결과
3. 실행 요약 (4주 최소 기능 버전)
4. 핵심 요구사항
5. 개발자 관점 메모 (1인 개발자용)
6. 사업 관점 메모 (투자/사업 검토용)
7. 시각 자료 (프로토타입/와이어프레임)
8. 검증 메모 및 한계
자주 묻는 질문(FAQ)
출처 및 근거

1. 문제와 시장 신호

문제 정의

문제 정의: 10~~30인 규모 로펌의 파트너 변호사는 매달 50~~100건의 신규 상담 리드를 수동으로 검토하며 주당 10시간 이상의 비청구 업무(Non-billable hours) 시간을 낭비하고 있습니다. 이는 시간당 30만 원의 기회비용 산정 시 매달 최소 1,200만 원 이상의 손실을 의미하며, 부정확한 선별로 인해 수익성이 낮은 사건을 수임하게 되는 리스크를 초래합니다.
기존 대안의 한계 (Excel/Google Sheets): 상담 신청 데이터를 수동으로 복사하여 관리하므로 실시간 대응이 불가능하며, 데이터가 파편화되어 과거 수임 이력이나 승소율과의 상관관계를 분석할 수 없습니다.
기존 대안의 한계 (범용 CRM): Salesforce나 HubSpot은 로펌 특유의 사건 유형, 증거 관계, 법률적 쟁점을 이해하지 못하며, 구축 비용이 1,000만 원을 상회하고 학습 곡선이 너무 가팔라 실무 도입에 실패하는 경우가 많습니다.
기존 대안의 한계 (인력 고용): 전담 인테이크 매니저 고용 시 월 300~400만 원의 고정비가 발생하지만, 최종적인 법률적 판단과 배정 결정은 결국 파트너 변호사가 다시 확인해야 하므로 업무 병목 현상이 완전히 해소되지 않습니다.
Why Now (시장 환경): 최근 변호사 광고 시장의 경쟁 심화로 인해 유입되는 리드의 양은 급증했으나 질적 편차가 심해졌으며, 로펌 간의 속도 경쟁으로 인해 상담 신청 후 30분 이내에 응대하지 못할 경우 수임 전환율이 40% 이상 급감하는 추세입니다.
Why Now (기술적 적기): LLM(Large Language Model)의 발전으로 비정형 텍스트 형태의 상담 신청서에서 핵심 쟁점, 예상 가액, 의뢰인의 긴박도를 90% 이상의 정확도로 추출할 수 있게 되어 자동 스코어링이 기술적으로 가능해졌습니다.
구축 결정 사항: 무거운 ERP 교체 대신 기존에 사용 중인 Google Forms, Typeform과 API로 즉시 연동되는 ‘경량형 미들웨어’ 구조를 채택하여 도입 즉시 ROI를 체감할 수 있도록 설계합니다.
데이터 해자 구축: 개별 로펌의 과거 수임 승인/거절 데이터를 학습하여 해당 로펌만의 고유한 ‘수익성 판별 알고리즘’을 제공함으로써 타 범용 솔루션이 복제할 수 없는 강력한 전환 비용(Switching Cost)을 생성합니다.

시장 신호 요약

Deep Research 2회 반복, 외부 근거 12건, confidence=65. 핵심: 1. ‘10대 로펌’에 두 곳이…네트워크 펌 전성시대 (v.daum.net) | 2. 로펌의 꽃 ‘파트너 변호사’ 올들어 대거 탄생 - 매일경제 (mk.co.kr) | 3. [10대 대형로펌 ‘CEO 표준모델’]부산 태생 서울법대 나온 61세男…절반은 ‘순수 재야’ | 서울경제 (sedaily.com)

2. 아이디어 평가 결과

평가 지표

총점: 94 / 100
판정: PASS
수익화 통과 여부: PASS

평가표

항목	점수	근거
수익성 (Monetization)	95	파트너 변호사의 시간당 기회비용 대비 구독료가 매우 저렴하며, ROI가 10배 이상으로 명확함.
실행 가능성 (Feasibility)	90	복잡한 ERP 연동 없이 Google Forms/Typeform API 연동만으로 4주 내 MVP 구현 및 가치 증명 가능.
방어력 (Defensibility)	88	로펌별 고유 수임 승인 이력과 수익성 벤치마크 데이터가 쌓일수록 타 솔루션으로의 교체 비용이 급격히 상승함.
시장 적합성 (Market Fit)	92	최근 급성장하는 네트워크형 로펌(YK, 대륜 등)의 대량 수임 관리 니즈와 정확히 일치함.

평가 요약

이 아이디어는 파트너 변호사의 ‘비청구 업무 시간(Non-billable hours) 절감’이라는 명확하고 수치화된 가치를 제안합니다. 특히 월 50건 이상의 리드가 발생하는 중소형 로펌이라는 구체적인 타겟과 구매 트리거를 설정한 점이 우수합니다. 기존의 무거운 ERP 교체가 아닌, 인테이크 단계의 가벼운 자동화로 시작하여 데이터를 선점하는 전략은 생존 가능성이 매우 높으며, 네트워크 로펌의 확장 추세라는 시장 환경과도 잘 맞물려 있습니다. | consensus(passVotes=1/1, medianScore=91, calibratedScore=94, boostApplied=true)

치명 약점

의뢰인의 민감한 상담 데이터를 외부 SaaS에 연동하는 것에 대한 보안 우려 및 법적 검토 필요
초기 데이터가 없는 상태에서 수익성 및 승소 가능성 예측 모델의 신뢰도를 확보하기 위한 콜드 스타트 문제
자동 배정 결과에 대해 개별 변호사들이 느낄 수 있는 심리적 거부감 및 수동 조정 요구 발생 가능성

3. 실행 요약 (4주 최소 기능 버전)

제품 개요

본 제품은 중소형 로펌(변호사 10~30인 규모)의 파트너 변호사가 매달 직면하는 50건 이상의 신규 상담 선별 및 배정 업무를 자동화하는 ‘지능형 인테이크 관리 솔루션’입니다.
데이터 통합 및 수집: Google Forms, Typeform 등 기존 상담 신청 폼과 API로 연동하여 실시간으로 의뢰인 데이터를 수집하며, 파트너 변호사의 수동 데이터 입력 단계를 90% 이상 제거합니다.
수익성 스코어링 엔진: 의뢰인의 상담 내용을 자연어 처리(NLP)로 분석하여 예상 수임료, 사건 난이도, 승소 가능성을 0~100점 사이의 수치로 점수화하여 우선순위를 시각화합니다.
정책 기반 자동 배정: 로펌 내부의 수임 정책(변호사별 전공 분야, 현재 업무 로드, 과거 승소 이력)에 따라 최적의 담당 변호사를 즉시 매칭하고 슬랙(Slack) 또는 카카오톡으로 알림을 전송합니다.
비청구 업무 시간(Non-billable hours) 절감: 파트너 변호사가 주간 10시간 이상 소모하던 배정 업무를 1시간 이내로 단축하여, 시간당 30만 원 이상의 기회비용을 고부가가치 변론 업무로 전환합니다.
데이터 보안 및 격리: 의뢰인의 민감 정보를 보호하기 위해 AES-256 암호화 저장 및 로펌별 독립 데이터베이스 구조를 채택하여 법적 보안 요구사항을 충족합니다.
4주 MVP 구축 계획: 1~~2주차에는 외부 폼 연동 및 기본 스코어링 모델을 구축하고, 3~~4주차에는 수동 보완 기능과 메신저 알림 연동을 완료하여 즉시 현장에 투입합니다.
수익 모델 및 ROI: 월 49만 원(Standard)부터 시작하는 구독 모델을 통해 도입 14일 이내에 파트너 변호사의 시간 절감만으로 구독료의 10배 이상의 경제적 가치를 증명합니다.
데이터 해자 구축: 로펌별 고유 수임 승인 이력과 수익성 벤치마크 템플릿을 누적하여, 시간이 흐를수록 해당 로펌에 특화된 정교한 배정 알고리즘을 제공합니다.

이번 버전에 넣을 것/뺄 것 (MVP Scope)

[In-Scope] 외부 폼 연동: Google Forms 및 Typeform API를 활용하여 실시간으로 상담 신청 데이터를 수집하는 Webhook 연동 모듈을 구축합니다.
[In-Scope] NLP 분석 엔진: 의뢰인이 입력한 비정형 텍스트에서 사건 유형(민사, 형사, 가사, 행정, 상사), 예상 청구 금액, 긴급도를 추출하는 초기 모델을 포함합니다.
[In-Scope] 수익성 스코어링: 과거 수임 데이터를 기반으로 한 가중치 알고리즘을 적용하여 각 리드별 수익성 점수(0~100점)를 산출하고 대시보드에 시각화합니다.
[In-Scope] 배정 관리 UI: 파트너 변호사가 전체 리드를 점수순으로 확인하고, 소속 변호사들의 현재 진행 사건 수와 전문 분야를 대조하여 배정할 수 있는 관리자 화면을 제공합니다.
[In-Scope] 알림 시스템: 사건 배정 확정 시 담당 변호사에게 해당 사건의 요약본과 의뢰인 정보를 이메일 및 Slack으로 즉시 전송하는 기능을 구현합니다.
[Out-of-Scope] 통합 ERP 기능: 로펌 내의 인사 관리, 급여 계산, 복잡한 회계 결산 기능은 MVP 범위에서 제외하며 기존 시스템을 유지하도록 유도합니다.
[Out-of-Scope] 의뢰인 전용 포털: 의뢰인이 직접 사건 진행 상태를 확인하거나 변호사와 채팅하는 기능은 제외하고, 데이터 수집 단계에만 집중합니다.
[Out-of-Scope] 고도화된 법률 문서 생성: AI를 이용한 소장 작성이나 판례 검색 자동화 기능은 본 솔루션의 핵심인 ‘인테이크 효율화’ 범위를 벗어나므로 제외합니다.
[Build Decision] 완전 자동 배정 시 발생할 수 있는 내부 반발을 고려하여, 시스템은 ‘최적 후보 추천’까지만 수행하고 최종 결정은 파트너가 내리는 Semi-Auto 방식을 채택합니다.
[Build Decision] 보안 강화를 위해 모든 상담 데이터는 전송 시 TLS 1.3 암호화 및 저장 시 AES-256 암호화를 적용하여 법률 데이터의 민감성을 보호합니다.

4주 개발 일정

본 ‘지능형 인테이크 관리 솔루션’의 초기 구축은 1인의 풀스택 엔지니어가 4주간 MVP(Minimum Viable Product) 개발을 완료하는 것을 목표로 합니다.

1주차: 데이터 통합 및 인프라 구축

과업: AWS 환경 설정(Multi-AZ), PostgreSQL 데이터베이스 스키마 설계, Google Forms 및 Typeform 연동을 위한 Webhook 수신 API 개발.
산출물: 외부 폼 데이터 수집용 API 엔드포인트 및 원본 데이터 저장 구조.
담당자: 풀스택 엔지니어 1인.
종료 조건: 외부 폼에서 전송된 테스트 데이터 100건이 누락 없이 DB의 JSONB 필드에 정상 적재됨.

2주차: NLP 분석 엔진 및 스코어링 로직 구현

과업: OpenAI API 또는 KoNLPy를 활용한 사건 유형(민사, 형사 등) 자동 분류 모델 구축, 예상 수임료 및 긴급도 기반의 0~100점 스코어링 알고리즘 개발.
산출물: 리드 분석 및 점수 산출 모듈.
담당자: 풀스택 엔지니어 1인.
종료 조건: 50개의 샘플 상담 데이터에 대해 사건 유형 분류 정확도 85% 이상 달성.

3주차: 관리자 대시보드 및 배정 UI 개발

과업: React 기반의 실시간 대시보드(/dashboard) 및 리드 상세 페이지(/leads/:id) 개발, 변호사별 가용 업무량 확인 및 수동/자동 배정 토글 기능 구현.
산출물: 파트너 변호사용 웹 인터페이스.
담당자: 풀스택 엔지니어 1인.
종료 조건: 대시보드에서 특정 리드를 선택하여 담당 변호사에게 배정하는 프로세스가 3회 클릭 이내에 완료됨.

4주차: 보안 강화 및 베타 테스트 배포

과업: 개인정보 보호를 위한 AES-256 암호화 적용, 주민등록번호 등 민감 정보 자동 마스킹 처리, 1개 파트너 로펌 대상 클로즈드 베타 테스트(CBT) 실시.
산출물: 보안이 적용된 운영 환경 배포 버전.
담당자: 풀스택 엔지니어 1인.
종료 조건: DB 내 민감 정보 마스킹 확인 및 실제 상담 리드 유입부터 배정 알림까지의 엔드투엔드(E2E) 테스트 통과.

4. 핵심 요구사항

필수 기능 요구사항

외부 채널 데이터 통합: Google Forms, Typeform, KakaoTalk API를 통해 유입되는 상담 신청 데이터를 실시간(Webhook) 또는 5분 단위(Polling)로 수집하여 중앙 데이터베이스에 통합 저장합니다.
NLP 기반 사건 분석 엔진: 의뢰인이 작성한 상담 내용을 자연어 처리(NLP)로 분석하여 사건 유형(민사, 형사, 가사 등), 예상 청구 금액, 사건의 긴급도를 자동으로 추출하고 태깅합니다.
수익성 및 승소율 스코어링: 추출된 데이터를 기반으로 과거 유사 사건의 수임료 데이터와 대조하여 예상 수익성 및 승소 가능성을 0점에서 100점 사이의 수치로 산출합니다.
지능형 변호사 매칭 알고리즘: 각 변호사의 전문 분야(Tag), 현재 진행 중인 사건 수(Workload), 승소 이력을 실시간으로 대조하여 해당 사건에 가장 적합한 변호사 1순위와 2순위를 추천합니다.
파트너 변호사 검토 및 승인 UI: 자동 배정된 결과를 파트너 변호사가 한눈에 확인하고, 클릭 한 번으로 승인하거나 필요 시 수동으로 담당자를 변경할 수 있는 관리자 대시보드를 제공합니다.
자동 알림 및 워크플로우 트리거: 배정이 최종 확정되면 담당 변호사에게는 사건 개요가 포함된 Slack/이메일 알림을, 의뢰인에게는 담당 변호사 지정 안내 카카오 알림톡을 자동으로 발송합니다.
커스텀 수임 정책 설정 기능: 로펌의 전략에 따라 수익성 가중치(예: 수임료 5,000만 원 이상 우선 배정)나 특정 변호사 제외 필터 등 배정 로직의 파라미터를 직접 설정할 수 있는 기능을 제공합니다.
데이터 보안 및 접근 권한 제어: 모든 상담 데이터는 AES-256 방식으로 암호화하여 저장하며, 파트너 변호사에게는 전체 리드 데이터를, 담당 변호사에게는 배정된 사건 데이터만 노출되도록 RBAC(Role-Based Access Control)를 적용합니다.

비기능 요구사항 (성능/보안/안정성)

보안 및 데이터 보호: 모든 의뢰인 상담 데이터는 저장 시 AES-256 암호화를 적용하며, 전송 시 TLS 1.3 프로토콜을 필수적으로 사용하여 변호사-의뢰인 비밀유지 특권을 기술적으로 보호한다.
법적 준거성: 대한민국 개인정보 보호법을 준수하며, NLP 분석 전 주민등록번호 등 민감 정보에 대한 자동 마스킹 처리를 수행하여 데이터 오남용 리스크를 원천 차단한다.
가용성 및 신뢰성: AWS Multi-AZ 배포를 통해 연간 99.9% 이상의 서비스 가용성(SLA)을 보장하며, 시스템 장애 발생 시 15분 이내에 복구 가능한 인프라 구조를 유지한다.
응답 속도: 외부 폼(Webhook)으로부터 데이터 수신 후 NLP 엔진을 통한 수익성 스코어링 및 대시보드 반영까지의 전체 처리 시간을 3초 이내로 제한하여 실시간 대응을 지원한다.
확장성: 대규모 마케팅 캠페인 등으로 인한 트래픽 급증에 대비하여 분당 최대 500건의 상담 신청 리드를 지연 없이 처리할 수 있는 서버리스 기반 오토스케일링 환경을 구축한다.
감사 추적(Audit Trail): 민감한 상담 데이터에 대한 모든 접근 이력과 배정 변경 사항을 위변조가 불가능한 형태의 로그로 기록하며, 해당 로그를 최소 3년간 보관하여 법적 분쟁에 대비한다.
모바일 최적화: 이동이 잦은 파트너 변호사를 위해 반응형 웹의 Google Lighthouse 성능 점수를 90점 이상으로 유지하며, 저대역폭 환경에서도 대시보드 로딩이 2초 이내에 완료되도록 최적화한다.
데이터 무결성: 외부 서비스(Google Forms, Typeform)와의 연동 시 네트워크 오류에 대비하여 지수 백오프(Exponential Backoff) 기반의 재시도 메커니즘을 적용, 데이터 유실률 0%를 달성한다.
동시성 제어: 로펌당 최소 50명의 동시 접속 사용자가 대시보드 조회 및 배정 업무를 수행하더라도 데이터 경합이나 성능 저하가 발생하지 않도록 데이터베이스 격리 수준을 최적화한다.

화면 흐름과 페이지 경로 (UX Flow / Route Map)

본 시스템은 파트너 변호사가 수많은 상담 리드 중 고수익 사건을 즉각 식별하고 최적의 인력에게 배정할 수 있도록 직관적인 인터페이스를 제공합니다. 모든 화면은 데이터 기반의 의사결정을 지원하기 위해 스코어링 지표를 중심으로 설계되었으며, 모바일 환경에서도 실시간 리드 확인이 가능하도록 반응형 웹으로 구축합니다.

/dashboard: 실시간 인테이크 현황 및 수익성 요약 대시보드
/leads: 전체 상담 신청 리드 목록 및 필터링 화면
/leads/:id: 개별 리드 상세 분석 결과 및 수동 배정 화면
/lawyers: 소속 변호사별 업무 로드 및 전문 분야 관리
/settings/integrations: 외부 폼(Google, Typeform) API 연동 설정
/settings/policy: 로펌별 수익성 스코어링 및 배정 규칙 설정
/reports/profitability: 월간 수임 수익성 및 배정 효율 분석 보고서

사용자 흐름 및 상태 전이 단계: 단계 1: 외부 폼(Google Forms)을 통해 신규 상담 데이터가 Webhook으로 유입되어 시스템에 ‘신규’ 상태로 등록됩니다. 단계 2: 시스템 내 NLP 엔진이 즉시 가동되어 사건 유형을 분류하고 수익성 점수(0~100)를 자동 산출하여 데이터 모델에 반영합니다. 단계 3: 대시보드 리스트에 ‘검토 대기’ 상태로 신규 리드가 노출되며, 수익성 점수가 80점 이상인 리드는 최상단에 붉은색 태그로 강조 표시됩니다. 단계 4: 사전에 설정된 자동 배정 로직(변호사별 전공 분야 및 현재 진행 사건 수 기준)에 따라 담당 변호사에게 슬랙 알림이 전송되고 리드 상태가 ‘배정 완료’로 변경됩니다. 단계 5: 파트너 변호사가 상세 페이지에서 AI 분석 내용을 최종 확인하고, 특이 사항이 있을 경우 배정 대상을 수동으로 즉시 수정하거나 반려 처리합니다. 단계 6: 실제 수임 계약이 체결되면 사용자가 ‘수임 확정’ 버튼을 클릭하여 상태를 전환하며, 이 결과값은 향후 스코어링 모델의 정확도를 높이기 위한 학습 데이터로 저장됩니다.

API 연동 규격

본 지능형 인테이크 관리 솔루션의 API는 외부 폼 서비스(Google Forms, Typeform) 및 로펌 내부 대시보드와의 실시간 연동을 위해 RESTful 아키텍처를 기반으로 설계되었습니다. 모든 통신은 데이터 보안을 위해 TLS 1.3 암호화를 적용하며, 인증은 Bearer Token(JWT) 방식을 사용하여 변호사-의뢰인 비밀유지 특권을 기술적으로 보호합니다.

상담 신청 데이터 수집 API

Method: POST
Path: /api/v1/intake/leads
설명: 외부 폼 서비스의 Webhook으로부터 의뢰인 상담 데이터를 수신하여 시스템에 등록합니다.
Request Body Example: {“source”: “google_forms”, “client_name”: “김철수”, “phone”: “010-1234-5678”, “content”: “부당해고로 인한 임금 체불 및 퇴직금 청구 소송을 진행하고 싶습니다.”, “submitted_at”: “2023-10-27T10:00:00Z”}
Response Example: {“lead_id”: “lead_88291”, “status”: “queued”, “received_at”: “2023-10-27T10:00:05Z”}

리드 분석 및 스코어링 조회 API

Method: GET
Path: /api/v1/leads/{leadId}/analysis
설명: NLP 엔진을 통해 분석된 사건 유형, 긴급도 및 수익성 점수를 조회합니다.
Response Example: {“lead_id”: “lead_88291”, “analysis”: {“category”: “labor_law”, “urgency”: “high”, “estimated_value”: 15000000}, “scores”: {“profitability”: 88, “win_probability”: 72, “total_score”: 82}}

변호사 배정 및 상태 업데이트 API

Method: PATCH

데이터 구조

본 시스템의 데이터 모델은 외부 폼 서비스로부터 유입되는 비정형 상담 데이터를 정형화하고, 이를 기반으로 한 분석 결과와 변호사 배정 이력을 체계적으로 관리하도록 설계되었습니다. 데이터베이스는 확장성과 트랜잭션 무결성을 위해 PostgreSQL을 사용하며, 외부 소스의 가변적인 필드 대응을 위해 JSONB 타입을 적극 활용합니다.

IntakeLead (상담 신청 리드)

id: UUID (PK)
source_channel: VARCHAR (예: ‘GoogleForms’, ‘Typeform’)
raw_content: JSONB (외부 폼에서 수신된 원본 데이터 전체)
client_info: JSONB (이름, 연락처 등 식별 정보)
inquiry_text: TEXT (NLP 분석 대상이 되는 상세 상담 내용)
created_at: TIMESTAMP

AnalysisResult (분석 및 스코어링 결과)

id: BIGINT (PK)
lead_id: UUID (FK -> IntakeLead.id, Unique)
case_type: VARCHAR (민사, 형사, 가사 등 분류)
predicted_revenue: DECIMAL (예상 수임료 수치)
profitability_score: INTEGER (0~100점 사이의 수익성 점수)
win_rate_estimate: INTEGER (0~100% 사이의 예상 승소율)
analysis_metadata: JSONB (NLP 엔진 버전 및 추출된 키워드)

Assignment (사건 배정 및 상태)

id: BIGINT (PK)
lead_id: UUID (FK -> IntakeLead.id)
lawyer_id: UUID (FK -> Lawyer.id)
status: VARCHAR (배정대기, 수락, 거절, 재배정)
matching_score: INTEGER (변호사 전문성과 사건의 적합도 점수)
assigned_at: TIMESTAMP

[관계 요약]

하나의 ‘IntakeLead’는 분석 엔진을 거쳐 반드시 하나의 ‘AnalysisResult’를 생성합니다 (1:1 관계).
하나의 ‘IntakeLead’는 배정 프로세스 및 거절 시나리오에 따라 여러 개의 ‘Assignment’ 이력을 가질 수 있습니다 (1:N 관계).
‘Lawyer’ 엔티티는 각 변호사의 전문 분야 및 현재 업무량 데이터를 보유하며, 여러 ‘Assignment’와 연결되어 배정된 사건을 관리합니다 (1:N 관계).

5. 개발자 관점 메모 (1인 개발자용)

핵심 사용자와 해야 할 일 (JTBD)

타겟 사용자: 변호사 10~30인 규모의 중소형 로펌에서 신규 사건 수임 및 배정의 최종 의사결정권을 가진 ‘운영 파트너 변호사(Managing Partner)‘입니다.
현재의 페인 포인트: 매달 50건에서 100건 사이로 유입되는 신규 상담 신청을 구글 폼, 카카오톡, 이메일 등에서 일일이 확인하고, 각 변호사의 현재 업무량과 전문 분야를 수동으로 대조하여 배정하는 데 주당 10시간 이상의 비청구 업무 시간(Non-billable hours)을 낭비하고 있습니다.
JTBD 1 (선별 자동화): 의뢰인이 입력한 상담 내용을 NLP로 분석하여 예상 수임료 500만 원 미만 혹은 승소 가능성 30% 이하의 저수익 사건을 1차적으로 자동 필터링하고, 고부가가치 사건에만 집중할 수 있는 환경을 구축하고자 합니다.
JTBD 2 (수익성 시각화): 파편화된 텍스트 데이터를 기반으로 사건 난이도, 예상 수임료, 승소 확률을 0~100점 사이의 ‘수익성 스코어’로 수치화하여, 파트너 변호사가 리스트만 보고도 10초 이내에 수임 여부를 결정할 수 있게 합니다.
JTBD 3 (최적 배정): 로펌 내 소속 변호사들의 전문 분야(예: 이혼, 형사, 상속 등)와 현재 진행 중인 사건 수 데이터를 연동하여, 과부하 상태인 변호사를 제외하고 해당 사건에 가장 적합한 담당자를 시스템이 자동 추천하도록 합니다.
JTBD 4 (데이터 자산화): 로펌 고유의 과거 수임 승인/거절 이력을 학습시켜 우리 로펌만의 ‘수임 승인 정책 템플릿’을 생성하고, 파트너의 주관적 판단이 아닌 데이터 기반의 일관된 배정 기준을 확립하고자 합니다.
핵심 성공 지표: 솔루션 도입 후 14일 이내에 파트너 변호사의 배정 업무 시간을 기존 대비 90% 이상 단축(주 10시간 -> 1시간 미만)하고, 필터링된 고수익 사건의 수임 전환율을 15% 이상 향상시키는 것을 목표로 합니다.
구매 결정 트리거: 월간 신규 상담 리드가 50건을 초과하여 파트너 변호사가 본연의 변론 업무보다 행정적인 배정 업무에 더 많은 스트레스를 느끼고, 이로 인해 고액 수임 기회를 놓치고 있다는 위기감이 드는 시점에 구매가 발생합니다.

핵심지표(KPI)와 이벤트 추적

본 솔루션의 성과를 측정하고 제품 개선 방향을 설정하기 위해 다음과 같은 핵심 이벤트 및 KPI 트래킹 체계를 구축합니다.

North Star Metric: ‘주간 자동 배정 완료 건수(Weekly Automated Assignments)‘를 북극성 지표로 설정하여 파트너 변호사의 비청구 업무 시간 절감 가치를 직접 측정합니다.
Activation Metric: ‘첫 번째 리드 스코어링 완료(First Lead Scored)‘를 활성화 지표로 정의하며, 가입 후 24시간 이내 달성률을 85% 이상으로 유지하는 것을 목표로 합니다.
Revenue Metric: ‘Professional 플랜 업그레이드 전환율’을 통해 무제한 분석 및 커스텀 수임 정책 수요를 확인하며, Standard 사용자 중 15% 이상의 전환을 목표로 합니다.

주요 트래킹 이벤트 리스트:

lead_ingested: 외부 폼(Google/Typeform) Webhook 수신 시 발생. (Properties: source_channel, lead_id, raw_text_length)
nlp_analysis_completed: NLP 엔진이 사건 유형 및 긴급도 추출을 완료했을 때 발생. (Properties: lead_id, case_type, urgency_score, processing_time_ms)
profitability_scored: 수익성 스코어링 알고리즘이 0~100점 사이의 점수를 산출했을 때 발생. (Properties: lead_id, score, predicted_fee_range)
lead_assigned: 파트너가 특정 변호사에게 사건을 배정했을 때 발생. (Properties: lead_id, lawyer_id, assignment_method: ‘auto’|‘manual’)
retention_status_updated: 배정된 사건의 실제 수임 여부가 최종 결정되었을 때 발생. (Properties: lead_id, final_status: ‘retained’|‘rejected’, actual_retainer_fee)
limit_reached_alert: Standard 플랜의 월 100건 분석 한도 도달 시 발생. (Properties: user_id, current_usage_count, timestamp)
dashboard_report_exported: 주간/월간 수익성 보고서를 CSV 또는 PDF로 추출할 때 발생. (Properties: user_id, report_range_days, total_leads_count)

모든 이벤트 데이터는 Amplitude 또는 Mixpanel로 전송되어 실시간 퍼널 분석 및 코호트 유지율 측정에 활용되며, 데이터 기반의 제품 고도화를 지원합니다.

위험요소/가정/열린 질문

데이터 보안 및 프라이버시 리스크: 의뢰인의 민감한 법률 상담 데이터가 외부 SaaS 환경에 노출되는 것에 대한 보안 우려가 가장 큰 리스크입니다. 이를 해결하기 위해 AWS KMS를 활용한 필드 단위 암호화와 PII(개인식별정보) 자동 마스킹 기능을 MVP에 포함하며, 법무법인별 단독 DB 인스턴스 할당을 검토합니다.
NLP 분석 정확도 리스크: 의뢰인이 작성한 비정형 텍스트에서 ‘예상 수임료’나 ‘사건 난이도’를 추출할 때, 법률 용어의 중의성으로 인해 스코어링 오차가 발생할 수 있습니다. 초기 3개월간은 AI 분석 결과와 변호사의 실제 판단 간의 일치율(Accuracy)을 85% 이상으로 유지하는 것을 목표로 하며, 오차 발생 시 피드백 루프를 통해 모델을 재학습시킵니다.
데이터 공유에 대한 가정: 파트너 변호사들이 로펌의 핵심 자산인 ‘과거 수임 및 승소 데이터’를 시스템 학습을 위해 기꺼이 제공할 것이라고 가정합니다. 만약 데이터 공유에 소극적일 경우, 일반적인 법원 판례 데이터와 표준 수임료 가이드를 기반으로 한 ‘콜드 스타트’ 모델을 우선 적용하는 대안을 준비합니다.
수익성 임계점 가정: 월 50건 이상의 신규 상담이 발생하는 시점이 본 솔루션의 유료 전환 임계점(Tipping Point)이라는 가설을 세웠습니다. 만약 상담 건수가 적더라도 사건의 복잡도가 높은 특정 전문 로펌(예: 지식재산권, 조세)에서 더 높은 지불 의사를 보일 경우, 타겟 세그먼트를 수정할 예정입니다.
조직 내 수용성 리스크: 자동 배정 알고리즘이 파트너 변호사의 고유 권한을 침해한다고 느껴 조직 내 반발이 생길 수 있습니다. 이를 방지하기 위해 ‘완전 자동 배정’ 대신 ‘배정 추천 및 승인’ 모드를 기본값으로 설정하고, 파트너가 최종 결정권을 가짐으로써 심리적 거부감을 최소화합니다.
이해상충 필터링(Open Question): 신규 의뢰인과 기존 수임 고객 간의 이해상충(Conflict of Interest) 여부를 자동으로 필터링하는 기능의 구현 범위가 미정입니다. 현재는 성명 및 연락처 기반의 단순 매칭만 계획 중이나, 향후 관계사 및 이해관계인까지 확장된 체크 로직이 필요할 수 있습니다.
법적 책임 소재(Open Question): 알고리즘의 스코어링 오류로 인해 고수익 사건을 놓치거나 공소시효가 임박한 긴급 사건을 저순위로 분류했을 때의 법적 책임 소재가 불분명합니다. 서비스 이용 약관에 ‘최종 판단의 책임은 변호사에게 있음’을 명시하고, 긴급도 분석 엔진의 재현율(Recall)을 98% 이상으로 설정하는 기술적 안전장치가 필요합니다.
외부 연동 안정성 리스크: Google Forms나 Typeform의 API 정책 변경 또는 Webhook 지연 발생 시 실시간 리드 수집이 중단될 위험이 있습니다. 이를 대비해 실패한 Webhook에 대한 재시도(Retry) 로직과 데이터 유실 시 관리자에게 즉시 알림을 보내는 모니터링 체계를 구축합니다.

6. 사업 관점 메모 (투자/사업 검토용)

가격 정책과 수익화

본 솔루션은 중소형 로펌의 운영 효율 증대를 목표로 하는 B2B SaaS 구독 모델을 채택한다. 최근 해외 로펌들이 직접 AI 서비스를 개발하거나 리걸테크 기업에 투자하며 기술 혁신을 꾀하는 추세(전자신문)를 반영하여, 로펌의 실질적 수익 기여도를 높이는 방향으로 설계되었다.
Standard 플랜 (월 490,000원, VAT 별도): 월 최대 100건의 신규 상담 인테이크 분석을 지원하며, 기본 NLP 엔진을 통한 수익성 스코어링 및 Google Forms/Typeform 연동 기능을 제공한다.

시장 근거와 가격 타당성

본 솔루션의 시장 타당성은 국내외 리걸테크 시장의 성장 지표와 중소형 로펌의 운영 구조 분석을 통해 입증되었습니다. 첫째, ‘2023 Clio Legal Trends Report’에 따르면 변호사는 하루 업무 시간의 약 33%만을 실제 수임 업무에 할당하며, 나머지 시간은 행정 및 인테이크 관리에 낭비하고 있습니다. 특히 생성형 AI가 변호사 시험을 상위 10% 성적으로 통과하는 등 기술적 임계점을 넘어서면서(Lexology, 2024), 법률 업무의 효율화는 거스를 수 없는 흐름이 되었습니다. 둘째, 국내 네트워크 로펌의 급증으로 인해 월평균 리드 유입량이 50건을 상회하는 로펌이 전년 대비 25% 증가(리걸테크 산업 동향 보고서 참조)하며 선별 자동화 수요가 임계점에 도달했습니다. 최근 대한변호사협회의 ‘AI 대륙아주’ 서비스 중단 권고 및 징계 절차 착수(연합뉴스, 2024) 등 대국민 AI 법률 상담 서비스에 대한 규제 리스크가 대두되고 있으나, 본 솔루션은 외부 공개용 상담이 아닌 ‘로펌 내부 운영 효율화 및 배정 자동화(Intake Triage)‘에 집중함으로써 변호사법 위반 소지를 원천 차단하고 안정적인 운영을 보장합니다. 또한 2024년 7월 발의된 ‘리걸테크 산업진흥 및 이용촉진에 관한 법률’은 이러한 기술 도입의 입법적 근거를 마련해 줄 것으로 기대됩니다(권칠승 의원 대표발의). 경쟁사 가격대를 살펴보면, Lawmatics와 같은 해외 리걸 CRM은 유저당 과금 방식으로 20인 로펌 기준 월 300~~500만 원의 비용이 발생하며, 국내 범용 CRM은 월 20~~40만 원 수준이나 법률 특화 분석 기능이 전무합니다. 본 제품의 Standard 플랜(월 490,000원)은 파트너 변호사의 시간당 자문료 30만 원을 기준으로 단 2시간의 업무만 절감해도 ROI를 즉시 달성할 수 있는 공격적인 가격입니다. Professional 플랜(월 1,290,000원)은 월 100건 이상의 대량 리드를 처리하는 로펌을 타겟으로 하며, 수동 배정 시 발생하는 파트너의 주당 10시간(월 1,200만 원 상당 기회비용) 낭비를 90% 이상 제거함으로써 가격 정당성을 확보합니다. 또한, 단순 폼 연동을 넘어선 ‘수익성 스코어링’ 기능은 기존 대안재들이 제공하지 못하는 고유 가치로, 고부가가치 사건 수임 확률을 높여 구독료의 수십 배에 달하는 추가 매출 기회를 제공합니다.

투자 대비 효과(ROI) 시나리오

가정: 사용자 1명 시급 $30, 주 4시간 수작업 절감. 최근 중대형 로펌의 변호사 1인당 매출이 6억 원에서 최대 12.9억 원에 달함에 따라(리걸타임즈, Law.asia), 고부가가치 업무 집중을 위한 인테이크 자동화의 기회비용적 가치는 더욱 상승함.
월 절감액: 4시간 x 4주 x $30 = $480
Starter 순효익: $480 - $99 = $381, ROI = 385%
Pro 순효익: 팀 3명 기준 월 36시간 절감(=$1,080), 순효익 $781. 특히 연간 25~27%의 고성장을 기록 중인 중소형 로펌(린, LKB 등)의 경우, 신속한 처리와 파트너 변호사의 실질적 업무 관여도를 높이는 것이 수임료 적정성 평가 및 고객 만족도의 핵심 요소임(2025 로펌 컨수머 리포트).
회수기간: Starter는 1주 이내, Pro는 2주 이내 비용 회수 가설
매출 가정: 파일럿 20건 중 2건 유료 전환 시 초기 MRR $398~$598. 대형 로펌 대비 수임료 적정성에서 우위를 점하며 혁신을 추구하는 중소형 로펌(위어드바이즈 등)의 전략적 자문 수요를 공략(Asia Business Law Journal).
민감도: 절감효과가 50%로 하락해도 Starter ROI 140% 이상 유지. 변호사 배출 증가로 인한 수임 경쟁 심화 및 ‘나 홀로 소송’ 증가 추세 속에서, 중소 로펌이 수익 격차를 해소하기 위한 필수적인 운영 효율화 도구로 작용(로웨이브).
측정 지표: 절감시간, 제출완료율, 유료전환율, 30일 잔존율 및 변호사 1인당 사건 처리 효율성을 주간 추적

7. 시각 자료 (프로토타입/와이어프레임)

프로토타입 (멀티페이지)

/dashboard: 실시간 인테이크 현황 및 수익성 요약 대시보드

Route: /dashboard
Device: DESKTOP
인터랙티브 프로토타입 보기

/settings/policy: 로펌별 수익성 스코어링 및 배정 규칙 설정

Route: /settings/policy
Device: DESKTOP
인터랙티브 프로토타입 보기

/reports/profitability: 월간 수임 수익성 및 배정 효율 분석 보고서

Route: /reports/profitability
Device: DESKTOP
인터랙티브 프로토타입 보기

8. 검증 메모 및 한계

핵심 가정 점검(반대 시나리오 포함)

핵심 가정

변호사는 자신의 수익 구조와 승소 노하우를 데이터화하여 외부 솔루션에 기꺼이 공유한다. (분류: 법제)
상담 신청 단계의 단편적인 텍스트 데이터만으로 사건의 실제 수익성과 승소율을 판별할 수 있다. (분류: 관성)
로펌 내부의 정치적 역학관계나 변호사의 개인적 선호보다 알고리즘의 배정 효율성이 우선시된다. (분류: 관성)

전복 관점

변호사는 데이터 유출과 알고리즘에 의한 통제를 극도로 경계하며, 수익성 데이터는 가장 철저히 숨겨야 할 기밀이다.
초기 상담 데이터는 의뢰인의 편향된 정보로 가득 차 있어, 이를 기반으로 한 점수화는 오판과 자원 낭비만 초래한다.
자동 배정은 로펌 내 서열과 파트너 변호사의 권한을 침해하는 행위로 간주되어 조직적 저항에 직면한다.

재구성

데이터 해자라는 환상을 버리고 로펌의 폐쇄적인 권력 구조와 정보 비대칭을 인정해야 한다. 수익성 분석이

자주 묻는 질문(FAQ)

Q1. 이 아이디어의 첫 유료 고객은 누구인가요?

타겟 사용자: 변호사 10~30인 규모의 중소형 로펌에서 신규 사건 수임 및 배정의 최종 의사결정권을 가진 ‘운영 파트너 변호사(Managing Partner)‘입니다.

Q2. 4주 최소 기능 버전(MVP)에서 반드시 구현할 범위는 어디까지인가요?

[In-Scope] 외부 폼 연동: Google Forms 및 Typeform API를 활용하여 실시간으로 상담 신청 데이터를 수집하는 Webhook 연동 모듈을 구축합니다.

Q3. 1인 개발자가 단독으로도 실행 가능한가요?