DISCO는 소송 문서 검토 및 증거 분석을 가속화하기 위해 능동 학습 및 자연어 처리 기술을 활용하는 AI 기반 eDiscovery 플랫폼을 제공하는 상장 법률 기술 회사입니다.

디스코

DISCO의 핵심 매개변수 및 통계

DISCO(NYSE: LAW)는 AI 기반 아키텍처를 핵심으로 하는 법률 기술 분야의 몇 안 되는 상장 기업 중 하나입니다. 제품 포지셔닝은 전통적인 전자 검색(eDiscovery) 도구가 아니라 전체 검토 프로세스에 기계 학습을 내장하는 지능형 문서 분석 플랫폼입니다. 이 플랫폼은 CAL(지속적 활성 학습)을 기술 초석으로 삼고 "기계 검토 + 인적 검토"의 협업 경계를 재정의합니다.

매개변수 항목	가치
제품 포지셔닝	AI 기반 전자 포렌식 및 지능형 문서 검토 플랫폼
모회사	CS Disco, Inc. (NYSE: LAW)
설립	2013
본사	미국 텍사스주 오스틴
제품 형태	SaaS 웹 플랫폼
보안 컴플라이언스 인증	SOC 2 유형 II, FedRAMP 준수(중간 영향 수준)
데이터 수집 소스 수	200개 이상(이메일 Teams, Slack, SharePoint, OneDrive, Google Drive 등)
최신 릴리스 버전	DISCO 2026 릴리스 2(~2026-05)
과거 버전 노드	DISCO 2026 릴리스 1(~2026-02)
대상 클라이언트	Am Law 200개 법률 회사, Fortune 500대 기업 법률 부서, 정부 기관
공공재무지표	ARR이 1억 달러를 초과합니다(상장회사 재무 보고서 기준)
티커	뉴욕증권거래소: 법률

공공 재무 보고서에 따르면 DISCO의 연간 경상 수익(ARR)은 미화 1억 달러를 초과했으며, 고객 집중도가 높습니다. 상위 25개 고객이 수익의 40% 이상을 기여하여 고급 법률 시장에서 제품 침투의 깊이를 나타냅니다. 이 플랫폼은 SOC 2 Type II 인증을 받았으며 FedRAMP 중간 영향 수준 규정 준수 요구 사항을 충족하므로 정부 조사 및 정부 계약을 수행할 수 있는 법적 자격을 갖추고 있습니다. DISCO는 기존 전자 증거 수집 도구의 "키워드 검색 + 수동 선형 검토" 작동 모드와 달리 데이터 수집 단계부터 기계 학습 정렬을 시작하고 변호사의 주석 피드백을 실시간으로 모델에 다시 흐르게 하여 "검토-학습-재정렬"의 지속적인 최적화 프로세스를 구성합니다. 이 아키텍처의 직접적인 효과는 동일한 케이스 크기에서 수동 집중 읽기가 필요한 문서의 비율이 100%에서 20-30%로 감소하고 인적 투자 곡선이 선형에서 로그 붕괴로 변경된다는 것입니다.

DISCO의 사용자와 시장 인지도

상장회사의 금융투명성: 디스코는 NYSE 상장회사로서 ARR, 고객유지율, 순수익유지율(NRR) 등 핵심지표를 분기별로 공개합니다. 2025년 연간 보고서에 따르면 고객 순수익 유지율은 110% 이상을 유지하고 있으며, 이는 기존 고객이 계속해서 사용 깊이와 케이스 크기를 확장하고 있음을 나타냅니다. 이 지표는 LegalTech 업계에 건전하며 제품의 대체 불가능성과 마이그레이션 비용을 간접적으로 반영합니다.

업계 최고 고객 범위: DISCO의 고객 목록에는 Am Law 200에 포함된 대부분의 로펌과 Fortune 500대 기업의 법무 부서가 포함되어 있습니다. 대규모 상업소송 및 정부 조사 시나리오에서 DISCO는 B측 로펌이 반드시 사용해야 하는 전자 증거 수집 플랫폼으로 지정되는 경우가 많아 어느 정도 산업 네트워크 효과를 형성합니다.

제3자 업계 인정: DISCO는 Gartner eDiscovery 시장 가이드의 대표 공급업체로 등재되어 있으며 수년 동안 IDC MarketScape 법적 기술 평가 보고서에 등장했습니다. DISCO의 CAL 기술은 여러 관할권(미국 연방 법원, 주 법원, SEC 조사 절차)의 전자 증거개시 실무 가이드에서 AI 지원 조사의 참고 사례로 인용됩니다.

고객 검증 데이터: 다수의 공개 사례에 따르면 DISCO를 사용하는 사례 팀은 문서 검토 단계에서 검토 작업 시간을 50-70% 절약했습니다. 예를 들어, 300만 개의 문서가 포함된 영업비밀 소송에서 DISCO의 CAL 워크플로우를 사용하여 수동 검토가 필요한 문서의 양을 300만 개에서 약 60만 개로 줄이고 검토 주기도 약 8개월에서 3개월로 단축했습니다. 이 데이터는 공식 DISCO 사례 연구에서 나온 것이며 실제 결과는 사례 복잡성, 데이터 품질 및 팀 교육에 따라 다릅니다.

DISCO의 비용 우위: 3단계 비용 구조와 숨겨진 원장

전자 포렌식의 비용 구성 요소는 단순한 소프트웨어 라이센스 비용이 아니라 "소프트웨어 비용 + 인적 검토 비용 + 시간 창 기회 비용"의 조합입니다. DISCO의 AI 기반 아키텍처는 세 가지 계층 모두에 직접적인 영향을 미칩니다.

C 클라이언트/개인 사용자 수준: 비타겟 시장. DISCO는 개인 버전이나 종량제 요금제를 제공하지 않으며, 최소 가입 수준은 법률 회사 및 기업 법무 부서를 대상으로 합니다. 플랫폼의 구독 기본 가격과 데이터 저장 비용은 단독 변호사나 소규모 팀에게는 감당할 수 없는 수준입니다.

중간 규모의 법률 회사/기업 법무(프로젝트당 지불):

• 청구 기반: 일반적으로 처리 및 호스팅 비용은 데이터 볼륨(GB), 오버레이 기능 모듈 구독 및 시트 기반 사용자 라이센스 비용을 기준으로 청구됩니다. 일반적인 중간 규모 소송(데이터 100~500GB)에 대한 eDiscovery 프로젝트의 총 비용은 $20,000~$100,000입니다.
• 비용 구조 분석: 데이터 액세스 및 처리 수수료는 약 20~30%, 플랫폼 호스팅 및 액세스 수수료는 약 15~25%, AI 검토 모듈(CAL + 생성 요약)은 약 30~40%, 전문가 보고 및 내보내기 수수료는 약 10~15%를 차지합니다. 그 중 AI 리뷰 모듈은 가치의 핵심이자 전통적인 시간별 휴먼 리뷰 모델과의 비용 격차를 넓히는 핵심이다.
• 숨겨진 비용: 시험관을 위한 CAL 교육 비용은 무시할 수 없습니다. DISCO의 AI 효과는 초기 주석의 품질에 크게 좌우됩니다. 주석을 담당하는 주니어 변호사의 경험이 부족할 경우 처음 500개 문서의 주석 방향이 벗어나면 모델 학습이 벗어나게 되고 나중에 편차를 수정하려면 더 많은 수동 검토가 필요하게 되어 총 비용이 증가하게 됩니다. 프로젝트 시작 시 수석 e-Discovery 컨설턴트가 1~2일간 CAL 주석 전략 교육을 수행하도록 준비하는 것이 좋습니다.

대기업 계층(연간 구독):

• 과금 모델: 고정 데이터 용량(예: 연간 10TB)과 사용자 시트 수가 포함된 연간 계약을 체결합니다. 초과분은 미리 정해진 가격으로 추가됩니다. 대규모 고객은 일반적으로 15~30%의 할인을 받으며 계약에는 SLA 보장 및 전담 고객 성공 팀이 포함됩니다.
• 명시적 비용: 연간 계약은 일반적으로 $500,000부터 시작하며 대형 글로벌 법률 회사의 경우 수백만 달러에 이를 수 있습니다. 이 가격에는 다수의 중소형 케이스가 제외됩니다.
• 숨겨진 이점: DISCO를 채택한 후 법무팀은 외부 전자 포렌식 공급업체에 대한 의존도를 줄일 수 있습니다. OCR, 데이터 중복 제거, 초기 사례 평가 및 이전에 아웃소싱해야 했던 기타 작업을 DISCO에서 내부 팀이 직접 완료할 수 있어 공급업체 커뮤니케이션 링크 및 프로젝트 관리 비용이 단축됩니다. 또한, CAL 기반 검토 효율성 향상을 통해 로펌은 동일한 건설 기간 내에 더 많은 사건을 처리할 수 있어 청구 가능 시간 활용도가 간접적으로 향상됩니다.

대안과의 비용 비교 공제(비공식 데이터, 업계 공개 사례를 기반으로 추정):

비용 차원	전통적인 수동 검토	DISCO(CAL + AI 요약)	기타 전자 증거 수집 도구(키워드 검색 + 기술 지원)
문서 검토에 소요되는 수백만 시간의 인력	8,000-12,000시간	2,000~4,000시간	4,000~8,000시간
프로젝트 수명(300만 문서)	6~12개월	2~4개월	3~6개월
소프트웨어 라이센스 비용 비율	해당없음(순수노동)	총비용의 30~40%	총 비용의 20-30%
심사관 교육 요구 사항	없음(키워드로 검색)	CAL 주석 전략 교육 필요	부울 쿼리 교육 필요
재작업 비율 위험	높음(키워드 누락)	중간(주석 편차)	중간 높음(쿼리 누락)

조달 문제: DISCO의 비용 이점은 자동으로 달성되지 않습니다. 사례팀에는 AI 지원 검토 운영 경험과 주석 전략 설계 능력이 필요합니다. 팀이 처음 CAL 워크플로우를 사용하는 경우, 먼저 종료된 케이스에 대해 소규모 회귀 테스트(문서 10,000개)를 수행하고, DISCO의 정렬 결과와 수동 검토 결론 간의 중복을 비교하고, 그 효과가 기대에 부합하는지 확인한 후 공식적인 케이스에 커밋하는 것이 좋습니다.

DISCO의 주요 기능

• AI 문서 검토(CAL Core Engine): 지속적인 활성 학습은 DISCO의 기술 초석입니다. 작동 메커니즘은 세 단계로 나뉩니다. - ① 초기 교육: 심사관은 500~1,000개의 문서에 "관련/부적절" 라벨을 표시합니다. ② 모델 반복: CAL 알고리즘은 주석 신호를 기반으로 검토되지 않은 문서에 대한 관련성 점수를 계산하고 대기열을 동적으로 재배치하며 가능성이 높은 문서를 대기열의 선두에 푸시합니다. ③ 검증 및 종결 : 잔여 문서의 적합성 확률이 임계값보다 낮다고 모델이 판단하면 자동으로 종결 조건이 발생하며, 검토자의 확인 후 검토가 종료됩니다. 이 메커니즘은 검토 초점을 "모든 문서 검색"에서 "모든 관련 문서 찾기"로 변경하고 관련 없는 콘텐츠를 직접 건너뜁니다. DISCO의 공식 백서와 다수의 고객 사례에 따르면 CAL은 일반적인 소송 사건에서 검토 금액을 50~70% 줄일 수 있습니다.

• 조기 사례 평가(EDA): 공식 검토가 시작되기 전에 DISCO는 전체 데이터를 신속하게 스캔하고 문서 크기 추정, 통신원 네트워크 맵, 핵심 주제 클러스터링, 민감한 단어 조회수 통계 및 시계열 분포를 포함하는 사례 초상화 보고서를 출력합니다. EDA의 가치는 사례 전략 팀이 대규모 검토에 착수하기 전에 사례의 "볼륨, 복잡성 및 위험 지점"을 전체적으로 이해하여 예산 및 검토 우선 순위를 합리적으로 계획하도록 돕는 것입니다. 예를 들어, 다국적 기업이 관련된 독점 금지 조사에서 EDA는 20명의 주요 통신원과 이메일 교환 밀도를 신속하게 찾아 변호사가 전체 검토가 필요한 통신원과 샘플링 검토만 필요한 통신원을 결정하는 데 도움을 줄 수 있습니다.

• 증거 상관 분석(커뮤니케이션 그래프 & 타임라인): DISCO의 커뮤니케이션 그래프 모듈은 누가 누구에게 무엇을 언제 보냈는지, 어떤 이메일의 CC 링크에 누가 등장하는지, 동일한 주제가 서로 다른 타임라인에서 전개되는지 등 문서 간의 암묵적 상관 관계를 시각적으로 표시합니다. 이는 기존의 "키워드 검색 + 폴더 분류" 방법론과 근본적으로 다릅니다. 키워드는 "관련이 있지만 키워드에 맞지 않는" 문서를 캡처할 수 없는 반면, 커뮤니케이션 그래프는 문자 및 시간적 차원에서 증거 단서를 발견할 수 있습니다. 일례로 내부 조사에서 변호사들은 커뮤니케이션 맵을 활용해 수사 대상자와 키워드 목록에 나오지 않은 퇴사 직원 사이의 집중적인 소통을 발견해 새로운 증거의 지평을 열었다.

• 생성 AI 요약: 2026 버전에 도입된 LLM 기능은 세 가지 요약 세분화를 지원합니다. - ① 문서 수준 요약: 단일 이메일 또는 단일 계약의 핵심 사실을 2~3개의 문장으로 압축합니다. ② 주제 요약: 특정 증거 주제(예: "가격 사기")에 속하는 모든 관련 문서에 대한 포괄적인 발견 보고서를 자동으로 생성합니다. ③ 검토 일괄 요약 : 해당일 또는 주간 검토한 문서에 대한 진행 요약을 생성합니다. 생성적 요약의 주요 가치는 "문서 이해" 속도를 높이는 것입니다. 변호사는 더 이상 관련성 여부를 판단하기 위해 긴 이메일 체인 전체를 읽을 필요가 없으며 먼저 요약을 읽은 다음 정확한 판단을 내립니다. 그러나 생성적 요약의 정확성은 기본 LLM의 품질과 도메인 적응에 크게 좌우된다는 점에 유의해야 합니다. 전문적인 법률 용어가 집약된 시나리오에서는 요약의 사실적 오류(환각)를 완전히 제거할 수 없으며 주요 참조 내용은 여전히 ​​원문을 통해 확인해야 합니다.

• 데이터 수집 및 다중 소스 통합: 플랫폼에는 일반적인 사무실 공동 작업 시스템(Microsoft 365, Google Workspace, Slack, Teams, Zoom, Box, Dropbox), 소셜 미디어 아카이브 및 사용자 정의 데이터 소스를 포괄하는 200개 이상의 데이터 소스 커넥터가 내장되어 있습니다. 데이터에 액세스한 후 중복 제거, 이메일 스레드 그룹화 OCR(스캔한 PDF 및 이미지에서 텍스트 추출 지원), 메타데이터 표준화 및 시간대 정규화가 자동으로 수행됩니다. 데이터 융합 파이프라인은 전자 포렌식의 인프라 계층이며, 그 품질은 모든 후속 AI 분석 및 검토 결과에 직접적인 영향을 미칩니다. 중복 제거 알고리즘이 받은 편지함과 보낸 폴더에서 동일한 이메일의 중복 복사본을 식별하지 못하는 경우 후속 AI 정렬은 중복 데이터로 인한 관련성 판단을 방해합니다.

DISCO의 모델과 버전의 진화

DISCO의 제품 반복은 패치 업데이트와 보안 수정 사항이 산재해 있는 연간 이중 버전 릴리스 리듬(릴리스 1은 대략 2월, 릴리스 2는 대략 5월~6개월)을 따릅니다. 다음은 추적 가능한 공개 버전입니다.

버전 ID	대략적인 출시일	핵심 변화
디스코 2025 릴리스 1	~2025-02	CAL 모델에 대한 향상된 다국어 문서 지원(중국어, 일본어, 한국어, 아랍어 등의 비라틴어 문자 집합) 스캔한 PDF에 대한 OCR 파이프라인의 텍스트 추출 정확도 향상
디스코 2025 릴리스 2	~2025-06	생성적 AI 요약 기능(문서 수준)의 기본 버전을 소개합니다. 증거 상관 분석 대시보드 업그레이드 버전 출시, 대화형 커뮤니케이션 타임라인 드래그 앤 드롭 지원
디스코 2026 릴리스 1	~2026-02	새로운 다중 언어 지능형 요약 지원; 고급 시각적 분석 대시보드 업그레이드, 맞춤형 표시기 패널 지원; 개방형 API 기능을 통해 타사 시스템에서 CAL 정렬 결과를 직접 호출할 수 있음
디스코 2026 릴리스 2	~2026-05	업그레이드된 생성적 AI 요약 기능(새로운 주제 요약 및 배치 요약) 지능형 증거 상관 분석은 개념 클러스터링을 도입하여 의미상 유사한 문서를 증거 클러스터로 자동 집계합니다. 보다 세분화된 사용자 권한 감사 로그를 지원하도록 보안 및 규정 준수 모듈이 향상되었습니다.

위 출시 날짜는 모두 대략적인 날짜입니다(~YYYY-MM). 아직 공식적인 정확한 날짜는 없습니다. DISCO의 공식 출시 지침을 참조하세요.

기술 진화 추세: 2025년에서 2026년 버전으로의 변화는 세 가지 방향으로 볼 수 있습니다. - ① CAL 엔진은 다국적 사건의 전자 증거 수집 요구에 적응하기 위해 "단일 언어"에서 "다국어 세계화"로 이동합니다. ② 제너레이티브 AI는 '기술적 검증'에서 '기능적 제품화'로 이동하고 요약 세분화가 계속 개선됩니다. ③ 플랫폼은 "폐쇄형 도구"에서 "개방형 API"로 이동하여 기업이 DISCO의 기능을 자체 규정 준수 워크플로에 포함시킬 수 있습니다. 이러한 진화 방향은 법률 기술 시장의 핵심 문제점, 즉 글로벌 사례에서 다국어 데이터 처리의 복잡성, 대용량 문서를 수동으로 요약하는 병목 현상, 자동화된 규정 준수 프로세스를 통합해야 하는 법무 부서의 필요성과 직접적으로 일치합니다.

DISCO의 기술적 장점

메커니즘 1: CAL(지속적 활성 학습)의 베이지안 기반

CAL은 단순히 "AI로 문서를 분류하는 것"이 ​​아닙니다. 기본 레이어는 베이지안 논리를 기반으로 하는 통계 학습 모델을 사용합니다. 각 문서에 대한 관련성 예측은 확률론적 추정입니다. 모델이 p(관련|특성)을 출력한 후 대기열은 확률의 내림차순으로 정렬되고 각 검토자 주석(관련/관련 없음)은 모델의 사후 분포를 새로운 증거로 업데이트합니다. 이는 처음 100개의 문서를 검토할 때 모델이 여전히 "거친" 상태이지만 5,000개의 문서를 검토할 때쯤에는 모델이 나머지 문서의 관련성 순위를 매기는 데 높은 수준의 신뢰도를 갖음을 의미합니다. 이 점진적인 수렴 메커니즘의 핵심 이점은 끝까지 검토되는 문서가 많을수록 대기열의 "골드 콘텐츠"가 낮아진다는 것입니다. 왜냐하면 확률이 높은 문서는 미리 삭제되고 나머지 문서의 관련성 확률은 수렴 임계값에 도달할 때까지 계속 감소하기 때문입니다. 이는 CAL이 추측이 아닌 통계적 증거의 지속적인 축적을 통해 관련 없는 수많은 문서를 안전하게 건너뛸 수 있는 이유를 설명합니다.

메커니즘 2: CAL과 생성 AI의 협업 워크플로우

DISCO는 2026년 릴리스에서 CAL 순위 엔진과 LLM 요약 기능을 복합 워크플로우로 연결합니다. 첫 번째 단계에서 CAL은 문서 대기열을 관련성 확률의 내림차순으로 정렬합니다. 두 번째 단계에서는 대기열의 선두에 있는 "확률이 높은 관련 문서"에 대해 LLM 요약 생성을 자동으로 수행합니다. 세 번째 단계에서는 변호사가 요약문을 읽고 원문을 심도있게 검토할지 여부를 결정합니다. "첫 번째 정렬, 다음 요약, 다음 검토"의 이 3단계 파이프라인은 기존의 "첫 번째 키워드 검색 후 하나씩 읽기" 작업 흐름에 비해 인지적 마찰 지점을 두 개 이상 줄입니다. 첫째, 대용량 문서 중에서 "어떤 문서를 읽을 가치가 있는지"에 대한 선별 결정을 제거합니다. 둘째, 문서 내용을 빠르게 이해할 때 발생하는 점프 비용을 제거합니다.

메커니즘 3: 데이터 처리 파이프라인의 엔지니어링 최적화

eDiscovery에서 데이터 수집의 중요성은 종종 과소평가되지만 실제 프로젝트에서는 데이터 정리 및 형식 정규화가 프로젝트 시간의 30% 이상을 차지하는 경우가 많습니다. DISCO의 데이터 수집 파이프라인에는 이메일 스레드 재구성(동일한 주제에 대한 이메일을 하나의 대화로 자동 집계), 메타데이터 통합(다른 데이터 소스의 날짜 형식, 시간대 및 사용자 ID 정렬) 및 고급 OCR 엔진(스캔한 PDF, 표 이미지 및 손으로 쓴 댓글의 텍스트화 지원)이 내장되어 있습니다. 이러한 "비 AI" 엔지니어링 기능은 실제로 AI 검토의 고품질 운영을 위한 전제 조건입니다. OCR이 "비공개 계약"을 "비공개 계약"으로 잘못 식별하는 경우 후속 CAL 모델 및 LLM 요약은 이를 기반으로 오류를 축적하게 됩니다.

기존 전자 검색 도구와 비교한 주요 차이점:

비교 차원	디스코(CAL + AI)	전통적인 전자 포렌식 도구(상대성 이론 등)
우선순위 결정방법 검토	알고리즘 동적 정렬, 주석 신호의 지속적인 학습	부울 키워드 + 수동 일괄 할당
관련 문서 범위	통계적 융합 모델, 정량화 가능한 범위	키워드 완성도에 의존, 누락 위험 높음
리뷰어 기술 요구 사항	AI 지원 검토 워크플로우 설계를 이해해야 함	부울 쿼리 구문에 능숙해야 함
재작업 및 누락검사	CAL은 수동 누락 없이 낮은 확률 간격을 자동으로 표시합니다.	추가 품질 검증 배치 필요
다국어 지원	2025+ 버전은 라틴어가 아닌 문자 집합을 지원합니다	별도의 데이터 소스 구성 필요
확장성(수백만 개의 문서)	수천만 개의 대기열로 선형 확장	배치 크기 및 수동 정렬로 인해 제한됨

디스코 이용방법

DISCO는 기업 수준의 SaaS 플랫폼입니다. 입구는 프런트엔드 검토 인터페이스와 백엔드 관리 콘솔로 구분되어 역할별로 차별화된 작업 경로를 제공합니다.

플랫폼 측 사용 프로세스(변호사/심사관):

1. 케이스 생성 및 데이터 액세스: 케이스 관리자는 DISCO 콘솔에서 새 케이스를 생성하고 데이터 소스 유형(이메일 내보내기, PST 파일, Slack 내보내기 패키지에 대한 Office 365 API 직접 연결 등)을 선택하고 시간대 및 메타데이터 매핑 규칙을 구성합니다. 데이터에 액세스한 후 시스템은 자동으로 중복 제거 및 OCR 처리를 수행합니다.
2. 초기 사례 평가(EDA): 데이터 처리가 완료된 후 사례 전략 팀은 먼저 EDA 보고서를 검토하여 데이터의 전체 그림(총 문서 양, 주제 분포, 주요 통신원, 타임라인)을 이해합니다. 전체 검토이든 계층화된 샘플링이든 EDA 결론을 기반으로 검토 전략을 결정합니다.
3. CAL 검토 시작: 검사관은 DISCO 검토 인터페이스에서 CAL 검토 작업 그룹을 엽니다. 시스템은 주석을 위해 500~1,000개의 "시드 문서"의 초기 배치를 자동으로 할당합니다. 이러한 문서는 일반적으로 초기 교육 효율성을 극대화하기 위해 높은 정보 콘텐츠와 높은 불확실성을 모두 고려하는 알고리즘 전략을 통해 샘플링됩니다.
4. 표시 및 검증: 심사관은 문서를 하나씩 읽고 "관련성/부적절함"(또는 "특권 커뮤니케이션/영업 비밀/개인 정보"와 같은 보다 세부적인 라벨)을 표시합니다. 라벨링 배치가 완료될 때마다 CAL 모델은 나머지 대기열을 자동으로 재정렬합니다. 검토자는 언제든지 "수렴 곡선"을 볼 수 있습니다. 이는 모델 예측의 수렴 정도를 시각적으로 표시하여 검토를 종료해도 안전한 시기를 결정하는 데 도움이 됩니다.
5. 증거 내보내기 및 보고: 검토가 완료된 후 "관련성"으로 표시된 문서를 일괄적으로 증거 서류로 내보낼 수 있습니다. 또는 시험 준비 또는 규제 제출을 위해 통신 그래프 및 생성 AI 요약을 통해 발견 보고서를 생성할 수 있습니다.

관리자 측 구성 지점:

• 권한 역할 구성: "사례관리자, 심사관, 검토자, 읽기전용 검토자"의 4단계 권한을 지원합니다. 각 역할은 기능 모듈(예: 라벨 분류 수정 허용 여부, 원본 데이터 내보내기 여부)을 정확하게 제어할 수 있습니다.
• 라벨 시스템 설계: 사건이 시작되기 전에 라벨 분류 트리를 미리 설계해야 합니다(예: "관련/무관련" + "증거 유형: 계약/이메일/재무 명세서" + "비밀 수준" 및 기타 다차원 라벨). 라벨 디자인의 품질은 CAL의 학습 방향과 최종 검토 분류 세분성에 직접적인 영향을 미칩니다.
• 품질 검증(QC): DISCO에는 무작위 샘플링 검토 및 "분쟁 판결" 프로세스를 지원하는 품질 관리 모듈이 내장되어 있습니다. 두 명의 검토자가 동일한 문서에 대해 일관되지 않은 주석 결론을 내릴 경우 최종 판결을 위해 감독관에게 자동으로 에스컬레이션됩니다. QC 샘플링 속도는 5~10%가 권장되며, 최초 CAL의 경우 15%까지 올라갑니다.

기술 통합 포털:

• 웹 클라이언트: 모든 주요 브라우저(Chrome, Edge, Firefox)를 지원하는 브라우저를 통해 DISCO 인스턴스에 액세스합니다. CAL 검토 작업 영역의 전체 기능 레이아웃을 보장하려면 데스크톱 클라이언트를 사용하는 것이 좋습니다.
• API 액세스: DISCO 2026 Release 1부터 REST API가 오픈되어 타사 시스템(회사 내부 규정 준수 관리 플랫폼, 사례 관리 시스템 등)에서 문서 검색, CAL 정렬 쿼리, 증거 내보내기 기능을 직접 호출할 수 있도록 지원합니다. API 인증은 OAuth 2.0을 사용하며 특정 엔드포인트 문서는 공식 개발자 포털을 따라야 합니다.
• 모바일 단말기: 현재 독립된 모바일 앱이 없습니다. 웹 터미널은 모바일 브라우저를 통해 접근할 수 있지만, CAL 검토 작업 영역은 화면 크기 제한으로 인해 모바일 장치에서 작동하는 것을 권장하지 않습니다.

DISCO 제품 가격

DISCO는 표준 가격을 공개하지 않는 하이브리드 가격 모델을 채택하고 있습니다. 가격은 데이터 볼륨(GB/TB), 기능 모듈(기본 버전과 AI 강화 버전), 사용자 시트 수라는 세 가지 핵심 변수를 기준으로 책정됩니다. 다음은 공개 정보 및 업계 관행을 기반으로 한 구조화된 분석입니다.

가격 책정 계층	청구 차원	일반적인 연간 계약 범위	포함된 내용
프로젝트 유형(요청 시)	처리 데이터량(GB/프로젝트) + 사용자 시트 수 + 기능 모듈	US$20,000 - 100,000/프로젝트	데이터 처리, 호스팅, 기본 검토 CAL 정렬, 증거물 내보내기
기업 연간 구독	고정 데이터 용량(예: 10TB/년) + 시트 + AI 모듈	연간 $500,000부터	전체 프로젝트 기반 기능 + API 액세스 + 전담 고객 성공 + SLA
AI 강화 애드온 패키지	좌석수 또는 데이터량에 따른 추가요금	기본요금 30~50% 인상	생성적 AI 요약, 고급 커뮤니케이션 그래프, 지능형 개념 클러스터링

무료 평가판 및 POC: DISCO는 특정 사례 데이터를 기반으로 하는 개념 증명(POC) 서비스를 제공하며 일반적으로 2~4주의 주기로 10,000~50,000개 문서에 대한 CAL 검토 검증을 처리합니다. POC의 목적은 잠재 고객이 자신의 과거 사례 데이터를 사용하여 CAL의 실제 효율성 개선 비율을 확인할 수 있도록 하는 것입니다. 이는 조달 전 가장 중요하고 가장 과소평가되는 측면입니다. 고객은 POC에 대해 서로 다른 케이스 유형의 데이터 세트를 최소 3개 이상 준비하는 것이 좋습니다. 우편 집약적인 케이스와 문서 집약적인 케이스에서 CAL 성능에 상당한 차이가 있을 수 있기 때문입니다.

숨겨진 수수료 및 관심 조건:

• 데이터 내보내기 수수료: 케이스 완료 후 DISCO 플랫폼에서 로컬 또는 기타 플랫폼으로 데이터를 내보낼 때 일부 계약에서는 데이터 양에 따라 내보내기 수수료를 부과할 수 있습니다. 구매 시 데이터 마이그레이션을 위한 과금 표준 및 형식 제한 사항을 명확히 해야 합니다.
• 스토리지 증분 수수료: 새로운 데이터 소스(예: 새로운 관련 이메일 계정 발견)로 인해 검토 과정에서 사례 데이터의 양이 크게 증가하여 계약에서 합의한 데이터 용량 상한을 초과하는 경우 일반적으로 초과 부분에 대해 더 높은 단가가 청구됩니다.
• 사용자 라이센스 동시성 제한: 일부 계약에는 동시에 온라인 검토자 수에 대한 상한이 있습니다. 한도를 초과하는 경우 동시 좌석을 추가로 구매해야 합니다. 동시 수용 능력이 부족하면 대규모 사례(규제 기관에서 30일 이내에 증거 제출을 요구하는 경우)의 중앙 집중식 검토 단계에서 승인이 지연될 수 있습니다.
• AI 모듈은 별도로 청구됩니다: 생성적 AI 요약 및 고급 통신 그래프는 기본 플랫폼 가격 이상의 추가 모듈일 수 있습니다. 구매시 약정가격에 포함되어 있는지 확인하셔야 합니다.

DISCO의 활용 시나리오

• 대규모 상업소송에서 문서 검토 효율성 향상: 수백만 건, 심지어 수천만 건에 달하는 전자문서가 포함된 복잡한 상사소송(특허침해, 영업비밀 도용, 주주집단소송 등) 전통적인 검토 모델에서는 하급 변호사가 몇 달에 걸쳐 문서를 하나씩 읽어야 하는데, 이는 시간이 많이 걸리고 피로로 인해 누락되기 쉽습니다. DISCO의 CAL 모델은 검토 초점을 "모두 읽기"에서 "관련된 모든 문서 찾기"로 변경합니다. 500만 건의 문서가 포함된 독점 금지 사건에서 CAL은 변호사가 집중적으로 읽어야 하는 문서 수를 약 100만 개로 줄였으며 검토 주기도 약 10개월에서 4개월로 단축되었습니다. 수용 초점: 해당 사례의 CAL 마감 곡선의 하향 기울기가 예상한 것과 같은지 여부 마감 속도가 일반적인 값보다 현저히 느린 경우 라벨링 일관성과 시드 문서의 대표성을 확인해야 합니다.

• 정부 규제 조사 및 소송 대응: SEC, DOJ, FTC 등 규제 기관의 조사에는 엄격한 제출 기한(예: 첫 번째 증거 제출까지 20일)이 있는 경우가 많습니다. 기존의 전자 증거개시 프로세스에서는 2~3주의 시간이 데이터 수집 및 기본 처리를 완료하는 데만 충분하고 검토할 시간이 거의 없는 경우가 많습니다. DISCO의 EDA 기능은 데이터 액세스 후 24~48시간 이내에 사례 초상화를 출력할 수 있어 변호사가 우선 검토가 필요한 데이터 하위 집합을 신속하게 결정할 수 있습니다. CAL은 후속 검토에서 효율성을 지속적으로 개선하고 있습니다. 수락 초점: EDA 보고서의 주요 통신인 식별이 사건에 대한 변호사의 직관과 일치하는지 여부, 생성 AI 요약의 사실적 정확성이 검토를 위해 허용 가능한 대리 수준을 충족하는지 여부.

• 기업 내부 조사 및 규정 준수 감사: 기업 법무 부서에서 수행하는 내부 조사(예: 직원 불법 행위, 데이터 유출, 뇌물 방지 규정 준수 감사)에서는 일반적으로 조사 대상에게 알리지 않고 문서 찾기 및 증거 보존을 완료해야 합니다. DISCO의 권한 격리 설계를 통해 조사팀은 전체 데이터 권한을 부여하지 않고 "관련 데이터"에 대해서만 검토를 수행할 수 있습니다. 커뮤니케이션 매핑 모듈은 내부 조사에서 특히 유용합니다. 원고와 피고 사이의 명확한 의사소통 흔적이 있는 외부 소송과 달리 내부 조사에서는 핵심 인물 관계를 처음부터 식별해야 하는 경우가 많습니다. 수용 초점: 커뮤니케이션 그래프가 키워드 검색에 포함되지 않은 숨겨진 커뮤니케이션 링크를 자동으로 발견할 수 있는지 여부; 중국어, 일본어 등 영어 이외의 데이터에 대한 다국어 성능.

• M&A 실사 계약 검토(확장 시나리오): 대규모 M&A 거래에서 구매자는 잠재적인 법적 위험을 식별하기 위해 대상 회사의 다수의 계약(공급업체 계약, 고객 계약, 고용 계약 등)을 검토해야 합니다. DISCO는 M&A 실사를 위해 특별히 설계된 것은 아니지만 CAL과 생성적 AI 요약을 결합하면 계약 분류 및 핵심 조항 추출을 크게 가속화할 수 있습니다. 제한 사항: M&A 시나리오의 기간은 일반적으로 2~6주에 불과하며 데이터 양은 상대적으로 "작습니다"(수천에서 수만 건의 계약). CAL의 효율성 향상 이점은 대규모 소송에서처럼 데이터 양이 적을 때 그다지 크지 않으며, 가격 대비 성능 비율도 전용 M&A 계약 분석 도구만큼 좋지 않을 수 있습니다.

DISCO 적용그룹

• 대형 로펌의 eDiscovery 팀: DISCO의 핵심 사용자입니다. eDiscovery를 전문으로 하는 법률 회사의 파트너, 사건 변호사 및 "eDiscovery 전문가"는 CAL 워크플로우에 익숙하며 DISCO의 효율성 잠재력을 극대화할 수 있습니다. 전제 조건: 팀은 CAL 교육(주석 전략 설계)을 구성할 수 있는 내부 능력이 있거나 초기 설정을 위해 DISCO의 컨설팅 서비스를 구매할 의향이 있어야 합니다.

• 기업법무 컴플라이언스 및 소송팀: 내부 법무팀은 DISCO를 사용하여 기업의 소송 포트폴리오 및 컴플라이언스 감사를 관리합니다. 로펌 사용자에 비해 기업 법무팀은 "연초에 1년 내내 모든 사건을 처리할 수 있는 고정 용량을 체결"하는 예산 통제성과 "데이터가 외부로 전송되지 않음"이라는 보안 요구 사항에 더 많은 관심을 기울이고 있습니다. 선행조건: 법무팀의 연간 문서 검토량은 일반적으로 연간 구독 비용을 지원하기 위해 10TB 이상이어야 하며, DISCO의 기술 구현을 담당할 전담 인력이 필요합니다.

• 정부 기관의 조사 및 규정 준수 부서: FedRAMP 규정 준수 요구 사항을 충족하면 DISCO가 정부 계약 조달 목록에 들어갈 수 있습니다. 정부 사용자는 일반적으로 더 엄격한 데이터 주권 및 감사 로그 요구 사항을 갖고 있으며, DISCO의 SOC 2 Type II + FedRAMP 이중 인증은 이 시나리오의 핵심 경쟁력입니다. 전제 조건: 정부 IT 조달 프로세스의 보안 평가를 통과해야 하며, 최대 6~12개월이 걸릴 수 있습니다.

• 해당 그룹(금지 목록):

  • 1인 실무자 및 소규모 법률 회사(5명 미만): 10~50GB의 데이터를 처리하는 데 필요한 연간 구독료 및 프로젝트 비용은 1인 사례 예산을 훨씬 초과합니다. 이러한 사용자는 DISCO에 직접 가입하는 대신 종량제 전자증거개시 아웃소싱 서비스를 이용하는 것이 좋습니다.
  • 단일 소규모 사례(50GB 미만)를 처리하는 팀: 데이터 양이 충분하지 않으면 CAL의 효율성 개선 이점을 완전히 발휘하기 어렵습니다. 모델에는 효과적인 교육을 완료하기 위해 충분한 주석이 달린 데이터가 필요하며, 적은 양의 데이터 아래의 수렴 곡선은 이상적이지 않을 수 있습니다. 50GB 미만의 경우 기존 키워드 검색 + 수동 검토 또는 아웃소싱 서비스가 더 비용 효율적인 옵션입니다.
  • 중국어 인터페이스 및 법률 용어 현지화가 필요한 중국 법무팀: DISCO의 제품 인터페이스 및 문서는 영어만 지원합니다. 2025 버전은 이미 중국어 문서의 OCR 및 CAL 정렬을 지원하지만 생성 AI 요약 및 법률 용어의 중국어 적응은 영어만큼 성숙하지 않습니다. 중국 법률 회사와 기업 사내 변호사는 조달을 고려하기 전에 중국 데이터 세트를 사용하여 POC 테스트를 수행해야 합니다.

DISCO 개요 및 전망

핵심 역량: DISCO의 해자는 단일 AI 기능이 아니라 "CAL 알고리즘 + 상장된 회사 수준 제품 성숙도 + 산업 인증 장벽"의 삼위일체입니다. CAL은 능동 학습을 학문적 개념에서 상업적 검토 제품으로 전환하는 법률 기술 분야 최초의 기술 경로이며 대규모로 검증되었습니다. NYSE 상장 상태는 재무 보고 투명성과 고객 신뢰를 제공합니다(고객은 공급업체의 재무 상태를 검토할 수 있음). SOC 2 + FedRAMP 이중 인증을 통해 정부 및 규제가 엄격한 산업 시나리오에서 규정 준수 액세스가 가능합니다.

현재 제한 사항 및 불확실성:

1. 가격 기준은 다수의 잠재 고객을 제외: 연간 구독에 대해 $500,000부터 시작하는 가격은 "고급 법률 시장"의 상위 20%에 고정되며, 중소 규모 사건 시장의 나머지 80%는 기존 도구 및 아웃소싱 서비스가 차지합니다.
2. AI 효과는 주석 품질에 크게 의존합니다: 이는 CAL 모델의 구조적 제약입니다. 검토 팀의 주석 일관성이 좋지 않은 경우(다른 검토자가 동일한 문서에 대해 반대 결론을 내림) CAL 모델의 "학습 신호"는 노이즈이며 정렬 품질을 보장할 수 없습니다. 이는 DISCO만의 문제는 아니지만 구매자가 직면해야 하는 문제입니다. DISCO를 도입하는 것은 단순히 "도구 구입"이 아니라 "새로운 기술이 필요한 일련의 작업 흐름을 채택"하는 것이며, 인력 교육 및 프로세스 설계 비용이 과소평가될 수 있습니다.
3. 생성 AI의 법적 신뢰성은 아직 검증되지 않았습니다: 법적인 시나리오에서는 다른 산업보다 LLM 환상의 위험이 더 높습니다. 핵심 부정문을 생략하거나 조건절을 잘못 읽는 AI 브리핑으로 인해 변호사가 잘못된 정보를 바탕으로 전략적 판단을 내릴 수 있습니다. DISCO가 제품 문서에서 생성 AI를 포지셔닝하는 것은 "원문 검토를 대체하기보다는 이해를 돕기 위한 것"입니다. 구매자는 AI 요약 사용을 위한 내부 사양을 공식화해야 합니다(예: 요약만 읽을 수 없는 문서 유형, 주요 참조는 원문으로 확인해야 함).
4. 중국 시장에 대한 적응 깊이가 부족: 중국 법률 시장 및 중국 전자 증거 수집 요구에 대해 DISCO는 현재 기본적인 문서 수준 지원(OCR, CAL 정렬)만 제공하지만, 중국 법률 용어에 대한 의미론적 이해, 중국 상황에 대한 통신 그래프 분석 및 규정 준수 요구 사항(예: "데이터 보안법"에 따른 데이터 수출 제한)은 여전히 ​​심각한 단점입니다. 중국에 진출한 외국 로펌도 대안 중 하나일 수 있지만, 메인 플랫폼 역할을 하기는 어렵다.

조달 및 채택 위험 평가(POC 시작을 계획하는 팀용):

1. 데이터 호환성 검증을 먼저 수행: POC 단계에서는 가장 대표적인 사례 데이터 세트(최소 두 가지 유형의 이메일 및 사무실 문서 포함)를 사용하여 DISCO의 데이터 액세스 파이프라인이 완전한지 테스트합니다. 특히 영어 이외의 데이터 세트에서 OCR 정확도 및 메타데이터 매핑 무결성을 테스트합니다.
2. 정량적 기준선 비교: 과거 종결 케이스를 선택하고, 케이스의 데이터 세트를 복사하고 DISCO에서 CAL 검토를 다시 실행하고, "DISCO에 의해 정렬된 관련 문서 세트"와 "수동 검토에 의해 표시된 관련 문서 세트" 사이의 차이 세트의 크기와 성격을 비교합니다. 즉, 차이 세트의 문서가 정말로 관련이 없는지(CAL이 성공적으로 필터링되었음을 의미) 또는 누락된 관련 콘텐츠를 포함하는지(정렬 편향을 의미) 여부를 비교합니다.
3. 팀 학습 비용 평가: 2~3명의 검토자가 DISCO의 CAL 주석 전략 교육에 참여하도록 준비하고 초기 접촉부터 전체 CAL 검토 워크플로를 독립적으로 완료하는 데 필요한 시간을 기록합니다. 2주 이상 여전히 능숙하게 운영할 수 없다면 팀의 AI 도구 적응 기반이 약하고 추가 코칭 리소스가 필요하다는 의미입니다.
4. 계약 조건 확인: 조달 계약을 체결하기 전에 데이터 내보내기 수수료 기준, 연간 데이터 용량을 초과하는 단가 AI 모듈이 기본 계약에 포함되어 있는지 또는 별도로 승인되는지, 계약 종료 후 데이터 마이그레이션 기간 및 비용을 확인하는 데 중점을 둡니다. 위의 조항은 법률적 검토 범위에 포함될 것을 권고한다.

DISCO는 "자동화 도구"에서 "지능형 협업 플랫폼"으로 법률 기술 분야의 전형적인 진화 경로를 나타냅니다. 이 회사의 가치 제안은 변호사를 대체하는 것이 아니라 변호사가 제한된 시간 내에 가장 가치 있는 증거에 집중할 수 있도록 돕는 것입니다. 매년 10TB가 넘는 전자 데이터를 처리하고 AI 지원 워크플로우에 대한 교육 비용에 투자할 의향이 있는 로펌 및 기업 법무팀의 경우 DISCO는 POC 후보 목록에 포함될 가치가 있지만 구매 결정을 내리기 위해 공급자가 제공하는 벤치마크 사례 데이터에 의존하기보다는 자체 실제 사례 데이터로 검증되어야 합니다.

버전 정보

• 디스코 2026 릴리스 2 ：아직 공식적인 정확한 날짜는 없습니다. 향상된 생성적 AI 요약 및 지능형 증거 상관 분석 기능. （~2026-05）
• 디스코 2026 릴리스 1 ：아직 공식적인 정확한 날짜는 없습니다. 다국어 문서 지원 및 고급 시각적 분석 대시보드가 ​​추가되었습니다. （~2026-02）