doc.haus는 Nicholas Watson과 SureScale.ai가 2026년 6월 10일 공개한 법률 문서 검토 도구다. 계약서와 관련 문서를 로컬에 유지하면서 사용자의 법률 질문에 답하고, 답변을 뒷받침하는 원문 조항을 함께 인용하는 데 초점을 맞춘다. 일반적인 대화형 AI가 문서를 읽고 자연어 요약을 반환하는 수준에 머문다면, doc.haus는 검토 결과가 어느 문구에서 도출됐는지 확인할 수 있도록 근거를 연결한다. GPT가 긴 텍스트에서 의미를 찾아 대화로 전달하듯, doc.haus는 계약 문서를 대상으로 검색·인용·검토·수정 제안을 하나의 법률 문서 작업 흐름으로 묶는다. 기존 계약 검토에서는 담당자가 여러 문서에서 관련 조항을 직접 찾고, 위험 요소를 메모한 뒤, 다시 Word에서 수정안을 작성해야 한다. 범용 문서 챗봇을 사용하면 검색과 요약은 빨라질 수 있지만 원문 근거가 불분명하거나, 생성된 제안을 실제 문서에 반영하는 과정에서 문맥과 변경 이력이 끊어질 수 있다. doc.haus의 차별점은 검증 가능한 인용과 Word 네이티브 수정 결과를 함께 제공한다는 데 있다. 단순히 “이 조항을 바꾸는 것이 좋다”고 설명하는 데서 끝나지 않고, 실제 추적 변경(Tracked Changes) 방식으로 수정안을 작성해 검토자가 변경 전후 문구를 비교하고 승인하거나 거절할 수 있게 한다. 법률 문서를 로컬에 유지한다는 설계 방향도 외부 서비스로 원문을 전송하기 어려운 계약 검토 환경에서 중요한 특징이다. 다만 구체적인 데이터 저장 범위, 모델 실행 위치, 외부 API 사용 여부와 보안 통제 방식은 공식 문서의 추가 확인이 필요하다. 다중 에이전트 계약 검토에서는 검토자, 반론자, 요약자 역할이 협업한다. 한 에이전트가 책임 제한, 면책, 해지 또는 준거법 조항의 위험을 찾으면 다른 에이전트가 그 판단에 반론을 제기하고, 요약자가 근거와 쟁점을 정리하는 방식이다. 이는 한 명의 검토자가 초안을 작성하고 동료가 반대 관점에서 재검토한 뒤 책임자가 결론을 정리하는 법무팀의 작업을 소프트웨어 안에 옮긴 것에 가깝다. 단일 모델의 첫 답변을 그대로 채택하는 방식보다 누락된 관점과 과도한 해석을 드러내는 데 유리하지만, 에이전트 수, 사용 모델, 검색 방식과 같은 세부 구현은 확인이 필요하다. 연구기관이나 생명공학 기업의 법무·사업개발 담당자는 비밀유지계약, 공동연구계약, 물질이전계약과 같은 문서를 로컬에서 검색해 특정 조항의 존재 여부와 원문을 확인하는 데 활용할 수 있다. 예를 들어 여러 계약서에서 연구 결과의 소유권, 배경 지식재산권, 시료 재배포 제한과 관련된 문구를 찾아 인용하고, 반론 역할을 통해 상대방 관점의 해석을 점검한 다음 Word 추적 변경 문서로 협상 초안을 전달할 수 있다. 다만 doc.haus가 제공하는 결과는 변호사의 법률 자문을 대체하는 확정적 판단이 아니라, 사람이 원문과 관할 법률을 다시 검토할 수 있도록 근거와 수정 제안을 정리하는 보조 자료로 다루는 것이 적절하다.

doc.haus는 Nicholas Watson과 SureScale.ai가 2026년 6월 10일 공개한 법률 문서 검토 도구다. 계약서와 관련 문서를 로컬에 유지하면서 사용자의 법률 질문에 답하고, 답변을 뒷받침하는 원문 조항을 함께 인용하는 데 초점을 맞춘다. 일반적인 대화형 AI가 문서를 읽고 자연어 요약을 반환하는 수준에 머문다면, doc.haus는 검토 결과가 어느 문구에서 도출됐는지 확인할 수 있도록 근거를 연결한다. GPT가 긴 텍스트에서 의미를 찾아 대화로 전달하듯, doc.haus는 계약 문서를 대상으로 검색·인용