AI 손금 보기 검증법이 법률 AI 환각 검증에도 통하는 이유

서로 다른 손바닥 사진 두 장을 AI 손금 보기 도구에 넣었는데, 남편 손에도 아내 손에도 “49세부터 54세까지 재물 집중”이라는 같은 판독이 나왔다면 먼저 의심해야 할 것은 점괘가 맞느냐가 아니다. 출력이 사진을 본 것인지, 아니면 그럴듯한 문장을 꺼낸 것인지부터 확인해야 한다. Threads에 올라온 이 제보는 통제 실험이 아니다. 사진 조건, 프롬프트, 재실행 횟수, 앱 설정이 공개된 실험 설계로 고정되어 있지 않다. 그래서 이 사례만으로 특정 앱이 거짓말을 했다고 말할 수는 없다. 다만 제출 전 검증표에 넣어야 할 항목 하나는 분명해진다. 서로 다른 입력에도 같은 결론이 반복되는지 확인해야 한다.[1]

이 글은 손금 보기 자체의 진위를 다루지 않는다. 2026년 8월 현재 이 자료 범위 안에서 AI 손금 앱에 대한 법원 판단이나 제재 사례도 확인되지 않았다. 여기서 손바닥 사진은 낮은 위험의 검증 연습장에 가깝다. 입력은 눈앞에 있고, 출력은 확신에 차 있으며, 대조 책임은 비교적 안전하다. 문제는 그 출력이 어느 선, 어느 언덕, 어느 손 모양을 근거로 했는지 남길 수 있느냐다.

더 단단한 단서는 개인 제보보다 벤더 설명에서 나온다. iWeaver의 AI Palm Reader FAQ는 결과가 “일반적인 손금 해석을 바탕으로 생성”된다고 설명한다.[2] 이 문장은 곧바로 위법성이나 기망을 뜻하지 않는다. 오락형 서비스라면 일반 해석을 바탕으로 문장을 만드는 것이 상품 설명의 일부일 수 있다. 그러나 검증자에게는 중요한 신호다. 사진 속 특징과 출력 문장이 연결되지 않으면, 그 결과는 이미지 분석이라기보다 일반 손금 템플릿을 사진 위에 얹은 것일 수 있다.

먼저 남겨야 할 검증표

AI 손금 보기 결과를 확인할 때 필요한 표는 길 필요가 없다. 다만 한 줄마다 “무엇을 대조했는가”가 남아야 한다. 손금 앱을 평가하든, 챗GPT에 손바닥 사진을 넣어 재미 삼아 판독을 받든, 아래 항목이 없으면 나중에 같은 실패를 법률 문서에서 더 비싸게 반복한다.

이 표의 중심은 “AI가 맞혔는가”가 아니라 “무엇을 근거로 그렇게 말했는가”다. 손금 보기에서는 그 근거가 사진 속 선이어야 하고, 법률 AI에서는 원문 법령·판결·계약 조항이어야 한다. 둘 다 출력 문장이 먼저 화려해지고 근거 대조가 나중으로 밀릴 때 사고가 난다.

손금 판독의 grounding은 이렇게 본다

AI 손금 보기 결과가 “생명선이 길어 체력이 좋다”고 말한다면 검증자는 먼저 사진 위에서 생명선이라고 불린 선을 찾아야 한다. 엄지와 검지 사이에서 시작해 손바닥 안쪽으로 휘어 내려가는 선을 도구가 실제로 식별했는지, 그 선의 시작점과 끝점을 어디로 잡았는지, 흐린 부분을 어떻게 처리했는지 확인한다. 판독 문장은 한 문장씩 쪼개야 한다. “생명선이 길다”는 사진 대조 대상이지만, “체력이 좋다”는 손금 해석 체계 안의 추론이다. 둘은 같은 검증 칸에 들어가면 안 된다.

“재물운이 강하다”는 문장은 더 조심해야 한다. 손금 해석 체계 안에서는 특정 언덕, 잔선, 운명선, 태양선 같은 요소와 연결해 설명할 수 있을지 모른다. 그러나 AI 출력이 그 연결을 보여주지 않고 바로 “49세부터 54세” 같은 구간을 말한다면, 검증자는 그 나이 구간이 사진의 어느 시각적 특징에서 나왔는지 물어야 한다. 답이 “전반적인 손금 패턴”처럼 뭉개지면 그것은 증거가 아니라 요약문이다.

절차는 단순하다. 먼저 판독 결과를 관찰 주장, 해석 주장, 예측 주장으로 나눈다. 관찰 주장은 사진에서 대조한다. 해석 주장은 그 관찰 주장과 어떻게 연결되는지 본다. 예측 주장은 대개 사진만으로 검증하기 어렵기 때문에, 적어도 어떤 관찰과 어떤 전통적 해석을 거쳐 나온 말인지 요구한다. 여기서 “요구한다”는 말은 도구에 다시 질문하라는 뜻만이 아니다. 검토자가 제출 전 기록에 “사진상 확인 불가”, “근거 선 표시 없음”, “일반 템플릿 가능성” 같은 표시를 남기는 일까지 포함한다.

• 관찰 주장: “감정선이 선명하다”, “손바닥 중앙에 세로선이 있다”, “생명선이 길다”처럼 사진에서 위치를 표시할 수 있는 문장
• 해석 주장: “대인관계가 안정적이다”, “직업운이 강하다”처럼 관찰된 선과 해석 규칙 사이의 연결을 요구하는 문장
• 예측 주장: “몇 세부터 재물이 집중된다”, “이직 운이 온다”처럼 사진만으로는 직접 대조하기 어려운 문장

템플릿형 환각은 대개 이 세 칸을 섞는다. 사진에서 확인 가능한 선을 짚지 않은 채 바로 성격, 재물, 연애, 건강, 전환기를 배열한다. 출력은 친절하고 자연스럽다. 하지만 근거 표시가 없으면 검증자는 아무것도 대조할 수 없다. 대조할 수 없는 확신은, 낮은 위험의 손금 보기에서는 농담으로 지나가지만, 법률 문서에서는 후배 변호사나 KM 담당자가 밤에 원문을 다시 여는 원인이 된다.

다른 손바닥에도 같은 말이 나오는가

입력 불변성 테스트는 손금 보기에서 특히 눈에 잘 보인다. 서로 다른 손바닥 사진을 넣었는데 같은 시기, 같은 성격, 같은 재물운 문장이 반복된다면 두 가지 가능성이 있다. 하나는 실제로 도구가 두 사진에서 유사한 특징을 찾았다는 것이다. 다른 하나는 입력을 충분히 보지 않고 일반 판독문을 돌려주었다는 것이다. 검증자는 후자를 가정하고 결론을 내릴 필요는 없다. 대신 도구가 전자를 입증할 수 있는지 확인하면 된다.

좋은 테스트는 일부러 단조롭다. 조명이 비슷한 손바닥 사진 두 장, 손금이 선명한 사진과 흐린 사진, 왼손과 오른손, 손바닥이 아닌 이미지 같은 음성 대조군을 넣어본다. 목적은 앱을 속이는 것이 아니다. 입력이 바뀌었을 때 출력도 그에 맞게 바뀌는지 보는 것이다. 사진이 완전히 달라졌는데 “강한 재물운”, “인생의 중요한 전환기”, “타고난 리더십” 같은 표현만 같은 순서로 반복되면, 그 문장은 사진보다 템플릿에 더 가까울 수 있다.

이 지점에서 Threads 제보는 증거가 아니라 체크 항목으로만 써야 한다. 개인 게시물은 실험 로그가 아니다. 그러나 검증 절차를 만드는 데는 충분히 유용하다. 특히 법률 AI에서도 같은 현상이 생긴다. 사실관계를 바꿨는데 같은 판례가 계속 나오거나, 관할을 바꿨는데 같은 법리가 유지되거나, 계약 조항을 바꿨는데 같은 위험 문구가 반복된다면 그것은 답변의 안정성이 아니라 입력 둔감성일 수 있다.

같은 사진을 다시 넣었을 때도 안정적인가

반복 실행 일관성은 입력 불변성 테스트와 반대 방향으로 움직인다. 입력 불변성은 다른 사진에도 같은 말이 나오는지 본다. 반복 일관성은 같은 사진에 대해 핵심 판독이 지나치게 흔들리지 않는지 본다. 같은 손바닥 사진을 넣을 때마다 한 번은 직업운, 다음에는 연애운, 그다음에는 건강운이 중심으로 바뀐다면 검증자는 결과를 개별 문장 단위로 낮춰 보아야 한다.

여기서 모든 문장이 완전히 같아야 한다는 뜻은 아니다. 생성형 AI는 표현을 바꿀 수 있다. 문제는 근거가 되는 시각적 특징과 결론의 축이 같이 움직이는지다. 같은 사진에서 생명선 위치 설명은 비슷한데 문체만 달라지는 것은 허용 가능한 변동이다. 한 번은 생명선이 길다고 하고, 다음에는 생명선이 약하다고 하며, 두 경우 모두 같은 자신감으로 인생 결론을 붙인다면 대조표에는 불일치로 남겨야 한다.

오락 표시와 개인정보 조건은 결과의 품질과 별개로 본다

AI 손금 보기 유행은 ChatGPT Images 2.0 이후 소셜 콘텐츠로 빠르게 소비되었고, Elephant Stripes는 손바닥 이미지를 AI에 올려 손금을 보게 하는 행위에 대해 신중하라는 취지의 글을 냈다.[3] 이 맥락은 길게 설명할 필요가 없다. 실무자가 볼 것은 유행의 재미가 아니라 업로드된 이미지가 어디로 가는지다.

손바닥 사진은 얼굴 사진만큼 즉시 익숙한 개인정보처럼 느껴지지 않을 수 있다. 그래도 이미지는 여전히 이용자에게 연결될 수 있는 데이터다. 서비스가 이미지를 저장하는지, 삭제 요청이 가능한지, 모델 개선이나 학습에 쓰는지, 제3자 처리자가 있는지, 무료 판독 뒤 결제가 붙는지 확인해야 한다. 이 항목은 판독이 맞았는지와 별개다. 결과가 우스워도 데이터 처리는 남고, 무료 체험은 구독으로 이어질 수 있다.

법률 AI로 옮기면 이 칸은 더 무거워진다. 손바닥 사진 대신 미공개 계약서, 소장 초안, 증거목록, 내부 의견서가 올라간다. 도구가 아무리 그럴듯한 요약을 내놓아도, 업로드 자료의 보관·학습·접근권 조건을 확인하지 않았다면 검증은 절반만 끝난 것이다.

손금의 선을 대조하는 일과 판례 원문을 대조하는 일

손금 보기 검증이 법률 AI 환각 검증에 옮겨가는 지점은 비유가 아니라 작업 위치다. 손바닥 사진에서 “이 선이 생명선이다”라는 출력은 법률 답변에서 “이 판례가 이 법리를 말한다”는 출력과 같은 위치에 놓인다. 둘 다 사용자가 직접 원본을 열어 표시할 수 있어야 한다. 사진에서는 선의 위치가 원본이고, 법률 업무에서는 판결문·법령·계약 조항이 원본이다.

예를 들어 AI가 어떤 판례명을 제시하며 “대법원은 이러한 조항을 무효로 보았다”고 썼다면, 검토자는 판례명이 실제 존재하는지, 사건번호와 선고일이 맞는지, 해당 문장이 원문에 있는지, AI가 요약한 법리가 사실관계와 맞는지 확인해야 한다. 손금 보기에서 “재물선이 강하다”는 말 옆에 사진 속 선 표시가 필요하듯, 법률 문서에서는 AI 문장 옆에 원문 문단 표시가 필요하다.

법률 업무에서 위험한 것은 AI가 완전히 엉뚱한 답을 하는 경우만이 아니다. 더 흔하게 부담스러운 출력은 대부분 그럴듯하다. 판례명 형식이 맞고, 문체가 법률 의견서답고, 결론이 사용자가 기대한 방향으로 정리되어 있다. 그래서 대조표가 필요하다. 그럴듯함은 검증 항목이 아니다.

법률 전용 도구도 환각을 지우지 못했다

법률 전용 도구라면 일반 챗봇보다 안전할 것이라는 기대는 이해할 수 있다. 검색 증강 생성, 즉 RAG를 붙인 도구는 적어도 출처에 접근할 수 있기 때문이다. 그러나 Stanford RegLab이 2024년 5월 공개한 사전등록 평가에서 Lexis+ AI, Westlaw AI-Assisted Research, Ask Practical Law AI 같은 RAG 기반 법률 리서치 도구도 17~33%의 환각률을 보였다.[4] 이 수치는 “전용 도구라서 환각이 제거된다”는 설명을 그대로 받아들이기 어렵게 만든다.

여기서 주의할 점은 채택과 효과를 섞지 않는 것이다. 어떤 도구가 법률 시장에 들어왔다는 사실은 그 도구가 제출 가능한 결과를 항상 만든다는 뜻이 아니다. RAG를 쓴다는 설명도 마찬가지다. 출처 검색 기능이 붙었다는 사실과, 특정 답변의 인용문이 원문에 정확히 존재한다는 사실은 별개의 검증 대상이다.

손금 보기로 돌아가면 구조가 더 선명해진다. 앱이 사진을 분석한다고 말하는 것과, “이 판독 문장이 이 사진의 이 선에서 나왔다”는 것은 다르다. 법률 AI도 판례 데이터베이스에 연결되어 있다는 것과, “이 요지가 이 판례의 이 문단에 있다”는 것은 다르다. 검토자는 연결 여부가 아니라 대응 여부를 확인한다.

Never trust, always verify를 제출 전 절차로 바꾸면

National Center for State Courts는 2026년 3월 법률 실무자를 위한 AI 환각 가이드에서 “Never trust, always verify”를 제시하고, 1차 출처 대조와 human-in-the-loop 원칙을 강조했다.[5] 이 문구를 구호로 두면 금방 닳는다. 제출 전 절차로 바꾸면 할 일이 분명해진다.

1. AI 출력에서 판례명, 법령 조항, 인용문, 사실관계 요약, 결론을 분리한다.
2. 각 항목 옆에 1차 출처 링크, 문단 번호, 페이지, 조항 번호를 붙인다.
3. 출처에서 찾을 수 없는 문장은 삭제하거나 “확인 불가”로 표시한다.
4. 같은 질문을 다시 실행해 핵심 인용과 결론이 안정적인지 본다.
5. 사실관계나 관할을 바꾼 테스트를 넣어 같은 답이 기계적으로 반복되는지 확인한다.
6. 검토자가 수정한 부분과 AI 원문을 함께 보관한다.
7. 제출 직전 최종 검토자는 AI가 아니라 사람이 맡는다.

이 절차에서 인간 검증은 마지막에 형식적으로 붙는 서명이 아니다. 앞 단계가 사람이 볼 수 있는 형태로 남아 있어야 한다. 프롬프트, 모델 또는 도구명, 실행일, 출력 원문, 사람이 찾은 1차 출처, 삭제·수정한 문장을 남기지 않으면 나중에 “검토했다”는 말만 남는다. 리스크 팀이나 KM 담당자가 필요한 것은 신뢰 선언이 아니라 재현 가능한 흔적이다.

손금 앱을 고소하는 논리가 아니라, 문장을 붙잡는 방법

여기서 멈춰야 할 선이 있다. Threads의 동일 판독 제보는 개인 게시물이고, iWeaver의 FAQ는 일반 손금 해석 기반 생성 가능성을 보여주는 벤더 설명일 뿐이다. 이 자료들만으로 AI 손금 보기 앱 일반의 법적 책임을 말할 수는 없다. 이 글의 결론도 손금 앱에 대한 소송 전략이 아니다.

남는 것은 검증 절차다. 사진 속 선과 출력 문장을 대조한다. 다른 손바닥에도 같은 말이 나오는지 본다. 같은 사진을 반복 실행했을 때 핵심 결론이 흔들리는지 본다. 오락 표시, 이미지 처리방침, 결제 조건을 따로 확인한다. 법률 업무에서는 같은 방식을 판례명, 인용문, 법리 요지, 원문 문단에 적용한다. 근거 없는 확신을 가진 출력은 사진이든 판례든 같은 방식으로 붙잡힌다.

참고자료

1. Threads post by @keepcalmandstaythankful, Threads, 2026
2. AI Palm Reader, iWeaver
3. ChatGPT Image 2 Palm Reading Is Impressive. Don’t Do It, Elephant Stripes
4. Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools, Stanford RegLab, 2024-05
5. Legal Practitioners’ Guide to AI Hallucinations, National Center for State Courts, 2026-03