정형화된 테이블 데이터만으로 텍스트 분석과 다양한 시각 차트가 결합된 전문적인 멀티모달(multimodal) 보고서를 자동으로 생성하는 인공지능(AI) 프레임워크 'MCTS-Report'가 최근 발표되었습니다. 이 기술은 데이터 인텔리전스 분야의 중요한 과제로 꼽히며, 기존의 보고서 생성 방식이 가진 고정된 선형 파이프라인과 개별 하위 작업 처리의 한계를 극복하고자 개발되었습니다.
MCTS-Report는 몬테카를로 트리 탐색(Monte Carlo Tree Search, MCTS)과 대규모 언어모델(Large Language Model, LLM)을 활용하여 보고서 생성을 점진적인 구성 과정으로 접근합니다. 보고서 생성을 장(chapter) 계획, 시각화 작업 식별, 차트 생성, 인사이트 구성, 서술 개선 등 여러 '원자적 행동(atomic actions)'으로 분해하고, 각 단계는 현재 보고서 상태에 기반한 동적 추론을 통해 LLM이 실행합니다. 특히 MCTS는 LLM이 단계별 추론과 행동을 생성하는 과정을 안내하며, 이 추론 궤적을 각 노드에 저장하여 맥락을 인식하고 일관성 있는 보고서 구성을 돕습니다. 또한, 수치적 사실 일관성(SQL), 차트 품질, 차트-텍스트 정렬, 구조적 완전성 등을 종합적으로 평가하는 다차원 보상 함수를 설계하여 탐색 과정을 효과적으로 이끌고, 반복되는 차트를 억제하는 다양성 페널티와 유효하지 않은 행동을 가지치기하는 사전 조건 검사 기능도 포함합니다.
연구팀은 MCTS-Report의 성능 검증을 위해 6개 도메인의 실제 테이블 데이터와 전문가가 정제한 참조 보고서 구조, 검증 가능한 핵심 인사이트로 구성된 종합 벤치마크 'MMRBench'를 구축했습니다. MMRBench 실험 결과, MCTS-Report는 구조적 완전성, 수치 정확도, 차트-텍스트 정렬, 인사이트 참신성 등 여러 지표에서 기존의 강력한 기준 모델들을 크게 능가하며 77.9점의 전반적인 점수를 달성했습니다. 이는 데이터 기반 의사결정이 필수적인 현대 비즈니스 환경에서 수많은 수작업과 시간을 절약하고, 더욱 정확하고 일관성 있는 보고서를 신속하게 생성할 수 있는 가능성을 제시합니다. 궁극적으로 이 기술은 데이터 분석가와 비즈니스 전문가의 업무 효율성을 극대화하고, 데이터 활용의 민주화를 가속화하는 데 기여할 것으로 기대됩니다.