불확실한 상황에서 의사결정을 돕는 강력한 도구인 베이즈 신념 네트워크(Bayesian Belief Networks, BBN)는 그 구조를 만들고 매개변수를 추정하는 데 어려움이 있었습니다. 기존에는 전문가의 판단에 전적으로 의존하거나 방대한 데이터셋을 활용해야 했지만, 최근 연구에서는 대규모 언어모델(Large Language Models, LLM)을 기반으로 한 AI 에이전트 패널을 활용하여 이 간극을 메우는 새로운 방법론을 제안했습니다.
인도 경영대학원 코지코드(Indian Institute of Management Kozhikode) 연구진은 AI 에이전트 패널이 특정 페르소나와 맥락에 기반하여 확률을 추정하고, 이 응답들에서 노이즈를 제거하기 위해 '트림드 평균(trimmed-mean)' 규칙을 적용하는 6단계 BBN 프레임워크를 개발했습니다. 이 프레임워크는 대안 의료 시스템에서 고객이 의사를 찾으려는 의도를 모델링하는 데 적용되었는데, 자기 효능감(self-efficacy)이 주요 요인처럼 보이지만 실제 인과적 영향은 작고, 주관적 규범(subjective norms)이 고객 의도에 훨씬 더 큰 영향을 미친다는 것을 밝혀냈습니다. 가장 효과적인 전략은 자신감과 공동체 규범을 동시에 개선하는 것이었습니다.
이 연구는 전문가 지식과 데이터 기반 학습 사이의 균형점을 찾아 BBN 구축의 효율성과 정확성을 높일 수 있는 잠재력을 보여줍니다. 특히, 데이터가 부족하거나 전문가 의견이 분분한 영역에서 AI 에이전트가 가상 설문조사 역할을 수행함으로써, 복잡한 의사결정 모델을 보다 신속하고 객관적으로 만들 수 있는 길을 열었습니다. 이는 다양한 산업 분야에서 불확실성에 대한 의사결정 지원 시스템을 구축하는 데 새로운 가능성을 제시하며, 향후 AI 기반 의사결정 도구의 발전에 중요한 기여를 할 것으로 기대됩니다.