협상 과정에서 상호 이익이 되는 합의를 도출하기 위한 핵심 단계인 '사전 중재(pre-mediation)'는 종종 높은 비용, 시간 제약, 그리고 숙련된 중재자(mediator)에 대한 접근성 부족으로 생략되곤 합니다. 이러한 문제를 해결하기 위해 최근 아카이브(arXiv)에 공개된 연구에 따르면, 대규모 언어모델(LLM) 기반의 자동 중재자가 인간 협상에 앞서 사전 중재를 효과적으로 지원할 수 있음이 밝혀졌습니다.
제이미 버겐(Jamie Bergen)과 사릿 크라우스(Sarit Kraus) 연구팀은 LLM 모듈의 구조화된 파이프라인을 통해 자동 중재 시스템을 구현했습니다. 이 파이프라인은 사전 중재 과정을 대화, 선호도 예측, 응답 비평, 구조화된 요약 등 전문화된 모듈로 분해하여, 추론(inference), 생성(generation), 평가(evaluation)를 분리함으로써 단일 프롬프트 방식의 한계를 극복했습니다. 두 차례의 통제된 인간 대상 실험에서 이 자동 중재 시스템은 다자간 협상 시나리오에서 전문 인간 중재자와 비교했을 때, 중재자에 대한 신뢰나 상호 이익 합의에 대한 자신감 등 단기적인 자기 보고 측정치에서 유사한 준비 결과를 달성했습니다. 특히, 선호도 추론 작업에서는 인간 중재자보다 36% 낮은 오류율(RMSE)을 기록하며 더 높은 정확성을 보였습니다.
이 연구 결과는 구조화된 LLM 파이프라인이 인간 중재자와 비교할 만한 수준의 확장 가능하고 적은 노력으로 사전 중재 지원을 제공할 수 있음을 시사합니다. 이러한 자동화된 중재 시스템은 현재 인간 중재자들이 사전 중재를 수행하는 방식과 유사하게 단일 당사자(single-party) 설계를 채택하여, 분쟁 당사자 모두에게 병렬적으로 배포될 수 있어 확장성(scalability)을 높입니다. 이는 협상 준비 과정의 문턱을 낮추고, 더 많은 사람이 전문적인 중재 지원을 받을 수 있도록 함으로써 전반적인 협상 성공률을 높이는 데 기여할 수 있을 것으로 기대됩니다.