Human-Guided Multi-Agent System for Decision Support

최근 거대 언어 모델(Large Language Models, LLM)의 발전으로 복잡한 의사결정 문제를 해결하기 위한 다중 에이전트 시스템(Multi-Agent Systems) 연구가 활발히 진행되고 있다. 그러나 기존 다중 에이전트 시스템 기반 접근 방식은 에이전트 간 자동화된 상호작용에 주로 의존하여 조직의 전략적 우선순위, 맥락적 지식, 그리고 도메인 특수성을 충분히 반영하지 못한다는 한계를 가진다. 이에 본 연구에서는 다수 이해관계자의 관점이 상충하는 환경에서 AI의 객관적 판단력과 인간의 직관적 판단을 결합하여 의사결정을 지원하는 인간 주도형 다중 에이전트 프레임워크를 제안한다. 구체적으로 제안 방법론은 메인 에이전트 모델이 의사결정 이슈를 분석하여 관련 부서를 자동 식별하고, 각 부서의 입장을 대변하는 에이전트를 생성하는 방식으로 설계된다. 생성된 에이전트들은 이슈에 대한 초기 의견을 제시하고, 다른 에이전트의 의견을 교차 평가한 뒤, Human Leader가 제공하는 전략적 가중치를 반영하여 의견을 수정한다. 이러한 반복적 피드백 과정을 통해 에이전트 간 상충되는 관점을 조율하고, 현실적이고 실행 가능한 최종 합의안을 도출한다. 제안 방법론의 효과를 검증하기 위해 비즈니스 전문 매거진인 HBR(Harvard Business Review)의 사례 중 생성형 AI 세일즈봇의 도입에 대한 기업의 의사결정 이슈에 대해 실험을 수행하였으며, Human Leader의 전략적 개입이 부서 간 합의 수준과 의사결정 품질을 향상시키는 데 효과적임을 확인하였다.