본 연구는 기업 신용 평가에서 증거 기반 추론 자동화 문제를 해결하기 위해, 비재무적 증거로부터 구조화된 추론을 생성하는 두 가지 대규모 언어 모델(LLM) 기반 시스템을 개발하고 평가합니다. 첫 번째는 단일 에이전트 시스템(NAS)이며, 두 번째는 칼 포퍼의 비판적 대화 프레임워크를 기반으로 하는 논쟁 기반 다중 에이전트 시스템(KPD-MADS)입니다. 두 시스템 모두 실제 기업 사례에 적용되어 숙련된 신용 위험 전문가에 의해 평가되었습니다. KPD-MADS는 설명 타당성, 실용성, 사용성 측면에서 NAS보다 우수한 성능을 보였으며, 두 시스템 모두 수동 전문가 보고에 비해 상당한 생산성 향상을 보였습니다.
