본 논문은 현재의 대규모 언어 모델(LLM)이 불확실한 결과가 따르는 고위험 전략적 결정에서 신뢰성이 떨어진다는 점을 지적하며, 인공지능(AI)과 인간 모두에게서 발생하는 인지 편향이 이러한 격차를 심화시킨다고 분석한다. 7개의 최첨단 LLM과 3개의 시장 관련 벤처 사례를 대상으로 한 체계적인 질적 평가를 통해, 시간 제약 조건에서 결정 파트너십을 명시하고 아첨, 조작, 해결책 표류 및 허무주의를 피하도록 지시하는 프롬프팅을 통해 초기 파트너십 상태를 달성했지만, 운영 압력 하에서는 이를 유지하지 못했다는 것을 발견했다. 지속적인 파트너십 상태 유지를 위해 7단계 보정 시퀀스(4단계 초기화 프로세스 기반)를 필요로 하며, 5계층 보호 아키텍처를 통해 편향 자체 모니터링, 인간-AI 적대적 도전, 파트너십 상태 검증, 성능 저하 감지 및 이해 관계자 보호를 가능하게 했다. 이 연구를 통해 파트너십 상태는 순차적 보정을 통해 달성할 수 있지만 유지 관리 프로토콜이 필요하다는 점, 아키텍처적 표류와 컨텍스트 고갈이 일치할 때 신뢰성이 저하된다는 점, 그리고 해산 규율이 근본적으로 잘못된 방향으로의 불필요한 추구를 방지한다는 점을 발견했다.
