본 논문은 조직 내 암묵지 문서화의 어려움을 해결하기 위해 대규모 언어 모델(LLM)을 활용한 에이전트 기반 프레임워크를 제안한다. 불완전한 초기 정보, 전문가 식별의 어려움, 공식적 계층과 비공식적 네트워크의 상호 작용, 적절한 질문의 필요성 등의 문제를 해결하고자, 감소하는 전파력을 가진 SI(Susceptible-Infectious) 모델을 기반으로 지식 전파 과정을 모의 실험한다. 다양한 회사 구조와 전파 매개변수를 사용한 864회의 시뮬레이션 결과, 에이전트는 94.9%의 완전한 지식 재현율을 달성했으며, 자기 비판적 피드백 점수는 외부 문헌 평가 점수와 강한 상관관계를 보였다. 각 시뮬레이션 매개변수가 지식 검색 과정에 미치는 영향을 분석하여, 도메인 전문가에 직접 접근하지 않고도 정보를 복구할 수 있음을 보였다. 이를 통해 에이전트가 조직의 복잡성을 탐색하고 접근 불가능한 단편화된 지식을 포착하는 능력을 강조한다.
