본 논문은 대규모 언어 모델(LLM)을 표준화된 분석 프로세스에 통합하여 인공지능(AI) 시스템의 설명 가능성을 높이는 접근 방식을 제시한다. 기존의 설명 가능한 AI(XAI) 방법이 특징 귀속 또는 사후 해석에 초점을 맞추는 반면, 제안된 프레임워크는 질문-선택지-기준(QOC), 민감도 분석, 게임 이론, 위험 관리와 같은 정의된 의사 결정 모델에 LLM을 통합한다. 이러한 공식적인 구조 내에서 LLM 추론을 위치시킴으로써, 불투명한 추론을 투명하고 감사 가능한 의사 결정 추론으로 변환한다. LLM의 추론 공간과 그 위의 설명 가능한 프로세스 공간을 분리하는 계층적 아키텍처를 제시한다. 실험적 평가는 시스템이 분산 거버넌스, 시스템 분석, 전략적 추론 맥락에서 인간 수준의 의사 결정 논리를 재현할 수 있음을 보여준다. 결과는 LLM 기반 표준 프로세스가 신뢰할 수 있고 해석 가능하며 검증 가능한 AI 지원 의사 결정의 기반을 제공함을 시사한다.
