본 논문은 설명 가능한 AI (XAI)의 일환으로, 지역적, 전역적, 그리고 그룹 단위의 반실제적 설명(Counterfactual Explanations, CFs)을 통합적으로 생성하는 새로운 기울기 기반 최적화 방법을 제안합니다. 기존의 지역적, 전역적 CF 생성 방법과 달리, 그룹 단위 CF (GWCF) 생성을 위한 효율적인 단일 단계 접근 방식을 제시하며, 타당성 기준을 통합하여 설명의 신뢰성을 높입니다. 실험 결과는 유효성, 근접성, 타당성 간의 균형을 유지하며 그룹 세분화를 최적화함을 보여주고, 실제 사용 사례를 통해 실용성을 검증합니다.
