본 논문은 설명 가능한 인공지능(XAI)에서 신뢰를 확보하기 위해 AI 시스템의 의사결정 이유를 설명하는 방법에 대해 다룬다. 기존의 추론적 설명(abductive explanation)은 동일한 구체적인 값을 공유하는 많은 입력에 적용될 수 있지만, 수치 입력의 경우 더 일반적인 설명이 선호된다. 본 논문은 각 특징에 대한 구간을 제공하여 해당 구간 내의 값을 갖는 모든 입력이 동일한 예측을 하도록 보장하는 '확장된 추론적 설명(inflated abductive explanation)'을 제시한다. 여러 개의 확장된 추론적 설명이 존재할 수 있으므로, 본 논문에서는 입력 공간의 가장 큰 부분을 포함하는, 즉 가장 일반적인 추론적 설명을 찾는 방법을 제시한다. 이는 인간에게 단 하나의 설명만 제공해야 할 때 가장 광범위하게 적용 가능하고 합리적으로 보이는 설명을 제공한다. 본 논문은 IJCAI2025 학회에 게재 승인되었다.