본 논문은 자동차 시스템과 같은 안전 중요 분야에서 소프트웨어 출시 결정의 신뢰성과 효율성을 높이기 위해 대규모 언어 모델(LLM) 기반의 표 데이터 분석 도구인 GateLens를 제안한다. GateLens는 자연어 질의를 관계 대수(RA) 표현식으로 변환한 후 최적화된 Python 코드를 생성하여 표 형태의 검증 데이터를 분석한다. 벤치마킹 데이터셋에서 기존 시스템보다 높은 F1 점수를 달성했으며, 복잡하고 모호한 질의도 더욱 견고하게 처리한다. 산업 평가 결과 분석 시간을 80% 이상 단축하면서 높은 정확도와 신뢰성을 유지하는 것으로 나타났다. 소량의 예시 데이터 없이 다양한 유형의 질의에 대해 높은 성능을 보였으며, 자동차 회사와의 협력을 통해 AI를 중요 업무 흐름에 통합하는 데 대한 실질적인 지침을 제공한다. 결과적으로 GateLens는 테스트 결과 분석을 자동화하여 더 빠르고 정확하며 신뢰할 수 있는 출시 결정을 가능하게 하여 자동차 시스템의 소프트웨어 확장성과 신뢰성을 향상시킨다.
