GUI 작업 난이도 측정은 사용자 행동 분석 및 에이전트 능력 평가에 중요합니다. 기존 벤치마크는 주로 운동 동작(예: 단계 수)을 기반으로 난이도를 정량화하여 작업 완료에 필요한 인지적 요구 사항을 간과합니다. 본 연구에서는 인지적 관점에서 작업 난이도를 모델링하는 새로운 프레임워크인 Cognitive Chain을 제안합니다. Cognitive Chain은 운동 동작에 선행하는 인지 과정을 정보 이론에 기반한 난이도 지수를 가진 일련의 인지 단계(예: 찾기, 결정하기, 계산하기)로 분해합니다. 작업 실행 추적에서 인지 체인을 자동으로 추출하기 위한 LLM 기반 방법을 개발했습니다. 선형 회귀를 통한 검증 결과, 추정된 인지 난이도는 사용자 완료 시간과 상관관계가 높았습니다(단계별 R-제곱 = 0.46, 주석 처리 후). 최첨단 GUI 에이전트 평가 결과, 인지적으로 어려운 작업에서 성공률이 감소하여 능력 격차와 Human-AI 일관성 패턴이 드러났습니다. 에이전트 훈련, 능력 평가 및 인간-에이전트 위임 최적화에 대한 잠재적 적용 방안에 대해 논의합니다.
