본 논문은 소프트웨어 개발 초기 단계에서 비기능적 요구사항(NFRs)을 간과하는 문제를 해결하기 위해 대규모 언어 모델(LLMs)을 활용한 NFR 도출 프레임워크를 제시한다. Deno 기반 파이프라인과 맞춤 프롬프팅 기법을 사용하여 기능적 요구사항(FRs)으로부터 품질 중심의 NFRs를 생성하며, ISO/IEC 25010:2023 표준을 기반으로 품질 속성을 식별한다. 3,964개의 FRs 중 34개를 선정하여 실험한 결과, LLM이 1,593개의 NFRs를 생성했으며, 전문가 평가와의 높은 일치율을 보였다. 유효성 및 적용성 점수는 1~5점 척도에서 중간값 5.0(평균 4.63 및 4.59)을 기록했고, 분류 정확도는 80.4%에 달했다. 8개의 LLM을 비교 분석한 결과, 모델별 성능 차이가 존재하며, gemini-1.5-pro는 속성 정확도가 가장 높았고, llama-3.3-70B는 유효성 및 적용성 점수가 높았다. 이 연구는 LLM을 이용한 자동화된 NFR 생성의 가능성을 보여주며, AI 지원 요구사항 엔지니어링에 대한 추가 연구의 기반을 마련한다.
