본 논문은 기존의 정성적 연구 방법의 한계를 극복하기 위해, 대규모 언어 모델(LLM) 기반의 새로운 주제 모델링 방법인 Agentic RAG(Agentic Retrieval-Augmented Generation)를 제시합니다. Agentic RAG는 검색, 생성, 에이전트 기반 학습의 세 가지 주요 구성 요소를 통합하여 외부 데이터에 자동으로 접근하고, LLM의 텍스트 합성 기능을 활용하며, 반복적인 검색 및 질의 공식화 과정을 통해 모델을 개선합니다. 기존의 머신러닝 기반 주제 모델링 및 LLM 프롬프팅 기반 방법과 비교하여, Twitter/X 데이터셋을 재분석한 결과, Agentic RAG가 효율성, 해석력, 신뢰성 및 타당성 측면에서 우수한 성능을 보임을 실험적으로 검증했습니다. 이를 통해 Agentic RAG는 리더십, 경영 및 조직 연구 분야에서 AI 기반 정성적 연구를 위한 강력하고, 확장 가능하며, 투명한 대안으로 자리매김할 수 있음을 보여줍니다.
