본 논문은 AI 시스템이 투명하고, 해석 가능하며, 감사 가능한 결정을 내려야 하는 상황에서, 특히 텍스트와 같은 비정형 데이터를 처리하기 위해 Agentic Classification Tree (ACT)를 제안합니다. ACT는 결정 트리 방법론을 확장하여 각 분기를 자연어 질문으로 구성하고, 불순도 기반 평가 및 TextGrad를 통한 LLM 피드백을 통해 개선합니다. 실험 결과는 ACT가 투명하고 해석 가능한 의사 결정 경로를 생성하면서 기존 프롬프트 기반 방법을 능가하거나 동등한 성능을 보임을 보여줍니다.
