비즈니스 인텔리전스(BI) 대시보드 상호작용과 LLM(대규모 언어 모델) 기반 지원을 통합하는 에이전틱 디지털 트윈 프레임워크 TwinBI가 2026년 6월 11일 arXiv(2606.13731)에 공개됐다. 사용자가 대시보드 직접 조작과 자연어 질의를 번갈아 수행하는 다단계 분석 과정에서 두 모드 간 분석 상태가 어긋나는 문제를 해결하기 위한 연구다.
최근 BI 도구는 대시보드 조작과 LLM 기반 지원을 결합하는 방향으로 진화하고 있지만, 다단계 분석에서 두 모드가 서로 어긋나는 경우가 잦다. 사용자가 대시보드를 직접 조작하다가 자연어 질의로 전환하면 필터·계층·지표·차트 맥락에 걸친 일관된 분석 상태를 유지하기 어렵다는 것이다. 이렇게 상태가 끊기면 에이전트가 사용자의 현재 분석 맥락을 정확히 파악하지 못해 잘못된 답을 내거나 응답이 지연되는 문제가 생긴다. TwinBI는 바로 이 어긋남을 메우는 데 초점을 맞췄다.
TwinBI는 LLM 기반 에이전트 시스템과 실행 가능한 BI 대시보드 상태를 연결해, 대화형 상호작용·대시보드 조작·의미론적 기반화·출처 추적을 통합 상호작용 로그에서 재구성된 공유 분석 상태로 통합한다. 스키마 뷰·SQL·로그, 그리고 상태 기반 분석 요약을 위한 /insights 명령어 같은 아티팩트도 제공한다. 동일 백본 에이전트를 기준으로 한 A/B 벤치마크에서 TwinBI는 정확 일치(exact-match) 정확도를 43.3%에서 63.3%로, 부분 점수 정확도를 48.3%에서 70.8%로 끌어올렸으며, 타임아웃 발생률은 40.0%에서 10.0%로 크게 줄였다.
사용성 연구에서도 참가자들은 대시보드와 채팅을 통합한 워크플로에서 높은 태스크 정확도와 상태 인식 상호작용에 대한 긍정적 평가를 보였다. 연구팀은 TwinBI가 가시적인 대시보드 상태를 더 풍부한 실행 가능 맥락으로 전환함으로써 에이전트 수준의 분석 신뢰성과 사용자 대면 분석 지원을 동시에 개선한다고 밝혔다. 데이터셋과 소스 코드도 공개됐다.
저작권자 © STORIUM 무단전재 및 재배포 금지
