인간 협상 자동 매개자: 구조화된 LLM PIPE라인을 통해 협상 전 매개

인간 협상 이전에 발생하는 준비 단계인 미디어션(pre-mediation)은 양측이 공정한 합의를 달성하기 위한 중요한 역할을 하지만 비용, 시간, 전문 미디어터에 대한 접근 제한으로 인해 자주 누락된다. 우리는 직접 인간 협상 이전의 미디어션을 자동화하는 시스템을 제시한다. 이 시스템은 대규모 언어 모델(LLM) 모듈로 구성된 구조화된 pipe-line으로 구현되어, 통합 협상 환경에서 미디어션을 지원한다. pipe-line은 대화, 선호도 예측, 응답 단위 비평, 구조화된 요약을 위한 별도의 모듈로 준비 단계를 분해한다. 이 방법은 단일 프롬프트 접근의 단점을 해결하기 위해 추론, 생성, 평가를 분리한다. 우리는 각 모듈을 'agent'라고 부른다. 하지만 모듈은 자율적이지 않고, peer-to-peer로 상호작용하지도 않는다. 출력은 고정된 순서로 전달된다. 우리는 두 개의 통제된 실험을 통해 AI 기반 미디어션을 전문가인 인간 미디어터와 비교하여 다중 이슈 협상 시나리오에서 시스템을 평가한다. 단기적 자기보고 결과를 보면, 자동 미디어터는 인간 미디어터와 유사한 준비 단계 결과를 달성한다. 인간 미디어터와의 신뢰와 상호 이익 합의에 대한 자신감도 비슷하다. 또한 선호도 추론 작업에서 오류율이 36% 낮아진다. 두 번째 실험에서, 특정 프롬프트를 개선하면 인간 미디어터의 기준선과 유사한 16.8%의 과도한 확인 패턴을 줄일 수 있다. 결과는 구조화된 LLM pipe-line이 단기적 자기보고 결과를 기준으로 인간 미디어터와 유사한 미디어션 지원을 제공할 수 있음을 시사한다. pipe-line의 단일 당사자 디자인은 인간 미디어터가 오늘날 미디어션을 진행하는 방식을 반영하며, 모든 당사자에 대해 병렬 배포를 지원하여 확장성을 제공한다.