LLM-Based Analysis of Small Business Complaints and Policy Demand Gaps

대한민국 경제에서 가장 방대한 규모의 경제주체인 소상공인은 고물가, 고금리, 디지털 전환 가속화라는 환경 변화 속에서 구조적 취약성이 심화되고 있다. 그러나 기존의 정기적 통계조사나 설문조사 기반 실태조사는 이러한 변화와 소상공인이 체감하는 다양한 고충을 충분히 반영하는 데 한계를 지닌다. 본 연구는 상담 콜센터, ‘아프니까 사장이다’ 온라인 커뮤니티 등에서 생성되는 비정형 민원 텍스트 데이터를 활용하여 소상공인의 고충을 구조화하고, 이를 정책 수요 진단으로 확장하는 분석 프레임워크를 제안한다. 연구방법으로 대규모 언어모델(LLM) 기반 에이전트를 활용하여 분석 목적과 맞는 민원 및 커뮤니티 데이터를 선별하고, LDA와 BERTopic을 결합한 하이브리드 토픽모델링 기법을 적용함으로써 소상공인의 주요 고충을 약 30개의 세부 유형으로 구조화하였다. 또한 도출된 고충 유형과 실제 소상공인 지원 정책 공고문 간의 의미 기반 벡터 유사도 분석을 통해, 정책 공급이 현장 수요에 비해 과도하게 집중된 영역과 상대적으로 부족한 영역을 식별하는 정책 정합성 분석을 수행하였다. 분석 결과, 비정형 텍스트 데이터는 경영 현장의 변화를 정형 데이터보다 민감하게 반영하며, 임대차 갈등, 플랫폼 수수료 부담, 행정 절차 혼선 등 주요 고충 영역에서 정책 지원과의 격차가 확인되었다. 본 연구는 최신 생성형AI기술을 정책 분석에 적용하여 소상공인의 실제 경험과 언어를 정책 수요 분석의 출발점으로 삼았다는 점에서 학술적 의의를 지니며, 공급자 중심의 정책 설계에서 벗어나 수요 기반 정책 포트폴리오 개선을 위한 실증적 근거를 제시한다는 점에서 실무적 시사점을 제공한다.