규정 준수가 중요한 AI 에이전트 시스템의 기억 구조: 조사

대규모 언어 모델(LLM) 에이전트는 금융 범죄 탐지, 의료 기록 관리, 관할 구역 간 법적 추론 등과 같은 중대한 분야에 점점 더 많이 배치되고 있는데, 이들 분야에서는 규제 준수가 선택이 아니라 법적으로 의무화되어 있습니다. 이러한 환경에서 에이전트의 기억은 단순한 기능적 문제가 아니라 법적 산물입니다: 에이전트는 규제된 데이터를 정확하게 기억해야 하며, 개체 수준의 접근 경계를 강제하고, 사후 감사 가능성을 지원하며, 요구 시 개인정보를 선택적으로 삭제할 수 있어야 합니다. 그러나 기존의 LLM 에이전트 메모리 조사들은 이와 같은 요구사항을 전혀 다루지 않고 있으며, 규제 준수 중심 AI 논문들도 현대 메모리 시스템의 구조적 어휘와 거의 연관되지 않습니다. 본 조사는 최근 12편의 연구(8편은 준수 중심, 4편은 기초 연구)를 종합하여 인지 아키텍처 기반 언어 에이전트(CoALA) 분류법에 기반한 작업 기억, 일화 기억, 의미 기억, 절차 기억을 중심으로 통합 분석 틀을 제시함으로써 이 간극을 메웁니다. 우리는 각 기억 유형이 자금세탁방지 및 은행비밀법(AML/BSA), 건강보험이식성 및 책임법(HIPAA), 일반 데이터 보호 규정(GDPR)의 요구에 어떻게 적응하거나 실패하는지 살펴봅니다. 분석 결과 다섯 가지 핵심 구조적 긴장 관계(기능 대 감사 가능성, 지속성 대 삭제, 단일 검색 대 관계 추론, 세션 범위 기억 대 개체 범위 기억, 의미 변화 대 노후화)와 다섯 가지 구체적 연구 공백(준수 벤치마크 부재, 불충분한 감사 추적 생성, 해결되지 않은 지식 그래프 유지, 미개척 다중 에이전트 기억 전파, 검사 시스템 내 진양성 억제 미계량)을 확인했습니다. 우리가 알기로, 이는 기초 기억 구조 연구와 준수 도메인 요구사항을 통합 분석 틀로 합성하고, 그 결과로 등장한 미해결 문제들에 대한 목표 연구 과제를 제안하는 최초의 조사입니다.