사후 설명 vs 사전 설명: 데이터 과학자를 위한 xAI 설계 지침

설명 가능한 인공지능(xAI) 분야가 성장하면서 다양한 기법과 방법론이 등장했지만, 이 확장은 기존 xAI 접근법과 실제 적용 간의 간극을 확대시켰습니다. 이는 최적의 xAI 기법을 찾으려는 데이터 과학자들에게 상당한 장애물이 됩니다. 이 문제를 해결하기 위해, 본 연구는 데이터 과학자가 자신의 사용 사례에 적합한 xAI 접근법을 선택할 수 있도록 맞춤형 의사결정 지원 프레임워크를 제시합니다. 문헌 조사와 다섯 명의 경험 많은 데이터 과학자 인터뷰에서 얻은 통찰을 바탕으로, 다양한 xAI 접근법의 트레이드오프를 반영한 결정 트리를 도입하여 여섯 가지 일반적으로 사용되는 xAI 도구 중에서 선택을 안내합니다. 본 연구는 여섯 가지 대표적인 사전 및 사후 xAI 방법을 전문 인터뷰를 통해 실제 상황에서의 적용 가능성을 평가하여 비판적으로 검토합니다. 이 작업의 목적은 데이터 과학자와 정책 입안자가 의사결정 과정을 명확히 할 뿐만 아니라 사용자 이해와 해석을 풍부하게 하는 xAI 방법을 선택할 수 있는 능력을 제공하여, 실무에서의 xAI 활용을 진전시키는 데 있습니다.