Earticle

초록

영어

This study proposes a psychotherapy framework that implements Cognitive Behavioral Therapy (CBT) with a multi-agent structure, in which multiple specialized agents—including cognitive distortion assessment agents, corrective counselor agents, exploratory counselor agents, session summary agents, and emotional expression agents—collaborate to conduct counseling. The framework addresses a combination of hallucination, treatment stage management failure, and patient condition assessment errors, which commonly arise when applying large language models (LLMs) as counseling tools. On the data side, this framework enables the construction of personalized counseling contexts, explicit tracking of counseling stages, and enhanced stability and reliability of LLM responses through the integration of retrieval-augmented generation (RAG) techniques for real-world counseling scenarios and the modeling of counselor-specific contextual and personal data. Based on positive evaluation results across usability, empathy expression, personalization appropriateness, contextual coherence, and overall system usability, the framework was found to successfully reproduce the human counselor’s treatment process in a digital environment.

한국어

본 연구는 대규모 언어 모델(LLM)을 상담 도구로 활용할 때의 문제인 환각(hallucination), 치료 단계 관리 실패, 환자 상태 평가 개입의 혼재를 해결하고자 인지 왜곡 평가 에이전트, 교정 상담사 에이전트, 탐색 상담사 에이전트, 세션 요약 에이전트, 감정 표현 에이전트가 협력하여 상담을 진행하는 멀티 에이전트 구조로 인지행동치료(Cognitive Behavior Therapy)를 구현하는 심리 치료 프레임워크를 제안한다. 데이터 측면에서는, 실제 상담 시나리오에 대한 검색 증강 생성 기술의 결합, 상담자 개인 데이터 컨텍스트 모델링을 통해 개인화된 상담 맥락 형성, 단계 준수, LLM 안정성 강화를 가능하게 한다. 사용성 평가 결과, 공감 표현, 개인화 적합성, 맥락 유지, 사용성 등 측면에서 긍정적 평가를 받음으로써, 상담자가 수행하는 치료 과정을 디지털 환경에서 재현한 것으로 평가받았다.

목차

요약
Abstract
1. 서론
2. 선행연구
2.1 상담 챗봇에서의 RAG 활용
2.2 멀티 에이전트 프레임워크
2.3 CBT 기반 감정 분석 및 상담 챗봇
3. 멀티에이전트
3.1 인지왜곡 평가 에이전트(Validator Agent)
3.2 교정 상담사 에이전트(Corrector Agent)
3.3 탐색 상담사 에이전트(Proceeder Agent)
3.4 세션 요약 에이전트(Summarizer Agent)
3.5 감정 표현 에이전트(Emotion Agent)
4. 오케스트레이터
4.1 자기 기록 데이터 저장소
4.2 데이터 컨텍스트 모델링
4.3 정신건강 상담 RAG 리소스
4.4 RAG 구축 방법
5. 전체 시스템 구조 및 동작 흐름
5.1 사용자 인터페이스 구조
5.2 음성 입출력(STT/TTS)
5.3 LLM
6. 실험 결과
6.1 실험 환경 및 구현 설정
6.2 평가 지표
7. 실험 결과
7.1 사용자 경험 및 사용성 평가
7.2 GPT 대비 상대 평가
7.3 정성적 분석 결과
8. 결론
REFERENCES
Appendix

키워드

저자

• 노유진 [ You-Jin Roh | 성균관대학교 인공지능학과 대학원생 ]
• 김동명 [ Dong-Myung Kim | 성균관대학교 인공지능학과 대학원생 ]
• 유선희 [ Seon-Hui Yu | 성균관대학교 인공지능학과 대학원생 ]
• 윤소영 [ So-young Yun | 성균관대학교 인공지능융합학과 학부생 ]
• 강인경 [ In-Gyeong Kang | 성균관대학교 인공지능학과 대학원생 ]
• 이유진 [ Yu-Jin Lee | 성균관대학교 인공지능학과 대학원생 ]
• 오하영 [ Ha-Young Oh | 성균관대학교 응용인공지능학과 부교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  미래기술융합논문지

• 간기

  격월간

• eISSN

  2951-2468

• 수록기간

  2022~2026

• 등재여부

  KCI 등재후보

• 십진분류

  KDC 530 DDC 620