[논문 리뷰] Generative AI for Business Strategy: Using Foundation Models to Create Business Strategy Tools

Son The Nguyen, Theja Tulabandhula|arXiv (Cornell University)|2023. 08. 27.

Topic ModelingComputer Science인용 수 3

한 줄 요약

이 논문은 GPT-4, 트랜스포머 기반 NER, 그리고 함의 기반 제로샷 분류기를 포함한 기초 모델을 활용하여 비구조화된 뉴스 텍스트에서 동적이고 시간에 따라 변화하는 긍정/부정 표시된 기업 네트워크를 자동으로 생성하는 프레임워크를 제안한다. 이 방법은 기업 간 관계(협업, 경쟁, 중립)에 대한 데이터 기반이고 정량적인 통찰을 가능하게 하며, 실제 사례 검증을 통해 애플의 개인정보 정책 영향으로 인한 페이스북과 구글의 전략적 변화를 정확하게 탐지함을 보여준다.

ABSTRACT

Generative models (foundation models) such as LLMs (large language models) are having a large impact on multiple fields. In this work, we propose the use of such models for business decision making. In particular, we combine unstructured textual data sources (e.g., news data) with multiple foundation models (namely, GPT4, transformer-based Named Entity Recognition (NER) models and Entailment-based Zero-shot Classifiers (ZSC)) to derive IT (information technology) artifacts in the form of a (sequence of) signed business networks. We posit that such artifacts can inform business stakeholders about the state of the market and their own positioning as well as provide quantitative insights into improving their future outlook.

연구 동기 및 목표

• 비구조화된 뉴스 데이터에서 시간에 따라 변화하는 긍정/부정 표시된 기업 네트워크를 구축하기 위한 자동화되고 전문 지식이 최소한인 방법을 개발하는 것.
• NLP 기반 네트워크 추상화를 통해 기업 이해관계자들이 시장 역학, 기업 위치, 전략적 영향을 정량적으로 평가할 수 있도록 하는 것.
• 정적이고 규칙 기반 또는 지도 학습 기반의 관계 추출 방식의 한계를 극복하기 위해 제로샷 및 지시 조정 기반 기초 모델을 사용하는 것.
• 유의미한, GPT-4가 생성한 설명을 통해 유도된 네트워크의 간선 부호와 가중치를 해석 가능하게 하는 것.
• 실제 전략적 전환, 예를 들어 애플의 정책 변화가 경쟁사에 미치는 영향을 탐지할 수 있는 프레임워크의 능력을 입증하는 것.

제안 방법

• 뉴스 헤드라인과 텍스트에서 기관 실체를 추출하기 위해 미세조정된 트랜스포머 기반 NER 모델을 사용한다.
• 레이블이 없는 훈련 데이터를 사용하여도 관계 극성(긍정, 부정, 중립)을 추론할 수 있는 함의 기반 제로샷 분류기(ZSC)를 적용한다.
• 기업이 노드이고 가중치 있는 간선이 관계의 감정을 나타내는 시간에 따라 변화하는 서명된 기업 네트워크의 시퀀스를 구성한다.
• GPT-4를 활용하여 유도된 간선 부호와 가중치에 대한 자연어 설명을 생성하여 설명 가능성과 해석 가능성을 향상시킨다.
• NER → ZSC → 네트워크 구성 → GPT-4 설명 생성의 파ip라인으로 다중 기초 모델을 통합한다.
• 애플의 앱스토어 개인정보 정책 변경과 같은 고영향 사건을 포함한 실제 뉴스 데이터를 사용하여 프레임워크를 검증한다.

실험 결과

연구 질문

• RQ1 기초 모델을 효과적으로 조합하여 비구조화된 뉴스 텍스트에서 인간 간섭 최소로 동적이고 서명된 기업 네트워크를 생성할 수 있는가?
• RQ2 제로샷 분류기가 뉴스 콘텐츠 내 기업 간 관계의 긍정, 부정, 중립를 얼마나 정확하게 탐지할 수 있는가?
• RQ3 GPT-4는 유도된 네트워크 관계에 대해 신뢰할 수 있고 인간이 이해할 수 있는 설명을 제공할 수 있는가?
• RQ4 이 프레임워크는 애플의 개인정보 정책 변화가 경쟁사에 미치는 영향과 같은 실제 전략적 전환을 어느 정도 탐지하고 반영할 수 있는가?
• RQ5 기존의 정적 또는 지도 학습 기반 관계 추출 방법과 비교해 볼 때, 이 접근 방식은 시장 역학을 얼마나 잘 포착하는가?

주요 결과

• ZSC 모델은 '애플의 놀라운 100억 달러의 페이스북에 대한 타격'라는 헤드라인에서 페이스북과 애플 간의 부정적 관계를 0.95의 신뢰도로 정확히 식별했다.
• 프레임워크는 애플의 개인정보 정책 변화가 스냅과 페이스북에 부정적인 영향을 주었고, 구글에는 유리하게 작용했음을 탐지했으며, ZSC 점수는 각각 0.97과 0.96이었다.
• GPT-4는 간선 부호에 대해 일관되고 맥락 기반의 설명을 제공했으며, 예를 들어 '악성'이라는 표현을 틱톡에 대한 부정적 의도로 해석하는 데 성공했다.
• 애플의 정책 변화 이후 관계의 변화를 시스템이 포착했으며, 네트워크 스냅샷을 통해 페이스북과 구글에 대한 부정적 유대 관계가 증가한 것을 확인할 수 있었다.
• 특징 가중치 문제로 인해 '경쟁하다'라는 표현을 부정적 관계로 분류하지 못하는 전통적인 n-gram 모델과는 달리, 이 방법은 성능이 뛰어났다.
• 레이블이 없는 훈련 데이터나 도메인 특화 미세조정 없이도 설명 가능한 시간에 따라 변화하는 서명된 네트워크를 생성할 수 있음을 입증했다.