인포시즈, 8B AI 모델로 GPT-5보다 높은 수치 추론 정확도…연구 논문 EMNLP 2026 발표

기업의 인공지능(AI) 활용이 확대되면서 언어모델이 숫자를 얼마나 정확하게 이해하고 계산할 수 있는지가 중요한 기술 과제로 떠오르고 있다. 특히 금융과 제조, 바이오 등 전문 산업에서는 표에 담긴 수치를 해석하고 여러 데이터를 조합해 계산하는 능력이 업무의 정확성과 직결된다. 그러나 기존 언어모델은 학습 과정에서 익힌 용어나 데이터 패턴에 의존하는 경향이 있어 익숙하지 않은 분야에서는 추론 성능이 떨어질 수 있다. 국내 엔터프라이즈 AI 기업 인포시즈가 이러한 한계를 개선한 수치 추론 기술을 개발해 국제 학술대회에서 연구 성과를 발표했다.

온톨로지 기반 엔터프라이즈 AI 기업 인포시즈(대표 탁정수)는 조한준 연구원(Applied Scientist)이 제1저자로 참여한 연구 논문이 자연어처리 분야 국제 학술지 ‘TACL(Transactions of the Association for Computational Linguistics)’에 게재되고, 국제학술대회 ‘EMNLP 2026’ 발표 논문으로 채택됐다.

EMNLP는 ACL, NAACL과 함께 자연어처리 분야의 주요 국제학술대회로 꼽힌다. 올해 행사는 10월 24일부터 29일까지 헝가리 부다페스트에서 열리며, 글로벌 기술기업과 대학 소속 연구자들이 자연어처리 및 AI 분야의 최신 연구 성과를 공유한다.

인포시즈는 지난 26일 현장에서 해당 논문에 대한 구두 발표를 진행했다. 구두 발표는 연구자가 학술대회 참석자들에게 연구 방법과 주요 결과를 직접 설명하는 발표 방식이다.

논문 제목은 ‘연산 스케치와 자기지도학습을 통한 표 데이터 수치 추론의 일반화(Generalizing Numerical Reasoning in Table Data through Operation Sketches and Self-Supervised Learning)’다. 연구진은 언어모델이 특정 산업의 용어나 데이터 형식에 의존하지 않고 표에 담긴 수치의 관계와 계산 원리를 학습할 수 있는 방법을 제안했다.

기업이 사용하는 재무제표나 생산 데이터에는 매출액, 영업이익, 비용, 생산량 등 다양한 숫자가 포함된다. AI가 이러한 데이터를 활용하려면 필요한 수치를 정확히 찾아내는 것뿐 아니라 질문에 맞는 계산식을 구성하고 연산을 수행해야 한다.

예를 들어 매출 증가율을 구하려면 서로 다른 기간의 매출액을 찾아 비교해야 하고, 이익률을 계산할 때는 매출액과 이익 사이의 관계를 이해해야 한다. 문제는 산업이나 데이터 형식이 달라졌을 때도 같은 계산 원리를 적용할 수 있느냐다.

기존 언어모델은 학습 과정에서 반복적으로 접한 표현과 데이터 구조를 활용해 답을 도출하는 경향이 있다. 이에 따라 금융 분야에서 학습한 모델이 바이오나 기계공학 분야의 표를 분석할 경우 용어와 데이터 구성의 차이로 추론 정확도가 낮아질 수 있다.

인포시즈 연구진은 이러한 문제를 해결하기 위해 ‘TaNOS(Table Numerical Reasoning with Operation Sketches)’라는 학습 프레임워크를 개발했다.

계산식부터 생성하는 TaNOS…학습 데이터 10%로도 높은 추론 정확도

TaNOS의 핵심은 AI가 계산에 필요한 구조를 먼저 학습하도록 합성 데이터를 생성하는 방식이다. 일반적인 질문 중심의 데이터 구성과 달리 표에서 필요한 숫자와 연산을 먼저 선택해 계산식과 정답을 만들고, 이를 바탕으로 질문을 생성한다.

연구진은 이 과정에 두 가지 학습 기법을 결합했다. 첫 번째는 특정 산업에서 사용하는 전문 용어를 임의의 단어로 바꾸는 방식이다. 모델이 익숙한 용어만으로 답을 추측하지 않고 숫자 사이의 관계와 계산 구조에 집중하도록 유도하기 위한 것이다.

두 번째는 계산에 필요한 연산 구조를 간략하게 표현한 ‘연산 스케치(Operation Sketch)’를 학습 신호로 활용하는 방법이다. 모델이 어떤 숫자를 선택하고 어떤 연산을 수행해야 하는지 학습하도록 해 새로운 데이터에서도 계산 원리를 적용할 수 있도록 설계했다.

연구진은 이러한 학습 방식이 실제 수치 추론 성능에 미치는 영향을 평가했다. 그 결과 TaNOS로 학습한 매개변수 80억 개(8B) 규모의 AI 모델은 금융 표 수치 추론 벤치마크에서 85.38%의 정확도를 기록했다.