기업 데이터웨어하우스에 대한 자연어 분석은 중요성이 커지고 있지만, 환각 지표·잘못된 조인·잘못된 집계 수준·안전하지 않은 데이터 접근·근거 없는 설명 때문에 실제 운영에 제약이 있다. 이 논문은 LLM이 생성하는 분석 결과를 승인된 지표·차원·조인 경로·필터·행 단위 보안 규칙 등 거버넌스된 의미 계층에 제한하는 프레임워크 'GROUND'를 제안한다. GROUND는 사용자 의도를 승인된 지표·차원에 연결하고, 실행 전에 생성된 SQL을 스키마·지표·조인·집계 수준·필터·보안·비용 규칙에 대해 검증하며 위반 시 재시도하거나 응답을 보류한다. 100문항짜리 합성 기업 리포팅 벤치마크에서 GROUND는 스키마 전용, 검색증강, 의미 전용 방식과 비교해 6개 평가 범주 전체에서 환각이 전혀 없는 유일한 시스템이었고, 거버넌스가 없는 시스템은 다수의 질문에서 행 단위 보안을 위반했다. 정확한 지표 정의만 있고 접근 정책이 없는 '의미 전용' 조건도 데이터가 유출돼, 거버넌스가 지표 충실도만으로 대체될 수 없음을 보여줬다.

• •LLM 분석 결과를 승인된 지표·차원·조인·보안 규칙에 제한하는 프레임워크 'GROUND' 제안
• •100문항 벤치마크에서 6개 범주 전체 환각 0건 달성한 유일한 시스템
• •정확한 지표 정의만 있고 접근 정책 없는 조건도 데이터 유출, 거버넌스 필요성 입증
• •NHTSA 실제 데이터·4개 모델 적대적 테스트에서 필터·행단위 보안 위반 0건 유지