마이크로서비스 장애의 근본원인분석(RCA)이 실제 텔레메트리에서 어디까지 가능한지를 OpenRCA 벤치마크로 규명한 연구다. 고전적 인과 발견 기법과 기존 LLM 다중 에이전트 시스템 모두 신뢰할 만한 근본원인 식별에 실패함을 보이고, 도메인 지식 유무 양쪽 모드를 지원하며 기존 베이스라인을 크게 앞서는 구조화된 다중 에이전트 RCA 파이프라인을 제시했다. 정답을 알려주고 어떤 신호가 그것을 뒷받침하는지 역추적하는 '역추론 에이전트'로 실패를 추론 격차(증거는 있으나 미활용)와 데이터 모호성(증거 부재)으로 분류한 결과, 대다수 실패에서 필요한 증거는 이미 존재했다—병목은 데이터 접근이 아니라 추론 능력이었다. 역추론 보고서에서 판별 규칙을 자동 채굴하는 파이프라인도 도입했지만, 증거 추출이 완벽해도 성능은 모델 수준에서 제한돼 스캐폴드 개선만으로는 격차를 못 메운다는 결론이다.

• •OpenRCA에서 고전 인과 발견·기존 LLM 다중 에이전트 모두 신뢰할 만한 근본원인 식별 실패
• •도메인 지식 유무 양쪽 모드를 지원하는 구조화된 다중 에이전트 RCA 파이프라인으로 베이스라인 대폭 개선
• •역추론 에이전트로 실패를 '추론 격차'와 '데이터 모호성'으로 분류 — 대다수 실패에서 증거는 이미 존재
• •역추론 보고서에서 판별 규칙을 자동 추출해 수작업 지식 큐레이션 의존 감소
• •증거 추출이 완벽해도 성능은 모델 추론 능력이 상한 — 스캐폴드 엔지니어링만으로는 해결 불가