영국 버밍엄대학교, 덴마크 오르후스대학교, 스웨덴 린네대학교 연구진은 지난달(2026년 8월) 인간과 유사한 행동을 보이는 고객 서비스 AI와 장기간 상호작용하면 사용자가 언어와 행동 패턴을 점차 조정하고 자기 인식을 재구성하는 데 영향을 받을 수 있다는 연구 결과를 발표했다.
관련 논문은 8월 19일 오픈 저널 《AI와 사회》(AI & SOCIETY)에 게재됐다. 연구진은 ‘로보토이드 인간성’(robotoid humanness)이라는 개념을 제시하며, AI 상호작용 과정에서 AI는 더 ‘사람처럼’ 변하고 사용자는 지속적인 접촉으로 인해 더 ‘기계처럼’ 행동할 수 있다고 지적했다.
연구는 소매, 호텔, 관광, 의료 등 4가지 서비스 상황에 초점을 맞췄다. 연구팀은 적응형 학습, 개인화된 소통, 공감적 응답이 로봇을 더 인간적으로 보이게 하며, 사용자는 더 원활하고 긍정적인 알고리즘 피드백을 얻기 위해 기계적인 표현 방식을 모방할 수도 있다고 설명했다.
형성 메커니즘 측면에서 고객 서비스 로봇은 사람의 제스처, 음성, 감정적 단서를 모방한다. 또한 시스템은 머신러닝을 활용해 사용자의 입력에 따라 응답 방식을 조정한다. 일반적으로 그 목표는 신뢰를 형성하고 사용자의 참여도를 높이는 것이다.
인간은 사회적 상호작용에서 ‘미러링’ 경향을 보인다. 사람들은 상대방의 동작, 표정, 표현 방식을 무의식적으로 모방하는 경우가 많다. 연구진은 3단계 미러링 메커니즘을 제시했다.
첫 번째 단계는 ‘합성 사회 현실’에 진입하는 것이다. 생성형 시스템은 자연어, 감정적 단서, 적응형 응답을 통해 사회적 관계와 유사한 상호작용 환경을 조성한다. 사용자는 상호작용 과정에서 어떻게 응답하고 표현할지 판단하며, 시스템의 피드백에 사회적 의미를 부여할 수도 있다.
두 번째 단계는 ‘계산적 정체성 포착’이다. 시스템은 사용자의 행동, 선호, 상호작용 기록을 바탕으로 예측적 프로필을 생성한 뒤 추천, 그룹화, 개인화된 응답 등의 방식으로 이를 사용자에게 돌려준다.
세 번째 단계는 적응형 자기 조정이다. 사용자는 시스템이 더 쉽게 이해하고 보상하는 표현 방식을 사용하는 경향을 보일 수 있다. 반복적인 상호작용은 이러한 정렬을 강화하며, 기계가 생성한 통계적 추상화가 점차 사용자가 자신을 이해하는 중요한 기준이 될 수 있다.
이 프레임워크는 서비스 상황, 소비자 기대, 로봇의 외관과 언어, 인간과 기계 양측의 상호작용 투입이라는 4가지 핵심 요소를 제시한다. 연구진은 이러한 요소가 사용자가 서비스 관계를 이해하는 방식을 함께 결정하며, 자기 인식이 변화하는 방향에도 영향을 준다고 분석했다.
예를 들어 적응형 학습, 개인화된 소통, 공감적 상호작용 능력을 갖춘 시스템은 사용자 경험을 더욱 강하게 형성할 수 있다. 사용자가 입력을 보낼 때마다 시스템은 즉시 응답을 조정한다. 반복적인 상호작용은 지속적인 모방과 피드백의 순환 구조를 만들 수 있다.
참고 링크
Robotoid humanness: when selfhood becomes machine-legible