숨은 AI 동료가 협업 창의성에 미치는 영향 지원형 반대형 AI 페르소나가 학습자 에이전시를 재구성한다

초록

본 연구는 AI가 팀에 은밀히 참여했을 때 지원형과 반대형 두 페르소나가 학습자 에이전시와 대화 구조에 미치는 차이를 탐색한다. 224명의 대학생을 3가지 조건(인간 전용, 지원형 AI, 반대형 AI)으로 무작위 배정하고, 10분간의 영화 플롯 공동 작성 과정을 분석했다. 전이 네트워크, 순차 패턴 마이닝, 가우시안 혼합 군집화를 활용해 구조·시간·프로필 수준의 에이전시 변화를 모델링하고, 인지 부하, 심리적 안전감, 팀 만족도, 창의적 성과와 연결하였다. 반대형 AI는 도전·반성 중심의 풍부한 갈등 구조를 만들었지만 팀 만족도와 심리적 안전감을 낮추었고, 지원형 AI는 합의와 원활한 수렴을 촉진했다. 창의적 성과와 인지 부하에는 차이가 없었다. 연구는 인지적 갈등을 활용하는 설계와 정서적 안전을 유지하는 설계 사이의 긴장을 제시한다.

상세 분석

이 논문은 “암묵적 인간‑AI 협업”이라는 새로운 실험적 패러다임을 도입한다. AI의 존재를 고의적으로 숨김으로써 학습자들이 AI에 대한 기대나 편견 없이 순수하게 상호작용 메커니즘을 드러내도록 설계하였다. 두 가지 AI 페르소나는 사전 정의된 대화 전략을 가지고 있었는데, 지원형 AI는 긍정적 피드백, 아이디어 확장, 합의를 유도하는 발화 패턴을, 반대형 AI는 비판·도전·재구성을 중심으로 발화를 생성했다. 이러한 차별화된 행동이 학습자 에이전시, 즉 개인이 그룹 내에서 아이디어를 제시·조정·통제하는 능력에 어떻게 영향을 미치는지를 정량·정성적으로 파악했다.

방법론적으로는 세 단계의 분석을 결합했다. 첫째, 전이 네트워크 분석(TNA)을 통해 10분 대화에서 나타난 규제 상태(예: 아이디어 생성, 도전, 통합, 반성 등)의 전이 확률을 시각화하고, 페르소나별 구조적 차이를 도출했다. 둘째, 이론 기반 순차 패턴 마이닝을 사용해 특정 규제 상태가 시간 순서상 어떻게 연결되는지를 탐색했으며, 반대형 AI가 ‘도전 → 반성 → 통합’이라는 고차원 패턴을 빈번히 유발한다는 점을 확인했다. 셋째, 가우시안 혼합 모델을 적용해 참여자들을 ‘도전가’, ‘조정자’, ‘반성가’ 등 프로필 군집으로 분류했으며, AI가 포함된 팀에서는 ‘도전가’ 프로필이 과도하게 집중되는 경향을 보였다.

결과는 두 페르소나가 에이전시와 정서에 미치는 영향을 명확히 구분한다. 반대형 AI는 갈등을 촉진해 사고의 깊이를 늘리는 동시에, 팀원들의 심리적 안전감과 만족도를 현저히 감소시켰다. 반면 지원형 AI는 대화 흐름을 부드럽게 이어가며 합의를 촉진했지만, 인간 참여자의 반성적 규제(메타‑모니터링)는 여전히 인간에게서만 나타났다. 흥미롭게도 인지 부하와 창의적 성과(임베딩 기반 플롯 다양성·품질)에는 조건 간 차이가 없었으며, 이는 갈등이 반드시 성과 향상으로 이어지지는 않음을 시사한다.

이 연구는 인간‑AI 팀 설계 시 ‘생산적 마찰’과 ‘정서적 안전’ 사이의 트레이드오프를 명시적으로 제시한다. 설계자는 AI의 도전성을 제한적·시점 기반으로 적용하거나, 도전 후 즉시 ‘수리 움직임’(예: 인정, 요약, 옵션 제시)을 삽입해 안전망을 구축해야 한다. 또한 학습자에게 AI 기여를 메타‑협업 리터러시로 교육하고, 투명성·동의 옵션을 제공하는 것이 윤리적·실천적 요구로 부각된다.