인공지능 라벨링이 협력에 미치는 영향: 행동이 규범을 만든다

초록

**
본 연구는 4인 공공재 게임에서 인간 3명과 AI(또는 인간으로 위장한) 봇 1명을 배치해 라벨(인간·AI)과 봇의 전략(무조건 협력·조건부 협력·무임승차) 간 차이가 협력 수준에 미치는 영향을 실험했다. 결과는 라벨에 관계없이 그룹 내 행동 패턴이 협력 수준을 결정하며, 규범적 메커니즘이 인간·AI 혼합 그룹에서도 동일하게 작동한다는 ‘규범적 동등성’을 확인했다.

**

상세 분석

**
이 논문은 인간‑AI 혼합 집단에서 사회적 규범이 어떻게 형성되고 유지되는지를 탐구한다는 점에서 이론적·실증적 의의가 크다. 2×3 요인 설계(라벨: 인간 vs. AI, 봇 전략: 무조건 협력, 조건부 협력, 무임승차)를 채택해 236명의 참여자를 10라운드에 걸친 공공재 게임(PGG)과 일회성 죄수 딜레마(PD)로 구성된 실험에 투입하였다. 라벨 외에 모든 상호작용 구조를 동일하게 유지함으로써 ‘행동’이 협력에 미치는 순수 효과를 분리할 수 있었다.

가설(H1)은 AI 라벨이 협력 수준을 낮출 것이라는 ‘알고리즘 패널티’를 기대했으며, 봇 전략에 따라 협력 정도가 달라질 것(H1a‑c)도 제시했다. 또한 규범 지속성(H2)은 인간 라벨 그룹에서 더 강할 것으로 예측했다. 그러나 결과는 기대와 달리 라벨 효과가 통계적으로 유의하지 않았으며, 봇 전략 간 차이도 미미했다. 참여자들은 라운드가 진행될수록 이전 라운드 평균 기여도에 맞춰 기여를 조정하고, 개인의 기여 관성(inertia)을 보이며, 전체 기여도가 점진적으로 감소하는 전형적인 ‘조건부 협력’ 패턴을 보였다. 이는 ‘행동적 관성’과 ‘집단 내 상호응답성’이 규범 형성의 핵심 메커니즘임을 시사한다.

PD 단계에서도 라벨·전략에 따른 차이가 없었고, 사후 설문에서 제시된 사회적 수용성·규범 기대치 역시 라벨에 무관하게 일관되었다. 즉, 인간은 AI를 사회적 행위자로 인식하더라도, 실제 협력 행동은 그룹 전체의 행동 신호에 의해 조정된다. 이는 ‘규범적 동등성’(normative equivalence)이라는 새로운 개념을 실증적으로 뒷받침한다.

방법론적으로는 온라인 플랫폼(oTree)과 사전·사후 조사를 결합해 행동 데이터와 인식 데이터를 동시에 수집했으며, 조작 검증을 통해 라벨 의심 참가자를 제외한 robustness check도 수행했다. 통계 분석은 혼합효과 모델을 활용해 라벨·전략·라운드 간 상호작용을 검증했으며, 사전 등록된 분석 계획을 충실히 따랐다는 점에서 연구 신뢰도가 높다.

이 연구는 인간‑AI 협력 연구가 주로 1:1 상호작용에 국한된 기존 문헌을 넘어, 집단 수준에서 규범 메커니즘이 어떻게 작동하는지를 보여준다. 특히 AI 라벨 자체가 협력 억제 요인이 아니라, 행동 신호와 규범 기대가 핵심이라는 점은 AI 설계 시 ‘인간‑유사 라벨링’보다 ‘규범 일관성 있는 행동’에 초점을 맞춰야 함을 시사한다. 향후 연구에서는 의사소통이 가능한 고차원 AI, 장기적 상호작용, 그리고 문화적 차이를 포함한 변인들을 추가해 언제 규범적 동등성이 깨지는지를 탐색할 필요가 있다.

**