초보자를 위한 음성 LLM 동반자 LeagueBot: 경쟁 게임에서 인지·감정 지원

초록

본 연구는 리그 오브 레전드(LoL) 경기 중 초보 플레이어에게 실시간 정보와 정서적 위안을 제공하는 음성 기반 대형 언어 모델(LLM) 챗봇인 LeagueBot을 설계·평가한다. 33명의 초보자를 대상으로 한 within‑subjects 실험 결과, LeagueBot 사용 시 인지적 부담, 수행 압박, 그리고 경기 중 긴장이 유의하게 감소했으며, 질적 인터뷰를 통해 정보 접근성 향상, 인지 부하 경감, 그리고 시스템 한계라는 세 가지 주요 테마가 도출되었다.

상세 분석

본 논문은 경쟁형 멀티플레이어 온라인 배틀 아레나(MOBA) 게임에서 초보자의 학습 곡선과 사회적 압박을 완화하기 위한 새로운 인터랙션 디자인을 제시한다. 먼저, 기존 연구가 주로 텍스트 기반 튜터링, 시각적 피드백, 혹은 매치메이킹 정책에 초점을 맞추어 왔음에도 불구하고, 실시간 의사결정이 빈번한 고압 상황에서는 이러한 접근법이 인지 부하를 오히려 증가시킬 위험이 있다. 이에 저자들은 최신 LLM 기술을 음성 합성(TTS)과 결합해, 플레이어가 손을 떼지 않고도 자연어로 질문하고 즉각적인 답변을 얻을 수 있는 ‘음성 동반자’를 구현하였다. 시스템 아키텍처는 게임 클라이언트와 비동기 API 통신을 통해 현재 경기 상황(챔피언 선택, 아이템 빌드, 맵 이벤트 등)을 실시간으로 파싱하고, 프롬프트 엔지니어링을 통해 LLM에게 상황‑적합한 조언을 생성하도록 설계되었다.

실험 설계는 within‑subjects 방식으로, 각 참가자는 ‘LeagueBot 사용’과 ‘사용 안 함’ 두 조건을 무작위 순서로 경험하였다. 정량적 측정에는 NASA‑TLX 기반 인지 부하, 수행 압박(Performance Challenge) 설문, 그리고 경기 후 주관적 긴장도 척도가 포함되었으며, 모든 지표에서 통계적으로 유의한 감소를 보였다(p < 0.05). 질적 분석에서는 반구조화 인터뷰를 통해 (1) “정보 접근성 향상” – 플레이어가 챔피언 스킬 쿨다운, 아이템 구매 시점 등을 즉시 확인할 수 있었음, (2) “인지 부하 경감” – 복잡한 전술 판단을 외부에 위임함으로써 집중력을 유지할 수 있었음, (3) “실제 적용 한계” – 음성 인식 오류, 지연(latency), 그리고 지나친 조언으로 인한 흐름 방해 등이 지적되었다.

핵심 인사이트는 다음과 같다. 첫째, 음성 기반 LLM은 텍스트보다 빠른 반응성을 제공해 고속 게임 환경에 적합하다. 둘째, 정서적 지원(격려, 진정 메시지)과 기술적 조언을 동시에 제공함으로써 인지·감정 이중 부담을 동시에 완화한다. 셋째, 시스템 설계 시 ‘비침해성(non‑intrusiveness)’과 ‘컨텍스트 민감성(context awareness)’을 강화해야 하며, 사용자 맞춤형 조언 빈도와 수준을 조절할 수 있는 UI/UX 옵션이 필요하다. 마지막으로, 현재 구현은 영어 기반이며, 음성 인식 정확도와 실시간 지연 문제가 남아 있어 다국어 지원 및 최적화가 향후 과제로 남는다.