보나이 의도적이고 개인화된 소셜 미디어 피드

초록

본 논문은 언어 모델을 활용해 사용자가 자연어로 의도를 제시하고, 소스 선택·필터링·랭킹 과정을 투명하게 조정할 수 있는 “Bonsai” 시스템을 소개한다. Bluesky 플랫폼에 적용해 15명의 사용자를 대상으로 2단계 장기 연구를 수행했으며, 사용자는 새로운 콘텐츠를 발견하고 불쾌하거나 무관한 게시물을 차단하는 등 의도에 맞는 피드를 만들 수 있었지만, 설정에 드는 인지적·시간적 비용이 기존 피드보다 높다는 점을 발견했다. 투명성 제공과 피드 구축 과정의 피드백 루프 강화가 향후 설계에 중요함을 제시한다.

상세 분석

Bonsai는 “Planning‑Sourcing‑Curating‑Ranking”이라는 네 단계 프레임워크를 기반으로 설계되었다. 첫 단계인 Planning에서는 사용자가 자연어로 입력한 의도 문장을 대형 언어 모델(LM)이 파싱해 포함·제외 기준과 후보 소스를 자동 생성한다. 여기서 LM은 사용자의 고수준 목표를 저수준 규칙으로 변환하는 역할을 수행하며, 이는 기존 규칙 기반 커스터마이징 툴이 요구하던 복잡한 매핑 작업을 크게 경감한다. 두 번째 단계인 Sourcing은 Bluesky API, 검색 쿼리, 해시태그, 사전 스크랩된 데이터베이스 등 다양한 채널에서 후보 포스트를 수집한다. 이때 시스템은 소스별 신뢰도와 최신성을 메타데이터로 기록해 이후 단계에서 활용한다. 세 번째 단계인 Curating에서는 또 다른 LM 에이전트가 사용자가 정의한 포함·제외 프롬프트를 적용해 각 포스트를 점수화한다. 여기서 “귀여운 고양이”, “광고 없음”, “슬픈 이야기 차단” 등 구체적인 감성·주제 필터링이 가능하며, LM은 텍스트와 메타데이터를 종합해 의도 일치도를 예측한다. 마지막 Ranking 단계에서는 사용자가 지정한 가중치(관련성, 최신성, 인기도)를 기반으로 포스트를 정렬한다. 이 단계는 기존의 엔게이지먼트 기반 순위와 달리, 사용자가 직접 정의한 가치 기준에 따라 결과가 결정되므로 투명성이 높다.

시스템 구현은 Bluesky의 탈중앙화 특성을 고려해 플랫폼‑agnostic하게 설계되었으며, 각 단계별 설정은 JSON 형태의 편집 가능한 구성 파일로 제공돼 사용자가 언제든지 수정·재생성할 수 있다. 연구에서는 15명의 Bluesky 사용자(다양한 연령·관심사)에게 두 차례에 걸친 인터뷰와 사용 로그 분석을 진행했으며, 주요 발견은 다음과 같다. ① 의도 기반 피드 구축은 사용자가 새로운 관심사를 탐색하고, 원치 않는 광고·유해 콘텐츠를 효과적으로 차단하게 해 주었다. ② 사용자는 LM이 생성한 프롬프트와 랭킹 가중치를 직관적으로 이해했지만, 세부 옵션을 조정하는 데 필요한 인지적 부담이 기존 자동 피드보다 높았다. ③ 투명성 메커니즘(소스·필터링·랭킹 로그 제공)에 대한 요구가 강했으며, 이를 통해 시스템에 대한 신뢰와 사용 지속 의도가 향상되었다. ④ 일부 사용자는 의도와 엔게이지먼트 사이의 트레이드오프를 조정하기 위해 혼합형 피드(의도 기반 + 기존 엔게이지먼트 기반)를 선호했다.

이러한 결과는 언어 모델이 고수준 사용자 의도를 저수준 알고리즘 파라미터로 변환하는 데 강력함을 보여주지만, 사용자 교육·피드백 루프 설계가 부족하면 오히려 사용 부담을 가중시킬 수 있음을 시사한다. 또한, 투명성 제공이 단순 로그 노출을 넘어, 사용자가 결과를 직접 검증·수정할 수 있는 인터페이스와 결합될 때 효과가 극대화된다. 향후 연구는 자동화된 피드백(예: 사용자가 선호하지 않는 결과에 대한 즉각적 피드백)과 지속적인 LM 업데이트를 통해 의도와 실제 결과 간 격차를 최소화하는 방안을 탐색해야 한다.