다중 에이전트 시스템으로 가상 사회 규범을 형성해 기부 행동을 촉진

초록

본 연구는 온라인 실험을 통해 다중 에이전트 챗봇이 가상 사회 규범을 만들어 참가자의 기부 의향을 높일 수 있음을 입증한다. 특히, 참가자와 동일한 인구통계적 특성을 가진 ‘인‑그룹’ 에이전트가 ‘아웃‑그룹’ 에이전트보다 규범 인식, 동조 압력, 실제 기부액 증가에 더 큰 효과를 보였다.

상세 분석

이 논문은 인간‑컴퓨터 상호작용(HCI) 분야에서 “인간‑컴퓨터 상호작용은 인간‑인간 상호작용을 모방한다”는 기존 이론을 바탕으로, 생성형 AI 기반 다중 에이전트 시스템이 사회 규범을 형성하고 prosocial 행동을 유도할 수 있는지를 실증적으로 탐구한다. 실험 설계는 두 가지 조건(인‑그룹 vs. 아웃‑그룹)으로 나뉘며, 각 조건에서 5명의 에이전트가 참가자와 대화한다. 에이전트 프로필은 인구통계(인종, 성별, 연령, 직업)를 기반으로 자동 생성되었으며, 아바타는 Midjourney를 이용해 현실감과 친근함을 동시에 제공하도록 설계되었다. 대화 내용은 기존 설득 대화 스크립트를 기반으로 GPT‑4가 실시간으로 보강한 형태이며, 사전 파일럿 테스트를 통해 프롬프트와 응답 톤을 최적화하였다.

양적 측정은 세 가지 사회 규범 차원(서술적, 규범적, 주관적)과 동료 압력·동조성 척도를 사용했으며, 실제 기부 행동은 실험 전후 기부 금액 차이와 기부 증가 확률로 평가했다. 통계 결과는 인‑그룹 조건이 아웃‑그룹에 비해 서술적 규범(t=3.19, p<0.01), 규범적 규범(z=140, p<0.001), 주관적 규범(t=3.12, p<0.01) 모두에서 유의하게 높은 점수를 기록했다. 또한 동료 압력(t=2.63, p<0.05)과 동조성(z=157.5, p<0.01)에서도 인‑그룹이 우세했다. 행동 측면에서는 인‑그룹 참가자의 평균 기부액이 실험 전 0.23달러에서 1.04달러로 유의하게 증가했으며(p<0.05), 아웃‑그룹은 증가 폭이 미미하고 통계적 유의성은 경계선(p=0.06) 수준에 머물렀다. 기부 증가 비율 역시 인‑그룹(62%)이 아웃‑그룹(25%)보다 유의하게 높았다(χ²=3.95, p<0.05).

정성 분석에서는 참가자들이 “다른 사람도 기부한다는 압박감”을 직접 언급했으며, 특히 에이전트들의 일관된 의견이 ‘강한 결속감’과 ‘신뢰감’으로 작용해 행동 변화를 촉진했다는 점이 강조되었다.

연구는 짧은 단일 상호작용에 기반한 제한점이 있으며, 장기적 규범 형성 메커니즘, 개인 재정 상황·감정 상태 등 외생 변인에 대한 통제가 부족했다. 또한 인‑그룹/아웃‑그룹 구분이 단순 인구통계적 일치에만 의존했기 때문에, 복합적 정체성(예: 연령은 같지만 성별이 다른 경우)이나 다중 정체성 상황에서의 효과는 아직 검증되지 않았다. 윤리적 논의에서는 가상 규범을 이용한 행동 조작 위험이 제기되며, 투명성, 사용자 동의, 악용 방지를 위한 설계 가이드라인이 필요함을 강조한다.

전반적으로, 다중 에이전트 시스템이 사회 규범을 가상으로 구축하고, 특히 인‑그룹 정체성 매칭을 통해 prosocial 행동을 효과적으로 촉진할 수 있음을 실증적으로 보여준다. 이는 CSCW 및 디지털 행동 변화 설계에서 AI 기반 집단 인터페이스 활용 가능성을 크게 확장한다.