AI 라벨링이 온라인 콘텐츠 정확성 인식에 미치는 영향과 정책적 파급효과

초록

본 연구는 영국 성인 3,861명을 대상으로 한 2×2×2 요인 실험을 통해 AI 라벨링이 뉴스 기사에 부착될 경우 인식된 정확성이 낮아짐을 확인하고, 정책 관심도는 감소하지만 정책 지지와 전반적 허위정보 우려에는 영향을 미치지 않음을 밝혀냈다. 또한 AI 사용의 인지도를 높이는 사전 설명이 라벨링 효과를 완화시키는 반면, 일방적·양측적 프레이밍은 효과에 차이를 주지 않았다.

상세 분석

이 논문은 AI 생성 콘텐츠에 대한 투명성 정책의 실효성을 검증하기 위해 고품질 확률표본을 활용한 설문 실험을 설계하였다. 2×2×2 요인 설계(인식 향상 여부 × AI 라벨링 여부 × 프레이밍 유형)로 총 8개의 실험군을 구성했으며, 각 군은 약 450~530명으로 균등하게 배정되었다. 주요 종속변수는 (1) 인식된 정확성, (2) 정책에 대한 관심, (3) 정책 지지 의향, (4) 온라인 허위정보에 대한 일반적 우려이며, 모두 7점 Likert 척도로 측정되었다.

첫 번째 핵심 결과는 AI 라벨링이 인식된 정확성을 유의하게 낮춘다는 점이다(H1). 이는 기존 비확률표본 기반 연구와 일치하지만, 확률표본을 사용함으로써 일반화 가능성을 크게 확대하였다. 두 번째로, 라벨링이 정책에 대한 관심을 감소시켰지만(H2‑interest) 정책 지지(H2‑support)와 허위정보 우려(H3)에는 통계적으로 유의한 영향을 미치지 않았다. 이는 라벨링 효과가 인지적 ‘정확성’ 평가에 국한되고, 행동적·정서적 반응으로 확산되지 않음을 시사한다.

세 번째 실험적 조작인 AI 인식 향상(사전 설명)은 라벨링 효과를 부분적으로 완화시켰다(H5). 즉, AI 사용에 대한 사전 지식이 라벨링에 대한 부정적 선입견을 감소시켜 인식된 정확성 저하를 완화한다는 점에서, 정책 설계 시 ‘컨텍스트 제공’이 중요한 보완책이 될 수 있음을 보여준다. 반면, 일방적 프레이밍과 양측적 프레이밍 간 차이는 발견되지 않았다(H6), 이는 라벨링 효과가 메시지 내용보다는 라벨 자체에 의해 주도된다는 점을 뒷받침한다.

한계점으로는 단일 정책(UBI) 기사에 국한된 점, 라벨링 문구가 ‘ChatGPT에 의해 생성됨’이라는 구체적 표현에만 초점을 맞춘 점, 그리고 설문 응답자의 실제 행동(예: 기사 공유)과의 연결고리가 부족한 점을 들 수 있다. 또한, AI 인식 향상 조작이 단순 정보 제공에 그쳐 실제 AI 활용 경험을 촉진하지는 못했으며, 장기적 효과를 검증하기 위한 추적조사가 필요하다.

정책적 함의는 다음과 같다. 첫째, AI 라벨링은 정확성 인식에 부정적 영향을 미칠 수 있으므로, 라벨링만으로 신뢰를 회복하기는 어렵다. 둘째, 라벨링 효과를 완화하기 위해 AI 기술에 대한 교육·인식 제고를 병행하는 것이 바람직하다. 셋째, 라벨링이 정책 지지나 허위정보 우려와 같은 광범위한 여론에 미치는 파급효과는 제한적이므로, 라벨링 정책을 설계할 때 기대 효과를 과대평가하지 말아야 한다.

전반적으로 이 연구는 AI 라벨링이 인식된 정확성에 미치는 직접적 효과를 확률표본을 통해 재현하고, 그 효과가 정책 관심도에만 제한적으로 확산된다는 새로운 증거를 제공한다. 이는 투명성 정책이 공공 신뢰를 구축하려면 라벨링 외에도 AI 활용에 대한 교육·맥락 제공이 필수적임을 시사한다.