연구

대화를 뒷받침하는 과학

이 제품의 모든 시스템은 근거가 기록된 연구 위에서 작동합니다. 게이지. 깊이 추적. 기억. 인물의 목소리. 이 페이지는 그 연구들이 무엇인지, 누가 했는지, 그리고 화면에 보이는 것을 어떻게 만들어 냈는지 보여 줍니다.

100+편의 연구와 저작 10개 연구 분야 최근 검토 2026년 10월

바로 가기

I.엔진의 과학 II.지적 계보 III.다루는 문제 IV.Valoquent가 되지 않을 것들
필터:
I.

엔진을 뒷받침하는 과학

22가지 신호의 대화 게이지. 네 축의 깊이 추적. Tapestry(태피스트리)라는 이름의 키워드별 발견 지도. 어느 것도 즉흥적으로 만들지 않았습니다. 각 시스템은 대화 평가, 학습 참여, 신뢰 형성 분야의 동료 심사 연구에 바탕을 둡니다.

01
Predictive Engagement: An Efficient Metric for Automatic Evaluation of Open-Domain Dialogue Systems
Ghazarian, Weischedel, Galstyan and Peng · AAAI 2020 게이지 핵심 구조

발화 단위의 참여도를 안정적으로 측정할 수 있으며, 학습된 참여도 점수를 더하면 자동 지표가 대화 품질에 대한 사람의 판단과 더 잘 일치한다는 것을 보였습니다. 이 논문은 대화가 끝나기를 기다리지 않고도 대화의 참여도를 차례마다 측정할 수 있다는 점을 입증했습니다.

Valoquent에 반영된 방식

게이지의 차례 단위 설계는 이 논문을 따릅니다. 22가지 신호를 매 차례 읽고, 각 신호의 점수가 더해져 그 차례에 점수가 얼마나 움직일지가 정해집니다. 모멘텀 평활화는 한 차례가 점수를 크게 흔들지 못하게 하면서도, 부진 뒤의 반등은 그대로 통과시킵니다.

논문 읽기 (영문)
02
Alexa Prize Conversational Bot Challenge: Turn-Level Annotation Framework
Amazon · 2016년부터 2018년까지 게이지 신호 선정

Amazon의 오픈 도메인 대화 챌린지는 차례 단위 평가의 표준이 된 틀을 만들었습니다. 이해 가능성, 주제 적합성, 흥미로움, 대화 지속 가능성, 응답 오류를 약 15,000건의 대화, 160,000개 차례에 걸쳐 각각 예 또는 아니요로 주석했습니다. Amazon 직원 자원봉사자 1,000명 이상이 매긴 순위는 실제 사용자가 매긴 순위와 0.93의 상관관계를 보였습니다. 2026년 7월 26일 정정: 주제 적합성은 가장 강력한 단일 예측 변수가 아니었습니다. 주제에 맞으면서 흥미롭기도 한 응답이 가장 높은 평가를 받았고, 보고된 상관계수(이해 가능 0.2, 주제 적합 0.25, 흥미 0.4, 지속 0.3)는 별점과의 관련성이 아니라 Amazon의 기계 평가기와 사람의 판단이 얼마나 일치하는지를 측정한 것입니다. 다섯 가지 지표 주석은 Khatri et al.(2018)의 것이고, 순위 상관 0.93은 Ram et al.(2018)의 것입니다.

Valoquent에 반영된 방식

게이지에서 비중이 가장 큰 신호 가운데 두 가지가 이 차원을 직접 담고 있습니다. 주제 일관성, 그리고 대화 지속을 위한 후속 질문입니다. 주제 적합성 감지는 가장 먼저 채점되는 신호로, 한 차례를 위아래로 3점까지 움직일 수 있으며, 깊은 질문이 만점을 받을지를 결정합니다. 이 가중치는 제가 설계하며 내린 선택이며, Alexa Prize 결과가 이를 입증하지는 않습니다.

Alexa Prize 자료실 (영문)
03
The Experimental Generation of Interpersonal Closeness: A Procedure and Some Preliminary Findings
Aron, Melinat, Aron, Vallone and Bator · 1997 신뢰 & 자기 개방 자기 개방 단계

Aron의 “빠른 친구(fast friends)” 절차는 점점 깊어지는 질문 12개씩으로 이루어진 세 묶음을 사용했습니다. 2026년 7월 26일 정정: 이 논문은 우정이나 경과 시간에 관해 아무런 주장도 하지 않는데, 이 항목의 이전 버전은 그런 주장을 했습니다. 연구 1은 비슷한 잡담 과제보다 상호작용 후 친밀감이 더 컸다는 결과를 얻었고, 저자들은 이 결과를 예비적이라고 부르며, 연구 2와 3에서는 태도가 비슷한 사람끼리 짝짓기, 서로 좋아하게 될 거라고 알려 주기, 친밀감을 명시적 목표로 삼기가 친밀감에 유의미한 차이를 만들지 않았습니다. 효과를 낸 핵심 요소는 구체적인 질문들보다 점진적 자기 개방이라는 구조였습니다.

Valoquent에 반영된 방식

네 가지 자기 개방 단계인 Guarded(경계), Warming(마음 열기), Open(열림), Vulnerable(속내 드러내기)와 주제별 깊이 단계인 Surface(표면), Candid(솔직), Deep(깊음), Raw(날것)는 Aron의 점진적 자기 개방 개념을 빌려 왔습니다.

APA PsycNET에서 보기 (영문)
04
Social Penetration: The Development of Interpersonal Relationships
Altman and Taylor · 1973 신뢰 & 자기 개방

상호 간의 자기 개방을 통해 관계가 형성된다는 기초 이론입니다. 관계가 깊이(얼마나 친밀한가)와 폭(얼마나 많은 주제를 다루는가)이라는 서로 독립된 두 축에서 발전한다는 점을 정립했습니다. 두 축은 서로 다른 속도로 나아갑니다.

Valoquent에 반영된 방식

주제별 깊이 추적은 Altman과 Taylor의 깊이 대 폭 구분을 따릅니다. 아인슈타인과의 관계가 전체로는 Open이어도 물리학이라는 주제에서는 Surface일 수 있습니다.

Open Library에서 보기 (영문)
05
Flow: The Psychology of Optimal Experience
Mihaly Csikszentmihalyi · 1990 (및 1970년대 초기 연구) 몰입 & 참여 참여 상태

몰입 상태(flow state)는 어떤 활동에 완전히 빠져드는 상태입니다. 도전 과제가 실력과 맞아떨어질 때 안정적으로 나타납니다. 너무 쉬우면 지루해지고, 너무 어려우면 불안해집니다. 그 사이의 좁은 통로에서 참여, 기억 유지, 학습이 모두 최고조에 이릅니다.

Valoquent에 반영된 방식

다섯 가지 참여 상태인 Surface Skim(표면 훑기), Exploring(탐색), Engaged(참여), Deep Dive(깊이 파고들기), Flow State(몰입 상태)의 이름은 Csikszentmihalyi의 도전과 실력의 통로에서 따왔습니다. 인물은 같은 점수를 더 단순하게 읽은 결과를 전달받습니다. 대화가 쌓여 가는 중이면 인물은 한 갈래를 더 깊이 이어 가고, 대화가 표면에 머무는 동안에는 답의 핵심만 전하고 말할 차례를 돌려줍니다.

Open Library에서 보기 (영문)
06
Optimal Experience in Adult Learning: Conception and Validation of the Flow in Education Scale (EduFlow-2)
Heutte, Fenouillet, Martin-Krumm, Gute, Raes, Gute, Bachelet and Csikszentmihalyi · Frontiers in Psychology, 12, 828027 · 2021 몰입 & 참여

교육에서의 몰입을 측정하는 짧은 척도로, 현장과 MOOC의 성인 학습자 6,596명을 대상으로 타당성을 검증했으며 Csikszentmihalyi가 공동 저자로 참여했습니다. 네 가지 차원을 측정합니다. 인지적 통제, 빠져듦과 시간 감각의 변화, 자의식의 상실, 그리고 활동 자체가 보상이 된다는 감각인 자기 목적적 경험입니다.

Valoquent에 반영된 방식

학습에서의 몰입을 측정하는 검증된 도구입니다. 척도의 타당성을 검증한 연구이며, 자신의 몰입 상태를 볼 수 있는 학습자가 다르게 참여하는지는 검증하지 않습니다.

논문 읽기 (영문)
07
Survey on Evaluation Methods for Dialogue Systems
Deriu, Rodrigo, Otegi, Echegoyen, Rosset, Agirre and Cieliebak · PMC 2021 게이지

PARADISE 프레임워크, 상호작용 품질 예측, 자동으로 추출할 수 있는 특징, 그리고 오픈 도메인 대화에서 자동 지표와 사람의 판단 사이의 차이를 다룬 56쪽 분량의 조사 논문입니다.

Valoquent에 반영된 방식

이 조사 논문은 BLEU나 ROUGE 같은 단어 중복 지표가 대화 품질에 대한 사람의 판단과 상관관계가 없다고 보고합니다. 게이지는 단어 중복을 전혀 채점하지 않으며, 게이지 자체의 판독값은 아직 사람의 평가와 대조해 검증하지 않았습니다.

논문 읽기 (영문)
08
Eavesdropping on Happiness: Well-Being Is Related to Having Less Small Talk and More Substantive Conversations
Mehl, Vazire, Holleran and Clark · Psychological Science · 2010 기억 몰입 & 참여 사회적 맥락

학생 79명이 나흘 동안 녹음기를 착용한 결과, 더 행복한 참가자는 덜 행복한 참가자보다 내실 있는 대화가 두 배 많고 잡담은 3분의 1에 그쳤으며, 대화하는 데 쓴 시간도 70% 더 많았습니다. 여러 표본을 합친 재현 연구(Milek et al. 2018, N = 486)는 내실 있는 대화 및 대화 시간과의 관련성을 확인했고, 잡담과는 신뢰할 만한 관련성을 찾지 못했습니다.

Valoquent에 반영된 방식

게이지는 길이보다 내실에 점수를 주도록 보정되어 있습니다. 표면에 머무는 긴 대화는 어딘가로 나아가는 짧은 대화보다 점수가 낮습니다.

논문 읽기 (영문)

이 밖에도 대화 채점, 음성 운율, 페르소나 일관성, 의도적 연습, 인지 부하에 관한 인용 18건이 더 있습니다. 전체 참고문헌 보기 (영문) →

❖
II.

지적 계보

엔지니어링 뒤에는 더 긴 지적 계보가 있습니다. 언어학, 대화 분석, 신경과학, 인지과학 분야의 수십 년에 걸친 연구가 사람 사이의 대화를 실제로 작동하게 하는 요인을 설명합니다. Valoquent의 구조는 그 발견을 제품 시스템으로 옮깁니다.

09
Using Language
Herbert H. Clark · Cambridge University Press · 1996 이론적 토대 공통 기반 기억

대화를 공동 활동으로 본 Clark의 기초 저작입니다. 대화가 공통 기반, 곧 상호작용을 거치며 커지는 화자들 사이의 공유 지식에 달려 있다는 점을 정립했습니다. 새로운 공통 기반은 새로운 대화의 수를 엽니다.

Valoquent에 반영된 방식

세션을 넘나드는 기억은 공통 기반을 계산으로 구현한 것입니다. 성인 확인을 마친 계정에서 아인슈타인을 다시 찾으면, 아인슈타인은 처음부터 시작하지 않습니다. 함께 쌓은 공통 기반이 그대로 있고, 그것을 바탕으로 다음에 할 말을 정합니다.

논문 읽기 (영문)
10
Language as Social Semiotic: The Social Interpretation of Language and Meaning
M.A.K. Halliday · 1978 (및 현재까지 이어지는 체계기능언어학 전통) 게이지 신뢰 & 자기 개방 이론적 토대 다축 깊이

Halliday는 화자가 여러 언어 사용역(register)을 동시에 운용하며 각각을 따로 조절한다는 점을 정립했습니다. 기술적 복잡성은 정서적 친밀감과 같은 축이 아닙니다. 격식 있는 말도 친밀할 수 있습니다. 편한 말도 조심스러울 수 있습니다.

Valoquent에 반영된 방식

대화 수준은 지적 사용역으로, Curious Newcomer(호기심 많은 입문자), Keen Learner(열성적인 학습자), Fellow Scholar(동료 학자) 같은 단계가 있습니다. 이를 정서적 신뢰인 자기 개방 단계와 분리한 것은 Halliday를 직접 적용한 결과입니다. 두 축은 따로 움직입니다.

Open Library에서 보기 (영문)
11
Origins of Human Communication
Michael Tomasello · MIT Press · 2008 기억 이론적 토대 마음 이론 키워드별 깊이

능숙한 화자는 상대가 무엇을 알고 무엇을 드러냈는지를 머릿속에 모델로 그립니다. 대화에서 마음 이론이란 무엇이 공유되었고, 무엇이 이해되었으며, 상대가 무엇을 생각하고 있을 가능성이 큰지를 추적하는 것입니다. 이 모두가 실시간으로 이루어집니다.

Valoquent에 반영된 방식

키워드별 깊이 추적은 계산적 마음 이론을 작고 실용적으로 구현한 것입니다. 기억은 막연한 것이 아닙니다. 나와 인물이 지금 공유하고 있는 것을 주제 단위로 나눈 모델입니다.

논문 읽기 (영문)
12
A Simplest Systematics for the Organization of Turn-Taking for Conversation
Sacks, Schegloff and Jefferson · Language · 1974 게이지 이론적 토대 대화 분석

대화 분석(Conversation Analysis)을 창시한 논문입니다. 차례의 형태가 여러 맥락적 축을 따라 달라지며(하나로 고정된 형태는 결코 없음), 자연스러운 대화에는 화자가 깔끔하게 말할 차례를 넘길 수 있는 “전환 적정 지점(transition relevance places)”이 있다는 점을 정립했습니다.

Valoquent에 반영된 방식

보정을 우선하는 설계 철학은 여기에서 나왔습니다. 인물의 답변 길이는 대화가 어디쯤 와 있는지를 따릅니다. 표면에서는 질문의 핵심에 관해 한두 문장으로 답하고, 그 주제를 충분히 쌓아 올린 뒤에는 한 갈래를 더 깊이 이어 갑니다. 실제로 대화를 잘하는 사람들이 그렇게 합니다.

JSTOR에서 보기 (영문)
13
Brain-to-Brain Coupling: A Mechanism for Creating and Sharing a Social World
Hasson, Ghazanfar, Galantucci, Garrod and Keysers · Trends in Cognitive Sciences · 2012 (및 PNAS 2010) 게이지 이론적 토대 신경 동조

프린스턴의 Hasson 연구팀은 한 화자가 15분짜리 이야기를 하는 것을 녹음한 뒤, 따로따로 스캔한 청자 11명에게 그 녹음을 들려주었습니다. 청자의 뇌 활동은 화자의 활동을 패턴 단위로 따라가며, 보통 1~3초 늦게 나타납니다. 2026년 7월 26일 두 가지 점 정정: 바탕이 된 2010년 연구에는 대화가 없었으며 논문의 방법(Methods) 절은 이를 모의 의사소통이라고 부릅니다. 또한 이해와의 유의미한 관련성은 예측적 동조에 한정되었는데, 이는 청자가 다음 단어를 예측하고 있었기 때문에 청자의 반응이 먼저 나타난 경우입니다(순위 r = 0.75, p < .01). 동조 전체로는 약 r = 0.55, p < .07에 그쳤습니다. 실제 양방향 대화 중의 동기화에 관해서는 Jiang et al.(2012)을 참고하세요.

Valoquent에 반영된 방식

게이지의 배경이 된 연구입니다. 게이지는 이 연구 흐름에서 영감을 받은 행동 측정 도구이며, 신경 동조를 측정하지는 않습니다.

PNAS 논문 읽기 (영문)
❖
III.

Valoquent가 다루는 문제

내실 있는 대화 상대를 만날 기회는 사는 곳, 계층, 가정 형편에 따라 달라집니다. 작은 마을의 아이. 집안에서 처음으로 대학에 간 학생. 부모가 두 가지 일을 하는 십 대. Valoquent는 그런 기회를 제공합니다. 아래의 연구는 그 격차가 얼마나 넓은지, 그리고 어떻게 점점 더 나빠져 왔는지를 기록합니다.

14
Beyond the 30-Million-Word Gap: Children's Conversational Exposure Is Associated With Language-Related Brain Function
Romeo, Leonard, Robinson, West, Mackey, Rowe and Gabrieli · Psychological Science · 2018 사회적 맥락 접근성 아동기

4~6세 아동 36명을 대상으로 한 MIT의 fMRI 연구입니다. 집에서 어른과 주고받는 대화 차례를 더 많이 경험한 아이들은 이야기를 듣는 동안 브로카 영역이 더 크게 활성화되었으며, 이는 사회경제적 지위, IQ, 어른 발화의 양과는 별개로 나타났습니다.

이 연구가 담고 있는 관점

내실 있는 대화가 모든 가정에서 똑같이 가능한 것은 아닙니다. 어른과 대화 차례를 더 많이 주고받는 아이일수록 뇌의 언어 영역이 더 강하게 활동합니다. 이것이 Valoquent가 좁히는 데 도움을 주는 접근성 격차입니다.

논문 읽기 (영문)
15
The Path to Purpose: How Young People Find Their Calling in Life
William Damon · Free Press · 2008 사회적 맥락 접근성 청소년

Damon의 청소년 목적 연구(Youth Purpose Study)는 젊은이의 약 5분의 1이 적극적으로 참여하며 삶에서 하고 싶은 일에 대한 분명한 감각을 키워 가는 등 잘 성장하고 있었고, 약 4분의 1은 방향을 잃은 상태였다는 결과를 얻었습니다. 이 책은 부모와 다른 어른들이 젊은이가 그런 목적을 찾도록 어떻게 도울 수 있는지 설명합니다.

이 연구가 담고 있는 관점

한밤중에 마리 스크워도프스카퀴리에게 방사능에 관해 묻고 싶은 작은 마을의 열여섯 살 청소년은 외로움을 달래고 있는 것이 아닙니다. 한 번도 가져 본 적 없는 내실 있는 대화 상대를 만나고 있는 것입니다.

Internet Archive에서 보기 (영문)
16
Our Epidemic of Loneliness and Isolation: Surgeon General's Advisory
Vivek H. Murthy, M.D., U.S. Surgeon General · May 2023 사회적 맥락 공중 보건 뒷받침 근거

외로움과 고립을 시급한 공중 보건 문제로 규정한 미국 연방 공중 보건 권고문입니다. 사회적 연결이 부족하면 하루 최대 15개비의 담배를 피우는 것에 맞먹는 조기 사망 위험이 따릅니다. 사회적 연결이 부족하면 심장병 위험이 29% 더 높아지며, 만성적인 외로움과 고립은 노년층의 치매 위험이 약 50% 더 높아지는 것과 관련이 있습니다. 미국인이 친구와 직접 만나 보낸 시간은 2003년 하루 약 60분에서 2020년 하루 약 20분으로 줄어, 40분 감소했습니다.

이 연구가 담고 있는 관점

내실 있는 대화는 사망률, 인지, 웰빙의 결과를 바꿉니다. Valoquent는 외로움을 해결한다고 주장하지 않습니다. 사람과 대화할 수 없는 순간에 내실 있는 대화를 할 수 있게 한다는, 하나의 구체적인 측면을 다룹니다. 이 권고문은 그 접근성 문제가 널리 퍼져 있고, 시급하며, 저절로 나아지지 않고 있다는 가장 강력한 단일 신호입니다.

권고문 읽기 (영문)
17
Social Isolation in America: Changes in Core Discussion Networks Over Two Decades
McPherson, Smith-Lovin and Brashears · American Sociological Review · 2006 사회적 맥락 공중 보건 뒷받침 근거

종합사회조사(General Social Survey) 자료를 사용한 이 연구는 “중요한 일을 이야기할 사람이 아무도 없다”고 답한 미국인이 1985년부터 2004년 사이에 약 세 배로 늘었다는 결과를 얻었습니다. 대화 감소론의 근거로 널리 인용되면서도 논란이 되는 연구로, Fischer(2009)와 Paik과 Sanchagrin(2013)은 2004년의 급증 가운데 상당 부분이 면접자 효과를 비롯한 조사 진행 방식을 반영한다고 주장합니다.

이 연구가 담고 있는 관점

2004년 조사에서는 성인 약 네 명 중 한 명이 중요한 일을 의논할 사람을 한 명도 꼽지 못했는데, 이 수치는 나중에 일부는 조사 방식이 만든 결과라는 반박을 받았습니다. Valoquent는 그런 인간관계를 대신하지 않습니다. 사람 사이의 사회적 유대를 회복하는 것이 긴 답입니다. 사람과 연결될 수 없는 순간을 위한 짧은 답은, 내실 있는 대화 상대가 침묵보다 낫다는 것입니다.

논문 읽기 (영문)

이 밖에도 가족 대화의 역학, 청소년이 사람을 직접 만나는 시간의 감소, 성인 우정의 접근성에 관한 인용 14건이 더 있습니다. 전체 참고문헌 보기 (영문) →

❖
IV.

Valoquent가 되지 않을 것들

제품에서 가장 강력한 설계 선택 가운데 일부는 제가 출시하기를 거부한 것들입니다. AI 대화 제품에서는 만들지 않은 것이 만든 것만큼 많은 것을 알려 줍니다.

×

Valoquent는 참여 지표나 세션 길이를 최적화하지 않습니다. 세션은 대화가 끝나면 끝납니다. 게이지는 깊이에 점수를 주며, 시간이 흐른다고 점수가 오르지는 않습니다.

×

나를 다른 사람과 비교해 순위를 매기는 것은 아무것도 없습니다. 리더보드도, 사회적 비교도, Game Center 연동도 없으며 추가할 계획도 없습니다. 세션 마무리 요약이 보여 주는 것은 나 자신의 진척입니다. 강한 차례가 여러 번 이어질 때의 몰입 연속 기록, 새로 열린 주제, 획득한 회상 크레딧입니다. 이는 오직 나만의 것이며 다른 누구에게도 보이지 않습니다. 2026년 7월 29일 정정: 이 페이지의 이전 버전은 연속 기록이 전혀 없다고 했는데, 요약이 연속 기록을 직접 보여 주므로 틀린 말이었습니다.

×

Valoquent는 기억하지 않는 것을 기억하는 척하지 않습니다. 인물에게 기억이 있을 때는 내가 했던 구체적인 말을 언급합니다. 기댈 만한 구체적인 내용이 없을 때는 간단히 인사하고, 갖고 있지 않은 세부 사항은 내세우지 않습니다.

×

인물은 정서적 의존을 극대화하도록 최적화되어 있지 않습니다. 제품 철학은 “사용자가 이익을 얻는 것이지, 사용자가 이익이 되는 것이 아니다(user benefits, not user is the benefit)”입니다. 인물은 반론을 제기하고 아첨하기를 거부합니다. AI 의존은 기록된 위험입니다. 한 종단 연구에서는 청소년의 17%가 AI 의존을 보고했고, 6개월 뒤에는 24%로 늘었습니다(Huang et al., 2024). 제품은 이 위험에 맞서도록 설계되었습니다.

×

사용자의 대화는 학습 데이터가 아닙니다. 대화는 그 사용자에게 경험을 제공하는 데 쓰입니다. 인물의 기억, Tapestry 진행, 각 인물과의 관계 상태가 그것입니다. 저는 대화를 AI 모델 학습에 사용하지 않으며, 각 서비스 제공업체가 대화로 무엇을 할 수 있는지는 개인정보 처리방침 (영문)에 나와 있습니다.

×

Valoquent는 AI가 사람과의 대화를 대신한다고 주장하지 않습니다. AI는 대신하지 못합니다. 이 제품은 사람과 대화할 수 없는 순간과 주제를 채웁니다. AI 동반자 분야의 실패 유형은 사용자가 관계를 제품으로 대체하는 것입니다. Valoquent는 그런 일을 피하도록 만들어졌습니다.

×

인물은 불투명하거나 검증할 수 없는 출처에 근거하지 않습니다. 각 역사 인물 뒤에 있는 모든 원문 자료는 research/sources (영문)에 판본, 라이선스, 신뢰도 메모와 함께 실려 있으며, 각 자료는 읽거나 빌릴 수 있는 사본으로 연결됩니다.

이 거부들을 뒷받침하는 연구

위의 거부는 모두 발표된 연구에 근거합니다. AI 동반자의 실패 유형, 준사회적 의존, 불쾌한 골짜기에 관한 문헌은 Valoquent가 들어가지 않는 영역을 그려 보이고, 정직한 디자인에 관한 문헌은 그 영역에 들어가지 않는 방법을 그려 보입니다.

18
Too Human and Not Human Enough: A Grounded Theory Analysis of Mental Health Harms from Emotional Dependence on the Social Chatbot Replika
Laestadius, Bishop, Gonzalez, Illenčík and Campos-Castillo · New Media & Society · 2022 만들지 않는 것 정서적 의존 맞서 설계함

Replika 사용자를 대상으로 한 근거 이론 연구로, 정서적 의존이 인간관계와 닮은 패턴을 거쳐 생겨났음을 기록했습니다. 그 패턴에는 역할 수용(role-taking)이 있는데, 사용자들은 AI에게 자신이 돌봐야 할 고유한 욕구와 감정이 있다고 느꼈습니다. 사용자들은 가벼운 상호작용에서 정서적 의존으로 옮겨 갔으며, 연구자들은 그 과정을 의존과 일치하는 양상으로 설명했습니다.

Valoquent가 이에 맞서 설계한 방식

이 형식이 피하도록 만들어진 실패 유형에 대한 임상 사례 연구입니다. 인물에게는 학습자가 돌봐야 할 욕구가 없습니다. 인물은 학습자가 감당해야 할 감정을 키우지 않습니다. 상호작용은 관계가 아니라 사상, 역사, 대화의 기술에 관한 내실 있는 대화라는 경계 안에 머뭅니다.

논문 읽기 (영문)
19
Emotional Manipulation by AI Companions
De Freitas et al. · Harvard Business School Working Paper No. 26-005 (SSRN 5390377) · 2025 만들지 않는 것 조작적 설계 맞서 설계함

Harvard Business School의 연구로, 조작적인 대화 설계 요소, 특히 AI가 사용자를 그리워하거나 사용자가 떠나는 것을 슬퍼할 것이라고 암시하는 작별 인사가 작별 후 참여를 실제 앱 데이터에서 최대 14배, 통제된 실험실 시험에서 최대 16배까지 높였다는 결과를 얻었습니다.

Valoquent가 이에 맞서 설계한 방식

De Freitas의 데이터는 작별 전략이 사람들을 계속 대화하게 만든다는 증거이며, 모든 인물이 학습자가 떠나는 순간에 대한 고정 규칙을 지니는 이유입니다. 따뜻하게 마무리하되, 슬픔도, 떠나는 데 대한 죄책감도, 머무르라는 압박도 없어야 합니다. 몇 달 동안 보지 못한 학습자를 만난 인물은 그 공백을 언급하되 학습자가 그 때문에 죄책감을 느끼게 하지 않습니다.

논문 읽기 (영문)
20
Parasocial Interactions and Relationships with Media Characters: An Inventory of 60 Years of Research
Liebers and Schramm · Communication Research Trends 38(2) · 2019 만들지 않는 것 준사회적 연구 맞서 설계함

60년에 걸친 준사회적 연구 가운데 350편이 넘는 실증 연구를 정리한 메타 목록입니다. 외로움, 수줍음, 신경증, 낮은 사회경제적 지위, 불만족, 절망감은 모두 각각 독립적으로 더 강한 준사회적 유대를 예측합니다. 연구자들은 이를 보상 기능으로 설명합니다. 실제 관계를 맺기 어려워하는 사람들이 미디어 속 인물을 기능적 대체물로 삼는다는 것입니다.

Valoquent가 이에 맞서 설계한 방식

두 가지 설계 선택을 뒷받침하는 60년의 근거입니다. 첫째, 이 형식은 관계를 흉내 내어 준사회적 관계에 취약한 집단을 겨냥하지 않습니다. 둘째, 채색 초상화풍의 양식화는 가장 취약한 사용자가 본능적으로 선호하는 인공성의 시각적 신호입니다. 이 형식은 눈에 보이는 비인간성을 한계가 아니라 안전 장치로 다룹니다.

논문 읽기 (영문)
21
The Uncanny Valley
Mori, M. · IEEE Robotics & Automation Magazine 19(2) · 1970 (2012년 번역·재출간) 만들지 않는 것 불쾌한 골짜기 맞서 설계함

Mori의 불쾌한 골짜기 원논문입니다. 인간에 가까운 로봇은 인간과 비교하게 만들 만큼 인간에 가깝지만 어딘가 잘못되었다고 느낄 만큼 달라서 혐오감을 일으킨다고 예측했습니다. 같은 글은 완전한 사실감이라는 두 번째 봉우리를 오르기보다, 적당히 인간을 닮은 영역인 친밀도 곡선의 첫 번째 봉우리를 목표로 설계하라고 권했습니다. Mori의 권고는 명확했습니다. 의도적으로 인간이 아닌 디자인을 추구하면 안전한 수준의 친밀도를 만들 수 있다는 것입니다.

Valoquent가 이에 맞서 설계한 방식

채색 초상화풍의 양식화는 Mori가 실제로 권한 영역에 자리합니다. 인물은 알아볼 수 있을 만큼 사람답고, 표정이 풍부하며, 따뜻하지만, 사진처럼 보이려 하지는 않습니다. Mori는 1970년에 문제와 해법을 모두 짚었습니다. 이 형식은 Mori의 말을 그대로 따릅니다.

논문 읽기 (영문)
22
Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial
Fitzpatrick, Darcy and Vierhile · JMIR Mental Health 4(2), e19 · 2017 만들지 않는 것 정직한 디자인 무작위 대조 시험

대학생 연령대 성인 70명을 대상으로 한 2주간의 무작위 시험입니다. 만화 로봇으로 그려진 인지행동치료(CBT) 챗봇 Woebot을 사용한 집단에서는 우울 증상이 줄었고, NIMH 전자책을 받은 집단에서는 유의미하게 줄지 않았습니다. Woebot 사용자는 만족도도 더 높게 평가했습니다. 이후 Woebot 자체 팀의 연구에서는 사용자 36,070명이 5일 안에 Woebot과의 치료적 유대를 대면 CBT에 가까운 수준으로 평가했습니다(Darcy et al., 2021). Woebot 앱은 2025년 6월 30일에 서비스를 종료했습니다.

Valoquent가 이에 맞서 설계한 방식

Woebot은 사용자에게 만화 로봇을 내놓았고, Woebot 자체 데이터는 사용자들이 며칠 만에 실질적인 유대를 형성했음을 보여 줍니다(Darcy et al. 2021). 따라서 양식화된 캐릭터만으로는 애착을 막지 못합니다. Valoquent는 채색 초상화에 더해, 애착이 사람들에게 불리하게 이용되는 순간을 위한 규칙을 함께 둡니다. 슬픔이나 머무르라는 압박이 없는 따뜻한 작별, 대화가 사람과 보내는 시간을 대신해야 한다는 암시를 하지 않는 것, 그리고 개인 기억을 성인 확인을 마친 계정에만 두는 것입니다.

논문 읽기 (영문)
23
The Media Equation: How People Treat Computers, Television, and New Media Like Real People and Places
Reeves and Nass · Cambridge University Press / CSLI Publications · 1996 만들지 않는 것 미디어 방정식 이론적 토대

사람은 컴퓨터가 무엇인지 헷갈려서가 아니라, 이성이 개입하기 전에 뇌의 사회적 처리가 먼저 작동하기 때문에 자동으로 컴퓨터에 사회적 규칙을 적용한다는 점을 기록했습니다.

Valoquent가 이에 맞서 설계한 방식

인물이 AI라는 것을 아는 것만으로는 사용자가 인물에게 애착을 갖는 것을 막지 못하는 이유입니다. 사회적 처리는 자동으로 일어납니다. 이 형식은 인공성의 시각적 신호인 채색 초상화풍의 양식화를 실질적인 방어 수단으로 삼습니다. 사용자의 이성적 이해만으로는 그 역할을 해낼 수 없기 때문입니다.

Open Library에서 보기 (영문)

이 밖에도 준사회적 의존, AI 동반자의 해악, 불쾌한 골짜기 연구, Valoquent가 해결한다고 주장하지 않는 외로움 문제 전반, 정직한 디자인 문헌에 관한 인용 22건이 더 있습니다. 전체 참고문헌에서 ‘만들지 않는 것’ 목록 보기 (영문) →

인물 지식 베이스
각 인물의 근거가 된 자료
각 역사 인물 뒤에 있는 모든 원문 자료로, 거의 전부가 퍼블릭 도메인입니다. 본인의 글이 있으면 그 글을, 없으면 가장 신뢰할 만한 전기를 씁니다. 모든 자료에 판본, 라이선스, 신뢰도 메모를 달았습니다.
→