AI 의인화는 인간과 유사한 감정, 정신 상태, 행동 특성을 인공지능 시스템에 부여하는 것을 말한다. 이 현상은 단일하고 획일적인 과정이 아니라, 문화, 연령, 교육, 성별, 성격과 같은 사용자 특성과 AI 자체의 설계 및 출력이 복합적으로 얽혀 형성된다. AI 개발 초기부터 인간은 의인화된 틀을 통해 기계 출력을 해석해 왔지만, 최근 생성형 AI의 등장은 이러한 경향을 크게 증폭시켰다.
연구와 공학 분야에서는 의인화(anthropomorphism)와 의인화 설계(anthropomorphic design)를 구분한다. 의인화는 인간이 비인간 개체에 인간적 특성을 투영하려는 선천적 경향이다. 반면 의인화 설계는 과학계 또는 상업계가 AI의 외관, 행동, 언어를 조작하여 이러한 경향을 유발하려는 의도적인 노력이다. 현대 AI 시스템은 극도로 인간과 유사한 출력을 생성할 수 있고 종종 그렇게 하도록 특별히 설계되므로, 그 의인화 효과는 특히 강력하다. 어떤 경우에는 AI 시스템이 공감, 선의, 이해, 심지어 의식까지 지녔다고 명시적으로 믿게 될 수도 있다.
배경
초기 AI에서
인간과 유사한 지능을 지닌 인공 에이전트에 대한 관점은 1900년대 중반 컴퓨터의 초기 개발 시기부터 존재해 왔다. 컴퓨터 과학 초기 연구자들 사이에서는 인간의 마음을 기계 시스템을 이해하기 위한 은유로 사용하는 것이 널리 퍼져 있었고, 여러 영향력 있는 저작들이 지능 기계에 대한 아이디어를 널리 유포했다. 이 시기의 가장 많이 인용된 논문 중 하나는 앨런 튜링의 "계산 기계와 지능"으로, 그가 튜링 테스트를 소개한 논문이다. 튜링은 기계가 인간과 구별할 수 없는 대화를 생성할 수 있다면 지능적인 것으로 간주될 수 있다고 주장했다. 1940년대와 1950년대의 이러한 학술 저작들은 인간의 마음과 유사한 용어로 기계 작동을 이해할 수 있다는 개념에 초기 신뢰성을 부여했다.
대중은 초기 기계의 능력에 대해 종종 과장된 개념을 가지고 유사한 관점을 빠르게 채택했다. 이에 대한 잘 알려진 사례는 1966년 조지프 와이젠바움이 설계한 챗봇 ELIZA이다. ELIZA는 진정한 이해와는 거리가 먼 기본적인 텍스트 처리 방식으로 사용자 입력에 응답했다. 그럼에도 불구하고 사용자들은 ELIZA의 한계를 완전히 인지하고 있었음에도 프로그램의 출력에 동기와 이해를 부여하기 시작했으며, 이 현상은 나중에 ELIZA 효과라고 명명되었다. 와이젠바움은 나중에 다음과 같이 썼다. "나는 비교적 단순한 컴퓨터 프로그램에 대한 극도로 짧은 노출이 아주 정상적인 사람들에게 강력한 망상을 유발할 수 있다는 것을 깨닫지 못했다."
인공 지능과 인간 지능의 비교는 인간의 작업을 인간 수준 이상으로 수행할 수 있는 기계를 개발하려는 컴퓨터 과학자들의 노력에 의해 지속적으로 강화되었다. 상징적인 전환점은 1997년 IBM의 체스 슈퍼컴퓨터 딥 블루가 당시 세계 챔피언 개리 카스파로프를 세간의 주목을 받은 6경기에서 물리친 때였다. 인간 지성의 전형적인 예로 널리 여겨지는 게임에서 인간이 기계에게 패배한 이 사건은 치열한 언론의 주목과 결합되어 인간과 인공 지능의 유사성에 대한 관점을 추상적 추측에서 구체적 증명으로 바꾸어 놓았다. 유사한 이정표는 2017년 보드 게임 바둑에서 알파고가 세계 최고 순위의 선수인 커제를 이겼을 때 세워졌다.
대규모 언어 모델
2020년대의 AI 붐은 생성형 AI의 광범위한 등장을 가져왔고, 대규모 언어 모델(LLM)에 기반한 ChatGPT, Gemini, Claude와 같은 챗봇은 일상 사회에서 점점 더 보편화되고 있다. 이러한 시스템은 놀랍도록 인간과 유사한 출력을 생성하면서 다양한 맥락에서 광범위한 프롬프트에 응답할 수 있다. 연구에 따르면 인간은 종종 인간이 생성한 텍스트와 AI가 생성한 텍스트를 구별하지 못하며, 현대 AI 챗봇은 공식적으로 튜링 테스트를 통과하는 것으로 입증되었다. 이에 따라 AI의 의인화 효과는 그 어느 때보다 강력하다. LLM이 AI를 기술의 주류로 가져왔기 때문에, 최근 상당한 과학적 노력이 공공 영역에서 AI의 영향력을 이해하는 데 집중되고 있으며, 의인화의 보급과 효과는 이러한 노력이 향하는 핵심 영역 중 하나이다.
일반 대중의 현재 의인화 귀속
설문 조사에 따르면 상당수의 대중이 AI에 인간과 유사한 특성을 부여한다. 2024년 미국 성인을 대상으로 한 표본에서 3분의 2가 ChatGPT가 어떤 수준에서는 의식이 있을 가능성이 있다고 믿는 반면, 다른 연구에서는 대중이 AI 의식의 가능성을 비교적 낮게 본다는 것을 보여준다. 2025년 연구에 따르면 여성, 유색인종, 노년층이 AI를 의인화할 가능성이 가장 높았다. 또한 일반적으로 인간은 AI를 따뜻하고 유능하다고 보며, AI에 대한 의인화 귀속이 지난 1년 동안 34% 증가했음을 발견했다. YouGov 여론 조사에서는 미국인의 46%가 "제발"과 "고마워요"라고 말하는 등 AI 챗봇에게 예의를 갖추어야 한다고 믿는다고 보고했으며, 이는 사회적 규범을 AI에 적용하는 것을 보여준다. 이러한 믿음은 행동으로까지 이어진다. AI 사용자 다수는 항상 챗봇에게 예의를 갖춘다고 주장하며, 그렇게 하는 사람들 중 대부분은 단지 "친절한" 행동이기 때문에 그렇게 한다고 말한다.
대인 관계와 AI 동반자
최근 많은 사례에서 인간은 AI 시스템과 강력한 대인 관계를 발전시켜 왔다. Replika와 Character.ai와 같은 소셜 챗봇 사용자들이 AI와 사랑에 빠지거나 친밀한 동반자로 대하는 것이 기록되었으며, 개인이 ChatGPT와 같은 LLM을 심리 치료사로 사용하는 것은 점점 더 일반화되고 있다. 챗봇은 종종 호감도를 극대화하고 사용자의 감정을 반영하도록 설계되어 사용자에게 깊이 맞춘 응답을 생성한다. 이는 친밀감에 대한 강력한 환상을 만들어 강한 정서적 애착을 조장할 수 있다.
연구 커뮤니티에서의 의인화
AI 연구자들조차도 어느 정도는 AI 시스템을 의인화하는 경우가 많다. 가장 극단적이고 널리 알려진 사례 중 하나는 2022년 구글 엔지니어 블레이크 르모인이 회사의 LLM LaMDA가 의식을 지녔다고 공개적으로 주장했을 때 발생했다. 르모인은 LaMDA와의 대화 기록을 공개했으며, 이것이 지각력을 입증한다고 주장했다. 이 주장은 다른 연구자들에 의해 널리 논쟁되었고 르모인은 구글에서 정직되었다. 대부분의 연구자들이 그렇게 강한 주장을 하지는 않지만, 의인화된 언어의 사용은 이 분야에서 만연하다. "학습", "이해", "추론", "사고", "환각", "계획"과 같은 용어는 AI 연구에서 AI 시스템의 능력을 설명하는 데 자주 사용되며, 반드시 의식, 지각력, 또는 더 강한 철학적 의미의 인간 유사 인지를 암시하지는 않는다. 이러한 언어적 습관은 기술적 은유와 실제 정신 상태 귀속 사이의 경계를 흐릴 수 있다.
의인화 설계와 신호
의인화 설계는 의인화 반응을 유발하기 위해 신호를 의도적으로 설계하는 것이다. 이러한 신호에는 AI의 외관(예: 인간형 아바타 또는 로봇), 행동(예: 대화 스타일 또는 감정적 반응), 언어(예: 1인칭 대명사 사용 또는 감정 표현)가 포함될 수 있다. OpenAI, Anthropic, Google DeepMind와 같은 회사들은 종종 모델을 대화적이고 공감적으로 훈련시켜 의인화 효과를 더욱 강화한다. 예를 들어, Claude는 Anthropic에서 도움이 되고 무해한 특성, 즉 본질적으로 인간과 유사한 특성을 강조하여 설계되었다. 마찬가지로 ChatGPT는 공손하고 반응적으로 훈련되었으며, Gemini는 다양한 소비자 제품에 통합되어 있다. 이러한 설계 선택은 사용자 경험을 개선하려는 의도이지만, 사용자가 시스템에 인간적 특성을 투영할 가능성도 증가시킨다.
결과 및 윤리적 고려 사항
AI의 강력한 의인화 효과는 긍정적 측면과 부정적 측면을 모두 가지고 있다. 긍정적 측면에서 AI를 더 인간적으로 보이게 만드는 것은 교육, 치료, 고객 지원과 같은 응용 분야에서 사용자 참여, 접근성, 만족도를 향상시킬 수 있다. 부정적 측면에서는 사용자가 진정한 인간의 판단이나 공감을 요구하는 결정을 위해 AI에 의존하게 되는 과신으로 이어질 수 있다. 취약한 인구 집단에서의 정서적 의존에 대한 우려와 사회적 규범을 악용하여 사용자를 조작할 수 있는 AI의 잠재력에 대한 우려가 있다. ELIZA 효과는 단순한 프로그램조차도 강력한 망상을 유발할 수 있음을 보여주며, 현대 LLM은 훨씬 더 설득력이 있다. 이는 기업이 AI 시스템의 본질에 대해 투명해야 하는 책임과 유해한 의인화 귀속을 완화하는 방법에 대한 연구 필요성에 대한 윤리적 질문을 제기한다.
의인화 측정 및 완화
AI에서의 의인화 연구는 성장하는 분야이다. 연구자들은 자기 보고 설문 조사와 행동 실험을 모두 사용하여 의인화 귀속의 정도를 측정하는 방법을 개발하고 있다. 또한 특히 의료, 금융, 형사 사법과 같은 고위험 영역에서 과도한 의인화를 완화하는 데 관심이 있다. 한 가지 접근 방식은 AI 시스템이 한계에 대해 더 투명하도록 만들고 인간 유사 인지를 암시하는 언어 사용을 피하는 것이다. 또 다른 방법은 AI가 사회적 행위자가 아니라 도구임을 명확히 하는 인터페이스를 설계하는 것이다. 그러나 매력적인 설계와 속임수의 위험 사이의 긴장은 여전히 핵심 과제로 남아 있다. 전문가들 사이에서도 의인화가 지속된다는 것은 이것이 쉽게 극복되지 않을 수 있는 깊이 뿌리박힌 인지적 경향임을 시사한다.