AI 와의 대화는 정말 외로움을 줄일까 — 3회차 추적 연구가 밝힌 것

무엇이, 어디에 실렸나

논문은 「고등직업대학 학생의 AI 챗봇 지지 지각과 외로움: 대인불안과 사회적 지지에 대한 단기 3회차 연구」로, 저자는 잉탄직업기술대학의 Jiangnan Hu, 게재지는 Frontiers in Psychology 17권(DOI 10.3389/fpsyg.2026.1928350)입니다. 오픈액세스라 아래 숫자는 전부 원문에서 확인할 수 있습니다.

조사는 2025–2026학년도 봄학기에 장시성·광둥성의 고등직업대학 4곳에서 학급 단위 그룹을 통해 진행됐습니다. 1차 유효 표본은 1,500명, 모형에 쓴 3회차 매칭 표본은 1,200명(유지율 80%)이고, 잔류자와 이탈자 사이에 의미 있는 기저 차이는 없었습니다. 여성 60.2%, 평균 연령 19.43세(SD 1.28, 17~24세), 하루 평균 AI 사용은 38.5분으로 보고됐습니다.

척도는 넷입니다. 외로움은 UCLA 외로움 척도 단축형(ULS-8), 대인불안은 SIAS, 현실 사회적 지지는 MSPSS(1차에만 측정), AI 지지는 온라인 사회적 지지 척도의 수정판입니다. 마지막 개념이 해석을 좌우합니다 — 특정 컴패니언 제품의 사용량이 아니라 AI 채팅 도구 전반에서 느끼는 지지를 측정합니다. 수정 모형의 적합도는 CFI 0.971, RMSEA 0.077, SRMR 0.014였습니다.

세 가지 결과, 순서대로

1. AI 지지는 외로움을 낮췄다 — 단, 곧바로는 아니다. 1차→2차 경로는 β = −0.043, p = .064로 유의하지 않았습니다. 2차→3차가 β = −0.166, p < .001이었습니다. 비표준화 기준으로 AI 지지가 표준편차 1단위(12.92점) 오르면 8~32점 척도에서 외로움은 약 0.92점 내려갑니다. 실재하지만 작은 효과입니다.

2. 같은 AI 지지가 대인불안을 높이는 방향으로도 작용했다. 1차→2차 β = 0.161, 2차→3차 β = 0.158, 모두 p < .001. 이 경로는 외로움 효과보다 컸고, 저자가 돌린 모든 민감도 분석에서 살아남았습니다.

3. 불안은 곧바로 외로움으로 되돌아왔다. 두 구간에서 β = 0.198과 0.232(p < .001). 간접 경로(AI 지지→불안→외로움)는 양(+)의 0.038, 95% CI [0.026, 0.050]입니다. 하나의 변수가 직접 경로로는 외로움을 내리고 간접 경로로는 올립니다. 이 분야의 ‘한 줄 요약’이 서로 계속 충돌하는 이유가 여기에 있습니다.

조건 — 이미 사람이 있는 학생에게만 통했다

가져갈 가치가 있는 것은 조절효과 분석입니다. 1차에 측정한 현실 사회적 지지가 이후 AI 지지의 의미를 바꾸었습니다.

그대로 읽으면 이렇습니다 — 보완 효과는 이미 작동하는 인간관계를 가진 학생에게 나타났고, 챗봇이 가장 자주 ‘해법’으로 제안되는 집단에서는 사실상 사라졌습니다. 기저 현실 지지는 모형 내에서 이후 외로움을 가장 강하게 예측한 변수이기도 했고(1차→3차 β = −0.449), 3차의 낮은 대인불안도 독립적으로 예측했습니다(β = −0.166).

저자의 표현을 빌리면 AI 지지의 심리적 의미는 조건부입니다 — 사회생활의 보완으로는 작동하지만 대체로는 작동하지 않는다는 것. “AI 컴패니언이 외로움을 고친다”도, “외로움을 만든다”도 아닌 더 좁은 주장이지만, 데이터가 실제로 받치는 것은 이 주장입니다.

왜 대인불안은 반대로 움직였을까

이 연구가 측정한 것은 연관이지 기제가 아닙니다. 저자가 내놓는 해석은 단순하고, 훈계가 아니라 검증 가능한 가설이라는 점에서 적어둘 가치가 있습니다.

채팅 인터페이스는 사람과의 대화를 힘들게 만드는 요소들을 제거합니다 — 기다림, 상대 표정을 읽는 일, 오해받을 위험, 잘못 말했을 때의 대가. 그러나 대인불안은 보통 바로 그 조건에 노출되면서 줄어듭니다. 언제나 쓸 수 있고 결코 어색해지지 않는 지지 채널은 당장의 괴로움을 덜어주면서 연습 기회를 조용히 거두어가는 것일 수 있습니다. 3회차 패널로는 이 연쇄를 확인할 수 없고, 저자도 확인했다고 주장하지 않습니다.

이 관점은 검증과 의인화에 관한 연구에서 다루는 문제와 겹칩니다. 그 순간 기분을 좋게 만드는 설계가 한 달 뒤 사용자를 더 나은 상태로 남기는 설계와 같지는 않습니다.

2026년 네 개의 데이터, 하나의 형태

이 논문은 예외값이 아닙니다. 2026년에 나온 네 개의 독립적인 데이터가 방법도 나라도 다른데 같은 ‘조건부’ 형태에 닿고 있습니다.

8월의 Nature Human Behaviour 논문(자세한 내용은 해당 글)은 자기보고가 아니라 실제 대화 로그에서 출발해 같은 조절변수 — 오프라인 사회 환경 — 에 도달했습니다. 전혀 다른 방법이 하나의 조건으로 수렴하는 것은 어느 한쪽만보다 강한 근거입니다.

컴패니언 앱을 쓰고 있다면

어느 연구도 특정 제품을 검증하지 않았으므로 여기에 개별 앱에 대한 판정은 없습니다. 다만 몇 주에 한 번 자신의 사용에 대보는 질문은 끌어낼 수 있습니다.

• 무엇이 늘었는지가 아니라 무엇을 대체했는지를 본다. 빈 저녁을 채운 대화와, 걸었을 전화를 대신한 대화는 다릅니다. 데이터가 표시하는 것은 후자입니다.
• 한 세션이 아니라 한 달의 방향을 본다. 여기 모든 연구가 즉각적 경험은 긍정적이라고 보고합니다. 갈리는 지점은 8주 뒤입니다.
• 자기개방의 깊이를 다이얼처럼 다룬다. Nature Human Behaviour 데이터에서 웰빙과의 음의 연관은 가벼운 이용자가 아니라 가장 집중적이고 가장 깊게 터놓는 이용자에게서 가장 컸습니다.
• 사람 쪽 채널을 하나는 살려둔다. 조절효과도, 오프라인 인간관계 결과도 같은 말을 합니다. 앱은 전체 시스템이 아니라 보완일 때 더 잘 작동합니다.
• 지금 주변 지지가 얇다면 의도적으로 쓴다. 바로 그 집단에서 측정된 효과가 사라졌습니다. 쓰지 말라는 뜻이 아니라 다른 무언가와 병행하라는 근거입니다.

연구가 아니라 도구를 고르는 쪽의 이야기는 컴패니언 앱과 웰빙과 일상에서의 활용법에서 다룹니다.

이 연구가 말해주지 않는 것

• 한 나라, 한 학교 구분. 중국 2개 성의 고등직업대학생은 다른 나라의 성인 컴패니언 앱 이용자를 대신할 수 없습니다.
• 교차지연 패널은 실험이 아닙니다. 일부 역인과 설명을 배제할 뿐입니다. 저자도 설계가 상관적임을 명시합니다.
• 전부 자기보고입니다. ‘AI에게서 받는 지지’는 느낌이지 사용 로그가 아니며, 실제 행동과 대조되지 않았습니다.
• 표본의 심리적 부하가 이례적으로 높았습니다. PHQ-9에서 중등도 이상 우울 증상 기준을 넘긴 비율이 각 시점 69.5%, 55.0%, 72.9%였습니다. 일반적인 대학생 추정치를 크게 웃도는 수치라 효과 크기의 일반화에 주의가 필요합니다.
• 적합도는 우수가 아니라 허용 범위입니다. CFI 0.971은 양호하지만 TLI 0.910과 RMSEA 0.077은 무난한 수준이고, 그나마도 장기 경로를 추가해야 도달했습니다.
• 상용 컴패니언 제품은 검증되지 않았습니다. 측정 대상은 AI 채팅 도구 전반에서의 지지입니다.

기제보다 전체 그림이 궁금하다면 2026년 AI 컴패니언을 실제 몇 명이 쓰는가가 설문 쪽을, 고령층 연구 글이 전혀 다른 연령대에서의 같은 조건부 패턴을 다룹니다.

자주 묻는 질문