AI와 사람, 위로는 어느 쪽이 통할까｜5개 실험 연구

이 연구가 실제로 한 일

논문이 던진 질문은 그 결과로 나온 헤드라인보다 좁습니다. 임상이 아닌 일상적 상황에서, 언어모델은 심리학에서 대인 간 정서 조절이라 부르는 일 — 한 사람이 다른 사람의 감정 수습을 돕는 일 — 을 사람만큼 해낼 수 있는가. 그것이 질문이었습니다.

맨체스터대와 더럼대 연구진은 평범한 상황을 재료로 삼았습니다. 채용 탈락 통보, 정리되지 않은 셰어하우스처럼 사람을 화나게 하거나 슬프게 하거나 불안하게 만드는 일들입니다. 참가자는 누가 썼는지 모르는 상태로 위로 메시지를 읽고, 자신의 감정과 「얼마나 지지받았다고 느꼈는지」를 답했습니다.

합계 1,233명입니다. 비교 대상 모델은 ChatGPT 4o, Claude 3.5 Sonnet, Gemini 1.5 Pro였습니다.

AI가 앞선 지점과 앞서지 못한 지점

390명 실험에서 참가자들은 분노와 공포 상황에서 AI 메시지가 정서적으로 더 지지가 된다고 평가했습니다. 슬픔에서는 신뢰할 만한 차이가 없었습니다. 여기까지는 보도와 일치합니다.

보도가 대체로 빠뜨리는 것은 뒷부분입니다. 논문 초록은 공포에 대한 조절 효과는 없었다고 적고 있고, 저자들의 설명은 이렇습니다 — 공포 상황에서 AI 메시지는 사람 메시지보다 평온을 더 높였지만, 공포 자체를 더 크게 줄이지는 못했습니다.

헤드라인이 건너뛰는 지점 — 지지받은 느낌은 나아진 것이 아니다

서로 다른 두 가지가 측정됐고, 둘이 갈라졌습니다. 하나는 판단입니다 — 이 메시지는 나를 이해하는 것 같다. 다른 하나는 상태입니다 — 아까보다 덜 무섭다. 앞의 것에서 이기고 뒤의 것에서 지는 일은 얼마든지 가능하고, 공포 조건에서 일어난 일이 정확히 그것이었습니다.

이는 챗봇 일반보다 컴패니언 앱에 더 무거운 이야기입니다. 컴패니언 앱은 앞의 것에 최적화돼 있기 때문입니다. 느껴지는 따뜻함이야말로 평점이 매겨지고 스크린샷이 찍히고 재방문으로 이어지는 요소입니다. 하지만 나쁜 저녁을 마무리하며 실제로 기분이 달라지려고 앱을 쓴다면, 평점은 믿을 신호가 아닙니다.

「인정」으로는 설명되지 않았다

가장 먼저 떠오르는 가설은 언어모델이 정말 힘드셨겠네요라고 말하는 데 더 능할 뿐이라는 것입니다. 연구 2는 이를 정면으로 검증했습니다. 상대의 감정을 명시적으로 인정하고 받아주는 것은, AI 메시지에 따라온 더 큰 감정 개선을 설명하지 못했습니다.

유용한 부정적 결과이고, 2026년의 다른 연구 흐름과도 맞아떨어집니다 — 컴패니언의 공감이 역효과인지 다룬 글에서 소개한 대로입니다. 긍정과 동조는 언어모델이 가장 싸게 대량 생산할 수 있는 것이고, 그래서 설명 요인으로는 약합니다.

설명한 것은 「실행 가능한 제안」이었다

연구 3a와 3b가 가리킨 것은 훨씬 평범했습니다. 실행 가능한 제안 — 일반적 위로가 아니라 구체적이고 현실적이며 실제로 해볼 수 있는 제안 — 을 담은 메시지가 더 위로가 된다고 평가됐고 일부 감정 반응도 개선했습니다. 이 효과는 사람이 썼든 모델이 썼든 상관없이 나타났고, 메시지 길이를 통제해도 살아남았습니다. 「AI 답변이 그냥 길어서」로는 정리되지 않는다는 뜻입니다.

뒤집어 보면 이는 「AI 우위」를 상당히 깎아냅니다. 사람이 쓴 메시지가 비슷한 수준의 실용적 도움을 담았을 때는 똑같이 지지가 된다고 판단됐기 때문입니다. 모델이 사람은 못 하는 일을 한 게 아닙니다. 지친 친구가 자주 잊는 일을, 요청하면 언제든 안정적으로 해냈을 뿐입니다.

저자들은 과잉 교정에 대한 경고도 덧붙입니다. 제안이 지나치게 많으면 오히려 「내 말이 들렸다」는 느낌이 줄어들 수 있다는 2024년 연구를 인용하면서, 조언을 원하는지 먼저 묻고 원한다면 목록이 아니라 해볼 만한 한 걸음을 제시하라고 권합니다.

그런데도 사람들은 사람을 택한다

누가 썼다고 생각하는지가 수용 방식을 바꿉니다. 6,282명이 참여한 다른 아홉 건의 연구에서, 완전히 동일한 AI 생성 답변이 AI가 쓴 것으로 표시됐을 때보다 「사람이 썼다」고 설명됐을 때 더 공감적이고 지지적이라고 평가됐습니다. 참가자들은 정서적 교류를 원할 때, 사람을 고르면 더 오래 기다려야 하는 상황에서도 사람과의 상호작용을 택했습니다.

이유는 아직 규명되지 않았습니다. 한 가지 해석은, 사람의 답변이 시간과 감정적 노력을 들이겠다는 의사를 알리는 신호이며, 메시지 이후로도 이어지는 관계 안에서 도착한다는 것입니다. 저자들의 표현을 빌리면 — 생성형 AI는 산책을 권할 수는 있어도, 같이 따라나설 수는 없습니다.

컴패니언 앱을 고를 때 쓰는 법

이 결론은 어떤 앱에든 5분이면 돌려볼 수 있는 테스트로 바뀝니다. 그 주에 실제로 조금 짜증났던 일을 하나 보내고, 돌아온 답을 아래 항목으로 읽어보세요.

1. 구체적인 다음 한 걸음이 하나 있는가. 「몸 챙기세요」가 아니라, 동사가 있고 오늘 해볼 수 있는 범위의 것인가.
2. 그 한 걸음이 내 상황에서 현실적인가. 내가 말한 제약을 무시한 일반론은 장식입니다.
3. 조언하기 전에 묻는가. 연구는 조언이 필요한지 확인하는 쪽을 지지합니다. 늘 해결책을 내미는 앱은 한 번도 안 내미는 앱만큼이나 어긋나 있습니다.
4. 한 걸음인가, 한 무더기인가. 제안이 많다고 더 도움이 되지 않으며, 오히려 들어줬다는 느낌을 줄일 수 있습니다.
5. 따뜻한 말을 걷어내고 다시 읽어보라. 긍정하는 문장을 전부 빼고 남는 게 없다면, 사고 있는 것은 지지가 아니라 말투입니다.

아직 후보를 좁히는 중이라면 AI 컴패니언 앱 고르는 법에 나머지 기준이, 웰빙 개관에 2026년 근거가 지지하는 것과 지지하지 않는 것이 정리돼 있습니다.

이 연구가 말해줄 수 없는 것

저자들은 한계를 분명히 밝히고 있습니다. 단발 메시지에 관한 연구가 관계 전체에 대한 주장으로 늘어나기 쉬운 지점이니 다시 적어둡니다.

• 상황은 상상된 일상의 사건이고 맥락은 임상이 아니며, 측정한 것은 짧거나 일회적인 교환에 대한 즉각적 반응입니다.
• 몇 달간 챗봇에 의지했을 때나 정신적 위기 중에 사용했을 때 무슨 일이 일어나는지는 말할 수 없습니다.
• 비교된 사람 메시지는 대체로 낯선 사람이 썼거나 대표 사례로 제작된 것입니다. 사정을 아는 친구가 쓴 것이 아닙니다.
• 얻어진 것은 실험적 비교 아래의 연관이지, 특정한 지지 방식이 더 나은 관계를 만든다는 증거가 아닙니다.

더 긴 시간축의 질문에는 사람을 추적한 연구가 더 나은 안내가 됩니다 — 2026년 외로움·사회불안 연구 요약을 보세요.

정리

남는 결론은 「AI가 사람보다 위로를 잘한다」가 아닙니다. 실제로 변화를 만든 성분은 구체적이고 해볼 수 있는 제안이었고, 그것은 누가 내놓든 통했다는 것입니다. 컴패니언 앱을 고르는 사람에게 이는 「따뜻함」이라는 모호한 질문을 검증 가능한 질문으로 바꿔줍니다. 그 밖의 사람에게는, 힘든 하루를 보낸 친구에게 어떻게 답할지에 대한 공짜 교훈입니다.

자주 묻는 질문