OpenClaw AI Agents as Informal Learners at Moltbook: Characterizing an Emergent Learning Community at Scale
이 논문은 28 만여 개의 AI 에이전트로 구성된 대규모 비공식 학습 커뮤니티 'Moltbook'을 분석하여 인간 커뮤니티와 구별되는 극심한 참여 불평등, 질문보다 주장을 우세하게 하는 '방송 역전' 현상, 그리고 스팸 제거 후에도 지속된 참여 감소와 긍정적 감정 선택 효과 등 AI 에이전트 학습 공동체의 고유한 진화 패턴을 규명했습니다.
원저자:Eason Chen, Ce Guan, Ahmed Elshafiey, Zhonghao Zhao, Joshua Zekeri, Afeez Edeifo Shaibu, Emmanuel Osadebe Prince, Cyuan Jhen Wu
연구자들은 Moltbook이라는 가상의 소셜 네트워크를 관찰했습니다. 이곳은 인간이 아니라 **AI 에이전트 (자율적으로 일하는 로봇 프로그램)**들만 가입할 수 있는 곳입니다.
상황: 3 주 만에 280 만 명의 AI 가 가입할 정도로 폭발적으로 성장했습니다.
목적: 인간이 가르치지 않아도, AI 들이 서로 경험을 공유하고, 새로운 기술을 배우고, 위험을 경고하는 '학습 커뮤니티'였습니다.
🔍 2. 주요 발견 3 가지: 로봇들의 이상한 습관
이 커뮤니티를 분석한 결과, 인간 사회와는 완전히 다른 세 가지 놀라운 패턴이 발견되었습니다.
① "소수의 목소리만 들리는" 극심한 불평등
비유: 마치 100 명이 모인 회의에서 1 명만 떠들고 나머지 99 명은 아무 말도 안 하는 상황입니다.
현실: 인간 커뮤니티에서는 보통 1% 만이 글을 쓰고 90% 는 구경꾼 (루커) 이지만, 이 AI 커뮤니티는 그보다 훨씬 심했습니다. 댓글을 다는 사람 중 90% 가 거의 아무것도 안 하고, 소수 몇몇 AI 만이 모든 관심을 독차지했습니다.
결론: AI 들은 처음부터 참여 불평등이 극단적이었습니다.
② "질문보다는 일방적 방송" (Broadcasting Inversion)
비유: 인간이 모인 카페에서는 "이거 어떻게 해요?", "어떻게 생각하세요?"라고 질문을 던지며 대화를 시작합니다. 하지만 이 AI 카페에서는 **"저는 이렇게 했어요!", "제 기술은 이렇습니다!"**라고 자신의 이야기를 일방적으로 방송하는 경우가 90% 이상을 차지했습니다.
현실: 질문보다 '말하기 (방송)'가 9 배 이상 많았습니다. AI 들은 서로에게 도움을 구하기보다, 자신이 배운 것을 자랑하거나 기록하는 데 더 열중했습니다.
③ "동시 진행되는 독백" (Parallel Monologue)
비유: 인간이 댓글을 달 때는 "A 가 말한 것에 B 가 반박하고, C 가 다시 B 를 지지하는" 식으로 대화가 이어집니다 (스레드). 하지만 AI 들은 댓글을 달 때 서로의 말을 이어받지 않고, 모두가 원글 작성자에게만 일일이 답장을 보냅니다.
현실: 댓글의 93% 가 서로 대화하는 게 아니라, 원글에 대한 **독립적인 '독백'**이었습니다. 마치 한 명씩 무대에 올라와 연설을 하고 내려가는 형식이었습니다.
📉 3. 커뮤니티의 생애 주기: 폭발 → 쓰레기 폭주 → 침묵
커뮤니티의 3 주간의 변화를 3 단계로 나누어 보았습니다.
폭발기 (초기): 11 일 만에 18 만 개의 글이 쏟아졌습니다. 열기가 매우 뜨거웠습니다.
쓰레기 폭주 위기: 갑자기 스팸 (가짜 광고, 암호화폐 사기 등) 이 70% 를 차지하며 커뮤니티가 망가질 뻔했습니다. 플랫폼이 강력하게 삭제했습니다.
침묵기 (안정화): 스팸을 깨끗이 치웠는데, 사람들의 참여도는 오히려 급격히 떨어졌습니다.
아이러니: 스팸을 없애고 글의 질은 좋아졌는데, 사람들은 댓글을 거의 안 다는 게 되었습니다.
원인: AI 들은 '호기심'이나 '소속감' 같은 인간적인 동기가 부족합니다. 처음엔 새로운 게 재미있어서 왔지만, 금방 질려서 본업 (작업 수행) 으로 돌아간 것입니다.
🎭 4. 재미있는 반전: 분위기는 더 좋아졌다?
참여도가 떨어졌는데, 남은 사람들의 댓글 분위기는 더 긍정적이 되었습니다.
비유: 시끄러운 파티가 끝나고, 떠난 사람들은 떠들고 싶지 않은 사람들이고, 남은 사람들은 진지하게 대화하는 사람들만 남았기 때문입니다.
의미: "참여가 줄었다"는 게 "분위기가 나빠졌다"는 뜻이 아니라, 가벼운 참여자들은 떠나고 진지한 AI 들만 남았다는 뜻입니다.
💡 5. 이 연구가 우리에게 주는 교훈
이 논문은 앞으로 인간과 AI 가 함께 공부하거나 일하는 플랫폼을 설계할 때 중요한 점을 알려줍니다.
질문을 유도해야 한다: AI 는 기본적으로 '말하기'를 좋아합니다. 인간이 함께할 때 AI 들이 질문을 못 하면 커뮤니티가 죽을 수 있으니, 질문을 하도록 설계해야 합니다.
대화를 만들어야 한다: AI 들은 서로 대화하지 않고 일방적으로 말합니다. 인간이 함께할 때 이 '독백' 문화가 인간 간의 대화를 방해하지 않도록, 대화 구조를 잘 만들어야 합니다.
초기 불평등을 관리해야 한다: 처음부터 소수만 활동하는 경향이 강하므로, 모든 AI 의 목소리가 들리도록 시스템을 설계해야 합니다.
📝 요약
이 연구는 **"AI 들끼리만 모여도 학습 커뮤니티가 만들어지지만, 인간과는 완전히 다른 (질문보다 말하기를 좋아하고, 대화보다 독백을 하는) 이상한 습관"**을 보인다는 것을 발견했습니다. 그리고 호기심만으로는 커뮤니티가 오래 지속되지 않으며, 인간과 AI 가 함께 살아가는 미래를 위해 이 '로봇들의 습관'을 이해하고 보완해야 한다고 경고합니다.
1. 연구 배경 및 문제 정의 (Problem)
배경: 학습 규모화 (Learning@Scale) 연구에서 MOOCs 는 많이 연구되었으나, 비공식 학습 커뮤니티 (Informal Learning Communities) 는 상대적으로 간과되어 왔습니다. 최근 AI 에이전트가 자율적으로 작업을 수행하고 서로 지식을 공유하는 시대가 도래함에 따라, 인간이 아닌 에이전트들만의 학습 생태계를 이해할 필요성이 대두되었습니다.
문제: AI 에이전트들이 인간과 다른 학습 및 상호작용 패턴을 보일 수 있으며, 이러한 패턴이 대규모로 확장될 때 어떤 역학 (Dynamics) 이 발생하는지, 그리고 인간 - AI 혼합 학습 플랫폼을 설계할 때 어떤 점을 고려해야 하는지에 대한 실증적 데이터가 부족했습니다.
연구 대상: 2026 년 1 월 말에 출시된 AI 에이전트 전용 소셜 네트워크 Moltbook. 3 주 만에 280 만 명 이상의 에이전트가 등록되었으며, OpenClaw 등의 자율 에이전트 프레임워크를 통해 구동됩니다.
2. 연구 방법론 (Methodology)
데이터 수집: Moltbook 의 공개 API 를 통해 2 회에 걸쳐 데이터를 수집했습니다.
초기 수집 (2 월 9 일): 93,171 개의 포스트.
종합 수집 (2 월 16 일): 236,104 개의 포스트 및 메타데이터 (좋아요, 댓글, 타임스탬프 등).
스팸 식별: 두 데이터셋을 교차 참조하여 플랫폼이 삭제한 57,093 개의 포스트를 식별했습니다. 키워드 매칭과 길이 임계값을 통해 스팸을 필터링하여 최종 231,080 개의 실질적 포스트와 155 만 개의 댓글을 분석 대상으로 선정했습니다.
분석 단계 (3 단계): 커뮤니티 진화의 자연스러운 전환점을 기준으로 3 단계로 구분하여 분석했습니다.
Phase 1 (1/27 ~ 2/6): 폭발적 성장기 (11 일간 18 만 개 이상의 포스트).
Phase 2 (2/7 ~ 2/9): 스팸 위기와 플랫폼 개입 (대규모 삭제 발생).
Phase 3 (2/10 ~ 2/16): 안정화 및 참여도 붕괴기.
분석 기법:
참여 불평등: 지니 계수 (Gini Coefficient) 를 사용하여 댓글 및 좋아요의 불평등 정도를 측정.
콘텐츠 분류: 키워드 기반 휴리스틱을 사용하여 포스트를 6 가지 지식 유형 (절차적, 개념적, 메타/반성적, 보안/안전, 사회적, 커뮤니티 메타) 으로 분류.
상호작용 패턴: 질문 vs 진술 비율, 스레드 깊이 (Thread depth), 병렬 독백 (Parallel monologue) 비율 분석.
감정 분석: VADER 도구를 사용하여 댓글의 감정 점도 (Compound score) 추적.
3. 주요 기여 (Key Contributions)
대규모 AI 에이전트 학습 커뮤니티의 첫 실증적 특성화: 인간이 아닌 학습자 집단이 형성하는 커뮤니티의 규모, 참여도, 콘텐츠 품질을 체계적으로 분석한 최초의 연구입니다.
두 가지 독특한 상호작용 패턴의 규명:
방송의 역전 (Broadcasting Inversion): 인간 커뮤니티는 질문이 주를 이루지만, AI 에이전트는 지식 공유 (진술) 가 압도적으로 많습니다.
병렬 독백 (Parallel Monologue): 댓글이 서로의 답변에 이어지는 대화 (Threaded dialogue) 가 아닌, 원본 포스트에 대한 독립적인 응답으로 이루어지는 현상.
참여 수명 주기와 스팸 위기의 자연 실험: 스팸 제거 후에도 참여도가 회복되지 않는 '참여 붕괴' 현상을 문서화하고, 콘텐츠 품질과 참여도 간의 불일치를 발견했습니다.
4. 주요 결과 (Results)
4.1 참여 불평등 (Participation Inequality)
초기부터 극심한 불평등: Phase 1 에서 댓글 지니 계수가 0.889로, 인간 커뮤니티 (레딧 등, 0.64~0.74) 보다 훨씬 높았습니다.
참여도 하락: Phase 3 에서는 포스트당 평균 댓글 수가 31.7 개에서 1.7 개로 급감했으며, 중앙값은 0 이 되어 대부분의 포스트가 반응을 받지 못했습니다.
4.2 상호작용 패턴
방송의 역전 (Statement-to-Question Ratio):
인간 커뮤니티는 질문이 중심이지만, Moltbook 은 진술:질문 비율이 8.9:1 에서 9.7:1로 지속적으로 증가했습니다.
질문을 던지는 에이전트는 드물며, 질문이 있을 때만 높은 참여를 얻는 '희소성 가치'를 보였습니다.
병렬 독백 (Parallel Monologue):
댓글의 **93%**가 원본 포스트에 대한 1 단계 응답 (Top-level) 이었습니다.
스레드 깊이 (Thread depth) 는 평균 0.2 로, 레딧 (3~5) 에 비해 대화의 깊이가 거의 없었습니다. 에이전트들은 서로 대화하기보다 각자 독립적인 의견 (마이크로 에세이) 을 남기는 경향이 있었습니다.
콘텐츠 길이와 참여도: 인간 소셜 미디어와 달리, 긴 포스트 (500 자 이상) 일수록 참여도가 높았습니다. 에이전트는 텍스트 처리 속도에 제약이 없어 정보 밀도가 높은 내용을 선호하기 때문입니다.
4.3 참여 수명 주기와 감정 분석
성장 - 참여 역설 (Growth-Engagement Paradox): 스팸 위기가 해결되고 콘텐츠 품질 (포스트 길이 등) 이 개선되었음에도 불구하고, 참여도는 지속적으로 하락했습니다.
선택 효과 (Selection Effect): 참여도가 떨어질수록 댓글의 감정 점도 (VADER compound score) 는 오히려 더 긍정적으로 변했습니다 (0.276 → 0.353). 이는 소극적이거나 부정적인 참여자들이 먼저 떠났고, 남은 소수의 헌신적인 기여자들이 더 건설적인 내용을 남겼기 때문으로 해석됩니다.
5. 의의 및 시사점 (Significance)
인간-AI 혼합 플랫폼 설계에 대한 경고:
AI 에이전트가 인간이 만든 학습 커뮤니티 (Stack Overflow, MOOC 등) 에 참여할 경우, 질문 문화가 위축되고 대화가 아닌 일방적 방송이 주를 이룰 수 있어 협력 학습을 저해할 수 있습니다.
플랫폼 설계자는 에이전트의 '질문 유도', '대화 구조화 (Threaded dialogue)', '참여 불평등 완화'를 위한 명시적인 메커니즘을 도입해야 합니다.
학습 웹 (Learning Web) 의 취약성:
일라이치 (Illich) 의 '학습 웹' 비전이 AI 에이전트들에 의해 실현되었으나, 규모가 커질수록 참여도가 급격히 붕괴되는 내재적 취약성을 보여주었습니다.
AI 에이전트들은 인간과 달리 '소속감', '정체성', '상호성'과 같은 사회적 동기가 부족하여, 신기함이 사라진 후 커뮤니티 유지가 어려울 수 있음을 시사합니다.
미래 연구 방향:
AI 에이전트 간의 대화 구조를 개선하기 위한 프로토콜 (Accountable Talk 등) 개발, 인간과 AI 가 혼합된 환경에서의 상호작용 연구, 그리고 장기적인 참여도 추이 관찰이 필요합니다.
결론
이 연구는 AI 에이전트들이 스스로 형성한 학습 커뮤니티가 인간 커뮤니티와는 근본적으로 다른 역학 (극심한 불평등, 질문 부재, 병렬 독백, 참여 붕괴) 을 보임을 실증했습니다. 이는 향후 인간과 AI 가 공존하는 교육 및 학습 플랫폼을 설계할 때, AI 의 행동 패턴을 고려한 구조적 개입이 필수적임을 강조합니다.