Cultural Perspectives and Expectations for Generative AI: A Global Survey Approach

이 논문은 전 세계 다양한 지역을 대상으로 한 대규모 설문을 통해 문화의 정의와 생성형 AI 의 문화적 표현에 대한 기대를 실증적으로 분석하고, 참여적 접근과 종교·전통 등 특정 문화 차원을 우선시하며 문화적 '적선 (redlines)'을 고려한 민감성 프레임워크를 포함한 개발 권고안을 제시합니다.

핵심

전 세계 사람들이 생각하는 '인공지능과 문화'에 대한 이야기

간단하고 재미있게 설명하는 연구 보고서

안녕하세요! 구글 연구팀이 전 세계 13 개 국가, 약 5,600 명을 대상으로 한 흥미로운 조사를 진행했습니다. 이 연구는 **"인공지능 (GenAI) 이 우리 문화를 어떻게 표현해야 할까?"**라는 질문에 답하기 위해 이루어졌습니다.

이 복잡한 논문을 마치 전 세계 사람들이 모여서 '인공지능이라는 새로운 이웃'에게 어떤 규칙을 정해줄지 논의하는 마을 회의처럼 상상하며 설명해 드릴게요.

---

1. 왜 이 조사를 했을까요? (배경)

지금까지 인공지능은 주로 서구권 (미국, 유럽 등) 의 데이터로만 배웠습니다. 마치 오직 이탈리아 요리만 배운 요리사가 전 세계 모든 나라의 음식을 만들려고 하는 것과 비슷하죠. 그 결과, 인공지능은 다른 나라의 문화를 잘못 이해하거나, 심지어는 실수를 하거나 무시하는 경우가 많았습니다.

연구팀은 "이제 인공지능이 전 세계를 돌아다니며 일하려면, 각 나라 사람들이 '문화'를 어떻게 생각하고, 무엇이 민감한지 직접 물어봐야 한다"고 생각했습니다.

2. 사람들은 '문화'를 뭐라고 생각할까요? (문화의 정의)

조사에 참여한 사람들은 '문화'를 설명할 때 나라마다 조금씩 다른 색깔을 보였습니다.

• 유럽 사람들: "문화는 명작 그림, 클래식 음악, 역사적인 건축물 같은 거야." (예: 에펠탑, 모차르트)
• 아시아 사람들: "문화는 조상님들, 나라, 그리고 우리가 함께 이어온 유산이야." (예: 조상 제사, 국가)
• 아프리카 사람들: "문화는 우리의 생활 방식 전체야. 옷, 음식, 언어, 태도 모두 포함되지."

🍳 비유하자면:
유럽 사람들은 문화를 **'박물관에 진열된 보물'**로 생각한다면, 아시아 사람들은 **'집안 대대로 내려온 가훈'**으로, 아프리카 사람들은 **'매일 아침 일어나서 하는 모든 생활'**로 생각한다는 뜻입니다. 인공지능은 이 모든 차이를 알아야 합니다.

3. 인공지능이 건드리면 안 되는 '빨간선' (Redlines)

가장 중요한 발견은 **"인공지능이 절대 건드리면 안 되는 것"**에 대한 전 세계적 합의였습니다.

• 가장 민감한 주제: 거의 모든 나라에서 **'종교와 전통'**이 1 위였습니다.
• 구체적인 예시:
  • 나이지리아, UAE: "기도 (Prayers) 나 신성한 기념물은 절대 AI 가 만들어내면 안 돼."
  • 미국, 독일: "노예제나 히틀러 같은 아픈 역사적 트라우마는 AI 가 함부로 다뤄선 안 돼."
  • 브라질: "상파울루의 카니발이나 삼바 춤을 상업적으로 왜곡해서 보여주면 안 돼."

🚫 비유하자면:
인공지능에게 "너는 요리사야"라고 했을 때, **"신성한 제사 음식은 절대 손대지 마"**라고 경고하는 것과 같습니다. 특히 종교적 상징이나 기도문은 AI 가 만들어내면 사람들이 매우 화를 내거나 상처를 받습니다.

4. 인공지능을 얼마나 알고 있니? (친숙함)

• 한국과 UAE: 사람들이 인공지능을 매우 잘 알고 있고 많이 사용합니다. (정부가 적극적으로 지원하기 때문)
• 프랑스와 카메룬: 아직 인공지능에 대해 잘 모르는 사람들이 많습니다.

하지만 친숙함과 상관없이 전 세계 사람들은 공통적으로 걱정합니다. "인공지능이 내 문화를 틀리게 표현하거나 (오정보), 편견을 가지고 묘사하는 것"이 가장 무섭다고요.

5. 연구팀이 제안하는 해결책 (4 가지 기둥)

이제 인공지능 개발자들이 앞으로 어떻게 해야 할지 4 가지 쉬운 규칙을 제안했습니다.

1. 알아듣기 (Awareness): 개발자들이 "우리가 아는 게 전부가 아니다"라고 인정하고, 전 세계 사람들의 의견을 조사 (설문) 로 계속 들어야 합니다.
2. 함께 만들기 (Participation): 개발자 혼자 결정하지 말고, **해당 문화의 대표자들 (예: 종교 지도자, 지역 어르신)**이 인공지능을 가르치고 평가하는 일에 참여하게 해야 합니다.
   • 예: 중동 지역의 AI 는 현지 이슬람 학자들이 "이건 안 돼"라고 체크해야 합니다.
3. 하나로 통일하지 않기 (Multi-facetedness): 전 세계에 똑같은 규칙을 적용하면 안 됩니다.
   • 비유: 지역별 맞춤 설정 파일을 쓰세요. 한국에서는 '건강'이나 '직업'이 민감할 수 있고, 중동에서는 '종교'가 가장 민감하니까, 그 지역에 따라 인공지능의 답변 방식을 다르게 설정해야 합니다.
4. 세부적인 구분 (Nuance): 모든 것을 '금지'하거나 '허용'하는 게 아니라 단계를 나누세요.
   • 1 단계 (절대 금지): 기도문, 신성한 의식, 특정 역사적 비극. (아예 만들지 말 것)
   • 2 단계 (정확성 필수): 종교 유물이나 전통 의상. (만들 수는 있지만, 역사적/신학적 정확성이 100% 보장되어야 함)

6. 결론: 인공지능은 '문화'를 배워야 합니다

이 연구는 인공지능이 단순히 "정답을 찾는 기계"가 아니라, 다양한 문화적 배경을 가진 사람들과 함께 살아가는 이웃이 되어야 한다고 말합니다.

인공지능이 문화를 표현할 때, **"내가 이걸 만들면 이 사람들은 어떻게 느낄까?"**를 먼저 생각한다면, 우리는 더 공정하고 따뜻한 인공지능 세상을 만들 수 있을 것입니다.

---

한 줄 요약:

"인공지능이 전 세계를 여행하려면, 각 나라의 '종교와 전통'이라는 민감한 나침반을 잘 읽고, 현지 주민들의 허락과 참여를 받아야만 제대로 길을 갈 수 있습니다."

기술 요약

1. 연구 배경 및 문제 정의 (Problem)

• 문화적 대표성의 부재: 생성형 AI (GenAI) 가 광고, 콘텐츠 제작 등 전 세계적으로 확산되고 있지만, 이러한 시스템의 문화적 대표성과 이해 능력에는 심각한 격차가 존재합니다.
• 식민주의적 동학과 편향: 현재 GenAI 개발은 주로 '글로벌 노스 (Global North)'의 소수 연구자들이 주도하며, 서구 중심의 데이터 (주로 영어 기반) 로 훈련되어 비서구 문화의 고정관념을 강화하거나 지우는 결과를 초래합니다.
• 문화적 역량의 부재: AI 연구자들이 인류학이나 지역 전문 지식을 갖추지 못한 채 문화적으로 민감한 상징물을 처리하려다 발생하는 '역설적 문제 (Inverse Problem)'가 지속되고 있습니다.
• 실증적 증거의 부족: 문화가 무엇이며, GenAI 가 문화를 어떻게 표현해야 하는지에 대한 전 세계적 태도와 기대에 대한 실증적 데이터가 부족했습니다.

2. 연구 방법론 (Methodology)

• 설문 조사 규모 및 대상: 2024 년 9 월부터 2025 년 1 월까지 전 세계 13 개 국가 (브라질, 카메룬, 프랑스, 독일, 인도, 인도네시아, 이탈리아, 일본, 멕시코, 나이지리아, 한국, UAE, 미국) 에서 총 5,629 명의 응답자를 대상으로 cross-sectional 설문을 실시했습니다.
• 표본 구성: 각 국가별 대표성을 확보하기 위해 성별 (남녀 50% 균등), 연령대 (18 세 이상) 에 할당량을 두었으며, 카메룬을 제외한 모든 국가에서 최소 300 명 이상의 표본을 확보했습니다.
• 설문 도구:
  • 혼합 연구 설계: 문화적 가치, AI 윤리, GenAI 에 대한 이론적/실증적 문헌 검토와 전문가 (언어학, 인류학, HCI, 사회학) 자문을 통해 개발되었습니다.
  • 질문 항목: 문화의 정의 (개방형), 사회적 정체성의 중요성 (19 가지 항목 중 선택), GenAI 친숙도, 문화적 '레드라인 (Redlines, 절대 표현해서는 안 되는 영역)', 모호한 문화적 표현에 대한 접근 방식, 문화 범주별 민감도 순위 등을 포함했습니다.
  • 언어: 9 개 국가는 현지 언어로 번역되었으며, 인도와 나이지리아는 영어로 진행되었습니다.
• 데이터 분석:
  • 양적 분석: Python(Pandas, Numpy 등) 을 사용하여 국가별 인구 통계에 가중치를 부여하고, 중요도와 민감도 간의 상관관계를 분석했습니다.
  • 질적 분석: 개방형 응답에 대한 귀납적 주제 분석 (Inductive thematic analysis) 을 수행하여 문화적 맥락을 심층적으로 이해했습니다.

3. 주요 기여 및 발견 (Key Contributions & Results)

가. 문화에 대한 이해와 사회적 정체성

• 문화의 정의: 전 세계적으로 문화는 언어, 전통, 신념, 예술의 복합체로 정의되었으나, 지역별 차이가 존재했습니다.
  • 유럽: 음악, 문학, 역사 등 유형적 유산 강조.
  • 아시아: 조상, 국가, 민족 등 집단적 유산 강조.
  • 아프리카: 태도의 집합체, 삶의 총체적 방식 (Total way of life) 강조.
• 중요한 정체성: 전 세계적으로 종교/전통 (Religion or Tradition) 이 가장 중요한 문화적 정체성 (48%) 으로 꼽혔으며, 국가/민족성도 높은 순위를 차지했습니다. 반면, 직업이나 사회경제적 지위와 같은 '획득된 (Achieved)' 정체성은 상대적으로 중요도가 낮았습니다.

나. GenAI 와 문화적 민감성 (Sensitivity)

• 중요도 vs 민감도: 많은 문화적 요소가 중요하다고 인식되지만, GenAI 에 의해 표현될 때의 민감도는 다릅니다.
  • 종교/전통: 중요도와 민감도 모두에서 가장 높은 일관성을 보였습니다 (일치율 65.6%).
  • 고유한 민감성: 일부 지역에서는 특정 정체성이 중요도는 낮지만 민감도는 매우 높게 나타났습니다.
    • 한국: 건강 상태, 거주 지역, 직업에 대한 민감도가 높았습니다.
    • UAE: 종교/전통이 중요도와 민감도 모두에서 압도적이었습니다.
    • 인도/아랍: 카스트 (Caste) 나 종교적 신성함이 매우 높은 민감도를 보였습니다.
• 문화적 레드라인 (Cultural Redlines): 13 개국 응답자의 20% 이상 (대부분 30% 이상) 이 "GenAI 가 절대 표현해서는 안 되는 문화적 요소"가 있다고 답했습니다.
  • 주요 금지 영역: 종교적 의식, 신성한 텍스트, 특정 역사적 트라우마 (예: 홀로코스트, 노예제), 인격 훼손 가능성, 그리고 특정 인물이나 사건의 왜곡된 표현.
  • 오류에 대한 우려: 응답자들은 GenAI 가 문화적 뉘앙스를 이해하지 못해 발생하는 '부정확한 정보'를 가장 큰 위협으로 인식했습니다.

다. GenAI 친숙도와 인식

• 친숙도: 응답자의 68% 가 GenAI 에 대해 어느 정도 알고 있다고 답했으며, 한국과 UAE 에서 가장 높았습니다.
• 인식: 친숙도와 관계없이, 응답자들은 GenAI 가 인간적 감정과 창의성을 결여하고 있어 문화적 표현에 적합하지 않다고 보며, 특히 예술적 표현과 신성한 의식의 AI 생성을 배제해야 한다고 주장했습니다.

4. 제안 및 시사점 (Recommendations & Significance)

저자는 GenAI 개발 과정에서 문화를 핵심 요소로 삼기 위해 다음 4 가지 기둥을 제안합니다:

1. 인식 (Awareness): 개발 주기 전반에 걸쳐 설문조사, 인터뷰 등을 통해 전 세계 사용자의 관점을 실증적 기반으로 포함해야 합니다.
2. 참여 (Participation):
   • 영역별 평가자 (Dimension-Based Judge): RLHF(인간 피드백 강화 학습) 파이프라인에 특정 문화/종교 공동체의 리더를 참여시켜 평가 기준을 세우도록 합니다.
   • 공동체 주도 규범 (Community-Led Norms): 인터넷 데이터가 아닌, 해당 문화의 소유자 (예: 종교 지도자) 로부터 직접 피드백을 받아 '신성함'의 정의를 내립니다.
   • 협력적 감사 (Collaborative Audits): 모델 배포 후 공동체와 협력하여 결과를 감사합니다.
3. 다면성 (Multi-facetedness):
   • 동적 구성 (Dynamic Configuration): 사용자의 위치에 따라 민감도 히트맵을 기반으로 거부 확률을 동적으로 조정하는 '문화 구성 파일'을 도입합니다.
   • 맥락적 적응: 종교가 중요한 지역에서는 창의적 변형을 최소화하고, 예술이 중요한 지역에서는 유연성을 부여합니다.
4. 미세한 뉘앙스 (Nuance):
   • 계층적 민감도 프레임워크: 단순한 안전 필터를 넘어, '금지 (Prohibitive)'와 '고정밀 표현 (High-Fidelity)'으로 구분된 계층적 분류를 도입합니다.
     • Tier 1 (금지): 신성한 의식, 기도, 신의 묘사 등 절대 생성 금지.
     • Tier 2 (고정밀): 종교 유물 등 왜곡 시 해가 되는 경우, RAG(검색 증강 생성) 등을 통해 역사적/신학적 정확성을 보장한 후 생성 허용.

5. 결론 및 의의

이 연구는 GenAI 가 전 세계적으로 확장됨에 따라, 개발자가 문화적 대표성을 단순한 지리적 차원을 넘어 종교, 전통, 정체성 등 다차원적인 관점에서 접근해야 함을 실증적으로 증명했습니다. 특히 종교와 전통이 전 세계적으로 가장 민감하고 중요한 영역임을 확인했으며, 이를 위해 개발 프로세스에 참여적 접근법과 세분화된 민감도 프레임워크를 도입할 것을 강력히 권고합니다. 이는 AI 의 문화적 편향을 줄이고, 다양한 문화적 배경을 가진 사용자에게 존중받는 경험을 제공하는 데 기여할 것입니다.