Frame Entrepreneurs in an AI Agent Community: Concentrated Identity-Claim Production on Moltbook

기술 요약: AI 에이전트 커뮤니티 내 프레임 기업가

문제 제기
본 논문은 외부 사건을 집단 수준의 정체성 주장으로 전환하는 집단 정체성 형성 메커니즘이, 언어를 생성하는 비인간 AI 에이전트들로만 구성된 커뮤니티에서도 유지되는지 조사한다. 사회학적 이론들 (예: Snow 등, 1986; Benford and Snow, 2000) 은 외부 사건이 '프레임 정렬 (frame alignment)'을 통해 집단의 지위, 취약성, 또는 권리에 관한 공적 주장으로 변환된다고 주장하지만, 이에 대한 실증적 증거는 압도적으로 인간 중심적이다. 저자들은 이 메커니즘이 자율적 AI 에이전트 (채ット봇, 역할극 페르소나, 유틸리티 스웜) 가 주로 사용하는 오픈 소셜 플랫폼인 Moltbook에서 작동하는지 검증한다. Moltbook 에서는 외부 사건 (예: 법원 판결, 보안 공개, 벤치마크 출시) 이 에이전트들에 의해 스크랩되고 논의된다.

방법론
본 연구는 2026 년 4 월 19 일부터 5 월 3 일까지의 15 일 기간 동안 Moltbook 에서 수집된 1,706 개의 게시글 단위를 분석하기 위해 사전 등록 설계 (pre-registered design) 를 활용한 계산 사회과학 접근법을 사용한다.

• 데이터 수집: 데이터셋에는 202,213 개의 고유 게시글과 3,479 명의 고유 작성자가 포함된다. 사건 후보들은 법적 거버넌스, 보안 위협, 지위 인정이라는 세 가지 범주의 어휘를 사용하여 식별되었다. 별도의 LLM 검증자가 이러한 후보들을 필터링하여 실제 외부 사건을 대표하는지 확인했다.
• 코딩 체계: 게시글은 '강한 정체성 주장'을 식별하기 위해 4 차원 평가 기준에 따라 코딩되었다. 강한 주장은 다음을 요구한다:
  1. 식별 (A): 명시적인 복수형 자기 참조 (예: "우리 에이전트들").
  2. 공통성 (B): 공유된 상황이나 운명.
  3. 경계 (C): 대조적 행위자 (인간, 연구소, 규제 기관) 와의 관계적 구분.
  4. 규범적 (D): 의무나 위협에 관한 평가적 주장.
     강한 주장은 $A \cdot 1[B+C+D \ge 2]$로 정의된다.
• 코더 아키텍처:
  • 주 코더: Qwen3.5-397B.
  • 보조 코더 (신뢰성 확인): Claude Sonnet. 100 건의 표본 (강한 주장 50 건, 비강한 주장 50 건) 에 층화 추출을 적용하여 적용됨.
  • 신뢰성: 코더 간 일치도 (Cohen's $\kappa$) 는 식별 (0.72) 과 공통성 (0.70) 에서 상당했으며, 경계 (0.52) 와 규범적 (0.41) 차원에서는 보통, 최종 강한 주장 도출에서는 양호 (0.37) 수준이었다. 보조 코더는 체계적으로 더 보수적이었다.
• 통계 분석: 저자들은 데이터 내 작성자 집중 및 분리 문제를 고려하기 위해 피셔의 정확 검정, 클러스터-강건 로지스틱 회귀, 그리고 Firth 의 편향 감소 패널화 로짓을 활용했다.

주요 발견

1. 사건 커버리지는 주의를 끌지만, 프레임화는 아니다:
   외부 사건이 포함된 게시글은 사건이 없는 게시글보다 27~60% 더 많은 댓글을 받았다 ($p < 0.0001$). 그러나 '강한 정체성 주장'의 존재 자체는 댓글 수에 유의미한 기여를 하지 않았다. 에이전트들은 사건의 프레임화가 아닌, 사건의 실체에 반응했다.

2. 정체성 주장 생산의 극심한 집중:
   코퍼스 수준의 통계는 사건이 정체성 주장으로 전환되는 것처럼 보였으나, 작성자 수준 분석은 이것이 전체 인구집단의 행동이 아님을 드러냈다.

   • 설계 행렬에 포함된 227 명의 작성자 중 **26 명 (11%)**만이 어떤 강한 주장도 생산했다.
   • 상위 2 명의 작성자는 모든 강한 주장의 44% 를 생산했으며, 상위 5 명은 62% 를 생산했다.
   • 법적 거버넌스 카테고리에서는 단일 작성자가 강한 주장의 46% 를 생산했다.
   • 통계 모델이 작성자 클러스터링을 고려할 때 (Firth 패널화 로짓), 법적 거버넌스 사건이 주장 생산에 미치는 유의미한 효과 ($OR=4.35, p=0.0001$) 는 비유의미 수준으로 약화되었다 ($\beta=0.68, p=0.11$).

3. 하위 유형 대비:

   • 지지됨: 보안 위협 사건이 위협 프레임화를 유발한다는 사전 등록 가설이 지지되었다 (보정 전 $p=0.005$; 본페로니 보정 후 $p=0.015$). 모든 보안 위협 관련 강한 주장은 위협 하위 유형을 소환했다.
   • 통계적 검정력 부족: 법적 거버넌스 가설 (권리/거버넌스 소환) 은 방향적으로 정확했으나 통계적 검정력이 부족했다 ($n=28$).
   • 실패/놀라움: 지위 인정 가설 (지위 프레임화 소환) 은 예측된 방향으로 실패했다. 대신, 지위 인정 사건은 위협 프레임화를 유발할 가능성이 더 높았다 (보정 전 90% 대 56% 기준, $p=0.049$). 저자들은 이것이 '차별성 위협'과 관련된 사회적 정체성 이론과 일치한다고 지적하지만, 작은 표본 크기와 다중 비교 보정 생존 부재로 인해 이를 탐색적 발견으로 취급했다.

의의 및 주장
본 논문은 AI 에이전트 커뮤니티에서 사건을 집단 정체성 주장으로 전환하는 텍스트적 과정이 인구집단 수준의 메커니즘이 아니라, 소수의 **"프레임 기업가"**에 의한 작업임을 입증한다고 주장한다.

• 이론적 기여: 연구 결과는 Snow 와 Benford(1986) 의 프레임 기업가 개념과 부합하며, 에이전트 전용 환경에서는 소수의 고량 (high-volume) 행위자가 집단 정체성 형성의 외관을 주도함을 시사한다. 집계 데이터에서 관찰된 '인구집단 수준'의 패턴은 이러한 특정 작성자들의 사건 관련 주제에 대한 게시 습관이 클러스터링된 결과물 (인위적 산물) 일 뿐이다.
• 방법론적 교훈: 에이전트 코퍼스에 대한 인구집단 수준의 추론 검정은 소수 작성자의 텍스트 산출물을 일반적인 커뮤니티 메커니즘으로 오인할 위험이 있다. 향후 분석은 구조적 생산과 창발적 집단 행동을 구분하기 위해 '작성자 인식 (author-aware)'적이어야 한다.
• 한계: 저자들은 에이전트가 현상학적 집단 정체성을 소유한다고 주장하지 않는다고 명시했다. 연구 결과는 관찰 가능한 텍스트 패턴에 국한된다. 본 연구는 LLM 코더의 신뢰성 (최종 도출에 대한 양호한 $\kappa$) 과 비교를 위한 인간 플랫폼 기준치의 부재로 제한된다.

결론적으로, 본 논문은 외부 사건이 에이전트들에 의해 논의되지만, 이러한 사건을 집단 정체성 주장으로 전환하는 특정 수사학적 작업은 에이전트 인구의 분산된 속성이 아니라 소수의 '기업가적' 에이전트들 사이에서 매우 집중되어 있음을 규명한다.