Divination by Prompt: LLM-Mediated Xuanxue on Chinese Social Media

본 논문은 중국의 현학(Xuanxue) 문화 내에서 LLM 매개 점술에 관한 체계적인 혼합 방법론 연구를 제시하며, 사용자들이 협력적 프롬프트 엔지니어링과 확증 편향을 통해 어떻게 AI를 실용적 지침을 위해 활용하는지, 그리고 전문 점술가들이 AI의 영적 타당성을 거부하는 가운데, 결과적으로 확장 가능하고 반복 가능하며 공동 생산 가능한 관행을 통해 전통적인 점술적 권위를 어떻게 재편하고 있는지를 밝힌다.

핵심

큰 그림: 디지털 오라클로서의 AI

상상해 보세요. 어두컴컴한 천막 안에서 점술가를 찾아가거나 타로 카드를 뽑는 대신, 단순히 챗봇에 질문을 입력하는 세상을 말이죠. 현재 중국에서 일어나고 있는 일이 바로 이것입니다. 젊은 세대는 에세이를 쓰고 소프트웨어를 코딩하는 것과 같은 똑같은 종류의 거대언어모델(LLM)을 사용하여 자신의 연애운, 커리어, 심지어 게임에서의 운까지 묻고 있습니다.

연구진은 이를 **"LLM 매개 현학(Xuanxue)"**이라고 부릅니다. *현학(Xuanxue)*은 고대 점성술부터 현대의 신비주의까지 아우르는 거대한 우산과 같은 역할을 하는 중국의 유행하는 인터넷 신조어입니다. 이 연구는 사람들이 어떻게 AI를 디지털 오라클(신탁을 전하는 존재)로 사용하는지를 체계적으로 살펴본 첫 번째 사례 중 하나입니다.

작동 방식: 새로운 점술사가 된 "프롬프트 엔지니어"

옛날에는 운명을 읽기 위해 거장에게 비용을 지불해야 했습니다. 하지만 오늘이 되면, 그 힘든 작업은 사용자의 몫이 됩니다. AI를 매우 똑똑하지만, 아주 빈 도화지 같은 상태라고 생각해보세요. 당신이 어떻게 그려달라고 말하기 전까지 AI는 당신의 운명을 알지 못합니다.

• 마법의 프롬프트: 사용자들은 단순히 "직장을 구할 수 있을까요?"라고 묻지 않습니다. 대신 다음과 같이 복잡한 지침을 작성합니다. "당신은 고대 팔자(Eight Pillars)의 대가입니다. 여기 나의 생년월일시 데이터가 있습니다. 엄격한 전통 규칙을 사용하여 나의 커리어 경로를 분석하세요."
• 협업적 디버깅: 만약 AI가 모호한 답변을 내놓으면, 사용자들은 포기하지 않습니다. 그들은 마치 소프트웨어 엔지니어가 마법을 "디버깅"하는 것처럼 행동합니다. 그들은 질문을 수정하거나, 표현을 바꾸거나, 답변이 "맞다"고 느껴질 때까지 AI에게 다시 시도하라고 요청합니다.
• 오픈 소스 마법: 소셜 미디어(특히 인스타그램과 유사한 샤오홍슈)에서 사용자들은 자신들이 발견한 "성공적인 프롬프트"를 무료로 공유합니다. 이는 마치 맛있는 결과를 얻기 위해 정확한 레시피를 공유하는 커뮤니티 요리책과 같습니다.

왜 하는가? 두 가지 주요 이유

연구에 따르면 사람들은 크게 두 가지 이유로 AI 점술을 이용하며, 이 두 이유는 종종 겹치기도 합니다.

1. "트렌디한 호기심" 경로: 무료이고, 쉽고, 모두가 이야기하고 있습니다. 마치 새로운 유행 댄스 챌린지에 참여하는 것과 같습니다. 사람들은 이것을 진지한 의식이라기보다 재미있는 게임으로 취급하며, AI가 무엇이라고 답할지 보기 위해 엉뚱한 질문을 던집니다.
2. "불안 해소" 경로: 삶이 두려워질 때(시험 결과를 기다리거나 이별을 걱정할 때처럼), 사람들은 위안을 얻기 위해 AI를 찾습니다. 설령 AI가 정말 마법 같다고 믿지 않더라도, AI는 심리적 지팡이 역할을 합니다. 이는 혼자가 아니라는 느낌을 주고, 혼란스러운 세상 속에서 통제력을 가질 수 있게 도와줍니다.

믿는 것인가? "정확도"의 환상

연구진은 23,000개 이상의 댓글을 분석했으며, 의견을 가진 사람들 중 대부분은 AI가 놀라울 정도로 정확하다고 생각한다는 것을 발견했습니다. 그런데 왜 그럴까요?

• 바넘 효과 (호로스코프의 속임수): AI는 모호하거나, 듣기 좋거나, 보편적으로 공감할 수 있는 문장(예: "당신은 숨겨진 리더십 재능이 있습니다")을 쓰는 데 능숙합니다. 사용자들은 자신의 삶을 되돌아보며 *"와, 딱 내 얘기네!"*라고 생각합니다. 그들이 스스로 빈칸을 채우는 것입니다.
• 사후 확증: 만약 AI가 말한 대로 일이 실제로 일어나면, 사용자들은 "통했다!"라고 외칩니다. 반대로 틀리면, 그들은 질문을 잘못했거나 "AI가 더 나은 프롬프트를 필요로 한다"며 시스템이 아닌 자신의 질문 탓을 합니다. 시스템 자체를 탓하는 경우는 드뭅니다.
• "영혼" 논쟁: 전문적인 인간 점술가들은 AI에 "영적 에너지"나 "영혼"이 없기 때문에 가짜라고 말합니다. 그들은 진짜 점술에는 컴퓨터가 가질 수 없는 인간적 연결이 필요하다고 주장합니다. 하지만 많은 사용자는 이를 무시하고 그저 빠르고 저렴한 답변을 원합니다.

"과학 vs 마법"의 춤

가장 흥สนใจ로운 발견 중 하나는 사용자들이 "AI는 단지 수학일 뿐이다"라는 사실과 "AI는 미래를 예측할 수 있다"는 모순 사이를 어떻게 다루는지에 대한 것입니다.

• "빅데이터" 변명: 일부 사용자들은 "AI는 인터넷의 모든 것을 읽었으니, 인간 운명의 패턴을 알고 있을 것"이라고 말합니다. 그들은 점술을 수학 문제처럼 취급합니다.
• "과학이 끝나고 마법이 시작된다"는 변명: 다른 이들은 "과학이 모든 것을 설명할 수는 없으므로, AI가 과학이 아직 밝혀내지 못한 더 깊은 무언가를 건드리고 있는 것"이라고 말합니다.
• 결론: 대부분의 사람들은 그 중간 지점에서 편안함을 느낍니다. 그들은 AI를 수정 구슬이라기보다 자기 성찰을 위한 도구로 취급합니다. 그들은 현대적이고 안전하게 느껴지도록 "과학"이라는 라벨을 붙이면서도, 의미 있게 느껴지도록 "마법"이라는 라벨을 사용합니다.

핵심 요약

이 논문은 AI를 통한 점술이 사람들이 정신을 놓았거나 기술이 세상을 지배하고 있다는 신호가 아니라고 주장합니다. 대신, 이는 인간의 본성이 매우 적응력이 높다는 것을 보여줍니다.

사람들이 불안과 불확실성을 관리하기 위해 찻잎이나 타로 카드를 사용했던 것처럼, 이제는 챗봇을 사용하고 있는 것입니다. 기술은 변했지만, 안내와 위안, 그리고 통제력을 얻고자 하는 인간의 욕구는 정확히 그대로입니다. AI는 단지 오래된 인간의 습관을 담는 새로운 그릇일 뿐입니다.

이 논문이 주장하지 않는 것:

• AI가 실제로 미래를 예측할 수 있다고 말하지 않습니다.
• 이것이 불안에 대한 의학적 치료법이라고 제안하지 않습니다.
• 이것이 인간 점술가를 완전히 대체할 것이라고 주장하지 않습니다 (실제로 인간 점술가들은 AI에 영혼이 없다고 주장하며 맞서고 있습니다).
• 이 현상이 사회를 장기적으로 어떻게 변화시킬지 예측하지 않으며, 오직 현재 어떻게 일어나고 있는지만을 다룹니다.

기술 요약

기술 요약: 프롬프트에 의한 점술: 중국 소셜 미디어상의 LLM 매개 현학(Xuanxue)

문제 제기
대규모 언어 모델(LLM)의 급격한 확산은 새로운 문화적 관습인 대화형 AI를 이용한 점술을 도입했다. "알고리즘 점술"(예: 온라인 타로 또는 점성술 앱)은 초기 인터넷 시대부터 존재해 왔으나, LLM의 등장은 방법론적 변화를 의미한다. 미리 프로그래밍된 메뉴 기반의 운세 도구와 달리, LLM은 유동적인 다회차 대화와 맞춤형 프롬프트 엔지니어링을 가능하게 하여, 효과적으로 매우 상호작용적이고 공동 생산되는 신탁(oracle)을 만들어낸다. 본 논문은 이러한 현상을 중국 소셜 미디어상의 "현학(Xuanxue, 玄学)"이라는 특정한 문화적 맥락 내에서 조사한다. 본래 신유학적 형이상학 학파였던 현학은, 오늘날 중국 청년층 사이에서 위안과 사회적 연결의 원천으로서 부상하고 있는 신비주의 및 영적 관행(점술, 점성술, 민속 신앙 등)을 일컫는 인터넷 네이티브 용어로 진화했다. 본 연구는 사용자들이 점술 목적으로 LLM과 어떻게 상호작용하는지, 이들이 AI가 생성한 판독의 권위를 어떻게 구축하고 평가하는지, 그리고 이 관행이 점술의 사회적 조직을 어떻게 재편하는지를 다룬다.

연구 방법론
본 연구는 LLM 매개 점술이라는 신흥 현상을 체계적으로 분석하기 위해 혼합 방법론 설계를 채택하였다:

1. 대규모 소셜 미디어 분석: 저자들은 "DeepSeek 현학(DeepSeek Xuanxue)"이라는 키워드를 타겟으로 샤오홍슈(중국의 주요 소셜 미디어 플랫폼)에서 데이터를 스크레이핑했다. 이 특정 쿼리는 국내 LLM인 DeepSeek의 인기와, '미신'에 관한 플랫폼 검열을 피하기 위한 '현학'의 암호화된 사용을 포착하기 위해 선택되었다.

   • 코퍼스: 최종 데이터셋은 2025년 4월 10일까지 게시된 232개의 포스트와 23,340개의 댓글(중첩된 답글 포함)로 구성되었다.
   • 코딩: 하이브리드 접근 방식을 사용하여, 우수한 중국어 자연어 처리(NLP) 성능을 가진 DeepSeek-V3.1을 자동 코더로 활용하여 댓글을 세 가지 차원(주제 분류(11개 카테고리), 태도 지향성(5점 척도 신념), 프롬프트 교환(프롬프트 공유 여부에 대한 이진 변수))으로 분류했다. 인간 코더가 224개의 댓글 샘플을 검증하여 높은 평가자 간 신뢰도(Cohen's Kappa > 0.90)를 달 확보했으며, LLM의 중등도 이상의 일치도(Fleiss's Kappa > 0.60)를 확인했다.
   • 종단적 점검: 패턴의 지속성을 검증하기 위해 보충적인 목적적 샘냥 단계(2025년 4월~12월)를 거쳐 25개의 고참여 포스트와 192개의 댓글을 선별했다.

2. 반구조화된 인터뷰: 저자들은 두 그룹을 대상으로 32회의 심층 인터뷰(30~45분)를 실시했다:

   • 사용자 (n=26): 점술을 위해 DeepSeek을 사용했거나 관련 토론에 적극적으로 참여한 개인.
   • 전문가 (n=6): LLM 도구에 어느 정도 익숙한 전문 인간 점술가(타로, 사주 등).
   • 초점: 인터뷰는 사용 습관, 인지된 효능, 비교 관점(AI vs 인간), 그리고 전문가의 워크플로우에 LLM이 통합되는 방식을 탐구했다.

주요 결과

• 실용적 동기와 주제: 사용자들은 추상적인 영적 탐구보다는 실용적인 고민을 위해 주로 LLM을 상담한다. 가장 빈번한 주제는 일반적인 수리(역학, 사주), 연애 관계, 직업/학업/시험 결과, 그리고 게임(특히 '가챠' 뽑기)이다. 이러한 문의는 현대 중국 청년들의 주요 스트레스 요인과 일치하며, 이는 불확실성을 관리하려는 욕구를 반영한다.
• 참여의 이중 경로: 참여는 두 가지 교차하는 경로에 의해 구동된다:
  1. 트렌드 중심의 호기기심: 바이럴 효과와 비용 제로의 접근성은 실험을 장려한다. 많은 사용자가 깊은 초자연적 믿음 없이, 유희나 심리적 위안을 위한 놀이이자 진입 장벽이 낮은 도구로서 LLM에 접근한다.
  2. 사건 중심의 불안: 특정 고위험 불확실성(예: 시험, 관계의 위기)은 사용자들이 명확성과 통제감을 찾도록 유도하며, 이는 점술을 대처 기제로 보는 전통적인 인류학적 관점과 일치한다.
• 협력적 프롬프트 엔지니어링: 핵심적인 특징은 "협력적 프치프트 정교화" 문화이다. 사용자들은 능동적으로 프롬프트 엔지니어가 되어, 결과를 최적화하기 위해 입력 템플릿을 공유하고, 디버깅하며, 정교화한다. 이는 사용자를 수동적인 관찰자에서 신탁의 능동적인 공동 생산자로 변화시킨다.
• 인지된 효능 및 검증:
  • 긍정적 편향: 명확한 입장을 표명하는 사용자들 사이에서 인지된 효능은 긍정적인 쪽으로 치우쳐 있다. "정확도"는 종종 전기적 적합성(biographical fit)과 사후적 확인(바넘 효과 및 확증 편향)을 통해 정당화된다.
  • 검증 관행: 사용자들은 반복 실험(세션 간 일관성 확인)과 교차 모델 비교(DeepSeek, Gemini, ChatGPT 간의 결과 삼각 측량)를 포함한 엄격한 검증 전략을 사용한다.
  • 전문가적 회의론: 인간 점술가들은 대체로 LLM을 거부하며, LLM이 필요한 "영적 힘"이나 "에너지"(존재론적 헌신)가 부족하다고 주장하며, 이를 경제적 경계 작업(boundary-work)을 위한 도구로 간주한다. 그들은 또한 정확한 '패판(pai pan, 사주 도식)'과 같은 기초적인 과업을 수행하지 못하는 LLM의 한계를 비판한다.
• 인식론적 긴장: 사용자들은 과학적 프레임과 형이상학적 프레임 사이의 복잡한 공간을 항해한다. 일부는 LLM 점술을 정당화하기 위해 "과학적"(알고리즘, 빅데이터)이라고 프레임화하는 반면, 다른 이들은 "과학의 끝은 현학이다"라고 주장하며 형이상학을 현재의 과학적 이해보다 우위에 둔다. 대부분의 사용자는 이러한 모호함을 수용하며, 이 관행을 해석을 위한 유연한 도구로 취급한다.

핵심 기여

1. 체계적 기록: 본 논문은 LLM 매개 점술에 대한 최초의 체계적인 연구 중 하나로, 중국 맥락에서 사용자들이 영적 목적을 위해 생성형 AI와 상호작용하는 구체적인 메커니즘을 기록한다.
2. 이론적 통합: 본 연구는 점술의 인류학적 이론(도구적 vs 비도구적 기능, 인지-진화적 접근법)을 인간-AI 상호작용 연구와 연결한다. LLM 점술이 전통적 관행의 핵심적 인식론적 및 사회적 기능을 유지하면서도 그 사회적 조직을 근본적으로 변화시킨다고 주장한다.
3. 권위의 이동: 본 연구는 점술의 권위가 전문적인 수행자에서 네트워크화된 사용자 공동체로 이동하고 있음을 강조한다. 비용 제로, 반복 가능성, 프롬프트 기반 맞 customization의 특성은 사용자들이 신탁을 공동 생산하게 함으로써 인간 전문가의 독점에 도전한다.
4. AI 시대의 검증: 본 연구는 교차 모델 삼각 측량 및 반복적 프롬프트 디버깅과 같이 LLM 맥락에 고유한 새로운 검증 전략을 식별하며, 이는 불투명한 AI 시스템의 신뢰성을 평가하기 위한 일상적 관행 역할을 한다.

의의 및 주장
본 논문은 LLM 점술이 단순한 새로움이 아니라, 새로운 매개 기술에 대한 인지적-도구적 전략의 지속적인 적응임을 주장한다. 본 연구는 다음을 입증한다:

• 연속성: 기술적 기질에도 불구하고 핵심 논리는 유지된다: 사용자들은 불확실성 조건 하에서 이러한 시스템을 상담하며, 인지된 도구적 효과성에 기반하여 그 출력에 진정한 인식론적 가치를 부여한다.
• 변화: 기술은 점술의 권위가 구축되는 방식을 재편한다. 권위는 더 이상 수행자의 "영적 힘"에서만 유래하는 것이 아니라, 프롬프트를 설계하고 모델 간 출력을 검증하는 공동체의 능력에 의해 분산된다.
• 심리적 및 사회적 영향: 이 관행은 저비용의 정서적 지원과 통제감을 제공하지만, 잘 알려진 심리적 편향(바넘 효과, 확증 편향)에 대한 취약성을 초래하며, 중요한 결정을 자동화된 시스템에 외주 주는 것을 정상화할 위험이 있다.
• 인식론적 유동성: 사용자들은 "과학 대 미신"의 이분법을 엄격히 따르지 않고, 맥락에 따라 알고리즘적 권위와 형이상학적 공명을 모두 활용하여 LLM 출력을 정당화하는 유연한 인식론적 프레임워크를 활용한다.

저자들은 LLM 점술이 전통적 관행의 기능적 핵심을 유지하면서도, 신뢰, 검증, 그리고 권위의 역동성을 근본적으로 변화시키는 확장성과 반복성을 도입한다고 결론짓는다. 본 연구는 이 신흥 현상의 장기적인 행동적 결과를 이해하기 위한 향후 종단적 및 교차 문화적 연구를 촉구한다.