Behavior-Adaptive Conversational Agents: Toward a Fluid Personality Framework

기술 요약: 행동 적응형 대화형 에이전트: 유동적 페르소나 프레임워크를 향하여

문제 제기
대규모 언어 모델(LLM) 기반의 대화형 에이전트(CA)는 의료, 교육, 생산성 등 다양한 도메인에 걸쳐 점점 더 많이 배치되고 있습니다. 이러한 에이전트는 미묘한 페르소나를 투영하고 은유적 역할을 채택할 수 있는 능력을 갖추고 있지만, 현재의 설계 관행은 종종 다양한 맥락에 일률적으로 적용되는 고정된 페르소나(예: 고정된 "친절한 비서")에 의존합니다. 이러한 경직성은 불일치 위험을 초래합니다. 예를 들어, 캐주주얼하고 친구 같은 페르소나는 의료와 같은 진지한 영역에서 신뢰도를 떨어뜨릴 수 있으며, 엄격하게 격식을 갖춘 전문가 페르소나는 코칭이나 성찰적 학습을 위한 필요한 공감을 억제할 수 있습니다. 더욱이, 기존 연구는 두 가지 핵심 차원을 분리하여 다루어 왔습니다: (1) 은유적 페르소나의 선택(에이전트의 역할)과 (2) 성격 표현의 강도(특성 발현의 세기). 한 차원만을 조정하고 다른 차원을 고정하는 것은, 예를 들어 "코치"라는 페르소나를 잘 선택했음에도 불구하고 사용자에게 과도한 열정을 쏟아붓는 것과 같이 최적화되지 않은 사용자 경험으로 이어질 수 있습니다.

방법론 및 제안된 프레임워크
본 논문은 새로운 경험적 데이터를 제시하는 대신, 은유적 유동성을 가진 페르소나 설계와 적응형 성격 표현을 통합하도록 설계된 개념적 **유동적 페르소나 프레임워크(Fluid Personality Framework)**를 제안합니다. 이 프레임워크는 에이전트가 맥락적 요인(작업 유형, 도메인, 긴급도)과 사용자 특정 요인(성격 특성, 상호작나 이력)에 따라 대화 턴마다 두 개의 직교하는 모듈을 동적으로 구성해야 한다는 전제하에 작동합니다.

1. 페르소나 모듈 (은유 적응기):
   이 모듈은 고정된 정체성이 아닌, 유동적인 포트폴리오로부터 즉각적인 상황에 가장 적합한 역할 은유를 선택합니다. 에이전트는 목표 설정(조직적, 실용적)을 위한 "플래너(Planner)", 성과 축하(낙관적, 지지적)를 위한 "치어리더(Cheerleader)", 개념 설명(분석적, 인내심 있는)을 위한 "튜터(Tutor)"와 같은 원형(archetype) 사이를 전환할 수 있습니다. 또한, 본 프레임워크는 정보 집약적인 대화를 위해 인간이 아닌 은유(예: "도서관" 또는 "가이드")를 포함하여 전통적인 의인화 설계를 확장합니다. 페르소나 간의 전환은 미묘한 언어적 가교(linguistic bridging)를 통해 관리되어, 에이전트가 돌발적이지 않고 반응적인 것으로 인식되도록 일관성을 유지합니다.

2. 성격 모듈 (특성 강도 조절기):
   이 모듈은 선택된 페르소나 내에서 성격 특성(예: 외향성, 친화성, 성실성)의 강도와 명시성을 조절합니다. "특성 조절 키(Trait Modulation Keys)" 접근 방식을 활용하여, 시스템은 어조, 정서, 격식 수준을 조정합니다. 예를 들어, 긴급한 맥락(예: 의료 알림)에서 에이전트는 "친화적인 잡담"을 줄이고 간결하고 진지한 어조를 채택할 수 있습니다(친화성 감소, 성실성 증가). 반대로, 장기적인 행동 변화를 위해서는 동기 부여를 지속하기 위해 공감 능력을 높일 수 있습니다. 또한 이 모듈은 내향적인 사용자를 위해 외향성을 낮추는 등 사용자의 프로필과도 일치합니다. 목표는 에이전트의 표현을 "골디락스 존(Goldilocks zone)" 내로 유지하는 것이며, 여기서 중간 정도의 표현이 낮거나 높은 극단보다 우수한 성능을 보입니다.

주요 기여

• 통합된 프레임워크: 본 논문의 주요 기여는 은유적 페르소나 선택과 특성 강도 조절을 하나의 응집된 모델로 통합한 것입니다. 이는 역할과 표현 강도를 별개의 문제로 다루었던 기존 연구의 간극을 메웁니다.
• 동적 적응 메커니즘: 본 논문은 "누구인가"(페르소나)와 "어떻게"(표현 강도)가 모두 작업 맥락, 사용자 목표 및 상황적 긴급도의 함수가 되는 실시간 적응 메커니즘을 개괄합니다.
• 설계 차원: 본 논문은 페르소나 유동성(역할 전환)과 표현 조절(강도 조정)이 서로 구별되면서도 상호 의존적인 사용자 경험 최적화 레버임을 강조하며, CA를 위한 핵심 설계 차원을 스케치합니다.

결과 및 주장
프레임워크를 제시하는 위치 논문(position paper)으로서, 저자들은 새로운 실험 결과를 보고하지 않습니다. 대신, 제안된 접근 방식의 타당성을 입증하기 위해 기존 문헌의 조사 결과들을 합성합니다:

• 페르로사 유동성: Desai 등(2025)을 인용하며, 본 논문은 맥락에 따라 페르소나를 전환하는 것(예: "지니"에서 "검색 엔진"으로)이 신뢰나 인지된 지능을 해치지 않으면서 사용자 즐거움과 채택 의도를 높인다고 언급합니다.
• 표현 강도: Rahman과 Desai(2026)를 인용하며, 성격 표현 강도와 사용자 평가 사이의 역 U자형 관계를 강조하며, 중간 정도의 표현이 목표 지향적 과업에서 신뢰, 지능, 즐거움 측면에서 항상 낮거나 높은 극단보다 우수함을 보여줍니다.
• 맥락적 필요성: 본 논문은 정적인 페르소나가 도메인별 요구 사항(예: 건강 분야에서의 "의사" 페르소나 대 금융 분야에서의 "계산기" 선호)을 반영하지 못한다고 주장하며, 인간 코치가 역할과 어조를 자연스럽게 조절하는 능력을 현재의 CA는 결여하고 있다고 주장합니다.

의의
본 논문은 정적 페르소나에서 적응형 페르소나로 이동하는 것이 차세대 행동 변화 에이전트에게 필수적이라고 상정합니다. 은유적 페르소나 선택과 특성 강도 조절을 결 결합함으로써, 유동적 페르소나 프레임워크는 CA가 변화하는 사용자 목표 및 맥락에 더 잘 부합하도록 하는 것을 목표로 합니다. 저자들은 이 접근 방식이 에이전트가 순간의 특정 요구 사항에 적합한 상태를 유지하도록 하여, 잘못 정렬된 페르소나나 부적절한 표현 수준의 함정을 피함으로써 사용자 경험과 효과성을 개선할 것이라고 주장합니다. 이 연구는 단순히 지능적인 것을 넘어, 맥락적이고 정서적으로 유동적인 CA를 설계하기 위한 기초적인 제안 역할을 합니다.