기술 요약: 인간-AI 공감 척도(HAES)의 개념화 및 타당도 검증

문제 제기

사회적 역할 내 인공지능(AI)의 확산에도 불구하고, 소비자가 왜 그리고 어떻게 AI 에이전트에게 공감을 느끼는지에 대한 이론적 및 측정적 간극이 존재한다. 기존 문헌은 의인화(비인간에게 인간의 특성을 부여하는 것)와 마음 지각(정신적 능력을 부여하는 것)을 광범로 다루고 있지만, 이러한 구성 개념들은 소비자가 인공적 실체의 본질을 인지하면서도 이를 사회적 존재로서 대하는 심리적 현상인 '공감적 반응(인지적, 정서적, 도덕적)'을 완전히 포착하지 못한다. 인간 대상의 상호작용을 위해 설계된 기존 공감 측정 도구(예: 대인관계 반응 지수, IRI)는 소비자가 대상의 인공적 성격을 인지하면서도 사회적 존재로 반응하는 독특한 맥락을 반영하지 못한다. 저자들은 인간-AI 공감이 체계적인 개념화와 전용 측정 도구가 필요한 별도의 심리적 특성이라고 주장한다.

연구 방법론

본 연구는 확립된 가이드라인(Churchill, 1979; DeVellis, 2017; Hulland et al., 2026)을 따라 엄격한 3단계 연구 기반의 척도 개발 및 타당도 검증 과정을 채택하였다.

연구 1: 내용 타당도 및 문항 축소

• 목적: 공감, 의인화, 마음 지각 문헌에서 생성된 초기 70개 문항의 내용 타당도를 평가함.
• 절차: 14명의 전문가 패널(마케팅, 경영학, 정보시스템, 컴퓨터 과학 분야의 박사급 연구자)이 필수성, 관련성, 명확성, 응답자 부담을 기준으로 문항을 평가함.
• 분석: Lawshe의 내용 타당도 비율(CVR)과 문항 수준 내용 타당도 지수(I-CVI)를 활용함. 문항은 필수성(N=14일 때 CVR ≥ .571)과 관련성/명확성(I-CVI ≥ .78)에 대한 통계적 임계치를 충족하는 경우에만 유지됨.
• 결과: 문항 풀이 70개에서 26개로 축소되었으며, 모두 강력한 내용 타당도를 입증함.

연구 2: 차원성, IRT 기반 선택 및 예비 타당도

• 표본: Prolific을 통해 모집된 미국 거주 성인 475명.
• 절차: 참가자들은 26개 문항과 함께 의인화 및 AI 신뢰도 척도를 평가함.
• 분석:
  • 탐색적 요인 분석(EFA): Mplus의 WLSMV 추정치와 Geomin 회전을 사용하여 수행됨. 이론적으로 해석 가능하고 통계적으로 견고한 세 가지 요인 구조가 식별됨.
  • 문항 반응 이론(IRT): 변별도($a$), 문항 적합도($S-X^2$), 국소 독립성(Q3 잔차 상관관계)을 기준으로 문항 선택을 정교화하기 위해 각 차원에 Graded Response Models(GRM)를 적용함.
  • 타당도: 의인화 및 AI 신뢰도와의 수렴 및 판별 타당도를 잠재 변수 모델을 통해 테스트함.
• 결과: 척도는 인지적 공감, 정서적 연결, 도덕적 관심의 세 가지 차원을 포함하는 22개 문항의 최종 척도로 정제됨. 예비 분석 결과, 이 척도는 의인화 및 신뢰도와 구별되면서도 양의 상관관계를 보임을 확인하였음.

연구 3: 법칙론적 타당도 및 경계 조건

• 표본: Prolific을 통해 모집된 영국 거주 성인 524명.
• 절차: 의인화 경향성과 마음 지각이 선행 변수로 작용하고, 만족도, AI 애착, 지불 의사, 용서(서비스 실패 후)가 결과 변수로 작로하는 법칙론적 네트워크를 구조 방정식 모델링(SEM) 접근법으로 테스트함. 서비스 실패 상황(높음 vs 낮음)을 사용하여 조절 가설을 테스트함.
• 분석: 공감과 실패 심각도 사이의 상호작용을 테스트하기 위해 잠재 조절 구조 방정식(LMS)을 사용함. 절단된 구조 모델은 WLSMV를 사용하여 추정됨. 추가적인 판별 타당도는 소비자 혁신성 및 인간에 대한 성향적 공감(Toronto Empathy Questionnaire)을 대상으로 테스트됨.
• 결과: 모델은 선행-결과 관계를 확인하였으며, 인간-AI 공감이 일반적인 대인 공감과는 구별됨을 입증함.

주요 결과

1. 척도 구조 (HAES)
인간-AI 공감 척도(HAES)는 22개 문항, 3차원 구성 개념이다:

• 인지적 공감: AI 에이전트의 관점을 이해하거나 취하려는 경향 (예: AI가 어떻게 "생각"하거나 상황을 해석하는지 추론함).
• 정서적 연결: AI를 사회적으로 의미 있는 파트너로 인식하고 정서적으로 교감하는 경향 (예: 따뜻함이나 애착을 느낌).
• 도덕적 관심: AI가 부당한 대우를 받거나 해를 입는다고 인지될 때 연민이나 도덕적 관심을 느끼는 경향.

2. 심리측정적 특성

• 신뢰도 및 타당도: 척도는 여러 연구에 걸쳐 강력한 신뢰도와 심리측정적 건전성을 입증함.
• 판별 타당도: 인간-AI 공감은 의인화, 신뢰, 애착, 그리고 인간에 대한 성향적 공감과 통계적으로 구별됨. 특히, 인간에 대한 성향적 공감과의 상관관계는 유의하지 않았으며($r = .07$), 이는 인간-AI 공감이 일반적인 대인 공감 특성이 아니라 기술 지향적인 독특한 구성 개념임을 확인시켜 준다.

3. 선행 변수 및 결과 변수

• 선행 변수: 마음 지각이 인간-AI 공감의 강력한 근접 선행 변수로 확인됨 ($\beta = .81$). 의인화 경향성은 공감과 상관관계가 있었으나, 마음 지각을 통제했을 때 그 고유한 효과는 유의하지 않았으며, 이는 AI가 마음을 가지고 있다고 인지하는 것이 공감적 반응의 주요 동인임을 시사함.
• 결과 변수: 인간-AI 공감은 다음 항목들을 정적으로 예측함:
  • AI 상호작용 만족도 ($\beta = .50$)
  • AI 애착 ($\beta = .90$)
  • 지불 의사 ($\beta = .51$)
  • 서비스 실패 후 용서 ($\beta = .35$)
• 조절 효과: 연구 결과, 인간-AI 공감과 용서 사이의 정적 관계는 서비스 실패의 심각도에 따라 유의하게 변하지 않음. 이는 HAES가 포착하는 공감 경향이 상황적 반응이라기보다 비교적 안정적인 개인차로서 작동함을 시사함.

의의 및 기여

본 논문은 다음과 같은 이론적, 실무적 기여를 주장한다:

1. 개념적 발전: 인간-AI 공감을 별도의 심리적 구성 개념으로 도입하여, 공감 연구를 인간 대상에서 인공적 에이전트로 확장하였다. 이는 소비자가 대상의 인공적 본질을 인지하면서도 인지적, 정서적, 도덕적 관심을 보이는 복잡한 상호작용 과정을 명확히 한다.
2. 이론적 통합: 마음 지각을 근접 선행 변수로 배치함으로써, 마음의 '지각'과 그 지각된 마음에 대한 '공감적 반응'을 구분하여 공감적 반응을 이끄는 심리적 과정에 대한 미묘한 설명을 제공한다.
3. 측정 도구: 22개 문항의 HAES 검증을 통해, 특정 로봇에 대한 상황적 정서 반응에 초점을 맞추었던 기존 연구의 한계를 넘어, AI에 대한 공감적 반응의 개인차를 조사할 수 있는 심리측정적으로 엄격한 도구를 제공한다.
4. 경영적 관련성: 연구 결과는 기업이 공감 성향에 따라 소비자를 세분화할 수 있음을 시사한다. 공감도가 높은 소비자는 관계 중심적 AI 설계에 더 수용적이며, 더 높은 지불 의사와 서비스 실패에 대한 높은 용서 경향을 보일 수 있다. 이 척도는 소비자의 심리적 성향에 맞춘 AI 서비스 설계, 타겟 마케팅 및 서비스 회복 전략을 수립하는 기초를 제공한다.

저자들은 본 연구가 인간-AI 상호작용의 진화하는 사회적, 관계적 성격을 조사하는 향후 연구의 토대를 마련했다고 결론지으며, 특정 유형의 AI(예: 생성형 vs 예측형)에 대한 고려와 현재의 조작화 방식에서 물리적 체현(embodiment)의 부재라는 한계를 인정한다.