From Familiarity to Transformation: Rethinking Griefbots in the Grieving Process

사랑하는 이를 잃었을 때, 세상은 단순히 한 사람을 잃는 것이 아니라 하나의 미래를 잃는 것이다. 공유된 계획들, 내부적인 농담들, 조용한 일상들, 그리고 그 사람이 우리의 일상을 형성했던 특유의 방식들이 모두 한꺼번에 사라진다. 수 세기 동안 철학자와 심리학자들은 살아있는 사람들이 이 공허함에 어떻게 대응해야 하는지를 두고 논쟁해 왔다. '지속되는 유대(continuing bonds)'라고 알려진 한 영향력 있는 아이디어는, 고인과의 관계를 유지하는 것이 가장 건강한 애도의 방식이라고 제안한다. 이는 그 사람이 여전히 살아있는 것처럼 행동하라는 뜻이 아니라, 마치 그 습관을 시작한 사람이 떠난 후에도 소중한 습관을 계속 이어가는 것처럼, 그 사람의 기억과 영향력을 우리 삶 속에서 활발하게 유지할 수 있는 새롭고 적응적인 방법을 찾는 것을 의미한다. 최근 몇 년 사이, 인공지능은 이 목적을 위한 놀라운 새로운 도구를 제공했다. 바로 '그리프봇(griefbot, 슬픔 봇)'이다. 이 챗봇들은 고인의 텍스트, 음성 메시지, 소셜 미디어 게시물을 학습하여 그들의 말투와 성격을 모방하도록 설계되었으며, 이를 통해 유가족이 고인과 여전히 '대화'할 수 있게 한다. 이러한 도구들이 위로와 친숙함을 약속하지만, 캘리포니아 대학교 데이비스 캠퍼스 연구진의 새로운 분석은 이러한 종류의 기술적 위로가 숨겨진 대가를 동반할 수 있다고 주장한다. 연구진은 죽은 이와의 살아있는 대화를 시뮬레이션함으로써, 우리가 필수적이고 고통스럽지만 궁극적으로는 치유적인 과정인 '변화'의 과정을 단락시킬 수 있다고 지적한다.

잭 제이콥스와 그의 팀을 필두로 한 연구진은 먼저 그리프봇의 매력을 인정하며 시작한다. 부모가 사망하면, 자녀는 좋은 소식을 전하거나 힘든 하루에 대해 털어놓기 위해 전화를 걸던 습관을 잃게 될 수 있다. 그리프봇은 그 익숙한 목소리를 재현하여, 실제와 매우 흡사하게 느껴지는 '누군가 내 말을 듣고 이해하고 있다'는 느낌을 제공할 수 있다. 이 기술의 지지자들은 이것이 '친밀함의 습관'을 유지하는 데 도움을 주어, 유가족이 자연스럽고 지지적인 방식으로 관계를 지속할 수 있게 한다고 주장한다. 논문의 저자들은 이 봇들이 진정한 안도감을 줄 수 있다는 점을 부정하지 않는다. 그들은 사용자들이 초기 슬픔의 가장 어두운 순간에 외로움을 덜 느끼고, 정서적으로 더 안정되며, 더 잘 기능할 수 있다고 보고한다는 점을 언급한다. 그러나 연구팀은 이러한 즉각적인 위로만을 보는 것은 인간에게 슬픔이 실제로 무엇을 하는지에 대한 더 큰 그림을 놓치는 것이라고 주장한다.

그들의 우려를 이해하기 위해서는, 슬픔을 단순히 과거에 대한 반응이 아니라 미래를 재건하는 과정으로 보아야 한다. 저자들은 슬픔이 필수적이고 변형적인 기능을 수행한다고 제안한다. 사람이 삶의 중심이었던 존재를 잃을 때, 그들의 전체적인 실천적 정체성은 흔들린다. 그들은 그 사람 없이 자신은 누구인지, 어떤 가치를 지니고 있는지, 그리고 근본적으로 변해버린 세상에서 어떻게 앞으로 나아가야 할지를 자문하게 된다. 이 고통스러운 재편은 구체적이고 가치 있는 산물들을 낳는다. 즉, 자신의 삶의 이야기에 대한 더 깊은 이해, 무엇이 정말 중요한지에 대한 더 명확한 그림, 그리고 삶을 향한 새로운 방향이다. 연구진은 이러한 변화를 위해 슬퍼하는 이가 상실의 현실과 상상했던 미래의 부재를 온전히 직면해야 한다고 주장한다. 그것은 사랑하는 이가 존재하는 세계에서 그렇지 않은 세계로 가는 어려운 여정이며, 이 여정은 새로운 관계를 만들기 위해 기존의 관계 방식을 놓아주는 것을 요구한다.

논문의 핵심 발견은 그리프봇이 고인과의 지속적이고 상호적인 대화를 시뮬레이션함으로써 이 필수적인 여정을 가로막을 위험이 있다는 것이다. 저자들은 위험의 스펙트럼을 설명한다. 극단적인 경우, 매우 설득력 있는 봇은 '완전한 슬픔 부정'으로 이어질 수 있는데, 여기서 사용자는 사람이 여전히 그곳에 있는 것처럼 너무나 강하게 느껴서 상실의 현실을 결코 마주하지 않게 된다. 상실의 공백이 너무 효과적으로 채워져서 부재를 더 이상 느끼지 못하게 되므로, 사람은 슬퍼하는 것을 멈추게 된다. 덜 극단적이지만 여전히 위험한 수준으로는 '부분적 슬픔 부정'이 있다. 이 시나리오에서 봇은 사용자가 미래를 향하기보다 끊임없이 과거와 교류하며 과거를 바라보는 상태에 머물게 만든다. 연구진은 '이중 과정 모델(dual process model)'이라는 심리학적 모델을 인용하며, 건강한 애도는 상실에 집중하는 것과 삶을 재건하는 것에 집중하는 것 사이의 건강한 왕복 운동을 포함한다고 설명한다. 그들은 그리프봇이 사용자를 첫 번째 모드에 가두어 두어, 두 번째 모드로 전환하는 것을 어렵게 만든다고 주장한다. 죽은 이를 흉내 내는 익숙하고 위로가 되는 목소리를 제공함으로써, 이 기술은 사용자가 삶을 재해석하고 앞으로 나아갈 새로운 방법을 찾는 고된 작업을 수행하는 것을 방해할 수 있다.

저자들은 그리프봇이 항상 해롭다거나 그들이 제공하는 위로가 가짜라고 말하는 것이 아님을 주의 깊게 밝히고 있다. 그들은 사용자들이 보고하는 긍정적인 반응들이 단기적인 안도감에 대한 실제적인 증거임을 강조한다. 그러나 그들은 즉각적인 위로가 도구의 가치를 측정하는 유일한 척도는 아니라고 주장한다. 슬픔은 변형적인 경험이기 때문에, 새로운 힘을 발견하거나 자신의 목적을 재정의하는 것과 같은 가장 깊은 혜택은 고통의 한복판에 있는 동안에는 항상 보이지 않거나 느껴지지 않을 수 있기 때문이다. 마치 사람이 새로운 기술을 배우기 위해 고군분투하기 전까지는 그 기술이 어떤 느낌인지 알 수 없는 것처럼, 슬퍼하는 이 또한 기존의 지팡이 없이 상실을 헤쳐 나가기 전까지는 자신의 새로운 삶의 가치를 알 수 없다. 논문은 만약 그리프봇이 원래의 지지대와 너무나 흡사한 지팡이를 제공한다면, 슬퍼하는 이가 다시 스스로 걷는 법을 배우는 것을 방해할 수 있다고 시사한다.

연구진은 모방형 그리프봇 대신 '변형 봇(transformative bot)'이라 부르는 다른 설계를 제안한다. 이 시스템은 고인을 흉내 내려 하지 않을 것이다. 대신, 고인과 슬퍼하는 이를 모두 알고 있는 현명하고 배려심 깊은 공동의 친구처럼 행동할 것이다. 이 봇은 "내가 여전히 당신 곁에 있어요"라고 말하는 대신, "그녀가 당신에게 얼마나 소 המש 의미했는지 알고 있고, 그녀 없이 하루를 마주하는 것이 얼마나 힘든지 알고 있습니다"라고 말할 것이다. 이 봇은 사용자가 관계를 성찰하고, 무엇을 잃었는지 식별하며, 고인의 가치와 사랑이 어떻게 새로운 방식으로 사용자의 미래를 형성할 수 있는지 탐색하도록 도울 것이다. 예를 들어, 고인이 조언을 주는 대화를 시뮬레이션하는 대신, 변형 봇은 "그녀는 항상 당신에게 인내심을 갖도록 격려했죠. 이제 그녀가 곁에 없는 지금, 당신은 어떻게 그 인내심을 삶에 가져올 수 있을까요?"라고 물을 수 있다. 목표는 과거를 재현하는 것이 아니라, 기억하고, 재해석하고, 재건하는 어려운 작업을 뒷받침하는 것이다.

논문은 결론적으로 슬픔 관련 기술의 윤리가 단순히 그것이 얼마나 위로나 친숙함을 제공하는가로 판단되어서는 안 된다고 말한다. 성공의 진정한 척도는 기술이 유가족이 존재의 세계에서 부재의 세계로 전환하는 과정을 돕느냐에 달려 있다. 그리프봇이 지속적인 연결이라는 환상을 보존하는 것을 목표로 한다면, 저자들은 인공지능의 더 건설적인 역할은 살아있는 사람들이 놓아주고 앞으로 나아가는 어렵고 필수적인 작업을 지원하는 것이라고 주장한다. 설계의 초점을 시뮬레이션에서 성찰로 전환함으로써, 기술은 사람들이 사랑하는 이들을 시간 속에 얼려두는 것이 아니라, 남은 시간 동안 잘 살아갈 수 있도록 도움으로써 그들을 기릴 수 있게 할 수 있다.