[논문리뷰] A systematic review and meta-analysis of psychological and behavioural responses in human-agent vs. human-human interactions. Communications Psychology

A systematic review and meta-analysis of psychological and behavioural responses in human-agent vs. human-human interactions. Communications Psychology(2026)

인간–에이전트와 인간–인간 상호작용을 비교한 체계적 문헌고찰 및 메타분석

: ai 에이전트는 인간과 같은 사회적 반응을 이끌어내는가?

1. 논문 정보

• 저자: Jianan Zhou, Fleur Corbett, Joori Byun, Talya Porat, Nejra van Zalk
• 학술지: Communications Psychology
• 연구 유형: 체계적 문헌고찰 및 메타분석

2. 간단 요약

이 논문은 동일한 역할과 수행능력을 가진 AI 에이전트와 인간을 비교한 162개 연구를 종합한 결과, 사람들이 에이전트를 인간만큼 신뢰하고 함께 과업을 수행할 수는 있지만, 에이전트에게는 더 적은 친사회적 행동과 도덕적 관여를 보이며 사회적·도덕적 행위자로도 낮게 평가한다는 점을 밝힌다.

3. 논문 개요

지능형 에이전트는 챗봇, 가상 인간, 로봇 등의 형태로 의료, 교육, 비즈니스, 여가와 같은 다양한 영역에 도입되고 있다. 최근 에이전트는 단순한 정보 제공 도구를 넘어 동료, 조언자, 동반자, 경쟁자처럼 기존에 인간이 담당하던 역할을 수행하기 시작한다.

그러나 에이전트가 인간과 유사한 수행능력을 보인다고 해서 사용자가 인간에게 보이는 것과 동일한 심리적·행동적 반응을 보이는지는 명확하지 않다. 어떤 연구에서는 인간과 에이전트에 대한 신뢰가 유사하게 나타나지만, 다른 연구에서는 에이전트에 대한 신뢰와 사회적 평가가 더 낮게 나타난다.

이 논문은 이러한 혼재된 결과를 해결하기 위해 수행능력과 상호작용 조건이 유사한 에이전트와 인간 파트너를 직접 비교한 연구만을 선별한다. 이후 신뢰, 친사회적 행동, 사회적 실재감, 자기개방, 과업 수행 등 서로 다른 반응을 하나의 포괄적 개념으로 합치지 않고, 23개의 구체적인 반응 유형으로 구분하여 각각 메타분석한다.

다만 이 연구에서 말하는 에이전트는 대화형 에이전트에 한정되지 않는다. 챗봇과 가상 인간뿐 아니라 물리적 로봇, 비체화된 시스템, Wizard-of-Oz 방식의 에이전트 등 인간과 동등한 역할을 맡은 다양한 지능형 시스템을 포함한다.

4. 주요 개념 정리

지능형 에이전트(Interactive Intelligent Agent)

인간과 상호작용하며 특정 목표를 수행하는 계산 시스템이다. 이 논문은 기술 구조보다 인간과 동등한 역할을 맡고 인간 파트너와 유사한 수준의 수행을 제공하는가를 기준으로 에이전트를 정의한다.

인간–에이전트 상호작용(Human–Agent Interaction, HAI)

인간이 AI 에이전트, 로봇, 가상 인간 등과 상호작용하는 상황이다. 논문에서는 이를 인간–인간 상호작용(Human–Human Interaction, HHI)과 직접 비교한다.

기능적 동등성(Functional Equivalence)

에이전트와 인간 파트너가 동일한 역할을 맡고 유사한 행동 및 과업 수행을 제공하는 상태이다. 이를 통해 반응 차이가 파트너의 능력 차이가 아니라 에이전트인지 인간인지에 대한 정체성 차이에서 발생했는지를 살펴본다.

파트너 효과(Partner Effect)

상호작용 상대가 에이전트인지 인간인지에 따라 나타나는 심리적·행동적 반응의 차이이다. 논문에서는 인간–에이전트 조건과 인간–인간 조건의 표준화된 평균 차이인 Hedges’ g로 이를 계산한다. 음수 값은 에이전트 조건에서 반응 수준이 더 낮다는 의미이다.

사회적 실재감(Social Presence)

상호작용 상대가 실제로 함께 존재하며 생각과 감정을 교환할 수 있는 사회적 존재처럼 느껴지는 정도이다.

사회적 정렬(Social Alignment)

사용자가 파트너의 관점, 판단, 언어, 행동 등에 자발적으로 맞추거나 동조하는 현상이다. 자기–타자 통합, 조언 수용, 행동 동기화, 대인거리 조절 등을 포함한다.

행위자성 귀인(Agency Attribution)

상대가 의도적으로 행동하고 사건을 일으킬 수 있는 주체라고 판단하는 정도이다.

도구적 가치와 내재적 가치(Instrumental and Intrinsic Value)

도구적 가치는 상대를 목표 달성을 위한 유용한 수단이나 협력자로 평가하는 것을 의미한다. 내재적 가치는 상대가 그 자체로 도덕적·사회적 고려를 받을 가치가 있다고 평가하는 것을 의미한다. 저자들은 연구 결과를 바탕으로 에이전트가 인간과 유사한 도구적 가치는 인정받지만, 동일한 수준의 내재적 가치는 인정받지 못한다고 해석한다.

5. 연구 배경과 문제의식

인간이 에이전트에게 인간과 동일한 방식으로 반응하는지를 설명하는 이론은 서로 다른 예측을 제시해 왔다. Media Equation과 CASA 관점은 사람들이 최소한의 사회적 단서를 가진 컴퓨터에도 인간과 유사한 사회적 반응을 보인다고 설명한다. 반면 Threshold Model of Social Influence는 자동적이고 낮은 수준의 반응은 유사할 수 있지만, 의식적이고 숙고적인 사회적 반응은 인간을 상대할 때 더 강하게 나타난다고 본다.

기존 리뷰 연구도 서로 다른 결론을 제시하였다. 일부 리뷰는 인간–에이전트 관계가 인간관계와 상당히 유사하다고 주장하였지만, 다른 리뷰는 현재의 에이전트가 인간관계에 필요한 사회적 가능성을 충분히 제공하지 못한다고 지적하였다.

기존 메타분석은 신뢰, 감정, 과업 수행, 사회적 평가와 같이 서로 다른 반응을 ‘사회적 영향’이나 ‘설득’이라는 하나의 범주로 통합하기도 하였다. 저자들은 이러한 방식이 심리적 반응 사이의 개념적 차이를 가린다고 지적한다. 또한 에이전트가 생성한 결과물을 수동적으로 평가한 연구까지 상호작용 연구로 포함한 경우가 있어, 실제 인간–에이전트 상호작용을 설명하기 어렵다는 문제가 있었다.

6. 연구 목적과 연구 질문

이 연구의 목적은 수행능력이 유사한 에이전트와 인간 파트너에게 사람들이 보이는 심리적·행동적 반응의 공통점과 차이를 체계적으로 규명하는 것이다. 논문은 다음 네 가지 연구 질문을 제시한다.

1. RQ1: 인간–에이전트와 인간–인간 상호작용을 비교한 연구에서 어떤 심리적·행동적 반응이 조사되었는가?
2. RQ2: 어떤 반응 유형에서 인간–에이전트와 인간–인간 상호작용의 차이가 나타나는가?
3. RQ3: 어떤 반응 유형에서 두 상호작용의 유사성이 나타나는가?
4. RQ4: 연구, 참가자, 파트너, 상호작용 및 반응의 특성이 파트너 효과를 어느 정도 조절하는가?

7. 연구 방법

연구진은 PRISMA 2020 지침에 따라 2024년 2월 Scopus, Web of Science, ACM Digital Library, PsycInfo를 검색한다. 2000년 이후 발표된 영문 동료평가 학술지 및 학회 논문을 대상으로 하였으며, 회색문헌은 포함하지 않았다. 논문은 PRISMA를 따랐지만 사전등록이나 정식 프로토콜은 없었다.

포함 연구는 건강한 성인을 대상으로 하며, 인간–에이전트와 인간–인간의 양자 상호작용을 직접 비교해야 한다. 두 조건에서 과업, 파트너 역할, 행동과 수행수준이 유사해야 하며, 참가자는 실시간 또는 가상의 시나리오에서 파트너와 능동적으로 상호작용해야 한다. 에이전트나 생성 결과물을 단순히 관찰하고 평가한 연구는 제외한다.

문헌 선정 과정은 다음과 같다.

• 제목·초록 심사: 11,456개 기록
• 전문 심사: 815편
• 체계적 문헌고찰 포함: 162개 연구, 122편의 논문
• 메타분석 포함: 146개 연구, 112편의 논문
• 분석한 효과크기: 468개

메타분석에 포함된 연구의 평균 표본은 162.80명이며, 표본 가중 평균 연령은 31.62세, 여성 비율은 56.87%이다. 미국과 중국 연구가 가장 많았고, 서구 국가와 동아시아 표본이 상대적으로 높은 비중을 차지한다.

연구진은 다양한 반응을 귀납적으로 분류하여 6개 주제와 23개 반응 유형을 도출한다. 분석에는 3수준 무선효과 모형을 사용하며, 빈도주의 메타분석과 베이지안 메타분석을 함께 수행한다. 연구 품질은 별도로 개발한 23문항 체크리스트를 이용하여 연구설계의 엄격성, 데이터·보고의 엄격성, 전반적 연구 진실성으로 평가한다.

8. 주요 연구 결과

8.1 인간의 반응은 6개 주제와 23개 유형으로 구분된다

연구진은 분석된 반응을 다음 여섯 주제로 분류한다.

 

반응 주제                                         주요 반응

친사회성과 도덕성	친사회적 행동, 도덕적 관여
파트너에 대한 사회적 인식	사회적 실재감, 호감도, 유능성, 행위자성, 책임
파트너에 대한 신뢰	행동적 신뢰, 주관적 신뢰
사회적 정렬	관점·판단·행동의 정렬
개인 행위자성과 과업 수행	자기행위자성, 자기개방, 경제적 행동, 과업 수행
상호작용 경험	관계적 특성, 정서, 만족도, 자연스러움, 즐거움, 부담 등

기존 연구는 호감도, 유능성, 주관적 신뢰, 사회적 정렬, 객관적 과업 수행을 상대적으로 많이 조사하였다. 반면 부정적 반응이나 미래 상호작용 의도, 자연스러움, 즐거움, 주관적 부담 등은 비교 연구가 적었다.

8.2 사람들은 에이전트에게 덜 친사회적이고 덜 도덕적으로 행동한다

에이전트와 상호작용할 때의 친사회적 행동은 인간과 상호작용할 때보다 중간에서 큰 수준으로 낮았다.

• 친사회적 행동: g = -0.648
• 도덕적 관여: g = -0.376

참가자들은 에이전트와 경제 게임을 할 때 자원을 덜 나누거나, 공동 과업에서 파트너의 관점을 덜 반영하였다. 또한 에이전트에게는 도덕적 행동과 의도, 죄책감과 같은 반응도 적게 나타났다. 두 결과 모두 베이지안 분석에서 파트너 효과를 뒷받침하는 결정적인 근거가 나타났다.

8.3 에이전트는 인간보다 사회적 행위자로 낮게 평가된다

에이전트는 인간 파트너보다 사회적으로 덜 실재하고, 덜 호감 가며, 덜 유능한 존재로 평가되었다.

• 사회적 실재감: g = -0.284
• 호감도: g = -0.352
• 유능성: g = -0.457
• 행위자성 귀인: g = -0.705
• 책임 귀인: g = -0.511

특히 행위자성과 책임처럼 고차원적인 사회적 판단에서 차이가 크게 나타났다. 사용자는 에이전트가 의도를 가지고 행동하는 능력과 결과에 책임질 능력을 인간보다 낮게 평가하였다.

8.4 신뢰와 과업 수행은 인간과 에이전트 사이에서 대체로 유사하다

반면 다음 반응에서는 인간과 에이전트 조건 사이에 통계적으로 유의한 차이가 확인되지 않았다.

• 행동적 신뢰
• 주관적 신뢰
• 사회적 정렬
• 자기행위자성
• 자기개방
• 전략적 경제 행동
• 객관적 과업 수행
• 상호작용 만족도
• 향후 상호작용 의도
• 관계적 특성
• 정서적 경험
• 자연스러움과 즐거움
• 주관적 부담과 과업 참여

특히 행동적 신뢰, 사회적 정렬, 자기행위자성, 자기개방, 객관적 과업 수행은 베이지안 분석에서도 차이가 없다는 방향의 비교적 강한 근거가 나타났다.

다만 주관적 신뢰, 정서적 쾌·불쾌감, 상호작용의 자연스러움과 즐거움은 빈도주의 분석에서 유의한 차이가 없었지만, 베이지안 분석에서는 무차이를 확정할 근거가 불분명하였다. 따라서 이를 에이전트와 인간이 완전히 동일하다는 의미로 해석해서는 안 된다.

8.5 에이전트에 대한 반응은 설계와 상호작용 상황에 따라 달라진다

여러 주관적 평가에서는 연구 간 효과크기의 이질성이 높게 나타났다. 이는 에이전트에 대한 반응이 특정 상황에 따라 달라질 수 있음을 의미한다.

대표적인 조절효과는 다음과 같다.

• 에이전트와 인간의 외형이 유사할 때 호감도와 유능성 차이가 사라졌지만, 외형이 다를 때에는 에이전트가 더 낮게 평가되었다.
• 물리적 에이전트는 가상 에이전트보다 유능성 평가에서 인간과의 차이가 더 크게 나타났다.
• 행위자성 차이는 대면 상호작용에서 크게 나타났지만, 컴퓨터 매개 상호작용에서는 명확하지 않았다.
• 책임 귀인의 차이는 가상 시나리오에서 나타났지만, 실시간 상호작용에서는 명확하지 않았다.
• 대립적 상호작용에서는 인간보다 에이전트와 상호작용할 때 만족도가 더 높게 나타났다.

이는 에이전트의 사회적 열세가 고정된 속성이 아니라, 외형, 매체, 과업 및 상호작용 구조에 따라 달라질 수 있음을 보여준다.

9. 논문의 핵심 주장

핵심 주장 1. 인간은 에이전트에게 모든 측면에서 동일하게 반응하지 않는다

인간–에이전트 상호작용을 하나의 ‘사회적 반응’으로 통합해서는 안 된다. 신뢰와 협업 행동은 인간과 유사할 수 있지만, 도덕적 관여와 사회적 행위자 평가에서는 뚜렷한 차이가 나타난다.

핵심 주장 2. 에이전트는 유용한 협력자로 인정되지만 인간과 같은 도덕적 가치를 얻지는 못한다

에이전트는 인간과 비슷한 신뢰, 사회적 정렬, 과업 수행을 이끌어낼 수 있다. 저자들은 이를 에이전트가 인간과 유사한 도구적 가치를 인정받는 것으로 해석한다.

반면 낮은 친사회적 행동, 도덕적 관여, 행위자성 및 책임 귀인은 에이전트가 인간과 동일한 내재적·도덕적 가치를 인정받지 못한다는 것을 보여준다.

핵심 주장 3. 에이전트의 사회적 평가에는 맥락과 설계가 중요하다

에이전트의 외형, 물리적 형태, 상호작용 매체, 실시간성, 과업의 성격은 사용자의 사회적 평가를 변화시킨다. 따라서 단순히 인간다운 외형을 강화하기보다, 에이전트의 역할과 사용 맥락에 맞게 사회적 단서를 설계해야 한다.

핵심 주장 4. 이 연구는 생성형 AI 이전의 기준점을 제공한다

포함 연구의 대부분은 규칙 기반 시스템, 전통적 머신러닝 또는 Wizard-of-Oz 방식의 에이전트를 사용하였다. 적격 기준을 충족한 생성형 AI 연구는 없었다. 따라서 이 논문은 장기 기억과 개인화된 대화가 가능한 LLM 기반 에이전트가 보편화되기 이전의 인간 반응을 보여주는 기준점으로 기능한다.

10. 윤리적·사회적 쟁점

사람들이 에이전트에게 덜 친사회적이고 도덕적으로 행동한다는 결과는 의료, 교육, 사회서비스처럼 취약성과 복지가 중요한 분야에서 문제가 될 수 있다. 예를 들어 학생이 AI 튜터를 도덕적 고려가 필요한 상대로 인식하지 않을 경우, 에이전트에게 부정직하게 행동하거나 학습 지침을 가볍게 여길 가능성이 있다.

또한 사람들은 에이전트에게 인간보다 적은 책임을 부여한다. 인간과 에이전트가 공동으로 의사결정을 수행할 때 책임이 인간 사용자에게 과도하게 집중될 수 있으므로, 역할과 책임 범위를 명확히 전달하는 구조가 필요하다.

저자들은 중요한 의사결정에서 인간의 감독을 유지하고, 책임 체계, 사건 기록, 피해 완화 절차를 개발 과정에 포함해야 한다고 제안한다. 에이전트의 능력이 인간을 능가하는 경우에도 투명성과 설명가능성을 유지하면서 과업 요구에 맞게 권한을 조절해야 한다.

11. 논문의 의의

첫째, 이 연구는 HCI, 사회적 로봇, 심리학, 커뮤니케이션, 비즈니스 연구에 흩어져 있던 인간–에이전트 비교 연구를 통합한다.

둘째, 사회적 반응을 하나의 범주로 합치지 않고 23개의 구체적인 반응 유형으로 구분하여 개별적으로 분석한다. 이를 통해 인간과 에이전트의 차이가 모든 심리적 반응에 동일하게 나타나지 않는다는 점을 보여준다.

셋째, 에이전트와 인간의 행동 및 수행능력이 유사한 연구를 중심으로 분석하여, 파트너 능력보다 파트너 정체성의 영향을 비교하고자 한다.

넷째, 빈도주의와 베이지안 메타분석을 함께 수행한다. 이는 유의한 차이뿐 아니라 ‘차이가 없다는 근거’가 실제로 어느 정도 강한지를 구분하는 데 도움을 준다.

다섯째, 효과크기, 조절변수, 연구 품질 데이터와 분석 코드를 공개하여 연구의 재현성과 후속 분석 가능성을 높인다.

12. 논문이 제시한 한계

저자들은 다음과 같은 한계를 직접 제시한다.

첫째, 포함된 연구는 모두 동료평가를 받았지만 연구 품질의 편차가 크고 평균 품질은 중간 수준이었다. 일부 연구의 통계와 방법 보고가 누락되거나 일관되지 않아 메타분석 추정치에 잡음이 포함되었을 수 있다.

둘째, 반응 유형의 분류는 포함 연구에서 사용된 변수와 측정도구를 귀납적으로 정리한 것이다. 따라서 인간이 에이전트나 인간에게 보일 수 있는 모든 반응을 포괄하지 못한다.

셋째, 조절변수를 각각 독립적으로 분석하는 단변량 메타회귀만 수행하였다. 여러 조절변수의 복합적인 영향을 동시에 검증하기에는 연구 수가 부족하였다. 또한 주관적 반응에서 높은 이질성이 나타났지만, 측정도구의 형식·신뢰도·타당도 차이를 충분히 조절하지 못하였다.

넷째, 이 연구는 양자 상호작용과 개인 수준의 반응에 집중한다. 따라서 다자간 상호작용, 집단 수준의 반응, 상호작용 이후 발생하는 장기적 결과로 일반화할 때 주의가 필요하다.

다섯째, 대부분의 연구가 실험실이나 온라인 환경에서 일회성 상호작용을 조사하였다. 지속적이고 자연스러운 장기 상호작용에서의 반응은 확인되지 않았다.

여섯째, 적격 기준을 충족한 생성형 AI 기반 연구가 없었으며, 연구 대상은 일반 성인과 WEIRD 표본에 집중되어 있었다. 아동·청소년과 다양한 비서구 문화권에 결과를 적용하는 데에는 제한이 있다.

13. 향후 연구 방향

저자들은 실제 환경에서 장기간 상호작용하는 정교한 에이전트를 이용해 인간과 에이전트의 차이를 다시 검증해야 한다고 제안한다. 특히 LLM 기반 생성형 AI 에이전트가 장기 기억, 개인화, 자연스러운 대화를 제공할 경우 기존 결과가 변화하는지를 살펴볼 필요가 있다.

또한 기존 연구가 충분히 다루지 않은 적대감, 비난, 불신과 같은 부정적 반응을 조사해야 한다. 부정적 반응은 긍정적 반응의 단순한 반대가 아닐 수 있기 때문이다.

후속 리뷰에서는 아동과 청소년을 포함하고, 비영어권 연구를 분석하여 비서구 문화권의 표본을 확대해야 한다. 인간 반응이 상호작용 과정에서 자동적 반응과 숙고적 반응 사이를 어떻게 이동하는지 시간적 변화도 이론에 포함할 필요가 있다.

 

14. 결론

이 논문은 인간이 AI 에이전트와 인간에게 완전히 동일하거나 완전히 다른 방식으로 반응하는 것이 아니라는 점을 보여준다. 에이전트는 인간과 유사한 수준의 신뢰, 협력, 과업 수행, 자기개방과 상호작용 경험을 이끌어낼 수 있다.

그러나 사용자는 에이전트에게 인간보다 낮은 친사회적 행동과 도덕적 관여를 보이며, 에이전트를 덜 호감 가고 유능하며 사회적으로 실재하는 존재로 평가한다. 특히 의도적인 행동 능력과 결과에 대한 책임을 에이전트에게 적게 부여한다.

따라서 에이전트가 인간과 유사하게 기능한다는 사실과, 인간과 동일한 사회적·도덕적 지위를 부여받는다는 사실은 구분해야 한다. 향후 생성형 AI 에이전트가 더 자연스럽고 장기적인 관계를 형성하더라도 이러한 구분이 유지되는지는 후속 연구가 필요한 문제이다.

AI 에이전트는 인간과 유사한 협력과 상호작용 경험을 제공할 수 있지만,
아직 인간과 같은 사회적·도덕적 존재로 대우받지는 않는다.