획기적인 연구: AI가 사람처럼 생각하게 만드는 구조화된 면접법

본 기사는 Wang 등(2025)의 연구를 바탕으로, 대규모 언어 모델(LLM)을 이용한 심리 연구의 한계를 극복하기 위한 새로운 시도인 'Personality Structured Interview (PSI)'에 대해 소개합니다. 실제 인간 면접 기록을 활용하여 LLM의 성격 특성 시뮬레이션 및 검증 프레임워크를 제시하고, LLM 시뮬레이션 데이터의 질 향상 및 행동 예측 정확도 향상을 확인한 연구 결과를 상세히 다룹니다. 이 연구는 AI와 심리학의 융합 연구에 중요한 의미를 갖습니다.

AI, 인간의 심리를 흉내낼 수 있을까?

최근 인공지능(AI) 분야에서 괄목할 만한 성과들이 나타나고 있지만, 여전히 AI가 인간의 복잡한 심리를 완벽하게 이해하고 모사하는 것은 어려운 과제입니다. 특히, 심리학 연구에서는 인간 참가자의 다양성을 반영하는 데이터가 필수적인데, 기존의 대규모 언어 모델(LLM)은 이러한 다양성을 충분히 구현하지 못한다는 한계가 있었습니다.

하지만, Wang 등(2025) 의 연구는 이러한 한계를 극복할 새로운 가능성을 제시합니다. 연구팀은 'Personality Structured Interview (PSI)' 라는 구조화된 면접 기법을 활용하여 LLM이 인간과 유사한 응답을 생성하도록 하는 방법을 제안했습니다. 핵심은 실제 인간 면접 기록을 바탕으로 LLM을 훈련시키는 것입니다.

357개의 면접 기록, 그리고 검증된 프레임워크

연구팀은 대표적인 표본집단으로부터 얻은 357개의 구조화된 면접 기록을 활용했습니다. 각 기록에는 개인이 32개의 개방형 질문에 대한 답변이 포함되어 있으며, 이러한 질문들은 심리학 이론에 기반하여 신중하게 설계되었습니다. 뿐만 아니라, 연구팀은 심리측정 연구에 기반한 검증 프레임워크를 제시하여, LLM이 생성한 심리 데이터의 타당성을 체계적으로 검증할 수 있도록 했습니다.

놀라운 결과: AI, 인간 행동 예측 성공

세 가지 실험 결과, 구조화된 면접을 통해 LLM이 생성한 성격 데이터는 인간과 유사한 다양성을 보였으며, 조직 시민 행동 및 역기능적 작업 행동과 같은 성격 관련 행동 결과를 예측하는 데 효과적임을 확인했습니다. 이 연구는 LLM 기반 시뮬레이션에서 이론에 기반한 구조화된 면접의 중요성을 강조하며, 심리 연구를 위한 인간과 유사한 데이터를 시뮬레이션하기 위한 구조화된 면접 설계에 대한 일반적인 프레임워크를 제시하고 있습니다.

미래를 향한 한 걸음: AI와 심리학의 만남

이 연구는 LLM을 이용한 심리 연구의 새로운 지평을 열었습니다. AI가 인간의 심리를 더욱 정확하게 이해하고, 나아가 인간 행동을 예측하는 데 기여할 수 있는 가능성을 보여주는 중요한 결과입니다. 앞으로 AI와 심리학의 융합 연구가 더욱 활발하게 이루어질 것으로 예상되며, 이를 통해 우리는 인간 행동에 대한 이해를 더욱 깊이 있게 할 수 있을 것입니다. 단, 이러한 기술의 윤리적인 측면에 대한 지속적인 고찰이 필요합니다.