지금은 인공지능 시대(지인시) 심볼지금은 인공지능 시대
논문 브리핑

150명과 AI의 침묵 카드 게임…정답률보다 어려운 ‘호흡 맞추기’

한경모글 · 한경모
숫자 카드와 경과 시간을 확인하며 카드를 낼 순간을 판단하는 The Mind 실험 화면
숫자 카드와 경과 시간을 확인하며 카드를 낼 순간을 판단하는 The Mind 실험 화면
협업 AI의 실력은 정답을 내는 순간뿐 아니라, 상대를 기다리는 동안에도 드러난다. 11월 10일 공개된 조지타운대·존스홉킨스대 연구진의 논문은 사람 150명과 AI를 카드 게임 The Mind에 참여시켜 이 차이를 살폈다. 핵심은 침묵에서 단서를 읽는 능력과, 함께할수록 호흡을 맞추는 능력이 별개라는 점이다. 실험에서는 두 참여자가 1~100 숫자 카드를 작은 순서대로 내되, 말이나 몸짓으로 정보를 주고받지 못한다. 상대가 아직 카드를 내지 않았다는 사실과 경과 시간이 판단 재료가 되며, 연구진은 규칙 기반 파트너 5종을 활용했다. AI는 화면을 조작하는 컴퓨터 사용 에이전트 3종과 텍스트로 상황을 전달받는 LLM 10종으로 나눴다. 인지과학에서는 반응 속도가 상대의 판단을 추론하는 단서라는 연구가 축적돼 왔는데, 이번 논문은 이를 반복적인 협력으로 확장했다.
  • 추론: 사람과 일부 고성능 AI의 행동은 상대의 침묵을 증거로 확률을 갱신하는 베이지안 전략으로 잘 설명됐다.
  • 성과: 일부 LLM은 인간 수준 이상의 성공률을 보였지만, 화면을 직접 조작하는 에이전트는 사람보다 오래 걸렸다.
  • 적응: 사람은 파트너에 맞춰 행동을 조정하는 경향이 더 일관됐고, AI는 정확성과 속도를 함께 개선하는 데 한계를 보였다.
작동 원리는 ‘상대에게 작은 카드가 있었다면 벌써 냈을 것’이라는 추론에 가깝다. 단순히 숫자만큼 기다리는 규칙과 달리, 아무 일도 일어나지 않는 시간을 새로운 정보로 취급하는 셈이다. 속도를 조절하는 선형 파트너와 게임할 때, 사람의 오류율은 초반 18.8%에서 후반 12.6%로 낮아졌다. 다만 이는 특정 조건의 결과이며, 모든 조건에서 인간의 적응 효과가 통계적으로 확실했던 것은 아니다. 논문 원문 ‘AI가 이미 성공률에서 앞섰다면 충분하지 않나’라는 반론도 가능하다. 하지만 텍스트 LLM의 시간은 프롬프트로 제공한 모의 시간이라, 사람의 실제 플레이 시간과 바로 비교할 수 없다는 게 연구진의 설명이다. 제품 관점에서도 한 번의 성공률이 높다는 사실만으로 반복 사용 중 대기 시간까지 줄어든다고 보장할 수는 없다. 이 결과를 에이전트 제품 경쟁에 적용한다면, 평가표에는 정답률 옆에 ‘같은 상대와 일할수록 줄어드는 조율 비용’이 들어가야 한다. 여러 에이전트가 업무를 나눠 맡는 흐름에서도 중요한 것은 작업자를 늘린 뒤 서로 언제 기다리고 움직일지 맞추는 설계다. 예컨대 고객 응대를 넘겨받는 AI라면, 응답이 늦어졌을 때 추가 확인을 할지 기다릴지 결정하는 정책을 별도로 검증할 필요가 있다. 다만 통제된 카드 게임을 실제 고객 상담이나 사람끼리의 협업 전체로 일반화하기에는 거리가 있다. 후속 연구와 제품 검증의 초점은 언어·네트워크 지연·개인별 응답 습관이 섞인 환경에서도, 기다림에서 얻은 정보를 다음 행동에 반영할 수 있는지에 맞춰져야 한다.
인사이트

협업 AI의 경쟁력에는 상대의 반응에 맞춰 대기와 행동을 조절하는 능력도 포함된다. 도입 평가에서도 첫 작업의 성공률과 함께, 반복 협업에서 정확성을 유지하며 조율 시간을 줄이는지 확인해야 한다.

자주 묻는 질문

AI도 사람처럼 시간의 흐름을 느낀다는 거야?
이 연구는 AI의 주관적인 시간 경험을 입증하지 않는다. 텍스트 LLM은 프롬프트로 전달된 시간 정보를 활용해 행동을 선택했다.
그럼 AI가 사람보다 협업을 잘한다는 뜻이야?
일부 LLM은 이 게임에서 인간 수준 이상의 성공률을 보였다. 하지만 파트너에 대한 적응과 실제 소요 시간까지 포함한 전반적인 협업 우위를 입증한 결과는 아니다.
사람이랑 AI가 직접 한 팀으로 경기한 거야?
핵심 비교에서는 사람과 AI가 각각 규칙 기반 파트너와 경기했다. 사람과 AI가 직접 호흡을 맞추는 상황의 성과는 별도 검증이 필요하다.
공유XTelegram

이 기사 어땠어요?

피드백을 남겨주시면 더 나은 맞춤 추천을 만듭니다.

이런 뉴스를 매일 받아보세요

매일 아침 7시, 그날의 정리를 이메일과 Telegram으로 받아보세요.