AI가 이제 질문 내용뿐 아니라 질문을 입력하는 손끝의 리듬까지 읽는다.
UNIST 연구진이 타이핑 행동과 질문의 의미를 함께 분석해 사용자 전문성을 추정하고 답변 눈높이를 조절하는 AI 개인화 기술을 개발해 전문성 추정 오차를 18.4% 줄였다.
UNIST 컴퓨터공학과 공태식 교수팀은 질문 내용뿐만 아니라 질문 속 전문용어를 타이핑할 때 나타나는 행동을 분석해 맞춤형 답변을 내놓는 개인화 AI 기술 ‘ExPerT’를 개발했다고 30일 밝혔다.
기존 챗봇 등은 사용자의 수준에 맞춘 답변을 제공하기 위해 사용자가 설정한 프로필이나 과거 대화 등 비교적 고정된 사용자 정보를 주로 활용해 왔다. 하지만 컴퓨터 전문가라도 회계 지식은 없을 수 있고, 같은 분야에서도 질문 주제에 따라 지식 수준이 달라질 수 있다는 점이 간과될 수 있다.
연구팀이 개발한 ExPerT는 개별 질문마다 사용자의 전문성을 실시간으로 파악한다. 질문에 쓰인 표현과 전문용어 등의 의미 정보뿐만 아니라 키를 누르고 떼기까지 걸린 시간, 다음 키로 넘어가는 간격, 백스페이스 사용 횟수 등 타이핑 행동 정보까지 함께 분석하는 방식이다.
연구팀은 같은 전문용어를 사용하더라도 이러한 타이핑 행동에서 전문가와 비전문가 간 차이가 나타난다는 점에 착안했다.
개별 질문의 의미 정보와 타이핑 행동 정보를 챗GPT와 같은 생성형 AI 모델에 입력해 사용자의 전문성을 5단계로 추정한 뒤, 추정 결과와 원래 질문을 생성형 AI 모델에 다시 전달해 답변의 눈높이를 조절하도록 했다.
화학·컴퓨터과학·경영 분야 참가자 40명이 입력한 질문 1270개를 이용해 ExPerT의 성능을 검증한 결과, 의미 정보만 분석했을 때 AI가 추정한 전문성 수준은 참가자가 직접 평가한 수준과 평균 0.488단계 차이가 났다.
타이핑 정보까지 함께 분석하자 차이는 평균 0.398단계로 줄었다. 타이핑 정보를 추가하면서 전문성 추정 오차가 18.4% 감소한 것이다.
질문마다 전문성을 새로 파악하는 방식은 기존 개인화 기술과 비교해서도 높은 성능을 보였다. 지금까지 나눈 대화에서 사용자의 성향과 배경을 추출하는 기존 기술은 사용자가 직접 평가한 전문성 수준과 평균 1.162단계 차이가 났다.
반면 연구진이 제시한 개별 질문의 의미를 분석하는 방식은 이 차이를 평균 0.488단계로 줄였다.
이번 연구에는 인공지능대학원 박예지 연구원이 제1저자로 참여했다. 연구 결과는 자연어처리 분야 국제학술대회 ACL(Association for Computational Linguistics) 2026에서 전체 투고 논문 중 상위 4%에 해당하는 구두 발표 논문으로 채택됐다. 상위 2%에 주어지는 ‘SAC 하이라이트 어워드’도 수상했다.
공태식 교수는 “기존 개인화 AI가 고정된 프로필이나 이전 대화 기록에만 의존해 실시간 맥락을 반영하지 못했던 한계를 극복하고자 했다”며 “의료·법률·금융처럼 전문 지식 격차가 큰 분야의 전문 챗봇은 물론, 사용자별 이해도 파악이 중요한 에듀테크나 B2B 고객 지원 시스템 등 다양한 영역에서 사용자의 실시간 눈높이에 최적화된 개인화 AI 인터페이스를 제공할 수 있을 것”이라고 말했다.
헬로티 이동재 기자 |
