연구진이 인간과 AI의 장기 상호작용에서 안정적인 사회적 관계와 사회적 지능이 출현하는 과정을 설명하는 공식 이론 프레임워크 HACD-H(Human-AI Coevolution Dynamics Framework)를 제안했다. 이 연구는 현재 대화형 AI 시스템이 감정 모델링, 기억 검색, 페르소나 조건화 같은 사회적 행동 요소들을 독립적으로 다루고 있어, 장기적 인간-AI 상호작용에서 안정적인 사회관계가 어떻게 형성되는지를 통합적으로 설명하는 체계가 없다는 문제의식에서 출발한다.
HACD-H는 감정 적응, 관계 조직화, 사회적 기억, 성격 일관성을 하나의 동역학 프레임워크로 통합하며, 다중 시간 척도 사회 인지, 관계 어트랙터, 신뢰 분지, 발달 단계 전환, 사회 인지 에너지 등의 개념을 도입한다. 연구진은 약 1만 4700 턴의 대화 데이터셋을 구성하고 이론 기반 실증 평가 프레임워크를 개발해 이 모델을 검증했다. 실험 결과에서 사회 인지의 시간적 지속성 계층 구조, 안정적인 관계 어트랙터, 단계 전환에 유사한 발달 패턴, 구조화된 사회 인지 에너지 지형이 확인됐다.
주목할 만한 실증 결과 중 하나는 사회적 지능과 사회 인지 에너지 사이의 통계적 관계다. 사회적 지능은 사회 인지 에너지와 유의미한 음의 상관관계(r = -0.391, p < 0.001)를 보였으며, 상호작용 궤적은 시간이 지남에 따라 에너지가 점진적으로 줄어드는 경향을 나타냈다. 이는 사회적 지능이 고립된 대화 능력에서 나타나는 것이 아니라 장기적인 사회 인지 공진화 과정에서 출현한다는 것을 시사한다. 연구진은 HACD-H가 적응적 인간-AI 사회 상호작용 모델링과 사회적으로 지능적인 AI 시스템 개발을 위한 통합적 이론 기반을 제공한다고 밝혔다.
이번 연구는 챗봇을 비롯한 대화형 AI가 단순 질의응답을 넘어 사용자와 장기적 관계를 형성하는 동반자형 서비스로 확장되는 흐름과 맞닿아 있다. AI 동반자, 정서 지원 서비스, 개인화 비서 등은 한 번의 대화 품질만으로는 가치를 설명하기 어렵고, 시간이 쌓이며 형성되는 신뢰와 관계의 안정성이 핵심 경쟁 요소로 떠오르고 있다. HACD-H는 이런 장기 상호작용의 동역학을 정량적으로 측정·설계할 수 있는 틀을 제시했다는 점에서, 그동안 개별 기능 단위로 다뤄지던 감정·기억·페르소나 요소를 하나의 이론 체계로 묶는 시도로 평가된다. 다만 약 1만 4700 턴 규모의 단일 데이터셋에 기반한 검증인 만큼, 다양한 사용자군과 실제 서비스 환경에서의 추가 실증이 후속 과제로 남는다.
