AI 챗봇 사용 목적에 따른 복구 전략의 신뢰도 차이 ‑ 도구적 목적과 정서적 목적을 중심으로

Q: 이 논문에서 정의한 복구 전략이란 무엇인가?

로봇이나 챗봇과 같은 대화형 에이전트가 사용자의 입력을 이해하지 못하거나 요청을 처리하지 못하는 등 대화 실패가 발생했을 때, 사용자가 느끼는 부정적인 경험을 완화하기 위해 활용되는 대응 방식을 의미한다.

Q: AI 챗봇의 사용 목적에 따라 신뢰도를 높이는 복구 전략은 어떻게 다른가?

연구 결과, 도구적 목적에서는 해결 및 정보 제공 전략이 높은 신뢰를 얻었으나, 정서적 목적에서는 사회적 및 공개 전략이 더 효과적이었다. 따라서 챗봇의 오류 대응은 일률적 설계보다 사용 목적과 기대 역할에 맞춘 맞춤형 방식으로 설계되어야 한다.

박지연; 류한영

학술저널

저자정보: 박지연 (이화여자대학교) 류한영 (이화여자대학교)

저널정보: 인제대학교 디자인연구소 Journal of Integrated Design Research Journal of Integrated Design Research Vol.25 No.2(Wn.74)

오류 신고하기

피인용 0

검색

초록·키워드

연구배경
대규모 언어모델 기반 AI 챗봇은 다양한 상황에서 활용되고 있으나, 부정확하거나 맥락에 맞지 않는 응답은 사용자 신뢰를 저하시킬 수 있다. 특히 AI 챗봇은 정보 탐색이나 과업 수행을 위한 도구적 목적뿐 아니라, 고민 상담이나 정서적 지지를 위한 정서적 목적으로도 활용되고 있어, 사용 목적에 따라 오류 상황에서 기대되는 대응 방식이 달라질 수 있다. 이에 본 연구는 AI 챗봇의 사용 목적을 도구적 목적과 정서적 목적으로 구분하고, 각 목적에서 사용자 신뢰를 높이는 복구 전략을 탐색하고자 하였다.

연구방법
본 연구에서는 먼저 문헌조사를 통해 인공지능 챗봇의 사용 목적과 복구 전략에 대해 알아보았다. 다음으로 도구적 목적과 정서적 목적별 시나리오 기반 온라인 설문을 제작하였으며, 신뢰도를 측정하기 위한 항목을 문헌을 통해 수집하였다. 마지막으로 온라인 조사를 실시하여 각 목적별 복구 전략에 대한 신뢰도를 측정하고, 그 결과를 비교·분석하였다

연구결과
분석 결과, 도구적 목적에서는 사용자의 다음 행동을 구체적으로 안내하는 해결 전략과 정보 제공 전략이 높은 신뢰를 얻었고, 정서적 목적에서는 친근하고 솔직하게 응답하는 사회적 전략과 공개 전략이 높은 신뢰를 얻었다. 또한 각 목적에서 높은 신뢰를 얻은 복구 전략은 다른 목적에서는 상대적으로 낮은 신뢰를 보여, 사용 목적에 따라 효과적인 복구 전략이 다를 수 있음을 확인하였다.

결론
연구 결과는 챗봇의 오류 복구 전략이 모든 상황에서 동일하게 작동하지 않으며, 사용 목적에 따라 효과적인 전략이 달라짐을 보여준다. 도구적 목적에서는 사용자의 문제 해결과 다음 행동을 돕는 전략이, 정서적 목적에서는 친근하고 솔직한 태도를 드러내는 전략이 더 높은 신뢰를 이끌어냈다. 이는 챗봇의 오류 대응이 일률적으로 설계되기보다, 사용 목적과 사용자가 기대하는 역할을 반영한 맞춤형 방식으로 설계될 필요가 있음을 시사한다.

Background
Large Language Model(LLM)-based AI chatbots are used in a wide range of situations. However, inaccurate or contextually inappropriate esponses can undermine user trust. In particular, AI chatbots are used not only for utilitarian purposes, such as information seeking and task completion, but also for emotional purposes, such as discussing personal concerns and seeking emotional support. As a result, the type of response users expect in error situations may differ depending on the purpose of use. Accordingly, this study aimed to classify chatbot use into utilitarian and emotional purposes and to explore repair strategies that enhance user trust for each purpose.

Methods
This study first reviewed the literature on the usage purposes of AI chatbots and their repair strategies. Next, scenario-based online surveys were developed for utilitarian and emotional purposes, and items for measuring trust were collected from prior studies. Finally, an online survey was conducted to measure users' trust in repair strategies across each purpose, and the results were compared and analyzed.

Results
The findings showed that, for utilitarian purposes, solve and information strategies that provide users with concrete guidance on what to do next received higher trust. For emotional purposes, social and disclosure strategies that respond in a friendly and honest manner received higher trust. In addition, repair strategies that received high trust for one purpose showed relatively lower trust for the other, confirming that effective repair strategies may differ depending on the purpose of use.

Conclusion
The findings suggest that chatbot repair strategies do not function in the same way across all situations and that the most effective strategy varies depending on the purpose of use. For utilitarian purposes, strategies that support problem solving and guide users’ next actions generated higher trust, whereas for emotional purposes, strategies that express friendliness and honesty generated higher trust. This implies that chatbot error responses should not be designed in a one-size-fits-all manner, but rather should be tailored to the purpose of use and the role users expect the chatbot to play.

#인공지능 챗봇 #챗봇 오류 #복구 전략 #AI Chatbot #LLM #Chatbot Error #Repair Strategy

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료