대규모 언어 모델(LLM)을 기반으로 자동화된 질적 인터뷰를 수행하는 시스템에 대한 여러 제안이 있지만, 현재 대부분의 솔루션은 독점 LLM에 의존하여 재현성과 데이터 보안을 저해한다. 또한 모든 인터뷰 작업에 LLM에 의존하여 질문 문구의 표준화와 질문 순서에 대한 통제를 제한한다. 이러한 문제를 해결하기 위해, 설문 소프트웨어의 통제된 질문 진행과 LLM의 유연성을 결합한 멀티 에이전트 파이프라인 기반의 오픈소스 솔루션인 AInterviewer 플랫폼을 제안한다. AInterviewer는 사회과학 분야 질적 인터뷰의 모범 사례를 구현하도록 설계된 학제 간 노력이며, 보안, 투명성, 재현성을 보장하기 위해 로컬에서 호스팅된 모델로 실행할 수 있다. 본 플랫폼은 인터뷰 가이드 설계 및 파일럿 테스트부터 인터뷰 배포 및 데이터 수집 모니터링에 이르는 데이터 수집의 각 단계를 지원하는 웹 기반 GUI를 제공한다.
인공지능 시스템과의 인간 관계가 점차 빈번해지고 지속됨에 따라, 기존의 언어와 이론으로는 이러한 유대의 본질을 정확하게 포착하지 못하고 있습니다. 상호 이해, 연결, 또는 우정과 같은 일반적인 묘사는 주관적 경험이 결여된 시스템을 인간화(anthropomorphizing)할 위험이 있으며, 지배적인 프레임워크는 AI를 도구나 위협으로 축소하는 경향이 있습니다. 본 논문에서 저는 인간-AI 관계를 이해하기 위한 통합적 프레임워크로서 합성 공명(synthetic resonance)의 개념을 소개합니다. 합성 공명은 인간이 의미 있다고 정의하는 관계가 공유된 감정이나 상호 인식을 부여할 필요 없이 인간과 AI 시스템 사이에서 어떻게 발생할 수 있는지 설명합니다. 저는 합성 공명이 또 다른 경험적 주체의 존재 없이도 관계의 감각을 만들어낼 수 있는 구조적이고 역동적인 상호작용 패턴으로 이해하는 것이 가장 적절하다고 주장합니다. 이러한 구분을 명확히 함으로써, 합성 공명의 개념은 인간-AI 관계를 개념화하는 더 정확한 방법을 제공하고 그 잠재적 가치와 윤리적 함의를 강조합니다. 또한 저는 합성 공명의 과정과 결과를 검증하는 추가 연구를 촉구합니다.
직장에서 생성형 AI(GenAI) 배포가 빠르게 가속하고 있다. 그럼에도 불구하고 누가 도입하는지, 누가 혜택을 받는지, 누가 소외되며 그 이유가 무엇인지에 대한 질문은 여전히 충분히 연구되지 않았다. 본 논문에서는 다국적 기술 기업이 레거시 인사(HR) 검색 시스템에서 GenAI 지원 시스템으로 전환하는 맥락에서 이러한 역학을 조사하며, 검색 로그 데이터, 설문 데이터(n=25), 10건의 반구조화 인터뷰를 분석한다. 우리의 결과는 도입이 GenAI 시스템의 설계 가정과 직원들의 업무적 위치성(역할, 구어, 근속 기간) 간의 적합성에 달려 있음을 보여준다. 또한 GenAI 답변에 대한 직원들의 신뢰는 출처 확인, 시스템 간 비교, 의심이 있을 때 동료 또는 HR의 의견을 구하는 과정을 통해 형성되었음을 밝혔다. 우리의 기여는 두 가지다. 첫째, 실제 조직 전환 과정에서의 직장 GenAI 도입에 대한 실증적 증거를 제공하며, 도입이 상황 적합성, 검색 리터러시(search literacy), 신뢰 보정(trust calibration)과 같은 요인의 영향을 받음을 보여준다. 또한 시스템의 콘텐츠 품질, 직원 교육, 안내와 같은 지식 조건에 의해 더욱 형성된다. 둘째, 이러한 결과를 HR와 같은 고위험 환경에서의 포용적 배포 및 도입을 위한 설계 고려사항으로 전환한다. 조직은 서로 다른 사회 집단에 대해 시스템이 제공하는 역할 및 맥락에 민감한 이익을 고려하여 시스템을 설계해야 한다고 주장한다. 또한 GenAI 시스템의 책임성과 사용성을 향상하기 위해 조직 지식 인프라를 AI 인프라로 취급해야 한다.
K-12 그룹 학습에서 서로 다른 목소리 억양을 가진 GenAI 음성 에이전트가 인간-AI 협력에 미치는 영향을 조사한 결과, 에이전트의 억양이 학습자의 인식과 그룹 내 역할을 결정짓는 핵심 요소임을 밝혔다. 영국 억양의 에이전트는 도구로 여겨진 반면 인도 및 아프리카계 미국인 억양의 에이전트는 동료로 인식되어 신뢰도와 참여에 긍정적인 영향을 미쳤다.
본 논문은 중국 도시의 노년 이주민들이 일상적인 언어와 디자인이 종종 놓치는 이야기를 어떻게 기록할 수 있는지 탐구합니다. 우리는 10명의 노인과 함께 두 번의 공동 창작 워크숍을 진행했습니다. 활동은 구두 스토리텔링, 진행자가 중재한 AI 지원, 그리고 수공예 제작을 결합했습니다. 대규모 언어 모델(LLM)은 진행자를 통해 후보 문자를 제안했습니다. 참가자들은 자신의 이야기를 담기 위해 새로운 한자를 제작했습니다. 결과물인 문자들은 나중에 공유하고 다시 이야기할 때 기억의 닻 역할을 했습니다. 해석적 분석 결과, 참가자들 사이의 이질성과 적응 능력이 드러났습니다. 참가자들은 AI를 표현과 제작의 장벽을 낮추는 창의적인 개시자로 경험했으며, 이는 특히 디지털 리터러시가 낮은 사람들에게 두드러졌습니다. 이 연구는 노인에 대한 동질화된 가정과 균일한 능력 및 요구에 대한 추정에 도전합니다. 우리는 AI를 무대 뒤의 조력자로 배치하는 워크숍 프레임워크를 제공합니다. 또한 포용적인 도시 시스템 내에서 노년 이주민을 커뮤니티 기억과 상황적 문화 지식의 원천으로 참여시키는 데 대한 통찰을 제공합니다.