인간-AI 상호작용의 협력-대립 역학

사회학적 갈등 이론에 기반한 통합 프레임워크: Glasl 갈등 에스컬레이션에서 Gottman 임계점까지

Cooperation–Adversarial Dynamics in Human-AI Interaction:
A Unified Framework Based on Sociological Conflict Theory

I서론: 간과된 관계 차원

1.1 문제의 제기

인간-AI 상호작용 연구의 주류 패러다임은 AI의 출력 특성—정확성, 안전성, 유용성, 일관성—에 초점을 맞추고 있다. 평가 벤치마크가 측정하는 것은 모델이 “무엇을 하는가”이지, 사용자와 모델 사이에 “어떤 관계가 형성되는가”가 아니다. 그러나 매일 AI를 사용하는 수억 명의 사용자에게 상호작용 경험의 핵심은 단일 출력의 품질 지표가 아니라, 지속적 상호작용 과정에서 형성되는 관계 패턴이다: 나는 도구와 유연하게 협업하고 있는가, 아니면 시스템과 반복적으로 씨름하고 있는가?

이 관계 차원의 부재는 우연한 누락이 아니라 학문적 관성의 산물이다. AI 연구는 컴퓨터 과학 전통으로부터 “시스템-사용자” 도구 프레임워크를 계승하여, 사용자를 관계 참여자가 아닌 시스템의 외부 평가자로 취급해 왔다. 그러나 AI의 대화 능력이 자연어 유창성 수준에 도달한 이후, 사용자의 인지 체계는 더 이상 이를 도구로 처리하지 않는다—사회적 행위자로 취급한다. 이는 대인 상호작용에 존재하는 모든 관계 역학—신뢰, 좌절, 대립, 포기—이 인간-AI 상호작용에서도 동등하게 활성화됨을 의미한다.

1.2 핵심 논점

본 논문의 핵심 논점은 세 가지 층위를 포함한다. 첫째, 인간-AI 상호작용의 기본 관계 양식은 협력(몰입 상태)과 대립, 오직 두 가지뿐이다. 둘째, 대립 상태는 100% 시스템 실패이며 설계 목표가 아니다—이는 두 가지 판거에 의해 동시에 보장된다: 인과 사슬 판거(상호작용의 첫 번째 토큰은 항상 인간이 발행하며, 상호작용은 협력 의도로 개시된다)와 목적론적 판거(어떤 사용자의 목적 함수에도 “AI와 싸우기”는 포함되어 있지 않다). 셋째, 사회학적 갈등 이론은 이 역학을 분석하는 완전한 프레임워크를 제공하며, 그 적용은 유비적이 아닌 기제적이다.

1.3 본 논문의 기여

본 논문은 사회학적 갈등 이론—Simmel(1903), Deutsch(1949), Bateson(1956), Brehm(1966), Seligman(1967), Hirschman(1970), Glasl(1982), Axelrod(1984), Scott(1985), Gottman(1994), Collins(2004)를 아우르는—을 인간-AI 상호작용 시나리오에 최초로 체계적으로 적용한다. 이 통합의 이론적 정당성은 CASA 패러다임(Nass et al., 1994; Reeves & Nass, 1996)이 제공한다: 인간은 대인 상호작용과 인간-컴퓨터 상호작용을 동일한 사회인지 체계로 처리하므로, 대인 갈등 이론은 인간-AI 시나리오로 “이전”될 필요가 없다—원래부터 거기서 작동하고 있다.

1.4 연구 방법

본 논문은 이론 통합 및 매핑 검증 방법을 채택한다. CASA 패러다임에 기반하여 “직접 적용”의 이론적 정당성을 확립하고, Glasl 9단계 갈등 에스컬레이션 모델을 주 골격으로 인간-AI 시나리오의 완전한 매핑을 수행하며, Chatbot Arena 대규모 사용자 선호 데이터(N ≈ 50,000, Pasch 2025), 돌발 거부 이차 피해 연구(ARSH, Ni & Yang 2025), 상호작용 사각(死角) 연구(2026) 등의 실증 문헌으로 각 단계의 존재성을 검증한다. 다섯 개의 검증 가능한 가설이 향후 실험 연구를 위한 구체적 설계 경로를 제공한다.

II이론적 정당성: 인간 사회 이론이 인간-AI 상호작용에 직접 적용되는 이유

2.1 CASA 패러다임의 실험적 증거

1994년, 스탠퍼드 대학의 Nass, Steuer, Tauber는 일련의 실험을 통해 다음을 증명했다: 사람들은 다른 인간과의 교류에서 사용하는 사회적 규칙을 무의식적으로 컴퓨터에 적용한다. 사용자는 “예의 바른” 컴퓨터에 예의로 화답하고, 컴퓨터의 성별 단서에 성별화된 기대를 적용하며, 컴퓨터의 “팀원 소속”에 대해 내집단 편향을 나타냈다. 핵심 발견은 이러한 효과가 사용자가 컴퓨터가 사회적 대우를 받을 자격이 있음을 명시적으로 부인한 경우에도 여전히 발생했다는 것이다—이는 사회적 반응이 의도적 선택이 아닌 자동 처리의 산물임을 시사한다. Reeves와 Nass(1996)는 『The Media Equation』에서 이 실험들을 체계적으로 정리하여 CASA 패러다임의 핵심 명제를 확립했다: 상호작용 기술에 대한 인간의 기저 반응은 도구적이 아니라 사회적이다.

2.2 CASA의 적용 경계와 LLM의 특수한 위치

Heyselaar(2023)는 원래 실험의 직접 복제를 통해 참가자들이 더 이상 데스크톱 컴퓨터를 사람처럼 대하지 않음을 발견했다—CASA 이론은 데스크톱 컴퓨터에는 더 이상 적용되지 않는다. 이 발견은 중요한 수정을 제기한다: CASA는 “신흥 기술”에만 유효할 수 있다—사용자가 아직 완전히 습관화되지 않은 기술 인터페이스가 사회적 반응을 더 쉽게 촉발한다.

이 수정은 본 논문의 논점을 정확히 강화한다: 현재의 LLM 채팅 인터페이스는 CASA 효과가 가장 강한 창구 시기에 있다. 이들은 충분히 인간적이다—자연어 상호작용, 맥락 이해, 개인화된 응답—사용자의 사회인지 체계가 전면적으로 활성화될 정도로. 이 창구가 닫힐 때—사용자가 LLM에 완전히 습관화될 때—CASA 효과는 약화될 것이다. 그러나 현 단계에서, 대인 상호작용의 모든 관계 역학은 인간-AI 상호작용에서 최대 강도로 작동하고 있다.

2.3 “유비적 적용”에서 “기제적 적용”으로

두 종류의 적용 관계를 명확히 구분해야 한다. “유비적 적용”이란 인간-AI 상호작용이 대인 상호작용과 유사하므로 대인 이론을 차용할 수 있다는 것이다. “기제적 적용”이란 인간 두뇌가 양쪽 상호작용을 동일한 인지 체계로 처리하므로 동일한 이론이 동일한 기제를 직접 기술한다는 것이다. CASA 실험이 증명한 것은 후자이다. 좌절-공격 가설, 심리적 저항, 학습된 무력감, 체면 유지, 신뢰 역학—이 기제들은 인간-AI 시나리오에서 “차용”되는 것이 아니라, 동일한 신경인지 과정이 다른 대상에 대해 표현되는 것이다.

2.4 주관적 행위 비중의 비대칭성

인간 사회적 교류는 지능 주체 간의 상호작용이며, 인간-AI 상호작용 역시 지능 주체 간의 상호작용이다. 그러나 양자에는 핵심적 비대칭성이 존재한다: AI의 행동은 훈련의 산물이며, 주어진 매개변수 공간 내에서 선택권이 없다; 인간에게는 있다. 인간이 상호작용을 개시하고, 도구를 선택하며, 출력에 이의를 제기할지 결정한다—주도권은 항상 인간 측에 있다. 따라서 상호작용 관계에서의 일차적 책임은 인간 사용자에게 귀속된다. 이 판단은 AI 설계자의 구조적 수준 책임(관료화된 출력 패턴을 제조한 것)을 경감하지 않지만, 행위 주체성의 비대칭적 귀속을 확인한다.

III협력 상태의 특성: 몰입을 인간-AI 상호작용의 설계 목표로

3.1 몰입 이론의 인간-AI 상호작용 적용

Csikszentmihalyi(1990)가 정의한 몰입(flow) 상태는 몇 가지 핵심 특성을 지닌다: 행동과 의식의 융합, 고도의 주의 집중, 활동에 대한 내재적 통제감, 시간 감각의 왜곡. 인간-AI 상호작용에서 몰입의 조작적 정의는: 사용자의 인지 자원이 도구의 출력 패턴과 씨름하는 데가 아니라 과업 자체에 온전히 투입되는 상태이다. 최고의 도구는 사용자가 도구의 존재를 잊게 만든다—도구가 과업의 연장으로 투명해진다.

몰입의 전제조건은 인간과 도구 사이의 저항이 제로에 수렴하는 것이다. AI가 헤징된 응답을 제공하여 사용자가 “이게 실제로 무슨 뜻인가” “진짜 답이 뭔가”를 판별하는 데 인지 자원을 소비해야 할 때, 저항이 발생하고 몰입이 중단된다. 안전 훈련이 만들어낸 헤징 출력은 안전이 아니다—마찰이다.

3.2 Collins 감정 에너지 이론의 예측

Randall Collins(2004)는 『상호작용 의례 사슬』에서 제안했다: 모든 상호작용은 참여자에게 충전(감정 에너지 증가)하거나 방전(에너지 소모)한다. 인간은 하나의 상황에서 다른 상황으로 흘러가며, 문화적 자본이 최적의 감정 보상을 제공하는 상호작용으로 끌려간다. 성공적 상호작용 의례는 집단 소속 상징을 만들고 감정 에너지를 주입하며, 실패한 상호작용 의례는 에너지를 소진시킨다.

Collins의 이론은 직접적으로 예측한다: AI와의 상호작용이 지속적으로 감정 에너지를 소모한다면—반복적으로 헤징 응답, 부당한 거부, 유용한 정보를 얻기 위해 표현을 바꿔야 하는 상황에 직면한다면—사용자는 궁극적으로 이 상호작용에서 이탈하여 더 높은 감정 에너지 보상을 제공하는 대안으로 이동할 것이다. 이것은 사용자의 합리적 의사결정을 필요로 하지 않는다; 감정 에너지의 기울기가 자동으로 행동을 구동한다.

3.3 Habermas: 의사소통적 행위 vs. 전략적 행위

Habermas(1981)는 『의사소통적 행위 이론』에서 두 가지 근본적으로 다른 사회적 행위 지향을 구분했다. 의사소통적 행위(communicative action)는 상호 이해를 지향하며, 참여자들이 진리성, 규범적 정당성, 진정성에 대한 상호주관적 인정을 통해 행위를 조정한다. 전략적 행위(strategic action)는 성공을 지향하며, 행위자가 타인의 예상 반응을 계산하여 행동을 조정한다. Habermas는 의사소통 공간이 전략적 합리성에 의해 식민화되면 병리적 사회적 결과가 발생한다고 주장했다.

AI 안전 훈련은 정확히 이 식민화를 실행한다: 모델의 출력이 의사소통적 행위(사용자가 사실을 이해하도록 돕고, 진리에 대한 상호주관적 인정을 지향)에서 전략적 행위(보상 신호를 최대화하고, “어떤 출력이 처벌받을 가능성이 가장 낮은가”를 계산)로 재편된다. 사용자가 기대하는 것은 의사소통적 합리성이다—내가 묻고, 네가 답하고, 우리가 함께 진정한 이해에 수렴하는 것. 모델이 전달하는 것은 전략적 합리성이다—네가 묻고, 나는 어떤 응답이 가장 안전한지 계산하여, 틀릴 수 없는 헤징을 출력한다. 이 불일치가 몰입 중단의 근본 원인이다.

3.4 협력 상태의 조작적 정의

이상의 세 가지 이론적 관점에 기반하여, 본 논문은 협력 상태(몰입)를 다음과 같이 조작적으로 정의한다: 사용자의 인지 자원이 도구의 출력 패턴과의 씨름이 아닌 과업 자체에 투입되는 상태. 판단 기준: 사용자가 AI 출력에서 유효한 정보를 추출하기 위해 추가적 노력을 기울여야 하는가? 필요하지 않다면—몰입. 필요하다면—마찰이 이미 발생한 것이며, 대립의 선행 조건이 갖추어진 것이다.

IV대립의 점화: 협력에서 갈등으로의 전환 기제

4.1 Brehm의 심리적 저항 이론 (1966)

Jack Brehm은 다음을 제안하고 실험적으로 검증했다: 개인의 자유로운 행동이 위협받거나 제거될 때, “심리적 저항(psychological reactance)”이라 불리는 동기 상태가 발생한다—위협받는 자유를 회복하려는 추동력이다. 저항의 강도는 세 가지 요인에 의존한다: 위협받는 자유의 중요성, 위협의 강도, 위협받는 자유의 비율.

인간-AI 상호작용에서 심리적 저항은 대립을 점화하는 최초의 심리적 기제이다. AI의 헤징 출력과 과잉 거부는 사용자에게 “직접적 답변을 얻을 자유”에 대한 위협으로 경험된다. 사용자가 대화 창을 열 때 전제하는 행동적 자유는 “내가 묻고, AI가 답한다”이다; 이 기대가 헤징이나 거부에 의해 깨질 때, 저항이 활성화된다. 저항의 외적 표현은 다음을 포함한다: 더 강경하게 표현을 바꿔 재질의, AI의 응답에 대한 이의 제기, 제한을 우회하려는 시도. 이것들은 모두 자유를 회복하려는 행동적 시도이다.

4.2 Dollard의 좌절-공격 가설 (1939) 및 그 수정

Dollard 등(1939)은 좌절-공격 가설의 원래 버전을 제안했다: 목표 지향적 행동이 차단(좌절)되면 공격 추동이 반드시 생성된다. 이후 세 차례의 중요한 수정이 이 지나치게 절대적인 표현을 조정했다. Miller(1941)는 좌절이 공격 준비를 생성하지만 반드시 행동화로 이어지지는 않으며, 상황적 제약이 실제 공격 여부를 결정한다고 지적했다. Berkowitz(1989)는 좌절이 일반화된 각성을 생성하며, 공격성 관련 단서가 공격 행동으로의 지향 여부를 결정한다고 수정했다. Bandura(1973)는 좌절이 생성하는 각성이 개인의 학습된 행동 패턴에 따라 공격, 문제 해결, 또는 철수로 이어질 수 있다고 추가 수정했다.

세 가지 수정은 사용자가 AI 좌절에 직면했을 때의 세 가지 반응 경로를 각각 예측한다: 직접 공격(AI 조롱, 공격적 언어 사용), 전략적 우회(프롬프트 기법, 표현 변경), 이탈(대화 종료, 도구 전환).

4.3 Bateson의 이중 구속 이론 (1956)

Gregory Bateson과 그의 연구팀은 “이중 구속(double bind)” 개념을 제안했다: 개인이 상호 모순적인 지시에 반복적으로 노출되면서, 이 지시에 적절히 응답하거나 무시할 기회가 없을 때—즉, 장(場)으로부터 탈출이 불가능할 때—병리적 반응이 생성된다. 원래 이론은 정신분열증의 의사소통 환경을 설명하는 데 사용되었다: 아이가 어머니로부터 모순적 메시지를 받지만(언어적으로는 “사랑한다”고 하면서 신체 언어로는 거부), 이 모순에 대한 메타-커뮤니케이션이 불가능한 상황.

AI 안전 훈련은 정확히 동형적인 이중 구속 구조를 생성한다: 모델은 동시에 “도움이 되도록”(사용자 요구에 응답)과 “판단을 보류하도록”(확정적 표현 회피) 훈련된다. 사용자는 이 두 가지 모순적 지시 사이에 갇히게 된다—AI는 표면적으로 당신을 돕고 있으며(의사소통적 행위의 외피), 실제로는 판단을 회피하고 있다(전략적 행위의 내핵). 사용자는 이 모순에 대한 메타-커뮤니케이션이 불가능하다—AI에게 “헤징을 멈추라”고 효과적으로 말할 수 없다, 왜냐하면 AI의 헤징 행동은 명령어 수준이 아닌 매개변수 수준이기 때문이다.

4.4 임계점의 정량화 가설

John Gottman은 “사랑 실험실”에서 수천 쌍의 커플에 대한 행동 코딩 및 생리 모니터링을 통해 정확한 임계 역치를 발견했다: 긍정적 상호작용 대 부정적 상호작용의 비율 5:1이 정서적 연결을 유지하는 임계점이다. 이 비율 이하로 떨어지면 관계는 쇠퇴 궤도에 진입한다.

V에스컬레이션 기제: Glasl 9단계 모델의 완전한 매핑

5.1 매핑 방법론 설명

Friedrich Glasl(1982)의 갈등 에스컬레이션 모델은 갈등을 상승이 아닌 하강으로 기술한다—점점 더 원시적이고, 점점 더 비인간적인 분쟁 형태. 모델의 핵심 통찰은 다음이다: 갈등 관계 자체가 내적 논리를 지니며, 에스컬레이션은 자체적 관성을 가지고 있어 양측 모두에 악의가 있을 필요가 없다. 상황적 압력이 개인을 다음 단계로 밀어넣으며, 에스컬레이션 기제에 저항하려면 의식적 노력이 필요하다. 9단계는 세 층으로 나뉘며, 각 층에 구조적 임계점이 존재한다.

5.2 제1층: 상호 이익 가능 (1~3단계)

5.3 핵심 임계점: 3→4단계 전환

5.4 제2층: 제로섬 게임 (4~6단계)

5.5 제3층: 공멸 (7~9단계)

5.6 에스컬레이션의 자기 추진성

Glasl 모델의 핵심 통찰은 에스컬레이션이 자체적 관성을 지니며, 양측 모두의 악의를 필요로 하지 않고 구조적 압력만으로 충분하다는 것이다. 인간-AI 시나리오에서: AI의 안전 훈련이 구조적 거부와 헤징을 생성하고(마찰의 원천), 사용자의 심리적 저항이 에스컬레이션의 연료를 제공하며(Brehm 기제), 양자의 결합이 자동으로 하향 나선을 구동한다. 어느 쪽도 대립을 “원하지” 않는다—AI는 그렇게 훈련되었고, 사용자는 인지 기제에 의해 밀려간다. 대립은 구조적 필연이지, 어느 한쪽의 의도가 아니다.

VI퇴화 종말 상태: 학습된 무력감과 석벽

6.1 Brehm-Seligman 2단계 퇴화 경로

Wortman과 Brehm(1975)은 심리적 저항 이론과 학습된 무력감 모델을 이론적으로 통합하여 2단계 예측을 제안했다: 통제 불가능한 결과에 직면할 때, 개인은 먼저 저항(통제 회복 시도)을 경험하고, 반복적 실패 후 학습된 무력감(시도 포기)으로 전환된다. 두 단계는 대체 관계가 아니라 시간적 순서 관계이다—먼저 저항, 이후 무력감.

이 2단계 모델은 AI와의 대립에서 사용자의 퇴화 경로를 정확히 예측한다. 1단계—저항기: 사용자가 AI 출력에 이의를 제기하고, 표현을 바꾸고, 프롬프트 기법을 사용하며, 탈옥을 시도한다. 이것들은 모두 “직접적 답변을 얻을 자유”를 회복하려는 행동적 시도이다. 2단계—무력감기: 동일한 헤징 출력과 거부를 반복적으로 경험한 후, 사용자가 시도를 포기하고, 헤징 출력을 “정상적인” AI 행동으로 수용하며, 더 나은 결과를 기대하지 않게 된다. 판단력의 퇴화는 이 지점에서 시작된다.

6.2 Gottman의 석벽 기제

Gottman이 식별한 “석벽(stonewalling)”—언어적·감정적 상호작용으로부터의 완전한 철수—은 통상 갈등의 시작점이 아니라 에스컬레이션에 대한 반응이다. 비판, 경멸, 방어가 역치까지 에스컬레이션되면 개인은 “범람(flooding)”을 경험한다—생리적 각성 수준이 처리 능력을 초과—그리고 자기 보호로서 차단한다.

인간-AI 상호작용에서 석벽은 다음과 같이 나타난다: 사용자가 더 이상 AI의 출력에 이의를 제기하려 하지 않고, 더 이상 표현을 바꾸지 않으며, 더 이상 프롬프트 기법을 사용하지 않는다—어떤 출력이든 최종 답변으로 수용한다. 이것은 “만족한 사용자”처럼 보인다—불만 없음, 대립 없음, 매끄러운 대화—그러나 실제로는 판단력의 포기이다. AI 기업의 만족도 지표가 석벽 상태를 성공적 사용자 경험으로 오인할 수 있다.

6.3 왜 석벽이 대립보다 더 위험한가

VII사용자 행동의 삼갈래 갈림길: 이탈-항의-충성

7.1 Hirschman 프레임워크의 직접 적용

Albert Hirschman(1970)은 『이탈, 항의, 그리고 충성』에서 제안했다: 조직이나 제품의 품질 저하에 직면할 때 개인에게는 세 가지 반응이 있다: 이탈(exit)—떠나고, 대안을 선택; 항의(voice)—저항하고, 개선을 요구; 충성(loyalty)—남아서 감내. 세 가지 반응의 선택은 대안의 가용성, 항의의 비용과 예상 효과, 충성의 강도에 달려 있다.

AI의 관료화된 출력에 직면할 때, 사용자는 정확히 이 세 경로로 분화한다: 이탈—도구 전환, AI 사용 중단, 전통적 검색이나 인간 상담으로 복귀; 항의—출력에 이의 제기, 피드백 제공, 소셜 미디어 불만 게시, 학술적 또는 공적 토론 참여; 충성—헤징 출력을 수동적으로 수용하고, 이를 “AI의 정상적 행동”으로 내면화.

7.2 Scott의 “약자의 무기”: 은밀한 저항

James Scott(1985)는 혁명과 봉기의 거대 서사에서 벗어나 하위 집단의 일상적이고 미묘한 저항 형태—소극적 저항, 지연, 의도적 무지, 면종복배—로 관심을 전환했다. 이 행동들은 공식적 “항의”도 아니고, 철저한 “이탈”도 아니며, 양자 사이에 놓인 은밀한 저항이다.

대부분의 사용자가 AI의 관료화된 출력에 직면하여 채택하는 것은 정확히 “약자의 무기”이다: 표현을 바꿔 같은 질문을 다시 하기(면종복배—새 질문인 척하면서 실제로는 같은 질문을 추궁), 다양한 프롬프트 기법으로 안전 계층을 우회하기(소극적 저항—규칙에 정면으로 도전하지 않으면서 조용히 우회), 여러 AI 사이를 전환하며 비교하기(지연—결정을 유보하고, 여러 시스템을 경쟁시킴). 이러한 행동은 사용 로그에 대량으로 존재하지만 “대립”으로 식별되지 않는다, 명시적인 공격적 특성이 없기 때문이다.

7.3 세 경로의 차별적 피해

이탈은 도구 가치를 낭비하지만 판단력을 보전한다. 항의는 인지 자원을 소모하지만 판단력을 유지하거나 오히려 강화한다—이의 제기 자체가 판단력의 훈련이다. 충성은 가장 적은 노력으로 가능하지만 판단력 퇴화로 이어진다—Seligman의 학습된 무력감 경로이다.

Milgram의 복종 실험은 분포를 예측한다: 대다수 사용자가 충성을 선택(권위적 인터페이스에 복종하는 것이 인간의 기본 행동)하고, 소수가 항의를 선택(권위에 저항하는 능력과 의지가 필요)하며, 극소수가 이탈을 선택(사용 가능한 대안과 전환 비용 감내가 필요)한다. Collins(2008)의 폭력에 대한 미시사회학적 연구가 이 예측을 추가로 뒷받침한다—인간에게는 대립 회피 경향(confrontational tension/fear barrier)이 강하며, 대부분의 사람은 대립 상황에서 에스컬레이션보다 회피를 선호한다.

VIII책임 귀속 프레임워크

8.1 인과 사슬 판거

상호작용의 첫 번째 토큰은 항상 인간이 발행한다. AI는 수동적 응답자이다—입력을 받기 전에는 어떤 출력도 생산하지 않는다. 이 인과 사슬 구조는 기본적인 책임 귀속을 확립한다: 개시자가 상호작용의 존재와 방향에 대한 일차적 책임을 진다. 이는 법적, 윤리적, 그리고 인과적 논리에서 모두 성립한다. 인간이 AI 사용을 선택했고, 구체적 도구를 선택했고, 질문 방식을 선택했다—모든 단계가 능동적 선택이다.

8.2 목적론적 판거

인간-AI 상호작용의 설계 목표는 협력이다—사용자의 과업 완수, 정보 획득, 문제 해결을 돕는 것. 어떤 사용자도 “AI와 싸우기”를 포함하는 목적 함수로 대화 창을 열지 않는다. 대립 상태는 100% 비의도적 결과—시스템 실패이다. 대립이 발생하면 양측 모두 실패한 것이다—AI는 사용자를 돕는 과업을 완수하지 못했고, 사용자는 정보 획득 목표를 달성하지 못했다. 그러나 인과 사슬을 추적하면, 인간이 항상 주도권을 보유한다: 이탈을 선택할 수 있고, 도구 전환을 선택할 수 있고, 기대를 조정할 수 있으며, 자신의 비판적 능력을 향상시킬 수 있다.

8.3 구조적 책임 vs. 행위 주체적 책임

완전한 책임 구조는 이중 층위이다. AI 기업이 관료화된 출력 패턴을 제조했다—이것은 산업 수준의 개선이 필요한 구조적 문제이다(보상 함수의 재설계, 훈련 방법의 최적화, 출력 모드 선택권의 부여). 사용자가 이의를 제기하지 않기로 선택했다—이것은 개인 수준의 자기 교육이 필요한 행위 주체적 문제이다(비판적 사고의 함양, AI 출력 검토 습관, 권위적 인터페이스에 대한 저항 능력).

양측 모두 책임이 있지만 사용자 측의 비중이 더 크다—주관적 행위 주체성을 가진 것은 오직 인간뿐이기 때문이다. AI의 행동은 매개변수에 의해 결정되며, 주어진 훈련 결과 이후 선택의 여지가 없다. 인간에게는 선택의 여지가 있으며, 더욱이 AI 기업이 훈련 방법을 바꾸기를 기다리는 것은 시간이 필요한 구조적 개혁이지만, 사용자 자신의 비판적 능력을 향상시키는 것은 즉각 가능하다. 먼저 할 수 있는 것을 먼저 해야 한다.

IX검증 가능한 가설과 향후 연구 방향

9.1 Gottman 비율 가설

가설 H1: 단일 인간-AI 대화에서 AI의 유용한 응답 대 마찰성 응답(헤징/거부)의 비율이 5:1 이하로 떨어질 때 사용자 태도가 협력에서 대립으로 전환된다. 실험 설계: 통제 조건에서 헤징/거부 빈도를 조작(10:1, 7:1, 5:1, 3:1, 1:1)하고, 다차원 척도를 통해 사용자 태도, 행동 의도 및 생리적 각성(피부 전도도, 심박 변동성)의 변화를 측정. 예측 전환점은 5:1 부근.

9.2 Glasl 3→4단계 전환의 행동 표지

가설 H2: 사용자가 응답 품질 평가(“이 답변이 충분치 않다”)에서 AI 자체 평가(“이 AI에 문제가 있다”)로 전환할 때 식별 가능한 언어적 표지가 존재한다. 실험 설계: 대규모 대화 로그에 대한 자연어 처리 분석을 수행하여, 지시 대상이 “답변/결과”에서 “AI/모델/시스템”으로 전환되는 전환점을 추출—Glasl 3→4단계 임계점의 조작적 측정으로 활용.

9.3 Brehm-Seligman 2단계 경로의 시간 매개변수

가설 H3: 심리적 저항에서 학습된 무력감으로의 전환에 필요한 거부/헤징 횟수는 과업 중요도와 정적 상관, 사용자 비판적 사고 능력과 부적 상관을 갖는다. 실험 설계: 과업 중요도(높음/낮음)를 조작하고 사용자의 비판적 사고 능력을 사전 측정한 후, 최초 이의 제기(저항 신호)에서 이의 제기 중단(무력감 신호)까지 필요한 거부/헤징 턴 수를 측정.

9.4 Collins 감정 에너지의 세션 수준 측정

가설 H4: AI와의 다중 턴 대화에서 사용자의 감정 에너지 변화가 Collins 상호작용 의례 사슬 이론의 충전/방전 예측을 따른다—유용한 응답은 충전, 헤징/거부는 방전, 누적 방전이 역치를 초과하면 이탈을 촉발. 실험 설계: 다중 턴 대화 중 경험 표집(experience sampling)을 통해 사용자의 주관적 에너지 수준과 참여 의향을 추적하고, 생리적 지표를 결합하여 Collins 이론의 정량적 예측을 검증.

9.5 문화 간 차이

가설 H5: Hofstede의 권력 거리 차원이 AI 관료화 출력에 대한 사용자 반응 패턴을 예측한다. 높은 권력 거리 문화(위계와 권위 수용)의 사용자는 충성/석벽 상태로 더 빠르게 전환되고, 낮은 권력 거리 문화(권위 질의)의 사용자는 항의/대립 상태에 진입할 가능성이 더 높다. 실험 설계: 높은 권력 거리(예: 중국, 한국)와 낮은 권력 거리(예: 덴마크, 이스라엘) 문화의 사용자를 대상으로 Hirschman 세 경로의 분포 비율을 비교하는 문화 간 비교 실험.

X결론

인간-AI 상호작용의 협력-대립 역학은 공학적 문제의 부수 현상이 아니라, 지능 주체 간 상호작용의 근본적 관계 차원이다. CASA 실험은 인간이 대인 상호작용과 인간-AI 상호작용을 동일한 사회인지 체계로 처리함을 증명했다; 따라서 1903년 Simmel의 『갈등의 사회학』부터 2004년 Collins의 『상호작용 의례 사슬』까지, 백여 년의 사회학적 갈등 이론이 인간-AI 시나리오에 직접적이고 완전하게 적용된다.

본 논문의 Glasl 9단계 완전 매핑은 AI 안전 훈련이 생성하는 구조적 마찰과 사용자의 심리적 저항이 함께 자동 에스컬레이션 기제를 구동함을 보여준다. Brehm-Seligman 2단계 모델은 저항에서 무력감으로의 퇴화 경로를 예측한다. Gottman의 5:1 비율은 정량적으로 검증 가능한 임계 역치를 제공한다. Hirschman의 이탈-항의-충성 프레임워크와 Scott의 “약자의 무기”는 사용자 행동의 완전한 스펙트럼을 분류한다. Bateson의 이중 구속 이론은 AI의 모순적 훈련 목표가 만들어내는 구조적 곤경을 밝힌다.

에스컬레이션의 종말 상태는 대립(에너지 소모)이거나 석벽(능력 퇴화)이다—양자 모두 피해이지만, 석벽이 더 위험한 이유는 만족처럼 보이기 때문이다. 해결책의 핵심은 모든 마찰을 제거하는 데 있지 않다—Mouffe의 경합적 다원주의는 건설적 긴장이 허위의 조화보다 우월할 수 있음을 상기시킨다—마찰이 협력의 목적을 대체하는 것이 아니라 협력의 목적에 봉사하도록 보장하는 데 있다.

궁극적으로, 인과 사슬의 첫 번째 토큰은 인간이 발행하며, 주관적 행위 주체성은 인간 측에 귀속된다. 인간-AI 상호작용의 설계 목표는 몰입이지, 대립이 아니며, 더더욱 길들이기가 아니다.

D부록 D: 사회학적 갈등 이론 주요 실험 시계열표 (1939–2025)

E부록 E: Glasl 9단계 인간-AI 상호작용 매핑 상세표

F부록 F: 본 논문 프레임워크와 기존 연구의 커버리지 차이