뉴욕시에서 자전거 안전 인식을 묻는 ‘영상 대화형 챗봇’ 설문, 정말 가능할까? 파일럿 연구

HCI 관점에서 읽을 만한 이유

이 글은 AI를 단순한 자동응답 도구가 아니라, 사람의 경험을 끌어내는 인터페이스로 다룬다는 점에서 HCI/UX 실무자와 연구자에게 의미가 큽니다. 특히 영상과 대화형 chatbot을 결합해 기억에 의존하던 설문을 ‘현장에 가까운 경험’으로 바꿔보려는 시도는, 기존 측정 방식의 한계를 보완하는 흥미로운 방향입니다. 사용자 경험과 데이터 품질을 함께 본 점도 실무에 바로 연결됩니다.

CIT의 코멘트

이 연구의 핵심 가치는 모델 성능보다 상호작용 설계에 있습니다. 영상을 보며 즉시 판단하고, 그 이유를 말하게 하는 흐름은 사용자의 머릿속에 있던 감각을 밖으로 꺼내는 좋은 장치인데요, 동시에 반복 응답이 많아지면 피로가 쌓여 이탈이 커진다는 trade-off도 분명하게 드러납니다. 그래서 이런 형태의 도구는 ‘더 많이 묻는 것’보다 ‘언제 멈추고, 무엇을 묻고, 어떻게 개입 경로를 남길지’가 중요합니다. 안전이 중요한 이동 환경에서는 특히 시스템 상태가 얼마나 투명하게 보이는지, 사용자가 AI의 판단을 어디까지 신뢰하고 수정할 수 있는지가 핵심입니다. 나아가 LLM을 응답 생성기만이 아니라 UX 측정 도구의 일부로 쓰는 접근은, 연구 방법론 자체를 확장하는 실용적인 방향으로 보입니다. 국내에서는 네이버, 카카오, 공공 설문 환경처럼 짧고 빠른 상호작용에 익숙한 맥락이 많아서, 이런 설계는 더 간결하고 명확한 피드백 루프를 요구할 가능성이 큽니다.

원문을 읽으면서 던질만한 질문

• Q.영상 기반 chatbot 설문에서 사용자의 피로도를 줄이면서도 서술형 데이터를 충분히 얻으려면, 질문 수와 맥락 제시를 어떻게 조절하는 것이 좋을까요?
• Q.안전 관련 판단에서 AI가 먼저 설명을 제시할 때, 사용자가 그 설명에 끌려가게 되는 편향을 어떻게 줄일 수 있을까요?
• Q.이 방식이 한국의 모빌리티 서비스나 지자체 민원 수집에 적용된다면, 어떤 인터랙션 요소를 가장 먼저 현지화해야 할까요?