챗봇 에이전트 정체성(identity)에 따른 사용자의 인식 및 행동 차이에 대한 연구 - 개인, 기관, 기계 에이전트의 차이를 중심으로

Abstract

최근 헬스케어 분야에서 지속적인 건강 관리 서비스를 제공하기 위해 챗봇 에이전트를 도입하는 시도가 늘어나고 있다. 하지만 아직까지 챗봇 에이전트 설계에 대한 연구는 인간과 기계라는 구분에 머물러 있어, 에이전트에 대한 신뢰, 친밀감, 행동 변화를 모두 고려해야 하는 헬스케어 영역에서의 챗봇 설계에 활용하기에는 한계가 있다. 따라서 본 연구에서는 인간과 기계라는 구분에서 나아가, 보다 다양한 에이전트 정체성에 따라 사용자의 인식과 행동이 달라지는지 조사하고자 했다. 이를 위해 정체성을 다르게 설정한 3개의 챗봇 에이전트인 의사(개인), 병원(기관), 가상 에이전트(기계)를 제작한 후, 집단 간 설계(between-group design) 방식으로 36명의 사용자를 세 그룹으로 나누어 6일간 챗봇을 사용하며 건강 습관을 기록하도록 하였다. 6일간의 챗봇 사용을 마친 후, 사후 설문 및 인터뷰를통하여 사용자들의 신뢰, 친밀감, 행동 개선에 어떤 영향이 있었는지 살펴보았다. 그 결과 의사와 병원 에이전트는건강지키미 에이전트보다 높은 신뢰를 보였으며, 친밀감에 있어서도 더욱 높은 평가를 받았다. 또한, 많은 참가자가병원 에이전트를 선호하는 것으로 드러났다. 하지만 세 개 에이전트 모두 사용자들의 행동 변화를 성공적으로 유도하지는 못했던 것으로 나타났다. 이 같은 결과를 바탕으로 본 연구는 정체성이 다른 챗봇 에이전트가 사용자에게 신뢰, 친밀감의 차원에서 다른 영향을 미칠 수 있음을 밝혀냄으로써, 헬스케어 분야에서 챗봇 에이전트 설계에 대한실용적인 가이드라인을 제공한다는 점에서 의의가 있다. In recent years, some service providers have introduced chatbot agents to provide engagement in the healthcare field. However, current research on chatbot agents is still limited to designing various chatbot identities for healthcare services. By contrast, this study aims to investigate how various agent identities affect users perceptions and behaviors differently. We developed three chatbot agents with different identities: a doctor (an individual), a hospital (an institution), and a virtual agent (a machine). Then, we recruited 36 users and divided them into three groups, each using a different chatbot agent. They were asked to track their behaviors and review advice from the chatbot agent for six days. Post-hoc surveys and interviews were conducted in order to investigate users perceptions. The findings are as follows: participants felt more trusting and intimate with the doctor and hospital agents than with the virtual agent. Many of the participants preferred the hospital agent due to its higher reliability. However, all three agents did not lead the participants to change their behaviors. This study contributes to providing practical guidelines for designing chatbots in the healthcare field by studying users perceptions and behaviors depending on chatbot identities.