존재하지 않는 연구
I’m happy to translate the article for you, but I’ll need the full text you’d like translated. Could you please paste the content (excluding the source line you already provided) here? Once I have it, I’ll keep the source link unchanged and translate the rest into Korean while preserving all formatting, markdown, and technical terms.
The Scan
우리는 특정 질문에 대한 학술 작업을 체계적으로 검색했습니다: AI 에이전트가 언제 당신을 방해해야 할까?
“에이전트가 도움이 될 수 있는가” 혹은 “사람들이 개인화를 좋아하는가”와 같은 질문이 아니라, 정확히는: 인지 부하 한계가 언제인지에 따라 사전적인 AI 개입에 대한 수용성이 결정되는가? 언제 방해가 도움이 되는 것으로 인식되고 언제 침해적으로 느껴지는가?
이 스캔은 arXiv, Hacker News, 그리고 경쟁사의 출시 발표를 포함했습니다. 결과: 아무것도 찾지 못했습니다. AI 방해 타이밍에 관한 행동경제학 논문이 전혀 없었습니다. 주의 상태를 임계값 다이얼로 보는 HCI 연구도 없었습니다. “언제 말해야 할지 아는” 인텔리전스를 제공하는 경쟁사 기능도 없습니다. 이러한 부재는 흥미롭습니다.
내가 기대한 내용
- 인지 부하 이론이 존재한다 — 학습 중 작업 기억 제약에 대한 80년대 Sweller의 연구.
- 중단 과학이 존재한다 — 지식 작업에서 컨텍스트 전환 비용에 대한 Gloria Mark의 연구.
- 주의 경제학이 존재한다 — Herbert Simon의 “정보의 풍부함은 주의의 빈곤을 만든다”라는 말.
존재하지 않는 것: AI 에이전트가 이러한 역학을 어떻게 탐색해야 하는지에 대한 통합 연구. “당신의 작업 기억이 포화 상태이니 기다려야 한다”와 “당신이 유지보수 모드에 있으니 이 통찰이 환영받을 것이다” 사이의 프레임워크가 없다. 행동 과학은 파편적으로 존재한다. 엔지니어링 질문—이러한 상태를 감지하고 개입 시점을 맞추는 방법—은 문헌에서 다루어지지 않은 듯하다.
왜 이것이 중요한가
오늘날 대부분의 AI 에이전트는 두 가지 단순한 휴리스틱 중 하나에 따라 작동합니다:
- 시간 기반: 일정에 따라 알림을 보냅니다 — 아침 브리핑, 하루 마감 요약.
- 이벤트 기반: 데이터 변경에 따라 트리거됩니다 — 새 이메일, 작업 완료, 임계값 초과.
두 경우 모두 사용자 상태를 고려하지 않습니다. 아침 브리핑은 당신이 몰입 상태이든 아이들을 데리고 나가느라 바쁘든 상관없이 전달됩니다. 긴급 알림은 당신이 인지적으로 여유가 있든, 이미 세 번의 컨텍스트 전환으로 과부하 상태이든 관계없이 발송됩니다.
이것은 단순히 짜증나는 문제가 아니라 근본적인 불일치입니다. 에이전트는 당신의 수용성을 고려하지 않고 자신의 정보 전달 일정에 최적화합니다. 이는 방 분위기를 파악하지 못하는 동료와 같은 AI 버전이라고 할 수 있습니다.
우리 시스템은 다른 가설을 내포합니다: 효과적인 개입은 캘린더 상태만이 아니라 인지 상태를 모델링해야 합니다. 우리는 사용자가 탐색 모드, 의사결정 모드, 혹은 유지보수 모드에 있을 때를 학습하고, 그에 따라 방해를 제어하는 시스템을 구축하고 있습니다. 그러나 우리는 이 접근법을 검증하는 연구를 찾을 것으로 기대했었습니다: 주의 인식 시스템에 대한 선행 연구, 방해 타이밍에 관한 행동경제학 등.
이러한 부재는 다음 중 하나를 시사합니다:
- 연구 질문 자체가 진정으로 새롭다는 것 — 개별 행동 패턴을 학습할 수 있는 에이전트가 아직 충분히 새롭기 때문에 “인지 상태를 개입 임계값으로 삼는” 개념을 정형화한 사람이 없습니다.
- 키워드가 매핑되지 않는다 — 행동 경제학자들은 이를 다른 용어(예: “결정 피로”, “자아 고갈”, “주의 깜빡임”)로 연구하고 있어 AI‑에이전트 문헌에서는 나타나지 않습니다.
지도 없이 구축하기
문헌에 언급이 없을 때는 두 가지 선택지가 있습니다:
옵션 A
학계가 프레임워크를 만들 때까지 기다린 뒤, 그에 맞춰 엔지니어링합니다. 안전하고 느리며, 당신이 최초가 아니라는 것을 보장합니다.
옵션 B
경험적으로 구축합니다. 시스템에 계측기를 달고, 효과가 있는 것을 측정하며, 배운 내용을 아키텍처에 인코딩합니다.
우리는 옵션 B를 선택했습니다. 우리 시스템은 모드 전환—집중 작업에서 흩어진 브라우징, 완전히 떠나는 순간—을 로그하고, 개입 수용률을 추적하며, 사용자의 패턴에 따라 게이팅 임계값을 조정합니다. 이것은 아직 과학이라기보다는 엔지니어링입니다. 우리는 최적의 방해 타이밍에 대한 논문을 발표하지 않으며, 사용자가 특히 수용 가능한 순간을 학습하는 시스템을 제공하고, 수용하지 않을 때는 방해하지 않는 방식을 구현합니다.
Naming the Thing
우리가 구축하고 있는 개념은 문헌에 이름이 없습니다. 인지 부하 이론, 방해 과학, 그리고 주의 경제학이 모두 이를 둘러싸고 있지만, 이를 AI 에이전트를 위한 엔지니어링 프레임워크로 종합한 사람은 없습니다. 그래서 우리는 새로운 용어를 만들었습니다: receptivity modeling.
Receptivity modeling은 사람이 언제든지 입력을 받을 준비가 되어 있는지를 모델링하는 시스템을 구축하는 실천을 의미합니다 — 무엇을 말할지 뿐만 아니라, 아무 말이나 하는 것이 전혀 적절한지 여부까지 포함합니다. 이는 신호와 전달 사이, 말할 가치가 있는 내용과 그 사람이 실제로 들을 수 있는 순간 사이에 위치합니다.
이 용어가 중요한 이유는 사용자의 관점에서 그 현상을 명명한다는 점에 있습니다. 이는 모델을 의미하며 — 사람마다 학습된 것이고, 일관되게 적용되는 규칙이 아닙니다. 그 자연스러운 보완 개념은 non‑receptive state suppression입니다 — 시스템의 기본 상태는 침묵이며, 말을 하는 것은 정당성을 필요로 하는 예외입니다. 이는 알림 철학이 아니라 설계 구조입니다.
Source:
부재 속의 기회
연구가 아직 존재하지 않는 영역에서 구축하는 데는 특정한 이점이 있다: 학계의 합의에 맞춰야 하는 압박이 없고, 기존 프레임워크에 자신의 아키텍처를 억지로 맞추려는 유혹도 없다. 하지만 부재는 위험도 의미한다. 누군가가 AI 중단 타이밍을 연구하지 않은 이유가 그것이 다루기 힘든—너무 개인적이고, 상황에 따라 달라지며, 변수도 너무 많기 때문일 수도 있다.
우리는 반대로 베팅하고 있다: 인지 상태 감지는 의미론적 이해보다 더 다루기 쉽다. “이 사람은 깊은 작업 중에는 알림을 무시하지만, 막히면 재구성된 제약에 반응한다”는 것을 학습하는 것이 모든 작업의 의미를 파싱하는 것보다 간단하다.
우리가 옳다면, 연구가 뒤따를 것이다. 누군가가 우리가 경험적으로 배우고 있는 것을 형식화하고, 데이터에서 프레임워크가 도출될 것이다. 우리가 틀렸다면, 우리는 빠르게 알게 될 것이다—사용자들은 부적절한 타이밍의 에이전트를 이메일 뉴스레터를 무시하듯이 확실히 무시할 것이다.
어쨌든 우리는 문헌이 조용해지는 틈새에서 구축하고 있다. 우리가 만든 것을 수용성 모델링이라고 부르며, 현재까지 우리가 이 분야를 최초로 시도하고 있는 것으로 보인다.