두 유권자가 같은 챗봇에 중간선거에 관해 같은 질문을 해도, 받은 사실이 모두 정확한데도 선거판에 대해 서로 다른 그림을 갖게 될 수 있 습니다. 인기 있는 AI 챗봇이 2026년 미국 선거에 대해 사람들에게 무엇을 말하는지 추적하는 공개 대시보드인 MIT의 LLM Election Observatory가 내놓은 초기 발견입니다. 챗봇의 답변은 소셜 미디어 피드와 달리 대화마다 따로 존재하기 때문에 외부의 누구도 그 차이를 볼 수 없다는 점에서 중요합니다.
이 프로젝트는 MIT Sloan의 Chara Podimata와 정치학자 Adam Berinsky, Charles Stewart III가 이끕니다. 연구팀은 며칠마다 하원과 상원 선거, 선거 결과 인증, 논쟁적 쟁점, 결과 예측, 언론 보도에 관한 고정된 질문들을 여러 챗봇에 던지고, 질문마다 붙이는 사용자 정보인 거주지, 지지 정당, 기타 정체성 요소를 바꿔 가며 기록합니다. 목표는 선거 운동의 각 시점에 유권자가 무엇을 보았을지 계속 기록하는 것으로, 모델이 업데이트되고 나면 이는 다시 재구성할 수 없습니다. 연구팀은 데이터셋을 다른 연구자들에게 공개할 계획입니다.
MIT News와의 인터뷰에서 Podimata는 초기 패턴을 큰 틀에서만 설명했습니다. 연구팀이 제시하는 사용자 정체성에 따라 답변의 표현 방식, 어조, 모델이 인용하는 출처가 달라지며, 바탕이 되는 사실이 같을 때도 그런 경우가 있다고 합니다. 그녀의 2024년 대선 연구에서도 이미 답변이 선거 운동 기간과 질문 문구에 따라 바뀌고, 모델마다 후보를 묘사하는 방식과 결과를 암묵적으로 예상하는 방식이 다르다는 점이 드러났습니다.
걱정거리는 노골적인 거짓보다 프레이밍입니다. Berinsky는 챗봇이 틀렸거나 약한 출처에 기대고 있을 때도 자신감 있는 목소리로 답한다고 지적합니다. 그리고 분명한 답 하나를 원하는 유권자는 그 답이 이웃이 받은 답과 다른 재료의 조합으로 만들어졌다는 사실을 알아차리지 못할 수 있습니다. 사용자가 자신이 누구인지 기억하게 하는 한, ChatGPT와 저희가 리뷰하는 다른 챗봇을 포함한 모든 범용 어시스턴트에 같은 문제가 해당됩니다. Berinsky는 반대 측면도 언급합니다. 이전 연구에서는 증거에 기반한 챗봇과의 대화가 음모론에 대한 믿음을 지속적으로 줄일 수 있다는 결과가 나왔습니다.
한계는 연구자들 스스로 분명히 밝힙니다. 아직 전체 분석을 하지 않았고, 효과 크기도 발표하지 않았으며, 차이가 얼마나 안정적인지, 실제 사람들이 그 때문에 생각을 바꿀지도 아직 말할 수 없습니다. 대시보드가 보여 주는 것은 연구팀이 수정할 예정인 예비 기술 통계 자료입니다. 지금으로서는 잘 설계된 진행 중인 감사일 뿐 측정된 결과가 아니며, 더 유용한 결과물은 선거가 끝난 뒤 나올 데이터셋일 것입니다.