「좋아요」의 SNS에서, 「이해」의 SNS로――알고리즘을 바꾸면 분단은 줄일 수 있을까

SNS를 열면, 우리는 스스로 정보를 선택하고 있는 것처럼 느낀다. 관심 있는 게시물을 읽고, 재미있는 동영상을 보고, 공감한 의견에 「좋아요」를 누른다. 타임라인은 자신의 관심사가 그대로 반영된 거울처럼 보인다.

하지만 실제로 그 거울은 투명하지 않다. 무엇을 위로 올리고, 무엇을 보이지 않게 하며, 어떤 게시물에 오래 머물게 할지를 결정하는 것은 플랫폼의 알고리즘이다. 우리가 「스스로 선택하고 있다」고 생각하는 정보 환경은 상당 부분 설계되어 있다.

코펜하겐 대학, 드레스덴 공과대학, 막스 플랑크 인간발달연구소의 연구자들에 의한 새로운 연구는 이 당연해 보이면서도 간과되기 쉬운 사실을 다시 강하게 보여주고 있다. 연구의 결론은 간단하다. SNS의 게시물을 배열하는 방식을 조금 바꾸기만 해도 사람들의 의견의 갈림과 현실에 대한 판단의 정확성은 변할 수 있다.

즉, SNS의 분단은 「사용자가 그렇게 원하기 때문에」만 일어나는 것이 아니다. 피드의 설계 자체가 사회의 인식을 넓히거나, 반대로 좁히고 있을 가능성이 있다.

기분 좋은 피드가 반드시 옳은 것은 아니다

현재의 주요 SNS에서는, 많은 경우에 참여도가 중요한 지표가 되고 있다. 좋아요, 공유, 댓글, 반응, 체류 시간. 사용자가 강하게 반응하는 게시물일수록 가치가 높다고 간주되어 더 많은 사람의 눈에 띄기 쉬워진다.

이 시스템은 비즈니스로서는 매우 합리적이다. 사용자가 반응하고, 체류하며, 다시 돌아올수록 플랫폼의 가치는 높아진다. 광고 모델과도 잘 맞는다. 분노, 놀라움, 공감, 두려움, 우월감과 같은 강한 감정을 불러일으키는 게시물은 화면을 닫기 어렵게 한다.

문제는 강하게 반응하고 싶은 정보가 반드시 정확한 이해로 이어지지 않는다는 것이다.

연구에서는 참여도를 중시하는 피드, 특히 「자신과 정치적으로 가까운 사람들이 좋아하는 게시물」을 우선하는 개인화된 참여도 랭킹이 참가자의 신념을 더 극단화시키고 판단의 정확성을 낮추는 경향을 보였다.

아이러니한 것은 그러한 피드가 참가자에게 「통찰력이 있다」고 느껴지기 쉬웠다는 점이다. 자신의 생각에 가깝고, 감정적으로 납득하기 쉬우며, 반응하고 싶은 게시물은 본인에게 유익해 보인다. 하지만 그것이 세상을 더 정확하게 이해하는 데 도움이 된다고는 할 수 없다.

오히려 기분 좋게 납득할 수 있는 정보 환경일수록 자신의 관점을 강화하고 반대쪽의 시점을 보이지 않게 할 수 있다. SNS의 위험성은 여기에 있다. 사용자는 「자신에게 맞는 정보」를 받고 있다고 생각하지만, 실제로는 「자신의 고정관념을 강화하는 정보」에 둘러싸여 있을지도 모른다.

실험은 어떻게 진행되었는가

연구팀은 SNS의 알고리즘이 극단화와 정확성에 어떤 영향을 미치는지를 측정하기 위해, 미국 거주자를 대상으로 한 2단계의 온라인 실험을 진행했다.

첫 번째 단계에서는 500명의 참가자가 정치와 사회에 관한 6개의 주제에 대해 총 72개의 짧은 논쟁적 게시물을 평가했다. 참가자는 각각의 게시물에 대해 찬성, 반대, 또는 무반응을 선택했다. 이를 통해 자유주의자와 보수주의자가 어떤 게시물을 지지하고 어떤 게시물을 거부하는지가 시각화되었다.

두 번째 단계에서는 새로 1000명의 참가자가 등장한다. 참가자는 먼저 각 주제에 대해 자신의 생각을 나타내고, 그 후 3개의 게시물로 구성된 짧은 피드를 보여주고, 마지막으로 다시 자신의 생각을 답했다.

이때 어떤 게시물이 표시될지는 참가자가 할당된 조건에 따라 달라진다. 연구에서는 주로 다음과 같은 랭킹 방식이 비교되었다.

무작위로 게시물을 배열하는 방식.
참여도가 많은 게시물을 우선하는 방식.
자신의 정치적 그룹이 좋아하는 게시물을 우선하는 개인화된 참여도 방식.
자유주의자와 보수주의자 양쪽에서 지지받는 게시물을 우선하는 브리징형.
집단 전체의 판단의 정확성을 높일 것으로 기대되는 게시물을 우선하는 인텔리전스형.

연구자들은 참가자의 생각이 서로 가까워졌는지, 아니면 멀어졌는지, 또한 집단으로서의 판단이 얼마나 정확해졌는지를 측정했다. 또한 참가자가 게시물을 어떻게 느꼈는지, 예를 들어 예의 바르다, 감정적이다, 통찰력이 있다는 인상도 조사했다.

이 설계가 흥미로운 점은 SNS의 실험이면서도 거대 플랫폼의 내부 데이터에 의존하지 않는다는 점이다. 연구자들은 기존의 SNS에서 대규모 개입을 한 것이 아니라 비교적 통제된 환경에서 게시물의 배열만을 바꾸었다. 그 결과 배열의 차이만으로도 신념 형성에 차이가 나타났다.

「다리를 놓는」 알고리즘이란 무엇인가

이번 연구에서 주목받고 있는 것이 브리징형 알고리즘이다.

이는 한쪽 진영에만 강하게 호소하는 게시물이 아니라 정치적 입장이 다른 사람들 양쪽에서 일정한 지지를 얻는 게시물을 우선하는 생각이다. 예를 들어, 자유주의자만이 열광적으로 지지하는 게시물이나 보수주의자만이 강하게 반응하는 게시물이 아니라 양측이 「적어도 읽을 가치는 있다」고 느끼는 게시물을 위로 올린다.

이 시스템은 단순히 「중립적인 게시물」을 배열하는 것과는 다르다. 사회적 대립이 있는 주제에서는 완전히 중립적인 의견은 거의 존재하지 않는다. 중요한 것은 다른 입장의 사람들이 같은 정보를 출발점으로 토론할 수 있는지 여부이다.

브리징형은 찬반의 대립을 없애는 것이 아니다. 오히려 대립이 있다는 것을 전제로 하면서 서로 상대방의 존재를 인식할 수 있는 정보를 우선한다. SNS가 현재 잘하는 것은 「동료 내에서의 공감의 증폭」이지만, 브리징형이 목표로 하는 것은 「다른 입장끼리도 공유할 수 있는 기반」의 형성이다.

연구에서는 이 브리징형이 경우에 따라 자유주의자와 보수주의자의 합의를 높일 가능성을 보였다. 이는 SNS가 반드시 분단을 심화시킨다는 비관론에 대한 중요한 반례가 된다.

또 하나의 열쇠는 「집단 지성」

또 하나의 대안이 인텔리전스형 랭킹이다. 이는 참가자 전체의 판단의 정확성을 높일 것으로 기대되는 게시물을 우선하는 방식이다.

여기서 말하는 정확성이란 단순히 「다수파의 의견에 맞추는」 것이 아니다. 사회적 예측이나 사실 판단처럼 어느 정도 정오나 타당성을 검증할 수 있는 주제에 대해 집단의 판단이 더 현실에 가까워지는지가 문제가 된다.

SNS에서는 종종 가장 큰 목소리, 가장 감정적인 목소리, 가장 확산되기 쉬운 목소리가 두드러진다. 하지만 집단으로서 더 나은 판단을 하기 위해서는 반드시 가장 두드러진 의견이 필요하지는 않다. 때로는 냉정하고 조용하지만 중요한 정보, 극단적이지 않지만 검증 가능한 주장, 반사적인 분노를 유발하지 않는 설명이 필요하다.

인텔리전스형 랭킹은 바로 그러한 정보를 앞세우는 발상이다. 연구에서는 이 방식이 무작위 표시나 참여도 중시의 표시와 비교하여 사실 판단의 정확성을 높이는 경향을 보였다.

이는 SNS의 설계 사상을 크게 바꿀 가능성이 있다. 지금까지의 질문은 「사용자가 더 많이 반응하는 게시물은 무엇인가」였다. 하지만 다른 질문도 있을 수 있다. 「사용자 집단이 더 정확하게 세상을 이해하기 위해서는 어떤 게시물을 보여줘야 하는가」이다.

SNS의 반응――기대, 경계, 그리고 식은 현실감

이 연구는 공개 직후의 뉴스로서는 기사 자체에 대한 대규모 SNS 반응이 아직 널리 가시화되고 있는 단계는 아니다. Phys.org에서도 두드러진 댓글 수는 확인하기 어렵고, 일반 사용자의 반응은 앞으로 확산될 가능성이 있다. 한편, 연구자 자신이나 관련 분야의 연구자에 의한 LinkedIn 상의 게시물에서는 이 연구가 가지는 실용성에 주목하는 목소리가 나오고 있다.

특히 강조되고 있는 것은 거대 테크 기업과 협력하지 않아도 대체적인 SNS 알고리즘을 실험할 수 있다는 점이다. 플랫폼 내부의 복잡한 추천 시스템에 직접 접근하지 않아도 게시물에 대한 반응 데이터와 기본적인 속성 정보를 사용하면 합의와 정확성을 중시하는 랭킹을 검증할 수 있다. 이는 연구자나 정책 입안자에게 큰 의미를 가진다.

또한 「AI를 사용하지 않아도 구현할 수 있다」는 점에도 관심이 모이기 쉽다. 최근 SNS 개선의 논의는 AI에 의한 유해 게시물 감지나 팩트 체크에 집중되기 쉽다. 그러나 이번 연구가 보여준 것은 반드시 고도의 생성 AI나 복잡한 분류 모델이 없어도 게시물의 배열을 바꾸기만 해도 사회적 영향을 바꿀 수 있을지도 모른다는 것이다.

한편, SNS 일반의 논의를 둘러보면 반응은 낙관 일색이 아니다.

먼저 나오는 것은 「누가 정확성을 결정하는가」라는 의문이다. 인텔리전스형 랭킹은 매력적이지만 무엇을 옳다고 보는지, 어떤 주제라면 객관적인 정답을 설정할 수 있는지는 어렵다. 정치적, 윤리적, 문화적 가치 판단이 얽힌 주제에서는 정확성이라는 말 자체가 쟁점이 될 수 있다.

다음으로 「브리징」이 무난한 의견만을 우선하는 것이 아닐까 하는 우려도 있다. 대립하는 진영 양쪽에서 지지받는 게시물을 선택할 경우 극단적인 허위 정보는 억제될 수 있겠지만 동시에 소수파의 중요한 고발이나 기존의 다수파에 불편한 문제 제기가 묻힐 가능성도 있다. 사회를 변화시켜온 의견의 많은 부분은 처음부터 양 진영에 받아들여졌던 것은 아니다.

또한 사용자 측의 감각으로는 「또 누군가에게 타임라인을 조작당하는가」라는 반발도 예상된다. 참여도 중시의 알고리즘에 불만을 가진 사람은 많지만 그렇다고 해서 다른 가치관으로 설계된 피드를 무조건 받아들이는 것은 아니다. SNS 사용자들 사이에는 알고리즘 자체에 대한 피로감이 있다. 추천 표시를 그만두고 시계열 표시로 돌아가게 해달라, 더 많이 스스로 선택하게 해달라는 목소리는 뿌리 깊다.

이 연구가 흥미로운 것은 이러한 의문을 봉쇄하는 것이 아니라 오히려 논의의 기반을 제공하고 있다는 점이다. 참여도 최적화가 유일한 선택지가 아니라고 보여줌으로써 「그럼 무엇을 최적화해야 하는가」라는 질문을 사회에 던지고 있다.

비즈니스에 좋은 SNS인가, 민주주의에 좋은 SNS인가

이번 연구가 제기하고 있는 최대의 논점은 SNS가 무엇을 위해 설계되어야 하는가라는 문제이다.

기업에게 가장 이해하기 쉬운 성공 지표는 사용자의 체류 시간이나 반응 수이다. 많은 사람이 오래 사용하고, 자주 반응하며, 광고에 접촉할수록 사업으로서는 성공하기 쉽다. 그러나 사회에 바람직한 SNS의 지표는 그것만은 아닐 것이다.

사람들이 서로를 이해할 수 있는가.
잘못된 인식이 퍼지기 어려운가.
다른 입장의 사람이 같은 현실에 대해 이야기할 수 있는가.
분노나 모욕이 아니라 검증 가능한 정보가 전달되는가.
소수파의 목소리를 지우지 않고 극단적인 선동도 억제할 수 있는가.

이들은 광고 수익의 지표에는 직접 드러나기 어렵다. 그러나 공공적인 논의의 장으로서 SNS가 기능하기 위해서는 필수적인 조건이다.

연구자들은 플랫폼 자체가 이러한 대체 알고리즘을 적극적으로 채택할 것이라고는 한정할 수 없다고 지적하고 있다. 왜냐하면 참여도를 희생할 가능성이 있기 때문이다. 사용자가 화가 나서 오래 머무는 피드보다 냉정하게 이해를 깊게 하고 빨리 이탈하는 피드가 사회에는 좋을지라도 비즈니스에는 불리할지도 모른다.

여기서 정책이나 규제의 논의가 등장한다. SNS가 공공 공간으로서 큰 역할을 가진다면 그 설계를 완전히 기업의 수익 목표에만 맡겨도 좋은가. 투명성을 요구할 것인가. 제3자에 의한 감사를 도입할 것인가. 사용자에게 여러 알고리즘을 선택하게 할 것인가. 혹은 특정 사회적 위험이 높은 주제에서는 참여도 최적화를 제한할 것인가.

이번 연구는 그러한 논의에 실험적인 근거를 제공한다.

하지만 만능약은 아니다

물론 이 연구를 가지고 「알고리즘을 바꾸면 분단은 해결된다」고 단언하는 것은 이르다.

실험 환경은 현실의 SNS보다 훨씬 단순화되어 있다. 참가자가 보는 피드는 짧고 주제도 제한되어 있다. 실제의 SNS에서는 친구 관계, 인플루언서, 광고, 봇, 뉴스 미디어, 동영상 추천, 댓글란, 인용 게시물, 외부 링크 등이 복잡하게 얽혀 있다. 현실의 정치