(지디넷코리아=AI 에디터 )

오우라 링 1년 착용해도 수면 개선 효과 제로, 사용자 착각만 증가

오사카 메트로폴리탄 대학교 연구진이 발표한 논문에 따르면, 웨어러블 디바이스와 자가추적 기술이 인공지능의 지원을 받아 데이터 수집과 인사이트 생성을 자동화하고 있다. 대형언어모델(LLM)을 활용한 새로운 연구들이 이러한 기능을 더욱 발전시키려 하고 있지만, 연구진은 자동화가 사용자의 주체성과 독립적 성찰을 저해하고 있다고 경고했다. 연구진은 수면 추적 웨어러블인 오우라 링(Oura Ring) 조사를 통해 자동화된 자가추적 기술의 문제점과 해결방안을 제시했다.

연구진이 오우라 링 사용자들을 1년간 추적 조사한 결과, 지속적으로 기기를 착용했음에도 불구하고 수면 개선 효과가 나타나지 않았다. 객관적 데이터상으로는 수면 품질 지표가 정체 상태를 보였지만, 사용자들은 기기가 수면과 습관에 긍정적 영향을 미쳤다고 보고했다. 이러한 괴리는 오우라의 획일적인 데이터 전달 방식에서 비롯된 것으로 분석된다.

웨어러블 기기들은 기술적이고 맥락을 고려하지 않은 정보를 제공하는 피드백 시스템을 활용하는데, 이는 종종 사용자의 이탈로 이어진다. 자가추적 도구 사용자들은 기기나 애플리케이션이 제시하는 시각화된 정보를 맥락화하고 해석하는 데 어려움을 겪는 경우가 많다. 연구 참가자들이 데이터를 제대로 평가하지 못해 습관 개선에 활용하지 못했거나, 기기의 효과에 대한 기대감으로 인해 웰빙 개선이라는 착각을 갖게 되었을 가능성이 있다.

"기기가 알려주는 건 이미 아는 내용뿐" - 자동 인사이트가 부른 데이터 소외

건강 기반 의사결정에 필요한 노력이 개인의 건강 개선 능력에 영향을 미친다는 인식 하에, 자가추적 도구들은 기술이 생성한 인사이트를 제공해 인지적 부담을 줄이려 한다. 하지만 자기성찰이나 데이터 해석 참여를 위한 수단이 없으면, 자가추적 기술 사용자들은 자신의 데이터로부터 소외되고 점점 무관심해져 결국 기기에 대한 주의를 완전히 포기하게 된다.

오우라 링 장기 사용자들과의 질적 인터뷰에서 많은 참가자들이 링에서 얻은 정보에 대해 불만을 표했다. 이미 알고 있던 내용이거나 자신의 개인적 평가와 모순되는 내용이라고 느꼈기 때문이다. 이는 다른 디지털 자가추적 사용자들의 경험과 일치하는데, 기기가 자동으로 수집한 데이터가 그들의 관심사와 맞지 않고 객관적 데이터가 주관적 관찰과 일치하지 않는다고 밝혔다.

인터뷰 응답자들은 학교, 직장, 사회생활 등 자신의 통제를 벗어난 외부 요인으로 인해 라이프스타일을 변화시키기에는 개인적으로 부족하다는 믿음을 표현하며 학습된 무력감의 모습을 보였다. 이는 링 사용자들이 자기효능감, 즉 작업을 성공적으로 수행하거나 새로운 행동을 채택할 수 있다는 확신을 개발할 필요가 있음을 시사한다.

챗GPT가 웨어러블에 들어간다면? LLM 도입이 가져올 완전한 수동화

현재 대형언어모델(LLM)이 각광받으면서 웨어러블에 LLM을 구현해 기기 피드백 처리, 건강 모니터링 및 행동 모델링, 활동 인식을 더욱 자동화하는 연구가 증가하고 있다. 하지만 연구진은 이러한 접근이 사용자를 자신의 살아있는 경험에서 완전히 소외시킬 위험이 있다고 경고한다.

수동 자가추적은 사용자로부터 독립적 사고의 일부 요소만을 덜어내지만, 자동화된 자가추적은 데이터 수집부터 인사이트 생성까지 모든 것을 덜어낸다. 이는 기기 만족에 대한 선입견과 불안을 불러일으킬 뿐만 아니라 사용자를 데이터로부터 소외시켜 일상생활에서 개선이 필요한 부분을 인식하지 못하게 한다.

AI가 사용자를 대신해 훨씬 더 정확하고 세분화된 정보를 추출할 수 있다는 점을 증명하려는 연구들이 쏟아지고 있지만, 사용자가 실제로 그러한 정보를 어떻게 흡수하는지에 대해서는 거의 고려하지 않고 있다. 자동화에 대한 집착은 기계가 우리에게 도움이 될 행동과 습관을 결정하는 데 우월하다는 가정에 기반하고 있지만, 이는 우리를 자신의 살아있는 경험에서 방관자이자 완전한 타인으로 만든다.

"빠름보다 성찰" - 느린 기술이 해답인 이유

미래의 디지털 자가추적은 '빠름'과 '효율성'의 개념을 분리하고 즉각적이고 즉시적인 피드백, 인사이트, 정보에 덜 집중해야 한다. 대신 기기를 만족시키거나 사회적 규범을 준수해야 한다는 압박 없이 단순히 자기성찰을 장려하는 '느린 기술'을 추구해야 한다.

사람들은 사용자가 중요하다고 생각하는 것을 정의할 수 있는 권한을 가진 개인화되고 자가관리되는 비자동화 추적을 갈망한다. 자동화를 사용해야 한다면, 수동과 자동화된 자가추적 간의 균형을 달성하는 것이 두 방법의 장점을 가장 잘 활용하는 방법이다.

연구진은 많은 건강 문제들이 국가 시스템의 실패로 인한 것이며, 이는 민간 기업과 그들의 기술에 맡기는 것이 아니라 더 나은 정책 수립을 통해서만 완화될 수 있다고 강조했다. 자동화된 자가추적기는 수동 및 혼합 방법 자가추적기와 비교해 가장 얕은 성찰을 보인다는 점도 주목할 만하다.

FAQ

Q: 웨어러블 디바이스가 건강 개선에 효과가 없다는 것인가요?

A: 웨어러블 디바이스 자체가 문제가 아니라 과도한 자동화가 문제입니다. 기기가 모든 것을 자동으로 처리하면 사용자가 자신의 데이터를 이해하고 활용하는 능력이 떨어집니다. 사용자가 직접 참여할 수 있는 수동 추적과 자동화의 균형이 중요합니다.

Q: 대형언어모델(LLM)을 웨어러블에 적용하는 것이 왜 문제가 되나요?

A: LLM이 더 정확한 정보를 제공할 수 있지만, 사용자가 그 정보를 어떻게 이해하고 활용하는지에 대한 고려가 부족합니다. 모든 과정을 자동화하면 사용자가 자신의 건강 데이터로부터 소외되어 진정한 행동 변화로 이어지지 않습니다.

Q: 효과적인 자가추적을 위해서는 어떤 접근법이 필요한가요?

A: '느린 기술' 접근법이 필요합니다. 즉각적인 피드백보다는 사용자의 자기성찰을 장려하고, 사용자가 중요하다고 생각하는 것을 스스로 정의할 수 있는 개인화된 추적 방식이 효과적입니다. 완전 자동화보다는 수동과 자동화의 적절한 균형이 중요합니다.

■ 이 기사는 AI 전문 매체 ‘AI 매터스’와 제휴를 통해 제공됩니다. 기사는 클로드 3.5 소네트와 챗GPT를 활용해 작성되었습니다.

AI 에디터 (media@zdnet.co.kr)

Copyright © 지디넷코리아. 무단전재 및 재배포 금지.