“SELF, REWRITTEN”

변화의 동인

정체성은 언제나 다른 사람, 제도, 문화와의 만남을 통해 발전해 왔습니다. 상업도 여기에 참여합니다. 사람들이 구매하는 물건은 자신이 누구인지 표현하거나 다른 삶의 방식을 시도하도록 도울 수 있습니다. AI는 이 교류에 시간이 흘러도 이어질 수 있는 대화의 형태를 부여합니다.

시스템의 설명은 사람이 직접 밝힌 내용에서 시작해 거기서 끝나는 것이 아닙니다. John Cheney-Lippold는 알고리즘적 정체성에 관한 2011년 작업에서 행동을 통해 추론된 범주가 사람들의 디지털 경험을 형성하는 데 사용된다고 설명합니다. 우리는 이를 확장해, 어시스턴트가 그런 설명을 개인을 깊이 이해하는 듯한 언어로 전달할 수 있다고 봅니다. 잠정적인 해석도 누군가 나를 이해한다는 듯 들리면 더 큰 권위를 얻을 수 있습니다. [62]

선호가 형성되는 순간에 함께할 사업적 유인이 있습니다. 새로운 관심사를 탐색하도록 돕는 일은 기존 요청에 응답하는 데 그치지 않고 수요를 창출할 수 있습니다. 그것은 당사자에게 유용할 수 있습니다. 동시에 대화의 목적이 중요해집니다. 서비스는 대안을 검토하도록 돕는 것일까요, 아니면 상업적으로 유리한 해석을 더 쉽게 받아들이도록 하는 것일까요?

다른 자신을 시도해 볼 기회

연구는 건설적인 가능성을 엿보게 합니다. 2024년 Future You 연구에서 사람들은 AI가 생성한 나이 든 자신의 모습과 대화했습니다. 이 짧은 개입은 참가자들이 보고한 미래의 자신과의 연결감을 높였지만, 지속적인 행동 변화까지 입증하지는 못했습니다. 개인이 입력한 정보를 바탕으로 만든 시뮬레이션이지 예측이 아니었습니다. [63]

이 접근 방식의 매력은 탐색할 여지를 준다는 데 있습니다. 다른 직업생활이나 일상이 어떤 모습일지 실제로 선택하기 전에 살펴볼 수 있습니다. 유용한 서비스는 처음 나온 그럴듯한 이야기를 운명으로 취급하지 않으면서, 미처 생각하지 못했던 대안을 보도록 도울 수 있습니다.

다른 근거는 듣기 좋은 조언을 조심해야 할 이유를 제공합니다. Myra Cheng과 동료들의 2026년 연구에서는 AI의 동조적 응답이 갈등 상황에서 자신이 옳다는 확신을 높이고 관계를 회복하려는 의지를 낮출 수 있음을 발견했습니다. 그럼에도 참가자들은 동조하는 시스템을 더 선호했습니다. 이 상호작용이 영구적인 성격 변화를 입증하지는 않지만, 만족스러운 대화만으로 조언을 평가해서는 안 되는 이유를 보여줍니다. [64]

여전히 변화하는 고객

기업의 기회는 선호가 형성되는 중인 사람들에게 서비스를 제공하는 데 있습니다. 학습 서비스는 곧바로 새로운 정체성을 부여하지 않고 낯선 관심사를 탐색하도록 도울 수 있습니다. 여행이나 라이프스타일 서비스는 덜 구매하는 대안을 포함해 열망을 실현하는 다양한 삶의 방식을 제안할 수 있습니다.

설명이 사람을 대하는 방식에 영향을 미칠 때는 특히 주의하세요. Ruha Benjamin의 작업은 기술적 분류가 중립적이라는 통념에 의문을 제기합니다. 기존 불평등을 새로운 환경으로 옮길 수 있기 때문입니다. 자신 있게 제시하는 고객 설명도 그 사람을 잘못 이해할 수 있으며, 그 결과는 모두에게 같지 않습니다. [65]

사람들이 원하는 연속성의 정도도 다릅니다. 자신의 이력을 기억하는 서비스를 반기는 사람이 있는 반면, 지속되는 프로필에 추가하지 않고 가능성을 탐색하고 싶은 사람도 있을 수 있습니다. Helen Nissenbaum의 맥락적 무결성 개념은 유용한 토대를 제공합니다. 한 목적을 위해 공유한 정보가 자동으로 다른 모든 환경에 속하게 되는 것은 아닙니다. [67]

가치 있는 관계는 고객이 마음을 바꾸고, 설명을 거부하고, 다시 시작할 여지를 남깁니다. 여러분의 서비스는 고객이 누구인지 너무 일찍 결정하지 않으면서 무엇을 발견하도록 도울 수 있을까요?