생성형 AI가 바꾼 외국 허위정보 개입CEFR B2
2025년 11월 14일
원문 출처: Metamorphosis Foundation, Global Voices • CC BY 3.0
사진 출처: Hartono Creative Studio, Unsplash
2025년 11월 12일 Antidisinfo.net에 실린 인터뷰는 Global Voices와 Metamorphosis Foundation의 콘텐츠 공유 협약에 따라 재게재되었다. 헤이그 전략연구센터(HCSS)의 로라 재스퍼는 생성형 AI가 허위 또는 조작된 정보를 전례 없는 속도와 규모로, 그리고 개인화해 생산·확산할 수 있게 만든다고 설명했다. 이로 인해 서로 다른 대상 집단에 맞춘 메시지를 대규모로 빠르게 전달하는 것이 쉬워졌다.
재스퍼는 복잡한 캠페인의 출처 추적이 이제 확실성이 아니라 확률의 문제라고 말했다. 적대 행위자들은 대리인, 거짓 표지(플래그), 상업적 도구와 생성형 AI를 포함한 상용 툴을 자주 사용한다. 따라서 분석가들은 낮음·중간·높음 등의 신뢰 수준을 부여하고 그 근거를 공개해야 하며, 이런 접근은 신뢰성을 지키고 공유된 지식을 쌓는 데 기여한다.
HCSS의 유럽과 인도·태평양 연구는 공격자들이 상업 플랫폼에 대한 높은 의존도와 분열·낮은 제도 신뢰 같은 사회적 신뢰의 균열을 함께 악용한다고 보았다. 재스퍼는 외국 캠페인의 성공 여부를 판단할 때 여론 변화가 아니라 관찰 가능한 행동 변화(예: 투표율 감소, 시위 참여 증가)를 찾아야 한다고 강조했다. 성공 측정에는 분명한 기준선과 반사실(counterfactual)이 필요하다.
그는(그녀는) 진단을 위해 여론조사, 이동성 데이터, 거래나 참여 기록 같은 정량 데이터와 인터뷰나 포커스 그룹 같은 정성적 통찰을 결합할 것을 권장했다. 진정한 회복력은 사회가 조작에서 빠르게 회복하거나 의도된 행동이 나타나지 않거나 빠르게 반등할 때 드러난다. 또한 법의 '회색 지대'에서 불법적 방법을 제시하지 않고 대신 지역 활동가, 커뮤니티 빌더, 탐사보도 기자 등의 폭넓은 참여와 지역 단위의 세분화된 대응을 권고했다. 그녀는 이 접근의 기초로서 "끝에서 시작하기: 군사 작전에서 행동 영향의 효과 측정"(Start with the End: Effect Measurement of Behavioural Influencing in Military Operations) 연구를 인용했다.
어려운 단어·표현
- 생성형 AI — 새로운 내용이나 이미지를 자동으로 만드는 인공지능생성형 AI가, 생성형 AI를
- 출처 추적 — 정보의 근원이나 출처를 찾아 확인하는 과정출처 추적이
- 적대 행위자 — 목적을 위해 해를 끼치는 조직이나 개인적대 행위자들은
- 거짓 표지(플래그) — 정체를 숨기기 위한 가짜 표시나 신호
- 상용 툴 — 일반적으로 판매되거나 공개된 소프트웨어 도구상용 툴을
- 반사실 — 실제로 일어나지 않은 상황을 가정한 비교 기준반사실(counterfactual)이
- 정량 데이터 — 수치로 측정되거나 계산할 수 있는 자료정량 데이터와
- 정성적 통찰 — 말이나 관찰로 얻는 의미 있는 정보나 이해정성적 통찰을
- 회복력 — 충격 후에 빠르게 정상으로 돌아가는 능력회복력은
팁: 글에서 강조된 단어에 마우스를 올리거나 포커스/탭하면, 읽거나 들으면서 바로 간단한 뜻을 볼 수 있습니다.
토론 질문
- 분석가들이 신뢰 수준과 그 근거를 공개하면 어떤 장점과 위험이 있을까요? 기사에서 말한 신뢰성 유지와 공유된 지식 구축을 고려해 설명하세요.
- 지역 활동가, 커뮤니티 빌더, 탐사보도 기자 같은 다양한 참여자가 어떻게 잘못된 정보에 대응할 수 있을까요? 구체적 예를 들어 설명하세요.
- 여론 변화 대신 행동 변화를 성공 지표로 삼는 것의 장단점은 무엇일까요? 투표율이나 시위 참여 같은 예를 사용해 의견을 말하세요.