글로벌연합대학 버지니아대학교 
   인공지능융합연구소장 이현우교수 

​오늘날 우리는 인공지능(AI)이 만들어낸 거대한 정보의 파도 속에 살고 있습니다. 

흥미로운 점은 이 기술이 야기한 문제와 한계를 다시금 AI 기술과 데이터에 대한 집요한 탐구로 해결하려는 '청년들의 시도'가 이어지고 있다는 사실입니다. 

대학생들이 개발한 뉴스 편향성 분석 앱 '다시 스탠드'와 최신 LLM(거대언어모델)의 성능을 검증한 학생의 데이터 분석 사례는, 

단순한 기술적 성취를 넘어 우리가 지향해야 할 정보의 균형과 객관성에 대해 깊은 성찰을 요구합니다. 

​1. 알고리즘의 편향, AI로 균형을 잡다: '다시 스탠드'의 시사점
​국내 대학생들이 개발한 '다시 스탠드'는 LLM을 활용해 뉴스의 정치적 편향성을 분석하고 사용자에게 균형 잡힌 시각을 제공합니다. 

이는 '알고리즘에 의한 정보 편향성의 역설'을 정면으로 마주한 결과입니다. 

​[이슈 분석] 필터 버블의 붕괴와 기술의 목적성
​현재의 소셜 미디어와 뉴스 추천 시스템은 사용자의 클릭과 체류 시간을 극대화하기 위해 설계되었습니다. 

이 과정에서 개인의 성향에 맞는 정보만을 지속적으로 노출하는 '필터 버블(Filter Bubble)'과 '확증 편향(Confirmation Bias)'이 강화됩니다. 

이는 필연적으로 사회적 양극화와 신뢰의 붕괴를 초래합니다. 

​주목할 점은 이들이 AI가 야기한 문제를 회피하는 것이 아니라, 오히려 더 고도화된 기술을 통해 '해결책'을 제시했다는 것입니다. 

단순히 기사를 나열하는 것이 아니라, 진보·중도·보수 등 성향별 관점의 차이를 AI가 직접 요약하고 비교 분석합니다. 이는 기술 자체가 문제가 아니라, 

'기술을 설계하는 목적'이 중요함을 시사합니다. 미국의 '그라운드뉴스'처럼 정보 편향성을 객관적으로 인지하려는 시장의 요구가 국내에서도 구체화되고 있는 것입니다. 

​[실천 방안]
다양성을 위한 알고리즘과 플랫폼의 책임
​이러한 시도는 우리에게 구체적인 실천 과제를 던져줍니다. 

• ​AI 개발의 목적성 전환: AI 모델 개발 시 단순한 '참여(Engagement)' 지표를 넘어 '관점의 다양성(Viewpoint Diversity)'을 핵심 성과 지표(KPI)로 설정해야 합니다. 

기술을 활용해 의도적으로 편향을 제거하고 건전한 담론을 유도하는 기능 설계가 필수적입니다.
• ​사용자 교육 및 도구 제공: 사용자가 자신의 정보 소비 패턴을 인지할 수 있도록 돕는 '데이터 시각화' 도구가 필요합니다.  

내가 주로 소비하는 뉴스의 성향과 놓치고 있는 반대 관점을 시각적으로 보여줌으로써 비판적 사고를 유도해야 합니다.
• ​플랫폼의 사회적 책임 강화: 정보 유통 플랫폼은 편향성 문제를 방관해서는 안 됩니다. 

자체적인 분석 시스템을 도입하거나 외부 독립 서비스와의 연동을 통해, 사용자에게 '균형 잡힌 시각'이라는 선택지를 의무적으로 제공하는 방안을 고려해야 합니다.
• ​우리 역시 AI 기술을 다루는 플랫폼으로서, 화려한 기술 혁신 소식 뒤에 가려진 잠재적 위험성이나 소외된 목소리를 간과하는 '기술 중심적 확증 편향'을 경계해야 할 것입니다. 

특정 기술을 다룰 때 긍정적 평가뿐만 아니라 비판적 시각과 윤리적 쟁점을 함께 제공하여, 독자가 사안을 입체적으로 볼 수 있도록 돕는 '균형 잡힌 큐레이션'이 필요한 시점입니다. 

​2. 최신 모델의 성능 검증: 제미나이 3와 데이터의 힘
​한편, AI 기술의 발전 속도는 현기증이 날 만큼 빠릅니다. 최근 구글이 발표한 '제미나이 3(Gemini 3)'를 포함한 최신 모델들의 성능 경쟁은 이를 증명합니다. 

여기서도 학생 연구자의 데이터 분석이 빛을 발했습니다.
​[이슈 분석] 1주일 차이로 갈리는 '최강'의 타이틀
​순천향대학교 컴퓨터소프트웨어공학과 구유겸 학생이 공개한 모델별 최고/최저점 그래프 분석에 따르면, 최근 출시된 제미나이 3, 클로드 3.7, GPT-4.5가 전체 성적에서 나란히 1~3위를 차지했습니다. 

불과 일주일 차이로 출시된 최신 모델들이 상위권을 독식했다는 점은 기술의 발전 주기가 얼마나 짧은지를 보여주는 동시에, 최신성이 성능의 핵심 지표가 되고 있음을 시사합니다.
​특히 제미나이 3는 강력한 멀티모달 기능과 에이전트 능력, 그리고 코딩 능력에서 역대 최강의 성능으로 꼽히고 있습니다. 

구글은 이를 두고 "전례 없는 수준의 깊이와 뉘앙스를 이해할 수 있도록 설계된 최첨단 추론 능력"이라고 강조했습니다. 

​[실천 방안] 객관적 검증과 투명한 정보 공유
​기업의 화려한 발표 뒤에 숨겨진 실질적인 성능 차이를 검증하는 것은 사용자들의 몫이 되었습니다. 구유겸 학생은 

"아직 제미나이 3 프로를 많이 사용해본 것은 아니지만, 

비전(시각) 능력을 포함해 다방면에서 성능이 많이 개선됐음을 확인할 수 있었다"고 평했습니다.
​이는 단순한 감상이 아닌, 깃허브(GitHub)를 통해 공개된 구체적인 실험 데이터에 기반한 것입니다. 

우리는 이러한 객관적 데이터를 통해 마케팅 용어에 현혹되지 않고 기술의 실체를 파악해야 합니다.

 AI 뉴스를 접할 때 기업의 보도자료를 넘어, 학계와 개발자 커뮤니티의 '교차 검증된 분석'을 함께 살피는 태도가 중요합니다. 

​'다시 스탠드'를 개발한 학생들과 모델 성능을 분석한 학생 연구자는 AI 시대에 우리가 지켜야 할 '균형 감각'과 '비판적 사고'의 중요성을 

일깨워줍니다. 기술에 함몰되지 않고 기술을 도구로 삼아 더 나은 정보 환경을 만들려는 이들의 노력은, 우리 사회가 지향해야 할 AI 시대의 

이정표가 되어주고 있습니다. 

이현우교수
heir201933@gmail.com