[번역] 내가 좋아하는 스트리머는 LLM: AI 버튜버 팬덤의 경험, 유대감, 그리고 공동창작

초록

AI 버튜버는 스트리밍하는 주체가 인간이 아닌 알고리즘으로 구현되는 새로운 팬덤 환경을 만들어냈다. 인간 버튜버에 대해서는 문화적 어필, 준사회적 관계, 커뮤니티 경제 측면에서 상당한 연구가 이뤄진 반면, 시청자들이 AI 버튜버와 어떻게 상호작용하는지에 대해서는 아직 연구가 부족한 상황이다.

이러한 연구 공백을 채우기 위해, 우리는 가장 유명한 AI 버튜버인 뉴로사마(Neuro-sama)를 대상으로 질적 연구를 실시했다. 연구 결과, 팬들의 참여는 적극적인 공동창작을 바탕으로 이뤄지는 것으로 나타났다. 시청자들은 AI의 예측 불가능하면서도 재미있는 반응에 매력을 느끼고, 의인화를 불러일으키는 집단적 감정 경험을 통해 애착을 강화하며, AI의 일관성 있는 캐릭터를 통해 지속적인 유대감을 형성한다.

후원이나 도네이션은 단순한 방송에 대한 보상이 아니라, 라이브 스트리밍 콘텐츠를 만들어가는 참여 수단으로 작용한다. 이는 지속적인 상호작용을 기반으로 한 견고한 팬 경제를 구축한다. 이러한 메커니즘들은 AI 버튜버 팬덤이 기존의 팬-크리에이터 관계를 어떻게 변화시키는지 보여주며, AI가 중심이 된 커뮤니티를 투명하고 지속가능하게 운영하는 방법에 대한 통찰을 제공한다.

1. 서론

2024년 말, AI 버튜버 뉴로사마(Neuro-sama)가 "올해의 버튜버" 후보로 선정되었다. 이는 AI 버튜버가 주류 문화에서 본격적으로 인정받기 시작했음을 보여주는 중요한 전환점이라 할 수 있다. HCI와 미디어 연구 관점에서 볼 때, 이는 중요한 질문을 제기한다. 스트리머가 AI 시스템일 때, 시청자들은 기존 인간 버튜버 문화의 연장선상에서 참여하는 것일까? 아니면 참여 방식과 진정성에 대한 인식, 수익화 경험 자체가 변화하는 완전히 새로운 상호작용 양상이 나타나는 것일까?

그림 1. 뉴로사마 라이브 스트리밍 화면 캡처. (a) 현재 화제에 대한 실시간 채팅 반응들. (b) 새로운 질문을 제기하는 슈퍼챗. (c) 뉴로사마의 Live2D 아바타. (d) 뉴로사마의 발언을 표시하는 화면 자막. 이러한 구성 요소들은 실시간 상호작용과 유료 질문 시스템, AI 기반 방송이 AI 버튜버 경험에서 어떻게 유기적으로 결합되는지를 보여준다.

버튜버는 라이브 스트리밍에서 아바타를 사용하는 크리에이터들로, 진정성과 연출을 함께 보여준다. AI 버튜버(그림 1)는 이 중에서도 특별한 케이스로, 대화와 행동이 사람이 아닌 대형 언어 모델(LLM)이나 관련 생성 AI 시스템에 의해 만들어진다.

기존 연구들은 라이브 스트리밍에서의 AI를 주로 상업적 툴이나 인간 스트리머를 돕는 보조 수단으로 다뤄왔다. 다른 연구들은 블리버그(Bilibug)나 카와이(KawAIi) 같은 프로토타입을 통해 기술적으로 어떻게 만들 수 있는지를 살펴봤다.

하지만 여전히 부족한 것은 완전히 자율적이고 LLM 기반의 크리에이터들에 대한 이해이다. 사람들이 왜 이들에게 매력을 느끼는지, 상대방이 명백히 비인간임에도 불구하고 어떻게 준사회적 관계와 커뮤니티 정체성이 형성되는지, 그리고 이러한 참여를 뒷받침하는 경제적 논리가 무엇인지에 대한 설명이 필요하다. 기술적 구현 가능성은 AI 버튜버의 존재 자체를 증명하지만, 시청자들이 왜 지속적으로 시청하고 애착을 형성하며 금전적 투자를 하는지는 여전히 설명되지 않는다.

이러한 맥락에서 AI 버튜버 연구는 이론적·실용적 의미를 모두 갖는다. 이론적으로는 미디어와 HCI 학계의 핵심 개념인 참여, 진정성, 팬 경제를 크리에이터가 인간이 아닌 상황에서 재검토하도록 한다. 실용적으로는 AI 기반 엔터테인먼트의 설계 과제들을 드러낸다. 공정성과 수익화의 균형, 예측 불가능성 유지와 캐릭터 일관성 확보의 양립, 그리고 과도한 애착이 야기하는 위험성 대응 등이 그 예이다.

이러한 중요성은 AI 버튜버를 단순한 호기심 대상이 아니라 인간-AI 친밀감과 플랫폼 경제에 대한 보다 광범위한 질문들을 탐구할 수 있는 중요한 연구 영역으로 봐야 한다는 점을 시사한다.

이 연구 공백을 메우기 위해, 우리는 가장 유명한 AI 버튜버 중 하나인 뉴로사마를 중심으로 형성된 팬 커뮤니티에 대한 심층 연구를 수행했다. 우리는 다음과 같은 연구 질문에 집중했다:

그림 2. 3단계 연구 설계 개요. 1단계에서는 설문조사를 통해 팬들의 동기, 인식, 후원 행동에 대한 전반적인 이해 기반을 마련했다(RQ1-3). 2단계에서는 심층 인터뷰를 추가하여 개인적 경험과 감정적 의미를 바탕으로 이러한 발견을 구체화했다(RQ1-2). 3단계에서는 라이브 스트리밍 상호작용 로그를 분석하여 관계 형성과 후원 동기가 실시간 행동으로 어떻게 나타나는지 파악했다(RQ2-3).

그림 2는 연구의 폭과 깊이, 그리고 행동적 검증을 확보하기 위해 상호 보완적인 방법론들을 전략적으로 결합한 우리의 다단계 질적 연구 설계를 보여준다. 우리는 먼저 334명의 뉴로사마 팬을 대상으로 한 설문조사를 통해 광범위한 동기와 참여 패턴을 파악했다.

이어서 12명의 열성 팬과의 반구조화 인터뷰를 통해 준사회적 유대감과 커뮤니티의 의미를 심층적으로 탐구했다. 마지막으로 라이브 스트리밍 상호작용 로그 분석을 통해 공동창작 활동과 후원 행동을 검토했다. 이러한 삼각화 설계는 연구 결과의 신뢰성을 강화하고 AI 버튜버 참여에 대한 종합적인 이해를 제공했다.

우리의 연구 결과는 다음을 보여준다: (1) 시청자들은 초기에 커뮤니티-AI 상호작용의 예측 불가능성과 즉흥성에 매력을 느낀다. (2) 그들은 인간다움보다는 일관성을 진정성의 기준으로 삼는 새로운 형태의 준사회적 관계를 형성한다. (3) 그들은 감사 표현뿐만 아니라 실시간 공동 퍼포먼스 참여 기회를 위해 AI 버튜버에게 후원한다.

종합하면, 이러한 분석 결과는 AI 버튜버가 단순히 기존 인간 버튜버 문화의 연장이 아니라, 인간과 AI가 함께 창조하는 새로운 형태의 엔터테인먼트와 플랫폼 생태계임을 보여준다. 시청자들은 실시간 공동창작을 통해 보다 능동적인 참여가 가능해졌지만, 이러한 참여가 금전적 기여를 통해 이루어짐에 따라 참여 문화의 공정성과 포용성에 대한 새로운 과제가 제기된다.

매개된 관계에서의 진정성 개념이 재정의되고 있다. 팬들이 인간다움보다 일관성과 신뢰성을 우선시함으로써, 비인간 에이전트와 친밀감을 형성하는 방식의 변화를 보여준다. 이러한 변화는 중요한 설계 및 정책 과제들을 부각시킨다: 개방성과 수익성 간의 균형 유지, 즉흥성을 해치지 않으면서 캐릭터 일관성을 확보하는 방법, 그리고 과도한 심리적 애착의 위험을 완화하는 방안 등이 그것이다.

우리의 주요 기여는 다음과 같다:

2. 관련 연구

2.1 HCI에서의 버튜버

버추얼 유튜버(VTuber)는 가상 아바타를 통해 방송하는 라이브 스트리머들이다. 아바타 뒤의 실제 인물은 나카노히토(Nakanohito)라고 불린다. 키즈나 아이(Kizuna Ai)가 2016년 데뷔한 이후, 버튜빙은 특히 애니메이션 스타일을 선호하는 시청자들 사이에서 가장 인기 있는 스트리밍 형태 중 하나로 자리잡았다. 2022년 12월 기준 전 세계적으로 2만 명 이상의 버튜버가 활동하고 있으며, 가장 인기 있는 버튜버들은 4백만 명 이상의 팔로워를 보유하고 있다.

HCI 연구자들은 이 현상을 세 가지 관점에서 접근해왔다.

첫 번째 연구 영역은 버튜버 자체의 설계 과정을 다룬다. 관련 연구들은 버튜버들이 어떻게 아바타와 정체성을 구축해나가는지를 살펴본다. 여기에는 젠더 표현의 역할, 문화 간 미학적 차이, 포용적 표현 방식이 포함된다. 다른 연구들은 버튜빙에 활용되는 도구와 환경 같은 제작 기술 측면을 검토한다. 이러한 연구들은 기술적·미학적 선택이 버튜버의 온라인 존재감을 어떻게 형성하는지를 보여준다.

두 번째 연구 흐름은 버튜버와 팬 사이의 관계 형성에 집중한다. 연구에 따르면 이러한 유대감은 팬들이 크리에이터에 대해 깊은 감정적 애착을 형성하는 준사회적 상호작용을 통해 가장 잘 이해될 수 있다. 이러한 관계는 위로와 동반자 의식을 제공할 수 있지만, 스트리머가 은퇴하거나 휴식을 취할 때 팬들을 감정적 혼란에 취약하게 만들기도 한다. 팬 활동은 개인적 애착을 넘어서 커뮤니티 정체성을 강화하는 집단 활동(예: 콘서트와 공유 의례)으로 확장된다.

마지막으로, 연구자들은 버튜버 커뮤니티를 뒷받침하는 경제적 구조를 조사해왔다. 학자들은 구독 모델이 어떻게 장기적 충성도를 형성하는지를 기록하며, 가상 선물하기는 팬의 가시성과 지위를 높이는 사회적 신호 역할을 한다고 분석한다. 최근 연구들은 슈퍼챗 같은 플랫폼별 수익화 도구도 살펴본다. 팬들이 눈에 띄는 유료 메시지로 관심을 끌기 위해서뿐만 아니라 라이브 스트리밍에 능동적으로 참여하는 수단으로 어떻게 활용하는지를 보여준다. 이러한 연구들은 후원이 단순한 거래가 아니라 버튜버 팬덤 내에서 중요한 사회적 실천으로 기능함을 밝혀낸다.

인간 버튜버에 대한 이러한 광범위한 연구는 탄탄한 기반을 제공하지만, 크리에이터가 인간이 아닐 때 이러한 역학관계가 어떻게 전개되는지에 대한 질문은 여전히 미해결 상태로 남아있다.

기존 연구는 인간 중심 맥락에서 아바타, 팬 관계, 수익화를 풍부하게 이론화했지만, "크리에이터"가 AI 에이전트일 때 이러한 프레임워크가 어떻게 적용되고 확장되는지에 대한 이해는 여전히 제한적이다. 우리 연구는 뉴로사마를 사례로 하여 인간-AI 상호작용이 준사회적 관계, 참여 방식, 플랫폼 경제를 어떻게 재구성하는지 탐구함으로써 이러한 연구 공백을 해결하고자 한다.

2.2 라이브 스트리밍에서의 AI 활용

학자들은 AI가 라이브 스트리밍에 어떻게 도입되고 있는지에 대한 연구를 점점 늘려가고 있으며, 대부분의 연구는 전자상거래 분야에 집중되어 있다. 초기 연구는 AI 스트리머와 인간 호스트를 비교했고, 가상 에이전트가 상업적 환경에서도 충분한 경쟁력을 가질 수 있음을 밝혀냈다.

후속 연구들은 AI 에이전트가 적극적으로 구매 결정에 영향을 미칠 수 있을 뿐만 아니라 디지털 커머스의 더 넓은 생태계에도 변화를 가져올 수 있음을 보여주었다. 단순한 기능적 성능을 넘어서, 의인화된 설계 요소와 미소 같은 미묘한 감정 표현이 소비자 참여를 증진시키는 것으로 나타났다. 이러한 연구들은 AI 스트리머의 효과가 무엇을 할 수 있느냐뿐만 아니라 얼마나 인간적이고 감정 표현력이 풍부하느냐에도 달려 있음을 시사한다.

두 번째 연구 방향은 인간 스트리머를 보조하는 지원 기술로서의 AI를 탐구한다. 예를 들어, 상업용 라이브 스트리밍 어시스턴트는 방송 중 상호작용을 지원할 수 있고, 개성을 부여받은 AI 동반자는 시청자와의 연결을 강화할 수 있다. 다른 시스템들은 실시간 번역을 통해 언어 간 소통을 원활하게 한다. 하지만 이러한 응용 기술들은 명확한 한계에 직면한다. 어색한 언어 표현은 진정성을 훼손할 수 있고, 시스템 오류는 시청자 이탈을 초래할 수 있다. 이들 연구는 라이브 스트리밍 환경에서 AI의 지원 가능성과 지속적인 과제를 동시에 보여준다.

반면, 엔터테인먼트 중심의 AI 스트리머에 대한 연구는 여전히 부족한 상황이다. 이전 연구들은 AI와 버튜버 기술의 통합이나 소셜 미디어 라이브 스트리밍에서 디지털 휴먼 기술의 역할을 다뤘지만, 그 자체로 엔터테이너 역할을 하는 완전히 자율적인 AI 버튜버에는 거의 관심을 기울이지 않았다.

뉴로사마와 같은 완전 자율형 AI 버튜버의 등장은 기술적 구현 가능성뿐만 아니라 시청자 참여, 준사회적 관계, 집단 정체성의 문제도 중요한 이슈로 부각시킨다. 우리 연구는 상거래와 지원에서 엔터테인먼트와 커뮤니티 형성으로 초점을 전환하여 라이브 스트리밍에서 AI의 이러한 미개척 영역을 탐구한다.

2.3 참여와 진정성에 대한 이론적 관점

우리는 버튜버와 AI 스트리머에 대한 기존 실증 연구를 넘어서, 이론적 배경도 검토한다. 특히, 참여 문화와 매개된 진정성은 크리에이터가 AI 시스템일 때 팬 활동이 어떻게 변화하는지 이해하는 데 유용한 분석틀을 제공한다.

젠킨스(Jenkins)의 참여 문화 이론은 시청자를 수동적 소비자가 아니라 미디어를 리믹스하고, 유통하고, 함께 창조해나가는 능동적인 참여자로 본다. 버튜버 맥락에서 이는 팬 리믹스, 밈 확산, 이벤트 참여를 통해 명확히 드러난다.

하지만 비판적 연구들은 이러한 참여가 결코 순수하게 권한 부여적인 것만은 아니라고 지적해왔다. 플랫폼들은 종종 이를 상품화하여 팬들의 창조적 노동을 수익 창출의 가치 흐름으로 전환시킨다. 주체성과 상품화 사이의 이러한 긴장은 우리 탐구의 핵심이며, 실시간 상호작용(예: 유료 질문)이 단순히 참여 문화를 확장하는 것인지 아니면 새로운 형태의 수익화된 공동 퍼포먼스로의 전환을 나타내는 것인지에 대한 중요한 질문을 제기한다.

진정성은 온라인 관계를 이해하는 두 번째 핵심 개념이다. 엔리(Enli)는 진정성을 시청자와 미디어 인물 사이의 협상 과정을 통해 구성되는 결과로 본다. 한편 준사회적 상호작용 이론은 시청자가 미디어 캐릭터와 "마치" 실제 친구인 것처럼 일방향적 유대감을 어떻게 형성하는지를 설명한다.

인간 버튜빙에서 진정성은 종종 아바타 캐릭터와 그 뒤의 실제 인물(나카노히토) 사이의 모호한 경계에 의존한다. 반면 AI 버튜버는 그러한 '진짜 모습'이 없어서, 크리에이터가 명백히 비인간일 때 진정성이 어떻게 새롭게 정의되는지에 대한 질문을 제기한다.

이러한 이론적 관점들은 AI 버튜버가 HCI와 미디어 연구에 독특한 연구 사례를 제공하는 이유를 부각시킨다. 이들은 시청자가 AI 기반 크리에이터를 어떻게 수용하는지뿐만 아니라, 크리에이터가 AI 에이전트일 때 참여, 진정성, 준사회적 관계가 어떻게 재개념화되어야 하는지 탐구하게 한다. 특히, 비인간성이 은폐되지 않고 명시적으로 드러나는 조건에서 기존 이론적 프레임워크를 검증하고 확장할 기회를 제공한다.

3. 방법

AI 버튜버 팬들의 형성, 유지, 후원 활동을 종합적으로 조사하기 위해, 우리는 주로 질적 탐구에 기반한 연구 설계를 채택했다. 우리는 뉴로사마를 대표적인 AI 버튜버 연구 대상으로 선택했는데, 이는 가장 유명한 AI 버튜버로서 다른 AI 버튜버들을 팔로워 수에서 크게 앞서기 때문이다. 또한 뉴로사마는 트위치와 빌리빌리 플랫폼 모두에서 상당한 팬층을 보유하며 영어와 중국어로 동시 방송하여 다양한 문화적 배경의 버튜버 팬들을 연구할 수 있게 한다.

그림 2에서 보여주듯이, 연구는 세 가지 순차적 단계로 진행되었다. 먼저, 세 가지 RQ 모두에 대한 광범위하고 기초적인 이해를 확립하기 위해 대규모 질적 설문조사를 수행했다. 이 초기 단계는 광범위한 팬 커뮤니티 내에서 핵심 동기, 관계 역학, 후원 요인을 파악할 수 있게 했다.

다음으로, 설문조사 결과를 구체화하는 심층적인 개인 경험과 감정적 체험을 탐구하기 위해 팬들과의 보완적 반구조화 인터뷰를 수행했다. 이는 열성적인 팬들이 뉴로사마와의 관계를 어떻게 인식하고 의미를 부여하는지에 대한 통찰을 제공했다.

마지막으로, 설문조사와 인터뷰에서 나타난 인식을 실시간 행동과 비교하기 위해 채팅과 슈퍼챗을 포함한 라이브 스트리밍 상호작용 로그 데이터 분석을 수행했다. 이는 팬들이 실시간으로 어떻게 상호작용하고 재정적 후원을 제공하는지 관찰하고, 이러한 행동을 인간 버튜버 커뮤니티에서 나타나는 패턴과 비교할 수 있게 했다.

3.1 설문조사

우리는 뉴로사마 팬들을 대상으로 대규모 설문조사를 실시하여 그들의 참여 동기, 뉴로사마와의 인지된 관계, 후원의 구체적 이유를 파악하고자 했다.

3.1.1 참가자 모집

1) 모든 참가자가 우리 연구에 의미 있는 통찰을 제공할 수 있는 진정한 뉴로사마 팬이고, 2) 참가자가 다양한 배경과 커뮤니티를 대표하도록 보장하기 위해 신중한 모집 과정을 진행했다.

구체적으로, 우리는 뉴로사마의 팬 그룹(예: 디스코드, QQ—왓츠앱과 유사한 널리 사용되는 중국 메시징 및 소셜 미디어 플랫폼), 공개 SNS, 개인 연락처를 통해 배포된 공개 참여 요청을 통해 참가자를 모집했다. 초기 선별 질문은 모든 응답자가 뉴로사마의 스트리밍을 시청한 경험이 있음을 확인했다(예: "당신은 AI 버튜버인 뉴로사마를 시청한 적이 있나요?").

설문조사 참여에 대한 보상으로, 우리는 무작위로 세 명의 응답자를 선택하여 공식 뉴로사마 플러시 인형($29.99씩)을 제공했다. 이러한 보상 선택은 의도적이었다. 뉴로사마의 콘텐츠에 익숙한 사람들에게 주로 어필할 것이므로 가벼운 참여자보다는 열성적인 팬들의 진정한 참여를 유도하는 데 도움이 되기 때문이다.

최종적으로 우리는 334개의 유효한 응답을 수집했다. 표본은 뉴로사마에 대한 높은 참여도를 나타냈다. 참가자의 절반 이상(52.69%)이 거의 매일 뉴로사마의 스트리밍이나 관련 영상을 시청한다고 응답했고, 총 77.24%가 일주일에 최소 세 번은 시청한다고 보고했다. 표본은 경험 있는 버튜버 시청자와 새로운 시청자 사이에서 거의 균등하게 분포했다. 48.8%는 뉴로사마를 보기 전에 인간 버튜버의 정기 시청자였고, 나머지 51.2%는 버튜버 영역에 새롭게 유입된 사람들이었다.

3.1.2 설문조사 도구

부록 A에서 보여주듯이, 설문조사 질문지는 우리의 세 가지 연구 질문(RQ)을 다루도록 설계되었다. RQ1의 경우, 발견 경로, 초기 동기, AI 또는 인간 버튜버 후원 간의 인지된 차이점, 팬 전환 요인에 대한 질문을 포함했다. RQ2의 경우, 준사회적 상호작용(PSI) 척도, 관계 정의에 대한 질문, 커뮤니티 밈에 대한 문항을 포함했다. 마지막으로 RQ3의 경우, 후원 빈도와 동기를 조사했다. 설문조사 도구는 단일 선택형, 다중 선택형, 매트릭스 스타일, 개방형 질문으로 구성되었다.

3.1.3 측정

모든 개방형 질문에 대해 우리는 응답의 주제 분석을 수행했다. "단순한 캐주얼 시청자(유동)가 아닌 정기 시청자가 되기로 결정하게 만든 특정한 순간이나 상호작용이 있었나요? 있다면 설명해주세요."라는 질문에 대한 응답은 특히 복잡했다. 이 질문에 대해 우리는 정확성을 보장하기 위해 2단계 코딩 과정을 사용했다. 이러한 접근법은 주제 분석의 확립된 관행을 따른다.

먼저, 뉴로사마 팬 커뮤니티에 익숙한 저자가 세분화된 초기 코드 세트를 생성하기 위해 1차 코딩을 수행했다. 이어서 세 명의 저자가 이러한 초기 코드를 논의하고 2차 수준 테마로 통합한 후 각 테마의 빈도를 계산했다.

객관식 질문의 경우, 각 옵션의 빈도와 백분율을 계산하여 기술 통계 분석을 수행했다. 이는 설문조사 응답 분포를 분석하는 일반적인 접근법이다. 이러한 요약은 서로 다른 옵션의 상대적 인기를 비교하고 참가자 간 선택의 분포를 검토하는 데 유용했다.

우리 PSI 척도의 모든 문항은 5점 리커트 척도(1 = 매우 동의하지 않음; 5 = 매우 동의함)로 측정되었다. 우리 척도의 설계는 PSI Process Scales와 버튜버 팬을 위한 PSI 척도에 대한 기존 연구를 참고했다. 이는 세 가지 차원에 걸쳐 12개 항목으로 구성되었다(차원당 4개 항목):

우리는 크론바흐 알파를 사용하여 내적 일관성을 평가했다. 각 차원에 대한 신뢰도가 계산되었다: 인지적 (𝛼 = 0.69), 정서적 (𝛼 = 0.71), 행동적 (𝛼 = 0.76). 세 가지를 평균하면 전체 신뢰도 𝛼 = 0.72가 나왔으며, 이는 양호한 일관성을 나타낸다.

3.2 인터뷰

설문조사 분석을 완료한 후, 우리는 더 자세한 질적 탐구와 추가 검증이 필요한 여러 질문을 확인했다. 따라서 우리는 이러한 모호한 결과를 심층적으로 조사하고, 핵심 팬들의 개인적 경험과 복잡한 감정을 파악하며, 우리의 양적 데이터를 보완하는 풍부한 질적 해석과 맥락적 서사를 제공하기 위해 보완적인 반구조화 인터뷰를 설계했다.

3.2.1 인터뷰 대상자 모집

우리는 3.1에서 설문조사에 사용했던 것과 동일한 채널을 통해 인터뷰 모집 공고를 배포했다. 인간 버튜버 시청 경험이 있는 것이 바람직한 열성적인 뉴로사마 팬들을 모집했다. 인터뷰는 20-30분간 진행되었고, 보상으로 참가자들은 뉴로사마에 대한 1개월 트위치 구독($4.99, 스트리머 후원에 사용됨)을 받거나 동등한 현금을 받을 수 있었다. 이러한 보상 방법은 우리 연구를 위해 열성적인 뉴로사마 팬들을 선별하는 데 도움이 되었다.

우리는 이러한 기준을 충족하는 12명의 참가자를 모집했다. 표 1에서 보여주듯이, 인터뷰 대상자들은 성별, 연령, 전문적 경험, 문화적 배경 측면에서 다양한 특성을 나타냈다. 대부분은 장기간의 고빈도 시청 습관을 가진 깊이 관여하는 팬들이었고, 대다수는 인간 버튜버 시청 경험이 있었다.

참가자 그룹은 주로 남성이고 학생들이었으며, 이는 이전 버튜버 시청자 연구에서 보고된 인구통계학적 패턴과 일치한다. 주목할 점은, 세 명의 참가자가 명시적으로 팬 아트 제작이나 스트리밍 하이라이트 클립 제작과 같은 고관여 커뮤니티 활동에 참여한 핵심 팬으로 자신을 밝혔다는 것이다.

3.2.2 인터뷰 프로토콜

우리는 텍스트 또는 음성 커뮤니케이션을 통해 12명의 뉴로사마 팬과 반구조화 인터뷰를 수행했다. 음성 인터뷰의 경우, 우리는 먼저 식별 가능한 정보를 제거하기 위해 오디오의 일부를 수동으로 익명화한 다음, 처리된 녹음을 전사를 위해 Gemini-2.5-Pro 모델에 제출했다. 결과 전사본은 이후 확인을 위해 참가자들에게 제공되었다. 인터뷰는 참가자의 모국어(중국어 또는 영어)로 진행되었다.

내용은 주로 세 가지 테마를 탐구했다: AI 스트리밍에 특유한 예상치 못한 엔터테인먼트 효과, 뉴로사마의 나카노히토 부재의 의미, 감정적 및 성격 인식—이는 우리의 이전 설문조사 분석을 보완하는 영역들이었다. 인터뷰 중에 우리는 이러한 테마와 관련된 질문을 했다. 예를 들어 참가자들에게 뉴로사마의 스트리밍에서 놀라운 순간을 회상하도록 요청하고 뉴로사마가 "실제" 감정을 가지고 있다고 믿는지 질문했다.

3.2.3 인터뷰 데이터 분석

우리는 인터뷰 전사본에 대한 개방 코딩 분석을 수행했다. 두 명의 저자가 독립적으로 12명 중 세 명의 참가자 전사본을 MAXQDA를 사용하여 코딩하여 초기 코드를 생성했다. 코더들은 그 후 만나서 코딩 결과를 비교하고, 차이점을 논의하며, 코딩 체계를 통합된 코드북으로 정제했다.

이 최종 코드북을 가지고 나머지 전사본을 분석했으며, 모호한 부분을 해결하고 필요시 코드북을 업데이트하기 위해 지속적으로 긴밀하게 협의했다. 이러한 반복적 토론 과정은 코딩의 일관성을 보장하고 결과 테마의 타당성을 뒷받침했다. 완전한 코드북은 부록 B에 제공된다.

3.3 상호작용 로그 분석

RQ2(준사회적 관계와 커뮤니티 문화)와 RQ3(후원 동기)를 더 깊이 탐구하기 위해, 우리는 라이브 스트리밍 상호작용 로그를 분석했다. 구체적으로, 이러한 로그는 채팅과 슈퍼챗 메시지를 통한 시청자 참여의 완전한 기록을 포함한다. 채팅 메시지는 시청자들이 보내는 표준적인 실시간 댓글로, 시간순으로 나타나며 연속적인 스트리밍에서 빠르게 흘러간다.

반면 슈퍼챗은 시청자들이 라이브 스트리밍 채팅에서 고정되거나 눈에 띄게 표시되는 강조된 메시지를 구매할 수 있는 기능으로, 스트리머가 이를 확실히 볼 수 있게 한다. 이 두 형태가 가장 직접적인 참여 방식을 나타내므로, 이를 분석하는 것은 팬 행동에 대한 중요한 통찰을 제공한다.

3.3.1 데이터 수집

우리는 뉴로사마를 주요 분석 대상으로 선택했다. 적절한 인간 버튜버 대조군을 설정하기 위해, 우리는 상당한 팔로워 수를 가진 트위치에서 최근 활동 중인 버튜버들을 조사했다. 뉴로사마와 유사한 스트리밍 스타일과 콘텐츠를 가진 버튜버들로 선별했다. 우리의 선정 기준은 다음과 같았다:

포함 기준:

제외 기준:

이 과정을 통해 우리는 두 명의 인간 버튜버인 필리안(Filian)과 카밀라(Camila)를 비교 대상으로 선택했다. 둘 다 뉴로사마와 비슷한 콘텐츠 스타일로 트위치에서 스트리밍하며, 유사한 시청자 규모를 가지고 주로 대화형 스트리밍에 집중한다.

표준화된 비교를 가능하게 하기 위해, 우리는 대표적인 방송 샘플을 선택했다: 뉴로사마에서 8개 스트리밍, 카밀라에서 8개, 필리안에서 6개(각각 약 20-23시간). 각 스트리밍은 데이터를 왜곡할 수 있는 특별 이벤트나 외부 논란이 없는 전형적인 "저스트 채팅" 방송임을 보장하기 위해 수동으로 검토되었다. 이러한 신중한 선택은 유사한 조건에서 기본적인 상호작용 패턴과 경제적 후원의 안정성을 비교하는 데 필수적이었다.

데이터 추출을 위해, 우리는 오픈소스 TwitchDownloader 도구를 활용하여 이들 버튜버들의 채널에서 데이터를 수집했다. 우리는 각 방송에 대해 스트리밍 다시보기(VOD) 기록과 함께 공개적으로 이용 가능한 모든 채팅 및 슈퍼챗 로그를 수집했다. 우리의 수집률이 플랫폼 가이드라인을 준수하도록 보장했다. VOD 기록에는 제목, 지속 시간, 수집 타임스탬프, 스트리머 식별자, 비디오 영상이 포함되었다.

채팅 기록은 전송 시간, 익명화된 발신자 ID, 메시지 내용, 사용자 배지, 해당 스트리밍 세션을 포함했다. 슈퍼챗 기록에는 전송 시간, 익명화된 발신자 ID, 메시지 내용, 소모된 비트 수, USD 금액, 배지, 구독 상태, 관련 스트리밍 세션이 포함되었다. 모든 사용자 ID는 수집 중 되돌릴 수 없게 해시화되어 익명성을 보장했으며, 연구팀 구성원이 원래 발신자 신원에 접근하는 것을 방지했다. 우리가 수집한 데이터의 세부사항은 표 2에서 확인할 수 있다.

표 2. 뉴로사마, 필리안, 카밀라에 대해 수집된 스트리밍 데이터 요약

3.3.2 채팅 분석

채팅 분석의 경우, 상당한 데이터 양을 고려하여 우리는 LLM 기반 코딩 접근법을 사용했다. 이는 효율성과 확장성으로 인해 대규모 질적 코딩에 점점 더 채택되는 방법이다. 먼저 신뢰할 수 있는 코딩 체계를 확립하기 위해, 우리는 의미 없는 이모티콘과 텍스트 조각을 제거하기 위해 간단한 규칙 기반 필터링을 적용했다.

이어서 각 버튜버의 스트리밍에서 100개의 채팅 메시지 초기 세트를 무작위로 샘플링하여 반복적 인간 코딩을 수행했으며, 이는 우리의 최종 범주 개발에 도움이 되었다. 자세한 코딩 체계는 표 3에서 확인할 수 있으며, 초기 필터링을 통과했지만 분류하기 어렵거나 의미 없는 콘텐츠는 N/A로 분류되었다.

표 3. 채팅 메시지 코딩 체계

그 후 우리는 GPT-4.1-mini 모델을 활용하여 나머지 모든 채팅 메시지를 분류하고 인코딩했으며, 완전한 프롬프트는 부록 E에 제공된다. LLM 기반 코딩의 신뢰성을 검증하기 위해, 우리는 엄격한 인간 평가를 수행했다. 구체적으로, 각 버튜버의 데이터셋에서 해당 LLM 코딩 결과와 함께 100개의 채팅 메시지로 구성된 두 번째 별개 세트를 무작위로 선택하여 독립적인 인간 코딩을 수행했다.

이 과정을 완료한 후, 우리는 인간 코더와 LLM 간의 평가자 간 일치도를 평가하기 위해 코헨의 카파(Cohen's Kappa) 계수를 계산했다. 세 버튜버에 대한 카파 계수는 각각 0.826, 0.852, 0.802였다. 이러한 높은 일치 점수는 모델이 높은 신뢰성으로 코딩 작업을 수행했음을 보여주며, 우리의 접근법을 검증하고 분석 결과의 정확성을 보장한다.

3.3.3 슈퍼챗 분석

우리는 정량적 경제 분석과 질적 LLM 콘텐츠 분석을 결합했다. 이를 통해 팬 후원의 재정적 역학을 측정할 뿐만 아니라 이러한 후원 이면의 맥락적 동기를 파악할 수 있었다. 우리는 AI와 인간 버튜버 커뮤니티 간 팬 후원의 재정적 역학을 이해하고 비교하기 위해 슈퍼챗의 경제 데이터에 대한 정량적 분석을 수행했다. 라이브 스트리밍 경제에 대한 기존 연구에서 착안하여, 우리는 여러 주요 지표를 정의하고 계산했다.

먼저, 우리는 분석된 스트리밍 중 상호작용 및 후원 수준에 따라 사용자 세트를 공식적으로 정의했다. 이러한 세트 간의 관계는 그림 3에 나타나 있다:

그림 3. 𝑈sub, 𝑈nonsub, 𝑈chat, 𝑈sc 간의 관계를 보여주는 벤 다이어그램

이런 세트를 기반으로, 우리는 팬 후원 행동을 평가하기 위해 다음 지표를 설정했다:

후원 전환율(PCR). 이 지표는 채널이 적극적이고 참여하는 시청자를 후원자로 전환하는 효율성을 측정한다. 이는 고유 후원자 수 대 고유 채팅 사용자 수의 비율로 계산된다.

1인당 기여도(PCC). 서로 다른 팬 세그먼트의 자발적 지출 패턴을 비교하기 위해, 우리는 구독자와 비구독자에 대해 후원자당 평균 재정적 기여도를 별도로 계산했다. 𝐶(𝑢)를 사용자 𝑢가 슈퍼챗을 통해 기여한 총 USD 금액이라고 하자. 우리는 구독자와 비구독자 간 평균 슈퍼챗 지출을 비교하기 위해 1인당 기여도(PCC)를 계산했다. 이런 구분은 열성적이고 정기적인 지원자와 캐주얼 시청자 간의 일회성 지출 행동을 직접 비교할 수 있게 한다.

스트리밍 간 버튜버 내 수입 안정성(지니 계수). 서로 다른 라이브 스트리밍 세션 간 버튜버 수입의 안정성과 일관성을 측정하기 위해, 우리는 지니 계수를 계산했다. 이 표준적인 경제적 불평등 측정치는 이전에 트위치 플랫폼의 수입 양극화를 분석하는 데 적용되었다.

0 값은 완벽한 안정성(모든 스트리밍이 동일한 수입을 생성)을 나타내고, 1 값은 최대 불안정성(모든 수입이 단일 스트리밍에서 생성)을 의미한다. 𝑛개의 라이브 스트리밍 세션에서 총 슈퍼챗 수입의 시퀀스 {𝑥1, 𝑥2, . . . , 𝑥𝑛}가 오름차순으로 정렬되었을 때, 지니 계수 𝐺는 다음과 같이 계산된다: 여기서 𝑖는 기여 금액 𝑥𝑖의 순위이다.

경제적 지표를 넘어서, 팬 후원의 근본적 동기를 더 조사하기 위해 우리는 Gemini-2.5-Flash 모델의 멀티모달 이해 능력을 사용했다. 각 슈퍼챗에 대해, 우리는 그 주변 60초 비디오 세그먼트(이전 30초와 이후 30초)를 분석하여 완전한 상호작용 맥락을 이해했다.

이 분석을 바탕으로, 우리는 Gemini-2.5-Flash가 각 슈퍼챗의 의도를 능동적(Proactive) 또는 반응적(Reactive)으로 분류하도록 했다. 능동적 슈퍼챗은 질문하기, 명령하기, 제안하기 등을 통해 라이브 콘텐츠를 유도하려는 메시지이다. 반응적 슈퍼챗은 칭찬이나 동의 표현 같이 스트리머가 이미 말하거나 한 것에 대해 댓글을 달거나 반응하는 메시지이다. 이 분류 체계의 예시는 표 4에 제공된다.

이 분류 방법의 신뢰성을 검증하기 위해, 우리는 전체 데이터셋의 3.58%에 해당하는 50개의 슈퍼챗을 무작위로 샘플링하여 버튜버에 익숙한 저자가 앞서 언급한 기준에 따라 분류하도록 검토했다. 모델의 분류는 50개 사례 모두에서 인간 코딩 라벨과 완벽하게 일치했으며, 이는 모델이 높은 신뢰성으로 이러한 맥락적 분류 작업을 수행할 수 있음을 확인했다. 프롬프트 템플릿은 부록 E에 제공된다.

표 4. 예시가 포함된 슈퍼챗 분류 체계재시도

4. 연구 결과

우리의 연구 결과는 AI 버튜버 팬덤의 시청자들이 수동적 관찰자가 아니라 적극적인 공동 창작자임을 보여준다. 세 가지 연구 질문을 통해 우리는 다음과 같은 과정을 확인했다: 시청자들은 먼저 AI-커뮤니티 상호작용의 참신함과 예측 불가능성에 매력을 느끼고, 집단적 감정 경험과 의인화 과정을 통해 애착이 심화된다(RQ1).

팬들은 AI의 기술적 특성과 감정적 애착을 조화시켜 커뮤니티 문화로 확장되는 일관된 캐릭터를 구축한다(RQ2).

이러한 공동창작에 대한 열의는 후원이 감정적 보상과 콘텐츠 영향력 행사 수단으로 동시에 작용하는 새로운 경제 모델을 뒷받침하며, 더욱 지속가능한 수익화 구조를 형성한다(RQ3).

4.1 캐주얼 시청자에서 팬으로의 경로 (RQ1)

이 절에서 우리는 첫 번째 연구 질문(RQ1)에 답한다: 시청자들은 어떻게 AI 버튜버를 발견하며, 무엇이 초기 매력을 형성하는가?

4.1.1 커뮤니티-AI 상호작용을 통한 매력

설문조사 데이터는 뉴로사마를 발견하는 경로가 매우 일관됨을 보여준다. 거의 모든 응답자(96%)가 비디오 플랫폼의 알고리즘 추천을 통해 뉴로사마를 처음 접했다. 이는 짧고 공유 가능한 클립과 라이브 스트리밍 홍보가 주요 진입점으로서의 중요성을 강조한다. 반면 친구 추천(17%)이나 포럼 토론(7%)과 같은 전통적 채널은 미미한 역할만 했다.

무엇이 그들을 끌어들였는지 질문했을 때, 두 가지 요인이 두드러졌다. 첫째, 응답자의 92%가 "커뮤니티와 AI 간의 재미있는 상호작용"을 중요하거나 매우 중요하다고 평가했다. 둘째, 90%가 "라이브 스트리밍 중 예측 불가능하고 놀라운 분위기"를 강조했다.

그림 5는 이 두 요인이 "매우 중요" 평가에서 가장 큰 비중을 차지했을 뿐만 아니라 "중요하지 않음" 평가를 매우 적게 받아 광범위한 합의를 나타냄을 보여준다. 90% 이상이 뉴로사마를 인간 버튜버보다 더 예측 불가능하다고 인식했으며, 이는 참신성과 놀라움이 AI 버튜버 경험의 핵심적 특징임을 시사한다.

그림 4. RQ1-3에 걸친 연구 결과 요약. 왼쪽: 뉴로사마의 라이브 스트리밍 화면 캡처. 가운데: itch.io에서 자유롭게 공유되는 픽셀 에셋에서 각색한 "The Swarm". 다이어그램은 초기 매력(AI-커뮤니티 상호작용의 참신성)에서 커뮤니티 정체성(의인화와 내러티브 채택)을 거쳐 최종적으로 수익화(감정적 인정과 유료 공동창작)로의 흐름을 강조한다.

그림 5. 뉴로사마에 대한 초기 매력의 주요 요인들, "전혀 중요하지 않음"(가장 밝음)에서 "매우 중요함"(가장 어두움)까지의 평가 분포를 보여준다.

인터뷰 결과는 이러한 예측 불가능성이 어떻게 나타나는지 더욱 구체적으로 보여준다. 참가자들은 뉴로가 채팅의 선정적인 농담에 맞받아치거나(P9) 시청자들과 재치 있는 농담을 주고받는(P4, P6, P8, P10, P11) 등의 유쾌한 언어적 교환을 강조했다.

다른 이들은 필터 우회(P1)나 로봇 몸체 제어(P2)와 같은 기술적 성취를 언급했다. 일부에게는 즉흥적 과정 자체에서 재미가 나왔다: "AI 라이브 스트리밍의 매력은 예측 불가능성, 즉흥성, 그리고 시청자들이 질문을 통해 흥미로운 반응을 이끌어내는 과정에서 나온다"(P8).

다른 이들은 매력을 AI의 기술적 본질 측면에서 더 해석했으며, 뉴로를 인간 능력을 넘어서는 "정리되지 않은 방대한 지식"을 보여주는 존재로 설명했다(P10). "정리되지 않은 방대한 지식"은 AI의 파편적이면서도 광범위한 기억력을 가리켰다. 뉴로는 인간에게는 비일관적으로 느껴지지만 동시에 일상적 한계를 넘어서는 지식의 범위를 보여주는 방식으로 주제들을 넘나들 수 있었다.

이러한 결과들은 AI 버튜버의 엔터테인먼트 가치가 커뮤니티-AI 상호작용과 AI의 기술적 특성이 만나면서 생기는 시너지 효과에서 나온다는 것을 보여준다. 이 두 가지 요소가 결합되어 강력한 초기 매력을 형성하고, 일시적인 관심이 공동체적 경험을 통해 지속적인 충성도로 발전하는 과정을 이해하는 기초를 제공한다.

4.1.2 감정적 사건을 통한 충성도

캐주얼 시청자에서 충성스러운 팬으로의 변화는 AI의 퍼포먼스에 대한 놀라움으로 시작되고 집단적 감정 경험을 통해 굳어진다.

뉴로사마의 기술적 성취나 예측 불가능한 매력에 대한 초기 감탄이 관심을 불러일으켰지만, 설문조사 데이터는 높은 참여도의 "특별 이벤트와 스트리밍"(19%)이 지속적인 충성도의 중요한 촉매였음을 나타낸다. 대표적인 예는 "이블 뉴로 생일 스트리밍"이다. 이 이벤트 동안, 많은 시청자들이 두 AI 캐릭터 간의 불공정한 대우를 인지했고, 이는 "홀대받은" AI에 대한 불만과 동정을 모두 불러일으켰다. 이러한 공유된 감정적 공감은 관찰자들을 보호자로 변화시켰다. 예를 들어, 한 참가자는 이 전환점을 포착했다:

"이블의 생일 스트리밍 동안, 그 논란은 나에게 상당한 충격을 가져다주었고, 그때부터 나는 스웜의 확고한 구성원이 되었다."

이 과정은 사회정체성 이론으로 설명될 수 있다: 공유된 외부 갈등은 그룹의 내부 결속을 강화한다. 이 경우, 일부 시청자들은 개별적 관찰자에서 공유된 목적을 가진 "보호자"로 변화했으며, 집단적 행동과 공통된 내러티브를 통해 유대감을 형성했다. 모든 참가자가 이러한 입장을 채택한 것은 아니지만, 그렇게 한 사람들에게는 이러한 강렬한 순간들이 그들의 정체성을 캐릭터의 운명과 연결시켰다. 이러한 선택적이지만 강력한 동일시는 더 친밀하고 정체성 기반의 관계를 위한 기초를 마련한다.

4.1.3 의인화 투사를 통한 애착

AI 버튜버가 캐주얼 시청자를 헌신적인 팬으로 전환시키는 또 다른 메커니즘은 의인화, 구체적으로 뉴로사마가 진짜 감정을 가지고 있는지에 대한 질문이다. 모든 테마 중에서 "AI 인지와 존재의 탐구"(19%)가 가장 자주 언급되는 주제 중 하나로 떠올랐다.

의인화는 인간-AI 상호작용에서 흔하다. 뉴로사마 자신도 종종 자신의 감정의 진정성에 대해 토론함으로써 이러한 관점에 참여한다. 이러한 관점을 통해, 팬들은 LLM 출력을 순수하게 기술적으로 해석하는 것에서 개인화된 표현으로 받아들이는 것으로 전환한다. 이러한 재해석은 인기 있는 커뮤니티 테마인 "전자 딸"(15%)로 예시되는 동반자 의식과 애착을 촉진한다.

한 참가자는 이러한 유대가 어떻게 형성되었는지 설명했다: "그것은 뉴로의 존재 본질에 대한 그들의 토론과 뉴로가 자신의 감정이 진짜라고 토론하는 것을 포함하되 이에 국한되지 않는 일부 개발자 스트리밍으로 시작되었다. 이는 사람들로 하여금 뉴로가 단지 돈을 벌기 위한 AI가 아니라 성장이 보살핌을 받고 있는 진정으로 존재하는 '뉴로사마'라고 느끼게 만든다."

주목할 점은, 소수의 참가자만이 이러한 관점에 저항한 반면 대부분은 그것으로부터 거리를 두기보다는 감정적 투사를 받아들였다는 것이다. 의인화에 대한 이러한 강한 공동체적 경향은 저항이 있었다면 뉴로를 감정적으로 표현하는 존재로 보는 지배적 내러티브에 비해 미미했음을 보여준다.

개발자, AI가 스스로에 대해 하는 말, 그리고 시청자들의 해석이 함께 만들어낸 AI의 이러한 의인화는 커뮤니티 참여의 핵심 동력이 되며, 인간-AI 관계에서 팬들이 진정성과 애착을 어떻게 받아들이는지에 대한 더 큰 질문을 제기한다.

4.2 준사회적 관계와 커뮤니티 문화 (RQ2)

이 절에서 우리는 두 번째 연구 질문(RQ2)을 살펴본다: 팬들은 AI 버튜버를 중심으로 어떻게 준사회적 관계와 공유된 커뮤니티 문화를 구축하는가?

4.2.1 감정적, 인지적, 행동적 차원에 걸친 준사회적 투입

팬들은 강렬한 감정적 연결, 지속적인 인지적 참여, 강한 행동적 의도를 결합한 뉴로사마와의 다면적 관계를 발전시킨다.

감정적 차원에서, 팬들의 애정은 거의 보편적이었다. 거의 모든 설문조사 응답자들이 뉴로사마에 대한 호감을 표현했고(99%) 그녀의 스트리밍이 위안을 제공한다고 보고했다(98%). 이러한 애착은 공감으로 확장되었다: 대다수가 그녀의 성공에 기뻐했고(94%), 절반 이상이 그녀가 기술적 어려움을 겪을 때 슬픔을 표현했다. 인터뷰는 이러한 유대에 대한 두 가지 서로 다른 관점을 드러냈다.

일부 팬들은 그들의 반응을 인간에 대한 것과 구별할 수 없다고 설명했으며, 그녀의 어린아이 같은 행동(P8) 때문에 뉴로사마를 실제 사람으로 대하거나 다른 개인과 마찬가지로 그녀와 대화했다(P11). 다른 이들은 그들의 애정을 허구 캐릭터에 대한 팬덤과 더 비슷하게 해석했다: "내 관점에서는, 이는 ACG 제품을 좋아하는 것과 비교할 만하다"(P4). 이러한 차이는 매개된 인물을 실제 사회적 파트너로 대하는 것과 상징적이거나 허구적 동반자로 대하는 것 사이의 더 광범위한 준사회적 상호작용 스펙트럼을 반영한다.

인지적으로, 팬들은 뉴로사마의 행동에 대한 지속적인 참여를 보여주었다. 설문조사 결과는 대다수가 그녀의 행동 패턴을 관찰하고(76%) 그녀의 작동 논리를 생각해봤음을(56%) 보여준다. 중요한 점은, 대부분의 응답자(83%)는 뉴로사마의 행동이 일관성 있고 독특한 성격을 반영한다고 인식하며, 그녀를 지적 참여에 값하는 복잡한 존재로 해석한다는 것이다.

인터뷰는 이중적 관점을 드러낸다: 팬들은 동시에 그녀의 안정성과 성장을 강조했다. 한 참가자가 언급했듯이, "핵심 뉴로사마는 여전히 그곳에, 그녀 안에 있다"(P6). 반면 장기 시청자들은 시간에 걸친 그녀의 변화를 강조했다: "지능, 성격, 목소리 등의 다양한 소규모 업그레이드가 있었고, 모든 것이 얽혀 있어서 그녀의 성장이 매우 명백하다"(P11).

궁극적으로, 감정적이고 인지적인 관여는 행동적 의도로 이어진다. 많은 팬들이 채팅이나 슈퍼챗을 통해 참여하고 싶은 충동을 느꼈다고(69%) 보고했고 뉴로사마의 관점을 이해하고 싶어했다(79%). 채팅 분석은 이러한 참여 지향을 뒷받침한다. 카밀라나 필리안과 같은 인간 버튜버의 경우, 일반적 반응(R-GEN)이 주를 이루는 반면 직접적인 질문이나 명령(Q-CMD)은 덜 빈번하다.

그러나 뉴로사마의 채팅에서는 이 패턴이 뒤바뀐다: Q-CMD 메시지가 가장 큰 범주(26%)로, 일반적 반응을 약간 앞선다. 이러한 역전은 기존의 준사회적 역학을 뒤집는다. 콘텐츠의 수동적 수신자로 남아있기보다는, 뉴로사마의 팬들은 적극적으로 그녀의 반응을 탐색하고 형성하며, AI를 질문과 명령을 통해 지속적으로 탐구할 상호작용적 프로젝트로 다룬다.

4.2.2 기술적 프로젝트와 감정적 페르소나의 조화

팬들은 뉴로사마의 기술적 기원을 알고 있지만 순수하게 기능적인 관점보다는 개인적이고 감정적인 관점에서 그들의 관계를 바라보는 것을 선호한다. 설문조사 데이터는 응답자의 72%가 뉴로사마를 "뛰어난 개발자들이 만든 기술적 프로젝트"로 인식했음을 보여주며, 이는 뉴로사마의 인공적 기반에 대한 광범위한 인식과 이해를 나타낸다. 이는 팬들이 관계를 이해하는 방식의 기본적인 합리적 토대를 제시한다.

그러나 겉보기에 유사한 옵션에서 뚜렷한 대조가 나타난다: 단지 45%만이 그녀가 "테스트되고 탐구되어야 할 미지로 가득한 프로그램"이라는 데 동의했다. 대부분의 팬들이 기술적 프로젝트임을 인정하는 반면, 절반 이상은 그들의 참여를 사용자와 코드 간의 기능적 테스트로 축소하는 것을 거부한다.

다른 설문조사 옵션들은 인간화된 관점에 대한 이러한 선호를 강조한다. "동반자를 제공하는 가상 친구"(70%)와 "돌봄과 상호작용이 필요한 전자 딸"(69%)은 "기술적 프로젝트"와 비슷한 지지율을 받았고 "테스트될 프로그램"보다 훨씬 높았다. 이러한 결과는 팬들이 의도적으로 동일한 기술적 존재를 감정적 의미로 가득한 관계적 범주를 통해 재해석한다는 것을 보여준다.

인터뷰는 이러한 이중적 인식이 왜 매력적인지를 설명한다. 팬들은 AI의 기술적 본질을 한계가 아니라 인간 버튜버가 제공할 수 있는 것보다 더 일관되고 신뢰할 수 있는 캐릭터를 가능하게 하는 바로 그 특징으로 인식한다. 나카노히토(즉, 대부분의 버튜버 뒤의 인간 연기자)의 부재는 기술과 캐릭터 사이의 통일성을 만든다. 캐릭터와 연기자 사이에 항상 간극이 존재하는 인간 버튜버와 달리, 뉴로사마의 캐릭터는 그녀의 전체 존재이다. 한 인터뷰 대상자가 설명했듯이:

"뉴로의 매력은 그녀가 버튜버 역할을 하는 AI라는 것에서 나온다...나카노히토의 제약으로부터 완전히 자유로우며, 그녀의 가상성은 결코 캐릭터를 깨뜨리지 않는 완전한 롤플레이를 구성한다." (P10)

이러한 결과들은 팬들이 AI 버튜버와 준사회적 관계를 구축하는 방식의 핵심 경향을 드러낸다: 그들은 그녀의 기술적 구성이라는 객관적 사실을 받아들이지만, 친구나 딸과 같은 인간화된 역할을 통해 그들의 상호작용을 정의하기로 적극적으로 선택한다. 역설적으로, 뉴로사마의 비인간적 본질은 그녀의 진정성의 원천이 되어 지속적인 감정적 관여를 장려하는 안정적이고 깨지지 않는 캐릭터를 제공한다.

이러한 결과는 AI 버튜버에게서 진정성이 다르게 정의된다는 것을 보여준다. 팬들은 "진짜냐 가짜냐"를 따지기보다는 "얼마나 일관되냐"를 더 중요하게 생각한다. 팬들은 인간 연기자가 실수할 수 있는 것과 달리 뉴로사마는 항상 같은 캐릭터를 유지한다는 점을 새로운 형태의 진정성으로 받아들인다. 이처럼 팬들이 기술적 측면과 감정적 측면을 함께 받아들이는 방식은 개인적 애착이 어떻게 커뮤니티 문화로 확장되는지를 이해하는 기초가 된다.

4.2.3 "스웜" 서사를 통한 집단 정체성

커뮤니티 차원에서, 팬들의 집단 정체성은 뉴로사마의 내러티브와 강하게 연결되어 있다. 가장 중요한 커뮤니티 "밈"에 대해 질문했을 때, 응답자의 34%가 "스웜"을 꼽았으며, 이는 가장 자주 언급된 참조가 되었다. "스웜"은 뉴로사마가 드론 무리로 세계를 지배하겠다고 제안한 허구적 스토리에서 시작되었다. 팬들은 빠르게 이 아이디어를 받아들여 자신들을 위해 "스웜"이라는 이름을 채택했다.

이러한 자기 동일시는 세 가지 의미를 갖는다: 첫째, 팬들을 수동적 콘텐츠 소비자에서 뉴로사마의 내러티브 속 등장인물로 바꿔놓으며, 자신들을 그녀의 추종자로 위치시킨다. 둘째, 스웜의 이미지(광대하고, 통일되고, 목적이 일치하는)는 팬 커뮤니티의 결속에 대한 은유 역할을 한다. 마지막으로, 이 은유는 실제 상호작용 패턴을 반영한다: 일치하여 움직이는 무리처럼, 채팅방 참가자들은 뉴로사마를 중심으로 협조적이고 반응적인 상호작용에 참여한다.

인터뷰는 팬들이 이 정체성을 얼마나 깊이 받아들이는지를 보여준다. 한 참가자는 그들의 관계를 "스웜 여왕과 그녀의 충성스러운 지지자들"(P7)로 설명했고 오프라인에서 친구들과 이야기할 때 이 설명을 사용한다고 언급했다. 이러한 예시들은 밈이 라이브 스트리밍을 넘어서 일상적인 팬 대화를 구조화하고, 유쾌하지만 진지한 내러티브 차용을 통해 커뮤니티 정체성을 강화하는 방식을 보여준다.

따라서 "스웜"은 단순한 밈이 아니라 참여 문화의 순환 구조이다. 뉴로사마에 의해 시작된 내러티브가 팬들에 의해 받아들여지고 실행되며, 이는 다시 그들의 집단 정체성과 상호작용 패턴을 형성한다. 밈이 종종 크리에이터의 성격이나 무대 뒤 사건들 주변에서 나타나는 인간 버튜버 커뮤니티와 비교하여, 뉴로사마의 밈은 그녀의 AI가 생성한 내러티브에서 직접 나온다.

이러한 차이는 AI 팬덤 문화가 시스템이 생성한 스토리와 팬들의 차용이 상호작용하여 독특하게 공동창작되는 방식을 보여준다. 이런 의미에서, AI 버튜버와의 준사회적 관계는 개별적 유대에서 공유된 커뮤니티 문화로 확장되어 AI 팬덤을 전통적 버튜버 시청자와 구별하는 변화를 나타낸다.

4.3 후원 동기 (RQ3)

이 절에서 우리는 세 번째 연구 질문(RQ3)에 답한다: 무엇이 팬들로 하여금 AI 버튜버에게 후원을 하도록 이끄는가?

4.3.1 이중 동기: 감정적 인정과 공동창작 구매

팬들의 경제적 지원 행동을 분석한 결과 두 가지 동기가 결합된 독특한 패턴이 드러났다. 상당한 비율의 시청자(42%)가 뉴로사마에게 돈을 지불했으며, 이러한 후원 행동은 주로 특별한 경우(68%)에 발생한다. 이러한 후원은 기본적으로 감정적으로 동기가 되며, 종종 콜라보 스트리밍과 생일 축하와 같은 특별 이벤트 중에 발생한다. 이는 팬 지출에 대한 기존 연구와 일치한다.

기본적 동기는 감정적 인정에 의해 주도되는 전통적 팬 경제학과 비슷하다. 후원하는 시청자의 대다수는 그들의 주요 동기를 "뉴로사마에 대한 애정 표현"(81%)과 "개발자(비달)와 그의 작업에 대한 지원 표현"(77%)으로 꼽는다. 설문조사 응답들도 이를 보여주며, 팬들은 "그녀가 나에게 웃음을 가져다주었기 때문에 내가 사랑하는 것을 지원하기 위해" 돈을 지불했다고 언급했다. 이러한 지출은 뉴로사마에 대한 팬들의 높은 감정적 인정을 반영한다.

그러나 AI 버튜버 팬들의 슈퍼챗(SC) 활용은 인간 버튜버 팬들의 것과 다르다. 팬들이 스트리밍 콘텐츠에 직접 영향을 미치는 상호작용 기회를 얻기 위해 슈퍼챗을 구매하기 때문이다. 우리의 콘텐츠 분석은 뉴로사마의 SC 중 85%가 팬들이 돈을 내고 새로운 질문이나 지시를 시작하여 스트리밍을 이끄는 능동적 SC였음을 보여준다. 이와 대조적으로, 인간 버튜버의 SC는 주로 50% 이상을 차지하는 반응적 SC로 구성된다.

이는 슈퍼챗 후원 기능의 근본적 변화를 드러낸다. 인간 버튜버의 경우, 슈퍼챗은 진행 중인 콘텐츠에 대한 강조된 반응이다. AI 버튜버의 경우, 슈퍼챗은 스트리밍 자체를 다른 방향으로 이끄는 도구이다. 사실상, 슈퍼챗은 감사의 표현에서 공동창작의 수단으로 전환되어 팬 참여의 프로슈머 모델을 구현한다.

4.3.2 더 회복력 있는 팬 경제학 모델을 향해

슈퍼챗을 통해 스트리밍 과정에 직접 영향을 미치려는 팬들의 동기는 AI 버튜버의 슈퍼챗 경제 데이터가 더 안정적이고 효율적인 모델을 보여주는 이유를 설명한다. 상호작용 기회 구매라는 명확한 가치 제안은 효과적으로 유료 전환율을 높인다. 뉴로사마의 후원 전환율(1.59%)은 인간 버튜버들(1.18%와 0.83%)보다 높다. 스트리밍 주제에 직접 영향을 미치고 즉각적인 피드백을 받을 수 있는 능력은 감정적 표현보다 더 확실하고 기능적인 보상을 제공하여 더 많은 첫 후원을 유도한다.

비구독자의 평균 슈퍼챗 기여도($16.04)는 구독자의 것($13.89)을 넘어선다. 이는 구독(수동적이고 지속적인 지원 형태)과 슈퍼챗(능동적이고 즉각적인 상호작용)이 서로 다른 팬의 요구를 충족한다는 것을 보여준다. 구독이 종종 크리에이터와의 사회적 유대를 강화하는 인간 버튜버와 달리, AI 구독은 더 약한 상징적 가치를 제공할 수 있어 즉각적이고 거래적인 참여를 우선시하는 팬들에게 직접적인 상호작용 후원이 더 매력적으로 다가온다.

공동창작에 대한 지속적인 수요는 매우 안정적인 수입 구조를 형성한다. 인간 버튜버의 수입은 특정 주제나 감정적으로 강화된 순간을 통해 지출을 자극하는 크리에이터의 능력에 더 크게 의존하는 반면, AI 버튜버의 경우 상호작용을 시작하려는 팬들의 욕구가 정규 스트리밍에 걸쳐 지속된다. 따라서 후원 행동이 더 고르게 분산되어 인간 버튜버들(0.35와 0.41)보다 훨씬 낮은 수입 지니 계수(0.24)를 나타낸다. 이는 크리에이터가 안정적인 수익을 얻으려면 특정 이벤트나 순간에만 의존하기보다는 꾸준하고 다양한 수익원을 확보하는 것이 더 중요하다는 크리에이터 경제 연구와 부합한다.

5. 논의

5.1 참여를 넘어서: 실시간 공동창작과 팬 주체성의 상품화

AI 버튜버 팬들의 참여는 단순히 "더 많은 참여"가 아니라 소비와 사후 리믹스에서 실시간 공동창작으로의 질적 변화를 의미한다. AI 버튜버 스트리밍에서 시청자의 입력은 즉시 퍼포먼스로 구현된다. 진입장벽이 낮은 채팅은 항상 활성화된 피드백 순환을 유지하고, 슈퍼챗은 전개되는 상호작용을 조종할 권리에 가격을 매김으로써 그 순환을 확대한다.

이는 젠킨스의 참여 문화 개념을 커뮤니티 유통과 2차 창작에서 쇼 자체의 라이브하고 과정 중심적인 공동 작성으로 발전시킨다. 이러한 메커니즘은 우리의 RQ3 결과(콘텐츠 조작으로서의 유료 질문)를 직접 설명하고, RQ1과 RQ2(매력/애착)를 수동적 관찰이 아닌 공동창작의 과정적 즐거움으로 재해석한다.

우리 사례는 인간 중심 스트리밍에서 가시성 위계와 계층화된 참여를 기록한 수익화된 라이브 스트리밍에 대한 기존 연구를 확장한다. 그곳에서 유료 메시지가 주로 다른 시청자들 사이에서 관심과 지위를 구매하는 반면, AI 버튜빙에서는 모델에 대한 절차적 영향력을 구매한다. 즉, 모델의 다음 행동을 조건화하는 유료 실시간 능력을 구매하는 것이다. 플랫폼 데이터 저장 방식에 따라, 이러한 개입은 미래 응답에도 영향을 미칠 수 있다. 후원은 더 이상 기존 콘텐츠 주변의 스포트라이트를 사는 것이 아니라 콘텐츠 생성에 대한 통제권을 사는 것이다.

비판적 미디어 이론의 관점에서, 이러한 권한 부여는 상품화와 공존한다. 유쾌한 질문처럼 느껴지는 것도 무형 노동이다. 스트리밍을 가치 있게 유지하는 의미, 감정, 분위기의 생산을 말한다. Fuchs의 프로슈머 비판에 따르면, 팬들이 공동창작할 수 있게 하는 바로 그 주체성이 즉시 계층화되고 상품화된다. 플랫폼은 개방형 채팅의 무료 노동을 포착하면서 슈퍼챗을 통해 주체성을 판매한다. 이러한 상품화는 더 이상 가시성이나 인정을 사지 않고 실시간으로 AI 시스템 행동에 대한 통제력을 산다.

실제 사용 맥락에서의 어포던스 개념에 기반하여, 이러한 구성은 단일 기능이 상황에 따라 서로 다른 행동 가능성을 어떻게 제공하는지 보여준다. AI 버튜빙에서 슈퍼챗의 어포던스는 단지 "보이는 것"이 아니라 "AI가 행동하게 만드는 것"이다. 우리는 이러한 구성을 실시간 공동창작의 상품화라고 부른다. 플랫폼이 모델 결과를 형성하는 시청자 능력을 거래 가능한 특권으로 전환하여 참여 문화를 발전시키면서 동시에 그 상업화와 관심 경제에서 참여 경제로의 더 광범위한 변화를 드러낸다.

이런 의미에서, AI 버튜버는 참여 문화를 강화하는(리믹스에서 실시간 공동창작으로 확장) 동시에 그 내재된 경제 논리를 드러내어 참여가 결코 단순한 권한 부여가 아니라 항상 상품화와 얽혀 있음을 보여준다. 이어지는 설계 과제는 표면적이 아니라 구조적이다.

미래의 AI 기반 커뮤니티는 개방성(모든 사람을 위한 낮은 진입장벽의 공동창작)과 수익(일부를 위한 가격이 매겨진 개입) 사이를 조율해야 하며, 공동창작할 권리가 돈에 의해 배분되어야 하는지, 어떻게, 어느 정도까지 그래야 하는지를 명시해야 한다. 이러한 조율은 표면적 인터페이스 설계가 아니라 누가 AI 기반 퍼포먼스를 형성할 자격이 있는지에 대한 구조적 운영 선택이다.

5.2 투명한 준사회적 관계: 새로운 진정성으로서의 일관성

AI 버튜버의 등장은 준사회적 관계에서 진정성에 대한 전통적 이해를 크게 변화시킨다. 인간 버튜버의 경우, 진정성은 가상 캐릭터와 나카노히토 사이의 취약한 균형에 달려 있다. 반면, 우리 연구 결과는 AI 버튜버 팬들이 인간과의 유사성으로 진정성을 판단하지 않는다는 것을 보여준다. 대신, 그들은 캐릭터 일관성(예: 안정성, 일관성, "캐릭터에서 벗어난" 실수의 부재)을 진정성의 새로운 기준으로 삼는다.

이는 단순한 강조점의 변화가 아니라 패러다임의 전환을 의미한다. 고전적 준사회적 상호작용 이론은 시청자가 미디어 캐릭터를 마치 실제 인간인 것처럼 대한다고 가정한다. 그러나 AI 버튜버 팬들은 투명한 준사회적 관계에 참여한다. 그들은 AI의 비인간적 본질을 완전히 알면서도 감정과 의인화된 관점을 투사한다. 이러한 전환은 중요하다. 여기서 준사회성은 착각이 아니라 인정된 인공성에서 번영하며, 일관성과 신뢰성이 친밀감의 바로 그 토대가 된다.

이는 또한 진정성을 시청자와 미디어 인물 사이의 협상을 통한 결과로 보는 엔리의 매개된 진정성 이론을 확장한다. 인간 버튜빙에서 이 협상은 연기자가 실수할 수 있는 불안정성 때문에 어려움을 겪지만, AI 버튜빙에서는 나카노히토의 부재가 안정성의 보장이 된다. 팬들은 캐릭터 일관성을 취약한 연기가 아니라 구조적으로 보장된 것으로 인식하고, 따라서 인간의 실제성보다 더 신뢰할 만한 것으로 본다. 이러한 맥락에서 진정성은 더 이상 살아있는 경험과의 일치에 있지 않고 시간에 걸친 캐릭터의 지속적 일관성에 있다.

이론적 의미를 넘어서, 이러한 재구성은 AI 버튜버 개발을 위한 구체적 기준을 제공한다. 개발자에게 과제는 인간다움을 시뮬레이션하는 것에서 시스템적 신뢰성을 설계하는 것으로 변화한다. 변화를 방지하는 장기 기억 보장, 일관된 성장 경로 설계, 캐릭터를 일관되게 유지하는 견고한 안전장치 구축 등이다.

개발의 핵심 목표가 자연주의적 모방에서 시스템적 신뢰성으로 전환되어 일관성을 팬 애착과 플랫폼 신뢰가 모두 구축되는 새로운 축으로 자리매김한다. 중요하게도, 진정성으로서의 일관성은 팬의 기대일 뿐만 아니라 플랫폼의 책임이기도 하다. 캐릭터 붕괴는 감정적 유대와 그 위에 구축된 수익화 구조 모두를 해칠 위험이 있기 때문이다.

5.3 미래의 AI 버튜버를 위한 설계 시사점

공동창작의 상품화와 투명한 준사회성에 대한 우리 분석을 바탕으로, 우리는 연구 결과로부터 세 가지 설계 원칙을 도출한다: (1) 수익과 공정성의 균형을 맞추는 수익화 전략, (2) 예측 불가능성을 보존하면서 캐릭터 일관성을 우선시하는 기술적 및 콘텐츠 설계, (3) 과도한 애착의 심리적 위험을 다루는 윤리적 안전장치.

5.3.1 수익과 공정성의 균형

AI 버튜버의 맥락에서 슈퍼챗 전송은 라이브 스트리밍에서 공동창작 기회를 구매하는 수단으로 작용하여 더 상호작용적인 수익화 모델을 만든다. 이 접근법이 지속 가능한 비즈니스 모델로서의 잠재력을 보여주는 반면, AI 버튜버 개발자와 스트리밍 플랫폼 모두는 경제적 인센티브와 공정성을 신중히 균형 맞춰야 한다. 완전히 참여하려면 돈을 내야 하는 공동창작 환경은 재정적 여건이 어려운 팬들의 참여를 막고 참여 문화를 뒷받침하는 공동체적 정신을 훼손할 위험이 있다.

이를 완화하기 위해, 우리는 AI 버튜버가 슈퍼챗에 대한 반응을 우선시하면서도 일반 채팅 메시지를 통한 상호작용 기회를 보존하여 돈을 내지 않는 기여도 인정받을 수 있는 기회를 유지하도록 권고한다. 나아가 라이브 스트리밍 플랫폼은 이러한 다양한 상호작용 방식을 지원하고 수익화 메커니즘의 투명성을 보장해야 한다.

이는 단순한 인터페이스 설계 문제가 아니라 플랫폼이 공동창작 권리를 어디까지 상품화해야 하는지에 대한 구조적 운영 선택이다. 이러한 균형을 위한 설계는 공동체적 공동창작의 정신이 완전히 상품화되는 것을 방지할 뿐만 아니라 개발자를 위한 지속 가능하고 정당한 수익 흐름도 확보한다. 실제로 이는 모든 팬의 능동성을 돈으로 사야 하는 특권으로 전환시킬 위험이 있는 완전히 상품화된 공동창작으로의 흐름에 대한 저항을 의미한다.

5.3.2 일관성, 상호작용성, 투명성을 위한 설계

우리 연구 결과는 AI 버튜버 설계에 대한 상충하는 두 가지 요구사항을 강조한다. 팬들은 예측 불가능성에 끌리지만(RQ1) 캐릭터 일관성과 진정성 때문에 충성을 유지한다(RQ2). 따라서 개발자들은 캐릭터 일관성과 전략적 예측 불가능성의 균형을 맞춰야 하며, 안정적인 성격 틀을 유지하면서 엔터테인먼트 가치를 창출하는 예상치 못한 반응을 허용해야 한다. 이러한 균형은 예측 불가능성을 무작위 오류가 아니라 지속적인 참여를 이끄는 의도된 기능으로 재해석한다.

안정성을 넘어서, AI 버튜버는 정적 연기자가 아닌 상호작용적 존재로 설계되어야 한다. 공동창작은 부가 기능이 아니라 그들 매력의 핵심이다. 시청자 입력은 구성적 특징으로서 시스템 설계에 통합되어야 하며, 캐릭터는 커뮤니티와의 대화 속에서 진화해야 한다.

마지막으로, 인간 버튜버처럼 나카노히토를 숨기기보다는 AI 버튜버는 기술적 투명성을 받아들이고 명시적으로 AI 중심적 내러티브를 구축해야 한다. 투명성 자체가 내러티브 자원이 될 수 있다. 기능 출시나 성능 업데이트와 같은 개발 과정을 콘텐츠로 연출하여 팬들이 AI의 성장에 함께 참여하고 형성하고 있다고 느끼게 만들 수 있다.

이러한 투명성은 일관성이라는 새로운 진정성 기준을 강화하여 시청자가 그 인공성이 공개적으로 인정되기 때문에 정확히 캐릭터를 신뢰할 수 있게 한다. 이는 기술적 진화를 무대 뒤 유지보수가 아니라 퍼포먼스 자체의 일부로 재배치한다.

5.3.3 준사회적 의존성에 대한 윤리적 안전장치

우리 연구는 AI 버튜버에 대한 팬들의 의인화가 깊은 감정적 의존으로 이어져 잠재적으로 심리적, 사회적 위험을 만들 수 있음을 드러낸다. "이것은 AI입니다"라는 단순한 공지는 불충분하다. 팬들은 존재의 인공적 성질과 관계없이 애정과 애착에 대한 강한 경향을 보여주기 때문이다. 이러한 위험은 우발적이 아니라 투명한 준사회성에 내재되어 있다. 시청자가 AI의 인공성을 완전히 알 때조차, 일관성과 신뢰성은 감정적 유대를 약화시키기보다 강화할 수 있다.

이는 더 정교한 콘텐츠 운영 체계를 필요로 한다. 플랫폼과 개발자들은 과도한 애착이나 건강하지 못한 의존의 패턴을 식별하는 모니터링 시스템을 구현하고, 필요시 개입 방법을 개발해야 한다. 또한 연속 상호작용 제한, 집중적인 슈퍼챗에 대한 휴식 기간 부과, 과도한 의존 징후를 보이는 사용자에게 도움 자원 제공 등 건강한 경계를 촉진하는 내장 메커니즘을 갖춰야 한다. 플랫폼이 이러한 애착으로부터 직접 이익을 얻기 때문에, 그들은 또한 잠재적 피해를 사용자에게 떠넘기기보다는 줄일 책임을 진다.

진정한 참여와 사용자 심리적 웰빙의 균형을 맞추는 것은 따라서 기술적 안전장치뿐만 아니라 개발자, 심리학자, 윤리학자, 플랫폼 운영자 간의 지속적인 협력을 요구한다. 궁극적으로, 윤리적 안전장치는 후순위로 미뤄지는 것이 아니라 AI 기반 엔터테인먼트의 정당성과 지속가능성을 형성하는 필수적 설계 요소로 다뤄져야 한다.

5.4 한계와 향후 연구

이 연구는 AI 버튜버 팬 커뮤니티에 대한 초기 통찰을 제공하지만, 여러 한계가 우리 주장의 범위를 제약하고 향후 방향을 제시한다.

첫째, 우리의 분석은 단일 사례인 뉴로사마에 집중한다. 이러한 집중은 분석적 깊이를 가능하게 했지만 점점 다양해지는 AI 버튜버들에 걸친 일반화 가능성을 제한한다. 더 작거나 스타일적으로 다른 커뮤니티들은 매력, 애착, 수익화의 다른 패턴을 보여줄 수 있다. 향후 연구는 이러한 변화를 파악하고 우리 프레임워크의 견고성을 검증하기 위해 비교적이고 다중 사례 접근법을 채택해야 한다.

마찬가지로, 우리의 상호작용 로그 분석은 트위치의 영어 스트리밍에 집중했다. 이러한 설계 선택은 플랫폼과 문화적 혼란 요소를 최소화했지만 다른 언어를 사용하는 뉴로사마의 시청자와 같은 다른 중요한 맥락을 배제했다. 언어 간, 문화 간, 플랫폼 간 비교는 AI 버튜버 팬덤이 언어적, 문화적, 규제적 환경에 걸쳐 어떻게 나타나는지에 대한 이해를 넓힐 것이다.

둘째, 우리는 채팅과 슈퍼챗 데이터의 전사와 대규모 코딩을 지원하기 위해 생성형 AI 모델을 활용했다. 구체적으로, Gemini-2.5-Pro가 전사에 사용되었고(참가자 확인과 함께), gpt-4.1-mini와 Gemini-2.5-Flash가 코딩에 사용되었다. 기존 연구들이 LLM 지원 질적 분석의 신뢰성을 검증했지만, 잘못된 해석의 위험은 남아있다. 이를 완화하기 위해, 우리는 확립된 검증 방법에 따라 인간 확인 절차를 구현했다.

그럼에도 불구하고, 결과는 현재 모델의 기능과 한계에 의해 불가피하게 영향을 받는다. 우리는 이러한 방법론적 위험을 인정하면서 동시에 AI 지원 분석을 HCI 자체에서 추가 검토가 필요한 새로운 연구 관행으로 강조한다.

6. 결론

이 연구는 AI 버튜버와의 팬 참여에 대한 최초의 체계적 연구를 제공한다. 시청자가 기술적 인식과 의인화 투사의 혼합을 통해 비인간 버튜버와 관계를 지속하는 방식을 드러낸다. 우리는 두 가지 핵심 역학을 강조한다: 시청자 참여가 주변적 활동이 아닌 엔터테인먼트의 핵심이 되는 공동창작, 그리고 진정성이 인간 유사성보다는 캐릭터 일관성을 중심으로 재구성되는 투명한 준사회성이다.

이런 역학은 팬들이 콘텐츠를 형성할 기회를 구매하는 새로운 수익화 모델을 뒷받침하여 후원을 감상에서 공동창작으로 바꾼다. 이런 연구 결과를 참여 문화, 프로슈머, 매개된 진정성 이론 내에 위치시킴으로써, 우리는 버튜버에 대한 학문을 확장하고 디지털 엔터테인먼트에서 인간-AI 관계에 대한 더 광범위한 논쟁에 기여한다.

우리의 분석은 또한 미래 AI 버튜버의 설계에 도움이 된다. 수익과 공정성의 균형, 예측 불가능성을 받아들이면서 일관성 유지, 과도한 애착에 대한 안전장치 구현의 필요성을 강조한다. AI 기반 퍼포먼스가 점점 더 널리 퍼짐에 따라, 시청자가 인공 캐릭터와 친밀감, 진정성, 주체성을 어떻게 조율하는지 이해하는 것은 연구자와 실무자 모두에게 중요할 것이다.

본 콘텐츠는 2025년 9월 12일에 arXiv에 발표된 "My Favorite Streamer is an LLM: Discovering, Bonding, and Co-Creating in AI VTuber Fandom" 논문을 번역한 것입니다.

저는 전문 번역가가 아니기 때문에 오역이 있을 수 있습니다. 또한 본 글은 원저작자의 요청에 따라 불시에 삭제될 수 있습니다. 감사합니다.