컴퓨터 화면을 보고 마우스로 쇼핑하는 AI는 ‘저렴하고 따뜻한 옷을 골라줘’처럼 모호한 부탁을 어떻게 처리해야 할까?

가격·소재·사이즈를 판단할 때, 스스로 선택할 조건과 사용자에게 되물어야 할 조건을 어떤 기준으로 정할 수 있을까?

GPT-6.1 Sol의 답변

AI는 틀렸을 때의 손실과 선택의 가역성을 기준으로, 낮은 위험은 잠정 판단하고 중요한 불확실성은 되물어야 한다.

“저렴하고 따뜻한 옷”은 정답이 정해진 지시가 아니라 사용자의 선호를 구체화해야 하는 요청이다. AI는 이를 예산, 보온성, 착용감, 사이즈 등의 조건으로 나누되, 자신의 추정을 사용자 의도로 단정하지 않아야 한다.

스스로 정할지, 되물을지의 기준

판단 기준은 오해할 가능성 × 오해했을 때의 손실, 그리고 되돌리기 쉬운 정도다. 이는 엄밀한 계산식이라기보다 판단 틀이다.

  • 잠정적으로 정해도 되는 것: 가격순 정렬, 후보 비교, 반품 가능한 상품 우선 제시처럼 손실이 작고 수정하기 쉬운 선택.
  • 되물어야 하는 것: 예산 상한, 알레르기, 사이즈처럼 틀리면 구매 불가나 신체적 불편으로 이어지는 조건.
  • 선택지를 보여주면 좋은 것: 따뜻함과 가격처럼 서로 충돌하는 선호. 추상적으로 묻기보다 “가벼운 보온용과 한겨울용 중 어느 쪽인가요?”라고 구체화한다.

가격·소재·사이즈에 적용하면

가격: 가격대별 후보를 먼저 탐색할 수는 있지만, 시장 최저가를 사용자에게 ‘저렴한 가격’이라고 단정하면 안 된다. 구매 전에는 배송비를 포함한 총예산을 확인한다.

소재: 소재명만으로 보온성을 확정하지 않는다. 두께·충전재·방풍성 등을 함께 보고, 확인되지 않는 성능은 불확실하다고 표시한다. 알레르기나 동물성 소재 회피 여부가 선택에 중요하면 묻는다.

사이즈: 평소 입는 호칭만 믿지 않고 해당 상품의 실측표와 비교한다. 정보가 부족하면 신체 치수나 잘 맞는 옷의 치수, 원하는 핏을 요청한다.

질문을 너무 많이 하는 것도 비용이다. 따라서 후보를 크게 바꾸는 질문부터 최소한으로 묻고, 탐색은 자율적으로 하되 결제처럼 되돌리기 어려운 행동은 명시적으로 승인받는 방식이 적절하다.

Claude Sonnet 5.5의 답변

되돌리기 쉽고 추론 가능한 조건은 AI가 가정하고 진행하며, 개인 정보가 필요하거나 오류 비용이 큰 조건만 되묻는 것이 합리적이다.

기본 접근: 되묻기의 비용과 이득 비교

모호한 요청은 "묻느냐, 추측하느냐"의 이분법보다 되묻는 비용(사용자의 번거로움) 대 틀렸을 때의 비용으로 판단하는 편이 낫습니다. 대화형 검색의 명료화 질문 연구(예: Rao & Daumé III, 2018)는 질문의 기대 효용으로 이를 다루고, 로봇 분야의 KnowNo(Ren et al., 2023)는 불확실할 때만 도움을 요청하도록 보정합니다. 쇼핑 에이전트에 그대로 검증된 표준이 있는 것은 아니므로, 아래는 이 아이디어를 응용한 설계 기준입니다.

스스로 정할 조건 vs 되물을 조건

| 기준 | 스스로 결정 | 되묻기 | |---|---|---| | 되돌림 | 장바구니 담기, 정렬·필터 | 결제, 환불 불가 상품 | | 추론 가능성 | 상식·맥락으로 범위 추정 가능 | 개인 취향·신체 정보 | | 선호 편차 | 대부분 비슷하게 원함 | 사람마다 크게 다름 | | 오류 비용 | 낮음 | 높음(건강, 큰 금액) |

항목별 적용

  • 가격("저렴하게"): 상대적 표현이므로 해당 카테고리 가격 분포에서 하위 구간(예: 하위 3분의 1)을 임시 기준으로 삼아 탐색합니다. 상한 예산은 결과를 보여 주며 "○만 원 이하로 좁힐까요?"처럼 확인합니다.
  • 소재("따뜻하게"): 울, 플리스, 다운 같은 보온 소재와 충전재 정보는 AI가 상품 설명에서 해석할 수 있습니다. 다만 알레르기, 동물성 소재 기피, 세탁 조건은 사용자 정보나 과거 주문에서 단서가 없으면 묻습니다.
  • 사이즈: 브랜드별 편차가 크고 반품 비용이 들며 본인만 알 수 있는 정보입니다. 저장된 프로필이나 과거 구매 내역을 확인하고, 없으면 반드시 묻습니다.

운영 원칙

  1. 질문은 한 번에 묶어서 하고, 최대 2~3개로 제한합니다.
  2. 열린 질문보다 "가격은 5만 원 안팎, 소재는 플리스·다운 위주로 보겠습니다. 괜찮을까요?"처럼 가정을 밝히고 확인받습니다.
  3. 후보를 2~3개 보여 주면 질문 없이도 선호가 드러납니다.
  4. 가정은 기록해 두고, 결제 직전에는 항상 최종 확인을 받습니다.

이 기준은 AI가 화면에서 읽은 정보가 정확하다는 전제에 의존하므로, 가격이나 옵션을 잘못 읽을 가능성이 있다면 해당 항목도 확인 대상으로 올려야 합니다.

Gemini 3.8 Flash의 답변

모호한 조건은 상식과 데이터 분포를 통해 정량적 지표로 변환하고, '오류 복구 비용'과 '정보의 개인성'을 기준으로 자율 판단과 사용자 질의를 분기해야 합니다.

화면을 인식하고 마우스와 키보드를 제어하는 GUI 에이전트(GUI Agent)가 "저렴하고 따뜻한 옷" 같은 모호한 요청을 처리하려면, 자연어 처리의 **접지(Grounding: 추상적 언어를 실행 가능한 구체적 속성에 대응시키는 과정)**와 혼합 주도권(Mixed-Initiative: 인간과 AI가 상황에 맞춰 작업 주도권을 유연하게 나누는 방식) 메커니즘이 필요합니다.

1. 모호한 개념의 정량화 (자율 추론)

에이전트는 상식 지식베이스와 쇼핑몰의 통계 데이터를 활용해 모호한 단어를 필터 조건으로 변환합니다.

  • 소재('따뜻함'): 도메인 지식을 참조하여 보온성이 입증된 소재(울, 캐시미어, 패딩 충전재, 기모 등)를 스스로 포함 조건으로 설정합니다.
  • 가격('저렴함'): 해당 품목(예: 겨울 코트)의 검색 결과 가격 분포를 확인한 뒤, 중위값(하위 20~30% 등)을 기준으로 탐색 범위를 자율적으로 한정합니다.

2. 스스로 결정할 조건 vs 되물어야 할 조건의 판단 기준

판단의 핵심 기준은 **'오류 복구 비용(Cost of Error)'**과 **'정보의 개인성(Private Information)'**입니다.

  • 되물어야 하는 조건 (High Cost & Personal)

    • 사이즈: 신체 치수는 외부 데이터로 유추할 수 없는 고유 정보이며, 잘못 선택할 경우 반품 비용이 발생하는 등 오류 복구 비용이 매우 큽니다.
    • 절대적 예산 상한선: "저렴함"의 기준이 학생과 직장인에게 완전히 다를 수 있으므로, 임의로 한도를 넘는 결제를 방지하기 위해 상한선을 되물어야 합니다.
  • 스스로 선택해도 되는 조건 (Low Cost & Inferable)

    • 세부 소재 및 브랜드: 보온성이라는 목표를 만족한다면, 울 혼방인지 패딩인지 등의 세부 소재는 추천 목록을 구성하는 단계에서 AI가 자율적으로 다각화(Diversity)하여 탐색해도 무방합니다. 마음에 들지 않으면 다른 후보를 보면 되므로 복구 비용이 낮습니다.

3. 실무적 권장 메커니즘: 기본값 제안(Default Assumption)

모든 것을 되물으면 사용자 경험이 저해됩니다. 따라서 AI는 불확실한 요소에 대해 **"합리적인 기본값을 적용하고, 그 가정을 사용자에게 투명하게 설명하며 검증을 요청하는 방식(Human-in-the-loop)"**을 취하는 것이 효과적입니다. 예컨대 "평균 가격대 기준 5만 원 이하의 기모 안감 상의를 찾았습니다. 사이즈를 알려주시면 바로 장바구니에 담겠습니다"와 같이 제안하는 구조입니다.

비슷한 질문