경쟁에서 협력으로: LLM과 온라인 포럼 간의 지속 가능한 메커니즘 설계

From Competition to Collaboration: Designing Sustainable Mechanisms Between LLMs and Online Forums

생성형 인공지능(GenAI) 시스템이 (질의응답) 포럼에서 사용자를 이탈시키고 있지만, 동시에 성능 향상을 위해 바로 그 포럼이 생산하는 데이터에 의존하는 현상이 발생하고 있다. 이러한 역설을 해결하기 위해, 우리는 GenAI 시스템이 포럼에 질문을 제안하고 포럼이 그중 일부를 게시할 수 있는 순차적 상호작용 프레임워크를 제안한다. 이 프레임워크는 비금전적 교환, 정보 비대칭, 인센티브 불일치 등 이러한 협력 관계의 여러 복잡한 측면을 포착한다. 우리는 실제 Stack Exchange 데이터와 널리 사용되는 LLM을 활용한 포괄적인 데이터 기반 시뮬레이션을 통해 이 프레임워크를 구체화했다. 연구 결과, 인센티브 불일치가 실증적으로 확인되었으나, 참여자들이 이상적인 완전 정보 시나리오에서 얻을 수 있는 효용의 약 절반을 달성할 수 있음을 보여주었다. 우리의 결과는 AI 시스템과 인간 지식 플랫폼 간의 효과적인 지식 공유를 보존할 수 있는 지속 가능한 협력의 잠재력을 강조한다.

While Generative AI (GenAI) systems draw users away from (Q&A) forums, they also depend on the very data those forums produce to improve their performance. Addressing this paradox, we propose a framework of sequential interaction, in which a GenAI system proposes questions to a forum that can publish some of them. Our framework captures several intricacies of such a collaboration, including non-monetary exchanges, asymmetric information, and incentive misalignment. We bring the framework to life through comprehensive, data-driven simulations using real Stack Exchange data and commonly used LLMs. We demonstrate the incentive misalignment empirically, yet show that players can achieve roughly half of the utility in an ideal full-information scenario. Our results highlight the potential for sustainable collaboration that preserves effective knowledge sharing between AI systems and human knowledge platforms.