인간-AI 협업의 간극: 원활한 협업을 위한 과제

The Collaboration Gap in Human-AI Work

최근 LLM(대규모 언어 모델)은 프로그래밍, 디자인, 글쓰기, 분석 등 다양한 분야에서 협력 도구로 제시되고 있습니다. 그러나 실제 사용 경험은 이러한 기대에 미치지 못하는 경우가 많습니다. 많은 경우, 사용자는 LLM의 오해를 진단하고, 누락된 전제를 재구성하며, 잘못된 응답을 반복적으로 수정해야 합니다. 본 연구는 이러한 협업의 어려움에 대한 개념적 프레임워크를 제시합니다. 디자인, 개발, 그리고 LLM 기반 시스템을 활용하는 AI 전문가 16명을 대상으로 한 심층 인터뷰와 인간-AI 협업 관련 문헌을 바탕으로, 구성주의적 근거 이론 분석을 통해, 안정적인 협업은 모델의 능력뿐만 아니라 상호작용의 기반 조건에 달려있다고 주장합니다. 우리는 인간-AI 협업의 세 가지 주요 구조(단일 지원, 비대칭 수정을 포함하는 미약한 협업, 그리고 기반이 확립된 협업)를 구분하고, 협력이 실패하는 이유는 파트너십의 외형이 상호작용의 기반 능력을 앞지르는 경우에 발생한다고 분석합니다. 본 연구는 LLM 기반 작업에서 기반, 수정, 그리고 상호작용 구조에 대한 논의를 위한 프레임워크를 제공합니다.

LLMs are increasingly presented as collaborators in programming, design, writing, and analysis. Yet the practical experience of working with them often falls short of this promise. In many settings, users must diagnose misunderstandings, reconstruct missing assumptions, and repeatedly repair misaligned responses. This poster introduces a conceptual framework for understanding why such collaboration remains fragile. Drawing on a constructivist grounded theory analysis of 16 interviews with designers, developers, and applied AI practitioners working on LLM-enabled systems, and informed by literature on human-AI collaboration, we argue that stable collaboration depends not only on model capability but on the interaction's grounding conditions. We distinguish three recurrent structures of human-AI work: one-shot assistance, weak collaboration with asymmetric repair, and grounded collaboration. We propose that collaboration breaks down when the appearance of partnership outpaces the grounding capacity of the interaction and contribute a framework for discussing grounding, repair, and interaction structure in LLM-enabled work.