인지에서 행동으로: UI 개입이 지속 가능한 LLM 챗봇을 촉진할 수 있는가

LLM (Large Language Model) 기반 챗봇이 일상적인 워크플로우에 점점 더 깊숙이 통합됨에 따라, 에너지 사용으로 인한 지속 가능성 문제가 제기되고 있습니다. 대부분의 완화 전략은 모델 또는 인프라 효율성에 중점을 두는 반면, 사용자 인터페이스 (UI) 계층은 상호작용 행동을 형성할 수 있는 잠재력에도 불구하고 여전히 충분히 탐구되지 않은 상태로 남아 있습니다. 본 연구에서는 지속 가능성 지향적인 UI 개입이 사용성의 저하 없이 사용자의 에너지 인식을 높이고 더 에너지 책임감 있는 챗봇 사용을 장려할 수 있는지 조사합니다. 먼저 77명의 참가자를 대상으로 기초 설문 조사를 실시하여 인식 정도와 개입 개념에 대한 수용성을 평가했습니다. 설득 기술 (Persuasive technology) 및 선택 설계 (Choice architecture)에 관한 선행 연구를 바탕으로, 우리는 세 가지 모드 전환(에너지 효율 모드, 균형 모드, 성능 모드), 응답당 에너지 피드백, 전송 전 에너지 추정치, 사용 지표 대시보드 및 에너지 비유를 포함한 웹 기반 챗봇 프로토타입을 구현했습니다. 이후 11명의 참가자를 대상으로 5일간의 현장 연구를 통해 프로토타입을 평가했습니다. 기초 설문 조사에서 응답자의 94.8%가 AI 에너지 사용에 대해 최소한 어느 정도의 인식이 있다고 보고했으나, 88.3%는 실제 소비량을 잘못 추정했습니다. 환경적 영향에 대한 우려는 높았지만, 낮은 에너지 사용을 위해 성능 저하를 감수할 의사가 있다고 밝힌 비율은 39.0%에 불과했습니다. 현장 연구에서 에너지 효율 모드는 기록된 프롬프트의 55.8%를 차지했으며, 90.9%의 사용자가 높은 정확도가 요구되지 않을 때 에코 모드 (Eco-mode)를 능동적으로 선택했다고 자가 보고했습니다. 참가자들은 프롬프트 길이를 줄이지 않았으며, 이는 모드 전환이 주요한 행동 메커니즘임을 시사합니다. 지속 가능성 지향적인 UI 개입은 LLM 챗봇에서 인식을 개선하고 더 에너지 책임감 있는 상호작용 패턴을 지원할 수 있습니다. 이러한 효과는 백엔드 효율성 연구를 보완하는 행동 및 모델 기반 추정치로 해석하는 것이 가장 적절하며, 제공된 프로토타입과 복제 패키지는 에너지 인지형 대화형 AI 설계에 관한 추가 연구를 지원합니다.