증폭에서 합성으로: 생성형 AI 전후의 인지 작전(Cognitive Operations)에 대한 비교 분석

인지 작전(Cognitive operations)은 지정학적 영역에서 부상하는 관심사로, 대중의 인식과 의사결정을 겨냥한 조용하지만 치열한 싸움입니다. 이러한 작전은 봇(bot) 주도의 증폭(amplification) 맥락에서 광범위하게 연구되어 왔으나, 생성형 AI (Generative AI)의 등장은 이러한 작전이 설계되고 실행되는 방식을 근본적으로 변화시켰을 수 있는 새로운 역량들을 도입했습니다. 생성형 AI를 통한 인지 작전의 잠재적 진화는 적절한 완화 전략(mitigation strategies)이 없다면 국가들을 취약하게 만듭니다. 이를 해결하기 위해, 우리는 2016년과 2024년 미국 대통령 선거 당시의 X (구 Twitter) 데이터셋에서 행동 및 언어적 조정 패턴을 비교했습니다. 133,000개 이상의 게시물로 구성된 통합 코퍼스(corpus)를 활용하여, 게시물 유형 분포, 의미론적 클러스터링 (semantic clustering), 시간적 동기화 분석 (temporal synchrony analysis), 그리고 Jaccard 기반 어휘 중첩 측정법을 적용했습니다. 연구 결과에 따르면 2024년 코퍼스는 2016년과는 뚜렷하게 다른 패턴을 보였습니다. 리트윗 (retweets)은 사실상 사라진 반면, 독창적 콘텐츠 (Original content)는 59%에서 93%로 증가했습니다. 어휘 중첩 (lexical overlap)은 평균 Jaccard 점수가 0.99에서 0.27로 급락했으며, 게시물들은 현저히 다른 단어를 사용하여 동일한 주제로 수렴되었습니다. 또한 시간적 조정 (temporal coordination)은 만연했던 교차 의미론적 동기화 (cross-semantic synchrony)에서 서사적으로 집중된 공통 발생 (co-occurrence)으로 변화했습니다. 종합하면, 이러한 패턴들은 능동적인 콘텐츠 생성과 서사 특화 타겟팅 (narrative-specific targeting)을 중심으로 조직된 운영 논리를 가리키며, 이는 생성형 AI의 개입과 일치하는 특성입니다. 이러한 발견은 인지 작전 파이프라인에서 생성형 AI의 역할을 조사하는 향후 연구를 위한 경험적 기준점(empirical baseline)을 제공하며, 생성형 AI 이후의 위협 환경에 맞춰 조정된 탐지 프레임워크를 개발하는 보안 실무자들에게 실질적인 참고 지점이 됩니다.