생성형 AI (Generative AI)가 저널리즘에 점점 더 통합됨에 따라, 독자에게 불필요한 부담을 주지 않으면서 AI 사용 사실을 알리는 효과적인 AI 사용 공개 (AI-use disclosure) 인터페이스를 설계하는 것이 주요 과제로 떠오르고 있습니다. 기존 연구는 주로 신뢰도와 공신력에 초점을 맞추어 왔으나, 공개 방식이 독자의 주의력 (Attentional load) 및 인지 부하 (Cognitive load)에 미치는 영향에 대해서는 아직 충분히 탐구되지 않았습니다. 이러한 공백을 메우기 위해, 본 연구에서는 AI 사용 공개의 상세 수준 (없음, 한 줄, 상세함), 뉴스 유형 (정치, 라이프스타일), 그리고 AI의 역할 (편집, 부분적 콘텐츠 생성)을 조작하는 $3 imes2 imes2$ 혼합 요인 설계 (Mixed factorial study) 연구를 수행하였으며, NASA-TLX와 시선 추적 (Eye-tracking)을 통해 부하를 측정하였습니다. 연구 결과, 유의미한 주의력 비용 (Attentional cost)이 나타났습니다. 한 줄로 된 공개 방식은 특히 AI가 편집한 콘텐츠의 경우, 고정 시간 (Fixation durations)과 사카드 횟수 (Saccade counts)를 유의미하게 높이는 결과를 초래했습니다. 반면, 상세한 공개 방식은 추가적인 부담을 주지 않았습니다. 정보 격차 이론 (Information-Gap Theory)에 근거하여, 본 연구는 짧은 라벨이 독자에게 AI 사용 사실을 경고하면서도 충분한 정보를 제공하지 않음으로써 오히려 시각적 정밀 조사 (Visual scrutiny)를 유발할 수 있다고 주장합니다. NASA-TLX 점수와 동공 직경 (Pupil diameter)은 조건 간에 유의미한 차이를 보이지 않았으며, 이는 AI 사용 공개가 상세 수준과 관계없이 인지적 부하 (Cognitive burden)를 가하지 않음을 시사합니다. 인터뷰 통찰은 이러한 발견의 맥락을 제공하며, 상세한 방식 또는 "요구 시 상세 정보 제공 (Detail-on-demand)" 설계에 대한 강력한 선호도를 보여줍니다. 본 연구의 결과는 독자의 주의 패턴과 뉴스 맥락에 따라 투명도 수준을 동적으로 조정하는 시선 정보 기반의 적응형 공개 인터페이스 (Gaze-informed adaptive disclosure interfaces) 설계에 기여할 것입니다.