지난 1년 동안 인도의 디지털 뉴스룸 전반에 걸쳐 조용하지만 중대한 변화가 일어났습니다. 선거 채권(electoral bonds), 람 만디르(Ram Mandir) 취임식, 농업법 시위, 대법원 판결, 또는 일상적인 내각 결정에 관한 보도를 훑어보다 보면, 문단 사이에 끼어 있는 작은 박스를 점점 더 자주 발견하게 될 것입니다.

이 박스는 다양한 이름으로 불립니다.

"쉬운 용어로 설명함."

"당신이 알아야 할 핵심 사항."

"자주 묻는 질문(FAQs)."

"ELI5 (Explain Like I'm 5)."

언뜻 보기에 이러한 설명 박스(explainer boxes)는 반가운 진화처럼 보입니다. 전문 용어, 약어, 법적 복잡성으로 독자를 압도하는 경우가 많은 정보 생태계에서 명확성을 약속하기 때문입니다. 하지만 자세히 들여다보면 훨씬 덜 투명한, 업계의 더 깊은 변화가 드러납니다.

이러한 설명글 중 상당수는 더 이상 기자들에 의해 작성되지 않습니다. 이들은 AI 시스템에 의해 생성되며, 종종 공개(disclosure)나 편집적 맥락, 혹은 책임 소재 없이 기사 위에 덧씌워집니다. 그리고 어떤 경우에는 이러한 AI 요약이 원래의 보도를 지원하기보다는 보도를 대체하기 시작하고 있습니다.

이것은 단지 기술에 관한 이야기가 아닙니다. 이는 뉴스룸의 경제학, 독자 행동, 정치적 리스크, 그리고 인도의 플랫폼 중심 미디어 경제에서 저널리즘의 의미가 어떻게 재정의되는지에 관한 이야기입니다.

인도 뉴스에서 설명 가능성(Explainability)의 폭발적 증가

설명 중심 저널리즘(Explainer journalism)은 새로운 것이 아닙니다. The Hindu, Indian Express, Scroll과 같은 출판물들은 오랫동안 전담 "Explained" 데스크에 투자해 왔습니다. 이러한 기사들은 깊은 주제 전문 지식과 상당한 편집 시간을 필요로 했습니다.

새로운 것은 규모와 속도입니다.

2024년 중반에서 2026년 초 사이, 설명 방식의 요약문은 인도 정치 보도 전반에 걸쳐 거의 어디에나 존재하게 되었습니다. 이는 세 가지 측정 가능한 트렌드와 일치합니다.

첫째, 독자 행동입니다. Reuters Institute의 _Digital News Report 2024_에 따르면, 인도 뉴스 소비자 중 58% 이상이 정치 뉴스를 팔로우할 때 전체 기사보다 "빠른 요약(quick summaries)"을 선호한다고 답했습니다.

둘째, **플랫폼 인센티브 (platform incentives)**입니다. Google Discover, WhatsApp 전달(forwards), LinkedIn 게시물은 간결하고 훑어보기 쉬운 형식을 보상합니다. 설명 박스(Explainers)는 체류 시간(dwell time)과 공유 가능성을 높여줍니다.

셋째, 생성형 AI (generative AI) 도입입니다. 뉴스룸은 이제 긴 기사를 거의 제로에 가까운 한계 비용(marginal cost)으로 단 몇 초 만에 요약할 수 있는 대규모 언어 모델(large language models)을 사용할 수 있습니다.

이러한 요소들이 결합되면, 비즈니스 측면에서의 명분은 거부할 수 없을 만큼 강력해집니다.

편집자들은 깔끔한 설명문을 작성하기 위해 기자에게 업무를 배정하는 대신, 기사 텍스트를 AI 시스템에 입력하여 세련된 형태의 요약 박스를 거의 즉각적으로 발행할 수 있습니다.

독자들은 그 차이를 거의 알지 못합니다.

대부분의 독자에게 알려지지 않은 사실

인도의 뉴스 매체들은 AI가 생성한 요약본의 사용을 공개해야 할 법적 의무가 없습니다. 오피니언 기사(opinion pieces)와 달리, 설명 박스는 명확하게 정의된 출처 표기 규범(attribution norms)에 해당하지 않습니다.

그 결과, 많은 출판물이 현재 기계에 의해 생성되었다는 어떠한 라벨도 없이 AI가 생성한 설명 박스를 게시하고 있습니다.

이는 세 가지 중요한 질문을 던집니다.

오류에 대한 책임은 누구에게 있는가?

AI는 누구의 프레임(framing)을 채택하는가?

그리고 요약본이 하단의 보도 내용과 미묘하게 어긋날 때 어떤 일이 발생하는가?

Columbia Journalism Review의 2023년 연구에 따르면, AI가 생성한 요약은 소수 의견이나 미묘한 차이(nuance)를 억제하는 반면, 원문 텍스트에 존재하는 지배적인 프레임을 증폭시키는 경향이 있는 것으로 나타났습니다. 이러한 효과는 정치적으로 양극화된 맥락에서 더욱 두드러집니다.

이미 이념적 노선에 따라 파편화된 인도의 미디어 환경은 이러한 왜곡에 특히 취약합니다.

요약이 곧 기사가 될 때

가장 중대한 변화는 AI가 저널리즘을 보조하고 있다는 점이 아닙니다. 바로 설명 박스가 점점 더 주요한 소비 계층(primary consumption layer)이 되고 있다는 점입니다.

Chartbeat와 Parse.ly의 데이터는 대다수의 독자가 기사의 처음 30~40% 이상을 스크롤하지 않는다는 사실을 일관되게 보여줍니다. 설명 박스가 상단 근처에 나타나면, 그것은 대부분의 사용자에게 사실상 기사 그 자체가 됩니다.

2024년 초 선거 채권(electoral bonds)에 대한 대법원의 판결을 다룬 최근 보도를 고려해 보십시오. 여러 인도 매체들은 기사 하단(below the fold)에 상세한 법률 보도를 게재했습니다. 하지만 기사 상단의 설명 박스(explainers)는 종종 판결 내용을 "투명성 회복" 또는 "정치 자금 비밀주의에 대한 타격"과 같은 단순화된 이분법으로 축소했습니다.

두 프레이밍(framing) 모두 부분적으로는 사실입니다. 하지만 그 어느 것도 기사 깊숙한 곳에서 논의된 제도적 복잡성이나 해결되지 않은 집행 문제들을 포착하지 못합니다.

결과적으로, 기자가 실제로 무엇을 보도했는지와 관계없이 AI가 생성한 요약이 독자의 이해를 결정하게 됩니다.

AI 설명 박스가 정치적 편향을 형성하는 방식

요약은 중립적이지 않습니다.

모든 설명 박스는 세 가지 암묵적인 질문에 답합니다.

무엇이 중요한가?

무엇을 무시해도 되는가?

도덕적 교훈은 무엇인가?

대규모 언어 모델(Large language models, LLM)은 학습 데이터와 프롬프트 설계(prompt design)를 바탕으로 확률적으로 이러한 결정을 내립니다. 정치 보도에서 이는 기초가 되는 보도가 균형 잡혀 있더라도 체계적인 편향(systematic bias)으로 이어질 수 있습니다.

예를 들어, 2024년 1월 람 만디르(Ram Mandir) 개관 보도 당시, 서로 다른 매체들은 동일한 사건의 완전히 다른 측면을 강조하는 AI 설명 박스를 사용했습니다.

어떤 요약은 종교적 의미와 국가적 자부심을 전면에 내세웠습니다.

다른 요약은 헌법상의 세속주의(constitutional secularism)와 선거 시기를 강조했습니다.

두 경우 모두 AI 시스템은 해당 출판물의 편집 방향(editorial slant)을 반영했습니다. 하지만 설명 박스가 중립적인 "쉬운 설명"으로 제시되었기 때문에, 그 프레이밍은 칼럼(opinion column)보다 더 권위 있게 느껴졌습니다.

이 지점에서 미디어 리터러시(media literacy)가 매우 중요해집니다.

The Balanced News와 같은 플랫폼은 동일한 기사라도 서로 다른 매체에 의해 요약될 때, 보고된 사실이 크게 겹치더라도 정치적 성향이 얼마나 급격하게 갈릴 수 있는지를 기록해 왔습니다.

접근성으로 위장된 비용 절감

접근성이라는 수사 뒤에는 더 냉혹한 경제적 현실이 자리 잡고 있습니다.

인도의 디지털 뉴스룸은 극심한 재정적 압박 속에서 운영됩니다. 광고 수익은 변동성이 크고, 구독 모델은 여전히 제한적이며, 소셜 플랫폼이 가치의 대부분을 가져갑니다.

AI 설명(AI explainers)은 매력적인 비용 절감 기제로 작용합니다.

2024년 _The Ken_과의 익명 인터뷰에서 한 전국 단위 영문 일간지의 편집자는 AI 요약 기능이 주니어 기자들이 단독 설명 기사를 작성해야 할 필요성을 줄였다고 인정했습니다.

한때 젊은 저널리스트들의 훈련장이었던 영역이 이제 점점 자동화되고 있습니다.

이는 장기적인 결과를 초래합니다.

설명 기사 작성은 기자들이 복잡한 정책, 법적 프레임워크(legal frameworks), 그리고 제도적 프로세스를 이해하는 법을 배우는 과정입니다. 이 단계가 기계로 외주화되면, 뉴스룸의 전문성은 시간이 흐름에 따라 침식됩니다.

환각된 명확성(Hallucinated Clarity)의 위험

또 다른 논의가 부족한 위험은 사실적 표류(factual drift)입니다.

AI가 생성한 설명은 원문 보도에는 존재하지 않는 부정확성을 도입할 수 있습니다. 이러한 오류는 노골적인 거짓말이라기보다 미묘한 경우가 많습니다.

예를 들어, 2024년 인도의 데이터 보호법(data protection law) 시행 보도에서 일부 AI 요약은 상세한 기사 본문과 모순되는 즉각적인 집행 일정을 잘못 암시하기도 했습니다.

설명 기사는 메인 기사와 동일한 수준의 팩트 체크(fact-checking) 엄격함을 적용받는 경우가 드물기 때문에, 이러한 실수들이 교정되지 않은 채 지속될 수 있습니다.

독자들이 설명 기사에만 의존할 때, 아무도 알아차리지 못한 채 오정보(misinformation)가 확산됩니다.

공개(Disclosure)가 중요한 이유

투명성은 기술적인 문제가 아니라 윤리적인 문제입니다.

국제적으로 일부 뉴스 조직들은 AI의 도움을 받은 콘텐츠에 라벨을 붙이기 시작했습니다. Associated Press와 Financial Times는 모두 요약이나 번역을 위해 AI 도구가 사용되었을 때 이를 공개합니다.

인도 미디어는 대체로 이러한 논의를 피해 왔습니다.

공개는 신뢰도를 떨어뜨리지 않습니다. 오히려 편집적 책임과 독자에 대한 존중을 나타내는 신호입니다.

“이 설명 기사는 AI의 도움을 받아 생성되었으며 편집자의 검토를 거쳤습니다”라는 간단한 한 줄만으로도 큰 효과를 거둘 수 있습니다.

이러한 라벨이 없다는 것은 많은 언론사가 독자의 반발이나 규제 당국의 감시를 두려워하고 있음을 시사합니다.

설명 가능성(Explainability)이 책임성(Accountability)을 대체할 때

아마도 AI 설명 기사(AI explainers)가 초래하는 가장 우려스러운 결과는 책임 저널리즘(accountability journalism)에 미치는 영향일 것입니다.

설명 기사는 설계상 기술적(descriptive)입니다. 반면 탐사 보도(investigative reporting)는 심문적(interrogative)입니다.

설명 기사가 점점 더 두드러지게 되면서, 더 어려운 질문들을 밀어낼 수 있습니다.

왜 이 정책이 실패했는가?

누가 이득을 보는가?

누가 책임이 있는가?

인프라 프로젝트, 국방 조달 또는 규제 결정에 대한 보도는 지속적인 후속 보도 없이 깔끔한 요약본만을 점점 더 많이 특징으로 내세우고 있습니다.

책임의 공백이 남아 있음에도 불구하고, 이야기는 완결된 것처럼 느껴집니다.

이러한 현상은 내러티브 변이 추적기(narrative mutation trackers) 및 출처 비교 대시보드(source comparison dashboards)와 같은 도구를 사용하여 보도 패턴을 연구하는 미디어 분석가들에 의해 추적되어 왔으며, 여기에는 The Balanced News의 연구팀이 사용하는 도구들도 포함됩니다.

독자가 할 수 있는 일

이 생태계에서 독자는 무력하지 않습니다.

몇 가지 실질적인 습관이 주체성을 회복할 수 있습니다.

첫째, 설명 기사를 지나쳐 스크롤하세요. 그것을 결론이 아닌 시작점으로 취급하십시오.

둘째, 이념적으로 다른 매체 간의 보도를 비교하세요. 나란히 읽어보는 것은 요약본이 종종 숨기는 프레이밍(framing) 선택을 드러냅니다.

셋째, 감정적 신호에 주의를 기울이세요. 색상으로 구분된 감성 분석(sentiment analysis) 도구와 편향 스펙트럼(bias spectrum) 뷰는 설명 기사가 정보를 제공하기보다 설득에 더 치중할 때를 식별하는 데 도움이 될 수 있습니다.

넷째, AI 사용을 공개하는 매체를 지원하세요. 투명성은 보상받아야 합니다.

뉴스룸이 성찰해야 할 점

AI 설명 기사가 본질적으로 해로운 것은 아닙니다. 책임감 있게 사용된다면 복잡한 정보에 대한 접근을 민주화할 수 있습니다.

하지만 공개 없이 보도를 자동화로 대체하는 것은 신뢰를 침식합니다.

인도 저널리즘은 갈림길에 서 있습니다.

한 가지 경로는 AI를 인간의 판단을 강화하는 보조 도구로 취급합니다.

다른 한 경로는 AI를 편집 노동의 대체재로 취급하며, 책임 소재 없이 대중의 이해를 조용히 재편합니다.

이 선택은 설명 가능성 (Explainability)이 공공재가 될 것인지, 아니면 보도의 점진적인 공동화를 가리는 겉치레가 될 것인지를 결정할 것입니다.

더 큰 미디어 리터러시 (Media Literacy) 과제

궁극적으로 이것은 단순히 설명 박스에 관한 문제가 아닙니다. 이는 인터페이스가 사실만큼이나 중요해진 시대에 시민들이 뉴스를 해석하는 법을 어떻게 배우느냐에 관한 문제입니다.

미디어 리터러시 (Media Literacy) 플랫폼, 학술 연구, 그리고 독립적인 분석은 독자들이 이러한 지형을 헤쳐 나가는 데 도움을 주는 역할을 점점 더 확대해 나갈 것입니다. The Balanced News와 같은 도구는 여러 접근 방식 중 하나를 나타내지만, 그 책임을 플랫폼에만 외주 줄 수는 없습니다.

그 책임은 편집자, 기자, 기술자, 그리고 독자 모두에게 있습니다.

설명 가능성 (Explainability)은 저널리즘을 밝혀주어야지, 저널리즘을 대체해서는 안 됩니다.

출처

Reuters Institute Digital News Report 2024
https://www.digitalnewsreport.org

Columbia Journalism Review on AI Summarization Bias
https://www.cjr.org

The Ken on AI in Indian Newsrooms
https://the-ken.com

Chartbeat Audience Engagement Research
https://blog.chartbeat.com

Associated Press AI Transparency Policy
https://www.ap.org

Financial Times AI Usage Disclosure
https://www.ft.com

원문은 The Balanced News에 게시되었습니다.

원문은 The Balanced News에 게시되었습니다.