Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
LLM 챗봇의 에너지 지속 가능성을 높이기 위해 UI 개입이 사용자 행동에 미치는 영향을 연구했습니다. 설득 기술과 선택 설계를 적용한 프로토타입을 통해 사용자의 에너지 인식을 개선하고 에너지 효율 모드 선택을 유도할 수 있음을 확인했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기LLM (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.