영화보단 '어느 관에서 보느냐'가 새로운 결정 지점으로 떠올랐어요. 같은 영화를 리클라이너나 아이맥스 등 다른 관에서 다시 보는 N차 관람도 42% 늘었어요.

온라인 쇼핑을 할 때 같은 제품을 두고도 리뷰가 극과 극으로 갈리는 경우, 다들 한번쯤 겪어보셨을 텐데요. 이런 리뷰 분산(Review Dispersion)은 소비자의 불확실성을 높이고 정보를 처리하는 부담을 키워서 구매 결정을 더 어렵게 만들어요. 그래서 최근 이커머스 플랫폼들은 AI로 리뷰를 요약해주는 기능을 속속 도입하고 있죠. 방대한 소비자 의견을 간결하게 정리해서 정보 탐색 비용을 줄이고 의사결정을 도와주는 거예요. 그런데 소비자들은 정말 AI가 요약한 리뷰를 인간이 요약한 리뷰보다 더 신뢰할까요? Chai, Chang, & Wang(2026)의 연구는 이 질문에 흥미로운 답을 내놓았습니다.

연구진은 오류관리이론(Error Management Theory)을 바탕으로, AI와 인간에 대한 신뢰 차이가 리뷰 요약의 내용이 아니라 표현 방식에서 비롯된다고 봤어요. 확률을 표현하는 방식은 두 가지로 나뉘는데요. '대부분의 소비자가 만족했다'처럼 해석의 여지가 있는 언어적 확률 표현과, '87%의 소비자가 만족했다'처럼 해석의 여지가 적은 수치적 확률 표현이죠. 사람이 언어적 표현을 쓰면 소비자는 '혹시 판매를 유도하려고 과장한 건 아닐까' 의심하게 되는데, AI는 애초에 특정 목적을 위해 정보를 왜곡할 이유가 없는 존재로 인식돼요. 그래서 같은 말이라도 AI가 하면 더 객관적인 정보로 받아들여질 가능성이 높다고 예상한 거예요.

실제로 세탁세제, 커피메이커, 자외선 차단 의류, 탈모 방지 샴푸, 고객상담까지 다양한 상황을 실험한 결과, 언어적 확률 표현이 쓰였을 때는 AI가 생성한 리뷰 요약이 인간이 쓴 것보다 더 높은 구매 의도와 지불 의사 금액(WTP)을 이끌어냈어요. 반면 수치적 확률 표현을 쓴 경우엔 AI든 인간이든 차이가 없었죠. 이 차이를 만드는 건 '지각된 객관성'과 '소비자 신뢰'였는데요. 기존 AI 연구들은 AI가 인간보다 경험과 행위성이 부족해서 소비자들이 덜 선호한다고 설명해왔지만, 리뷰 요약처럼 객관성이 중요한 과업에서는 오히려 이 '부족함'이 강점으로 작용한다는 거예요. 감정도 의도도 없는 AI라서, 편향 없이 정보를 전달할 거라 믿는 거죠.

이 연구가 실무자들에게 던지는 메시지는 분명해요. AI 리뷰 요약을 단순한 운영 효율화 수단이 아니라, 소비자의 의사결정을 지원하는 전략적 커뮤니케이션 도구로 재설계해야 한다는 거죠. 특히 리뷰 요약에는 '87%의 고객' 같은 수치보다 '대부분의 고객', '많은 고객'처럼 언어적 확률 표현을 적극적으로 써야 해요. 소비자가 리뷰 전체를 읽기 전에 AI 요약을 먼저 접하도록 UI를 설계하고, 리뷰가 많은 상품부터 AI 요약을 우선 적용하는 것도 방법입니다. AI 신뢰는 기술의 문제가 아니라, 결국 커뮤니케이션 설계의 문제라는 걸 이 연구가 보여주고 있어요.