생성형 인공지능으로 한국 유권자 흉내 내봤더니, 큰 흐름은 맞췄지만 군소 후보는 날아갔다

• 생성형 인공지능이 한국 유권자의 표심을 얼마나 흉내 낼 수 있는지 실험한 연구가 공개됨

  • 지난해 6월 3일 대선 데이터를 바탕으로, 실제 유권자에게 묻듯 인공지능에 “어느 후보에게 투표했습니까”라고 질문함
  • 연구는 한국정치학회 2026 춘계학술회의에서 발표됐고, 여론조사 업체 에스티아이 이준호 대표가 수행함

• 실험 방식은 이른바 실리콘 샘플링(silicon sampling)임

  • 에스티아이가 보유한 실제 패널 2139명과 1대1로 대응하는 생성형 인공지능 유권자를 만듦
  • 연령, 지역, 학력, 소득, 직업, 이념 성향, 지지 정당 같은 정보를 넣고 실제 응답과 비교함
  • 전통적인 전화 조사나 웹서베이의 낮은 응답률, 표본 대표성 문제를 보완할 후보로 주목받는 방식임

• 큰 후보들의 순위와 득표율은 의외로 꽤 따라감

  • 실제 패널 조사 결과는 이재명 57.3%, 김문수 33.7%, 이준석 6.5%, 권영국 1.9%, 기타 0.7%였음
  • 인공지능 가상 유권자는 이재명 55.4%, 김문수 31.7%, 이준석 5.4%로 1~3위 후보는 큰 차이가 없었음

• 문제는 군소 후보와 애매한 표심에서 터짐

  • 권영국 후보 응답률은 인공지능에서 0%로 사라짐
  • 기타 후보 지지는 7.6%로 실제 0.7%보다 10배 넘게 부풀려짐
  • 전체 판세는 맞추는데, 작은 흐름은 뭉개버리는 그림임

• 교차투표도 제대로 재현하지 못함

  • 실제 개혁신당 지지층은 이준석 66.4%, 김문수 25.0%, 이재명 7.8%로 갈렸음
  • 그런데 개혁신당 지지자로 설정된 인공지능은 100%가 해당 정당 후보에게 투표한다고 답함
  • 국민의힘 지지자로 설정된 인공지능도 마찬가지로 전원 해당 정당 후보를 찍는다고 응답함

• 중도층에서도 비슷한 왜곡이 나옴

  • 실제 중도층 패널 964명 중 기타 후보 선택 비율은 2.9%였음
  • 중도층으로 설계된 인공지능에서는 이 비율이 15.6%까지 뛰었음
  • 연구는 인공지능이 불확실성을 회피하고, 반복적으로 노출되는 정치 신호를 증폭해 받아들이는 경향 때문이라고 봄

• 연구자의 결론도 조심스러움

  • 주요 후보 득표율은 비교적 비슷하게 맞출 수 있음
  • 하지만 실제 지지층 구성을 정교하게 재현하는 건 아직 쉽지 않음
  • 다만 거대언어모델(LLM) 기술 발전 속도가 워낙 빨라서 지금 한계가 고정된 건 아니라고 봄

---

기술 맥락

• 이 연구에서 선택한 방식은 실제 응답자를 더 모으는 대신, 기존 패널 속성을 바탕으로 인공지능 응답자를 만드는 거예요. 여론조사는 비용, 응답률, 표본 대표성 문제가 계속 따라붙기 때문에 이런 우회로가 매력적으로 보일 수밖에 없어요.

• 하지만 거대언어모델은 사람이 가진 모순적인 선택을 그대로 재현하는 도구가 아니에요. 입력된 정당 지지 정보가 강하면 “그 정당 후보를 찍겠지”라는 식으로 너무 깔끔한 답을 내놓을 수 있거든요.

• 그래서 이 기사에서 중요한 건 상위 후보 예측이 비슷했다는 사실보다, 군소 후보와 교차투표가 사라졌다는 점이에요. 실제 사회 데이터에서 의사결정에 중요한 건 평균뿐 아니라 예외와 이탈 패턴인 경우가 많아요.

• 실리콘 샘플링을 제품 리서치나 정책 시뮬레이션에 쓰려면, 모델이 확신하는 답만 보는 게 아니라 어디서 소수 의견을 지워버리는지 검증해야 해요. 비용 절감 도구로는 좋아 보여도, 검증 없이 의사결정 시스템에 붙이면 편향을 자동화할 수 있어요.