One Is Not Enough: How People Use Multiple AI Models in Everyday Life

HCI 관점에서 읽을 만한 이유

이 글은 사람들은 단일 AI보다 여러 MLLM을 조합해 쓰며, 그 과정에서 모델 간 역할 분담·전환·검증이 새로운 사용 능력이 된다는 점을 보여줍니다. HCI/UX 실무자라면 인터페이스가 개별 대화보다 작업 흐름 전체를 어떻게 지원해야 하는지 고민할 수 있고, 연구자라면 신뢰 보정, 맥락 이관, 기억 분리라는 핵심 이슈를 실증적으로 읽어볼 수 있는데요. 특히 생성형 AI가 ‘도구’에서 ‘생태계’로 변하는 국면을 잘 포착합니다.

CIT의 코멘트

흥미로운 지점은 사용자가 모델을 단순히 성능 순위로 고르는 것이 아니라, 익숙함·비용·응답 속도·사회적 신호를 섞어 일종의 작업 생태계를 구성한다는 점입니다. 여기서 중요한 건 전환 자체보다 전환 비용인데요, 맥락을 다시 설명해야 하고, 이전 대화의 흔적을 재구성해야 하며, 신뢰를 다시 조정해야 합니다. 그래서 설계 초점도 ‘더 똑똑한 모델’ 경쟁만이 아니라, 모델 간 맥락 이동을 매끄럽게 만들고, 작업 단위의 기억을 분리·이식하는 방향으로 옮겨가야 합니다. 다만 표본이 숙련 사용자에 치우쳐 있어, 일반 사용자에게는 이 전략이 얼마나 확산되는지 추가 검증이 필요해 보입니다.

원문을 읽으면서 던질만한 질문

• Q.여러 모델을 오가는 사용자가 실제로 가장 크게 느끼는 전환 비용은 맥락 재설명, 결과 비교, 신뢰 재조정 중 무엇인가요?
• Q.작업 카드나 주제별 기억 분리 같은 기능이 도입되면, 오히려 사용자의 판단을 과도하게 자동화하거나 특정 모델에 더 강하게 고착시키는 부작용은 없을까요?
• Q.숙련 사용자와 비숙련 사용자의 다중 MLLM 사용 패턴은 어떻게 다르며, 그 차이가 인터페이스 설계 우선순위에 어떤 영향을 줄까요?