NVIDIA가 만들어 무료로 공개한 가상 한국인 100만 명의 데이터(Nemotron-Personas-Korea, 2026년 4월)입니다.
KOSIS(국가통계포털)·대법원·국민건강보험공단·농촌경제연구원·NAVER Cloud 통계의 비율에 맞춰 만든 가상 인물입니다.
한 명마다 나이·성별·사는 곳·직업·가족 정보와 AI가 쓴 소개 글이 들어 있습니다.
| 항목 | 근거 | 믿을 수 있는 정도 |
|---|---|---|
| 성별·나이·지역 | 공식 통계 비율 | 높음 |
| 항목 조합(예: 30대·서울·사무직) | 통계 모델로 추정 | 보통 |
| 취미·성격·생활 서술 | AI가 쓴 문장 | 참고용 |
| 원본 100만 명 | 도시 무작위 2,000명 | |
|---|---|---|
| 여성 | 50.4% | 47.7% |
| 서울 거주 | 18.5% | 19.0% |
| 경기·인천 거주 | 32.1% | 31.9% |
| 60대 이상 | 33.1% | 32.9% |
| 아파트 거주 | 62.1% | 63.2% |
모든 항목의 차이가 3%p 이내입니다.
NHN AD 제안서 23개에서 정리한 타겟 19종을 100명씩 보강했습니다(1,900명). 그래서 도시 전체는 20~40대가 원본보다 많습니다(62.7% vs 47.2%).
매체는 KOSIS 한국미디어패널조사의 연령대 값이며, 개인 응답은 아닙니다. 고가 지역은 KB부동산 2025년 12월 시세, 도심은 2040 서울도시기본계획 기준입니다(자치구 대응은 해석).
사람을 대상으로 실제 진행한 실험 70개를 AI에게 미리 예측하게 한 연구(Stanford)가 있습니다. AI의 예측은 실제 결과와 대체로 같았습니다. 다만 "A안이 훨씬 낫다"처럼 차이를 실제보다 크게 예측했습니다.
AI가 연기한 사람들은 실제 사람보다 서로 비슷하게 답합니다(Political Analysis, 2024). 그래서 결과가 실제보다 한쪽으로 쏠려 보일 수 있습니다.
몇 명이면 된다는 연구 기준은 없어서 우리가 정한 기준입니다. 한쪽을 아래 비율 이상 골라야 '차이 있음'으로 표시됩니다.
| 실험 인원 | 10명 | 30명 | 50명 | 100명 |
|---|---|---|---|---|
| 한쪽 선택률 | 94% | 76% | 70% | 64% |
AI는 원래 차이를 크게 보는 경향이 있어, 방향을 볼 때는 64~70% 기준으로 충분합니다.
같은 인원으로 다시 실행해 같은 쪽이 나오는지 보는 것이 인원을 1,000명으로 늘리는 것보다 믿을 만한 확인입니다. 인원을 늘려도 AI 자체의 치우침은 줄지 않기 때문입니다.
과거 A/B 결과와 비교하는 검증은 다음 단계입니다.
출처: Hewitt 등(Stanford), Bisbee 등(Political Analysis, 2024), Huang 등(ICML 2025)
실제 A/B 테스트는 예산과 기간이 들어 집행 전에 후보를 좁히기 어렵습니다.
타겟을 닮은 가상 인물이 두 소재 중 하나를 고르고 이유를 답하게 합니다.
답이 소재 때문인지, 그 인물의 설정 때문인지 구분할 수 없습니다.
연구에서도 AI는 한 인물에 그 집단의 전형적인 모습만 담았습니다.① 질문 문구나 시점이 조금만 바뀌어도 답이 달라졌습니다.②
미국의 한 연구는 실제 설문 응답자 수천 명과 나이·성별·인종·정치 성향 등이 같은 AI 퍼소나를 만들어 같은 설문을 했습니다. 그 결과 집단별로 답한 비율이 실제 설문과 비슷하게 나왔습니다.③
실제로 진행된 실험 70개를 AI 퍼소나로 다시 해 본 연구에서도, 어느 쪽 효과가 더 큰지는 대체로 실제와 같았습니다.④
한 명이 아니라 실제 인구 구성대로 여러 명에게 물어야 실제와 비슷한 결과가 나온다는 뜻입니다.
인원이 적으면 우연히 한쪽으로 몰릴 수 있어, 거의 모두가 같은 안을 골라야 차이로 인정합니다. 인원이 많을수록 이 기준이 낮아집니다.
AI는 원래 차이를 크게 보는 경향이 있어, 방향을 볼 때는 50~100명의 64~70% 기준으로 충분합니다. 결과가 '우연 범위'로 나오면 인원을 늘리지 않고 같은 인원으로 한 번 더 실행합니다.
광고 타겟 조건으로 주민을 여러 명 모집하여 한 사람의 설정에 따른 흔들림을 줄입니다. AI 자체의 치우침은 인원을 늘려도 줄지 않으므로 결과는 방향까지만 봅니다.
① Wang·Morgenstern·Dickerson, arXiv 2402.01908(2024) ② Bisbee 외, Political Analysis(2024) ③ Argyle 외, "Out of One, Many", Political Analysis 31권 3호(2023) ④ Hewitt·Ashokkumar·Ghezae·Willer, Stanford(2024)