GIST, AI 시뮬레이션 기반 고령층 건강 캠페인 최적화 전략 제시

에이전트 기반 모델링(ABM)을 활용한 노인 예방 캠페인 전략 분석 프레임워크.
에이전트 기반 모델링(ABM)을 활용한 노인 예방 캠페인 전략 분석 프레임워크.

광주과학기술원(GIST·총장 임기철)은 공득조 AI정책전략대학원 교수팀이 인공지능(AI) 기반 시뮬레이션을 활용해 초고령사회에 대응하는 고령층 건강 예방 캠페인의 효과성과 형평성을 동시에 고려한 매체 배분 전략을 제시했다고 30일 밝혔다.

초고령사회로 빠르게 진입하면서 백신 접종, 건강검진 등 예방 중심의 보건 정책이 더욱 중요해지고 있지만 기존 캠페인은 전체 평균 참여율을 기준으로 설계되는 경우가 많다. 참여율이 높아지더라도 디지털 접근성·문해력·거주 환경·소득 수준 등의 차이에 따라 일부 고령층은 정보에서 소외되는 한계가 있었다.

연구팀은 개인을 사회적 관계 속에서 상호작용하는 '에이전트(가상 개인)'로 설정하고 정보와 행동이 확산되는 과정을 컴퓨터에서 재현하는 에이전트 기반 모델링(ABM) 기법을 활용했다. 단일 전략이 아닌 15개의 서로 다른 정책 시나리오를 설정해 △매체 배분 방식 △예산 수준 △집단 맞춤화 전략 △메시지 전달 방식 등이 결과에 어떤 영향을 미치는지를 체계적으로 비교·분석했다.

왼쪽부터 공득조 교수, 김유나 석사과정생, 서울대학교 이지혜 책임연구원(GIST 외부연구원), 박주영 석사과정생.
왼쪽부터 공득조 교수, 김유나 석사과정생, 서울대학교 이지혜 책임연구원(GIST 외부연구원), 박주영 석사과정생.

그 결과, 예산을 여러 매체에 분산하는 방식은 직관과 달리 캠페인 효과를 오히려 낮추는 '희석 효과'가 나타났다. 동일한 예산 조건에서 TV와 디지털을 함께 사용하는 다채널 전략은, 하나의 채널에 집중하는 전략보다 평균 참여율이 낮았다. 이는 한 채널에서 반복적으로 노출되고, 주변 사람들과 공유되며 행동으로 이어지는 사회적 확산 효과가 분산되기 때문으로 분석했다.

이번 연구는 고령층의 예방적 보건 서비스 참여를 높이는 동시에 디지털 접근성·소득·사회적 여건 차이로 인해 발생하는 집단 간 격차를 완화할 수 있는 가능성을 실증적으로 확인한 것이다. 정책 설계 단계에서부터 효과와 형평성을 함께 고려할 수 있는 AI 기반 의사결정 프레임을 제시했다는 점에서 의미가 있다.

공득조 교수는 “이번 연구는 AI가 기술적 도구를 넘어 초고령사회와 같은 복합적인 사회 문제 해결에 기여할 수 있음을 보여준다”며 “앞으로는 평균 효과가 높은 정책이 아니라, 누구도 소외되지 않도록 설계된 정책이 중요해질 것이며 AI는 이러한 사회적 가치를 구현하는 핵심 수단이 될 것”이라고 말했다.

광주=김한식 기자 hskim@etnews.com