[논문 리뷰] From Fixed to Flexible: Shaping AI Personality in Context-Sensitive Interaction

Shakyani Jayasiriwardene, Hongyu Zhou외 7명|arXiv (Cornell University)|2026. 01. 13.

Social Robot Interaction and HRI인용 수 0

한 줄 요약

이 논문은 사용자가 AI 챗봇의 성격을 여덟 차원으로 실시간으로 조정할 수 있는 사용자 주도 시스템을 제시하고, 기대감과 개인화의 경로가 어떻게 형성되는지 분석한다.

ABSTRACT

Conversational agents are increasingly expected to adapt across contexts and evolve their personalities through interactions, yet most remain static once configured. We present an exploratory study of how user expectations form and evolve when agent personality is made dynamically adjustable. To investigate this, we designed a prototype conversational interface that enabled users to adjust an agent's personality along eight research-grounded dimensions across three task contexts: informational, emotional, and appraisal. We conducted an online mixed-methods study with 60 participants, employing latent profile analysis to characterize personality classes and trajectory analysis to trace evolving patterns of personality adjustment. These approaches revealed distinct personality profiles at initial and final configuration stages, and adjustment trajectories, shaped by context-sensitivity. Participants also valued the autonomy, perceived the agent as more anthropomorphic, and reported greater trust. Our findings highlight the importance of designing conversational agents that adapt alongside their users, advancing more responsive and human-centred AI.

연구 동기 및 목표

• 다양한 업무 조건에서 대화형 AI 성격에 대한 사용자의 기대 형성 방식 조사.
• 동적으로 조정 가능한 성격과 맥락에 민감한 상호작용 중 사용자 기대가 어떻게 변화하는지 검토.
• 실시간 성격 조정을 가능하게 하는 인터페이스에 대한 사용자의 인식 평가.
• 맥락별 기본 성격 선호도와 조정 패턴을 특성화.
• 신정서적 의인화의 역할 이해 in 신뢰와 상호작용 품질.

제안 방법

• 8개 차원에 걸친 실시간 성격 조정이 가능한 GPT-4.1 기반 챗봇 개발: Decency, Profoundness, Instability, Vibrancy, Engagement, Neuroticism, Serviceability, Subservience.
• 각 차원에 대해 5단계 슬라이더를 구현하고 대화 턴당 한 차원만 변경되도록 하여 효과를 고립시켰다.
• 슬라이더 값들을 챗봇 응답으로 변환하기 위해 구조화된 시스템 프롬프트를 사용했다.
• 컷로나(Cutrona)와 수르(Suhr, 1992) 기반의 Informational, Emotional, Appraisal의 세 가지 업무 맥락을 GPT-4.1으로 사용하여 시나리오를 생성했다.
• 자기보고 및 상호작용 로그를 포함한 60명의 참가자로부터 온라인 혼합 방법 데이터를 수집했다.
• 조건 및 단계별로 성격 구성 클래스들을 식별하기 위해 Latent Profile Analysis (LPA)를 적용했고, 전이 시각화를 위해 Sankey 다이어그램을 사용했다.
• 조정 전략(Steady Anchors, Adaptive Explorers, Reactive Shifters)을 식별하기 위해 k-means 클러스터링을 사용한 궤적 분석을 수행했다.
• 사후 작업 설문을 통해 특성 중요성을 분석하고 조건 간 순변화의 히트맵을 작성했다.

Figure 1 . The main conversational interface. (A) Slider panel for configuring and fine-tuning the agent’s personality across eight dimensions. (B) Conversational area for task-based interaction with the agent. (C) Information panel providing step-by-step instructions and guidance for using the inte

실험 결과

연구 질문

• RQ1 RQ1: 다양한 작업 조건에 따라 사용자는 대화형 AI의 성격 기대를 어떻게 형성하는가?
• RQ2 RQ2: 맥락에 민감한 대화 중 사용자의 AI 성격에 대한 기대가 어떻게 동적으로 진화하는가?
• RQ3 RQ3: 동적으로 조정 가능한 성격 특성을 가진 대화형 AI 인터페이스를 사용자가 어떻게 인식하는가?

주요 결과

• 사용자 기대는 맥락에 따라 달라지며(예: 도우미, 가이드, 보조자) 다양한 사회적 역할에 부합한다.
• Engagement와 Serviceability는 모든 조건에서 기본 선호도이며, Decency는 평가(Appraisal) 맥락에서 특히 주목된다.
• 맥락 전반에서 참가자들은 공통 특성(Engagement, Serviceability)으로 수렴하고 미세 조정 가능한 차원에 대한 필요를 표명한다.
• 세 가지 조정 궤적이 관찰되며: Steady Anchors, Adaptive Explorers, Reactive Shifters로 맥락에 따라 분포가 다르다.
• 특성 조정은 Engagement와 Decency가 가장 작은 변화를 보이고, Neuroticism, Subservience, Instability가 더 큰 움직임을 보인다.
• 정서적 의인화가 신뢰 인식에 유능성과 함께 기여한다.

Figure 2 . Overview of the user study procedure, from consent and pre-task measures through task-based chatbot interactions, post-task surveys, and post-study questionnaire.