알고리즘이 만드는 정보 편향
AI 추천 알고리즘은 관심 있는 정보를 쉽게 찾도록 돕지만, 특정 관점을 반복적으로 보여줄 수 있습니다.
정보 편향이 형성되는 과정과 다양한 관점을 접하는 방법을 살펴봅니다.
내가 보는 정보는 누가 선택할까요?
유튜브에서 영상을 하나 시청하면 비슷한 주제의 영상이 연이어 추천됩니다. 포털 뉴스와 SNS에서도 평소 관심을 보인 콘텐츠와 유사한 정보가 계속 나타납니다. 이는 추천 알고리즘이 이용자의 시청 기록과 클릭, 관심사 등을 분석해 선호할 만한 콘텐츠를 제시하기 때문입니다.
개인화 추천은 원하는 정보를 빠르게 찾도록 돕지만, 비슷한 정보가 반복적으로 노출되면 다른 관점을 접할 기회가 줄어들 수 있습니다.
한국지능정보사회진흥원(NIA)은 2025년 「AI 편향으로 인한 사회적 갈등과 정책적 대응」 보고서에서 추천 알고리즘이 정보 소비와 사회적 인식에 미칠 수 있는 영향을 분석했습니다.
특히 '필터버블'과 '에코챔버' 현상에 주목하며, 정보가 제한적으로 제공되고 특정 관점이 강화되는 과정을 설명했습니다.
익숙한 정보만 보여주는 '필터버블'
필터버블(Filter Bubble)은 개인화된 정보 제공으로 이용자가 접하는 정보의 범위가 좁아지는 현상입니다.
예를 들어 특정 사회 문제에 대해 한쪽 입장을 지지하는 영상을 반복해서 시청한다고 가정해 보겠습니다.
추천 알고리즘이 이러한 시청 기록을 반영하면 비슷한 관점의 영상이 계속 추천될 수 있습니다. 이용자는 관심 있는 정보를 편리하게 접하지만, 반대되는 주장이나 새로운 해석을 발견할 기회는 줄어들 수 있습니다.
이 과정이 반복되면 자신이 접하는 정보가 전체 의견을 대표한다고 생각할 가능성도 생깁니다.
다만 개인화 추천이 반드시 필터버블을 형성하는 것은 아닙니다. 플랫폼의 추천 방식과 이용자의 정보 탐색 습관에 따라 다양한 관점을 접하는 정도는 달라질 수 있습니다.
비슷한 의견이 믿음을 강화하는 '에코챔버'
에코챔버(Echo Chamber)는 비슷한 의견을 가진 사람들 사이에서 특정 주장이 반복되며 기존 믿음이 강화되는 현상입니다.
필터버블이 어떤 정보에 노출되는지에 주목한다면, 에코챔버는 비슷한 의견이 집단 안에서 반복되고 강화되는 과정에 초점을 맞춥니다.
예를 들어 온라인 커뮤니티에서 구성원들이 유사한 주장과 자료를 계속 공유한다면, 다른 의견을 충분히 검토하지 않은 상태에서도 자신의 판단이 옳다는 확신이 커질 수 있습니다. 이 과정에는 기존 믿음과 일치하는 정보를 더 쉽게 받아들이는 '확증편향'도 영향을 미칠 수 있습니다.
NIA 보고서는 이러한 정보 편향이 정치적·성별 갈등과 사회적 양극화에 미칠 수 있는 영향을 분석했습니다.
다만 추천 알고리즘만으로 사회적 갈등이 발생하는 것은 아닙니다. 개인의 기존 신념과 사회적 관계, 정보 선택 방식 등 다양한 요인이 함께 작용할 수 있습니다.
이용자들도 정보 편향을 우려하고 있습니다
방송통신위원회와 정보통신정책연구원의 「2024년 지능정보사회 이용자 패널조사」에서는 추천 알고리즘의 편리함과 편향에 대한 우려가 함께 나타났습니다. 추천 서비스가 자신의 취향에 잘 맞는다고 응답한 비율은 포털 72.1%, 유튜브 71.3%였습니다.
반면 추천 서비스를 자주 이용하면 가치관의 편향이 발생할 수 있다고 응답한 비율은 포털 47.2%, 유튜브 46.7%였습니다.
이는 실제로 해당 비율만큼 가치관 편향이 발생했다는 의미가 아니라, 이용자들이 그 가능성을 우려하고 있음을 보여주는 조사 결과입니다.
또한 응답자의 69.8%는 추천 알고리즘의 콘텐츠 선별 기준을 공개할 필요가 있다고 인식했습니다.
이러한 결과는 개인화된 정보의 편리함뿐 아니라, 어떤 기준으로 정보가 추천되는지 이해하는 일도 중요하다는 점을 보여줍니다.
추천 알고리즘의 영향은 AI·디지털 리터러시 교육에서도 다룰 수 있습니다.
예를 들어 학습자가 동일한 주제를 직접 검색했을 때와 플랫폼에서 추천받았을 때 나타나는 콘텐츠를 비교하도록 할 수 있습니다.
어떤 관점이 반복되는지, 다른 입장의 정보는 얼마나 등장하는지 살펴보는 것입니다.
또한 평소 자신이 자주 접하는 콘텐츠의 공통점을 찾아보고, 익숙하지 않은 관점을 의도적으로 탐색하는 활동도 가능합니다.
이러한 활동은 학습자가 추천 알고리즘의 편리함을 활용하면서도 자신이 접하는 정보가 전체 정보의 일부일 수 있다는 점을 이해하도록 돕습니다.
AI 시대에는 정보를 빠르게 찾는 능력과 함께, 자신에게 보이지 않는 정보가 무엇인지 질문하는 능력도 중요합니다.
출처
[① 한국지능정보사회진흥원(NIA), 2025.12.22.
「AI 편향으로 인한 사회적 갈등과 정책적 대응 - 정치·성별 편향 사례를 중심으로 -」](https://nia.or.kr/site/nia_kor/ex/bbs/View.do?bcIdx=28892&cbIdx=82618&parentSeq=28892
)
[② 방송통신위원회·정보통신정책연구원, 2025.05.29.
「2024년 지능정보사회 이용자 패널조사」](https://www.kcc.go.kr/download.do?fileSeq=61407
)
[③ 디지털포용뉴스, 2026.02.27.
「AI가 만든 ‘보이지 않는 편향’, 정치·젠더 갈등까지 증폭」](https://www.dginclusion.com/news/articleView.html?idxno=1457)

이 글, 도움이 됐나요?