말투가 달라지면 AI 추천 가게도 달라질까?

같은 뜻으로 물어도 말투가 달라지면 AI가 고르는 가게가 달라질 수 있다. 한 연구에서 라마 3.1 70B는 힌디어와 영어를 섞어 물었을 때 추천 20곳 가운데 인도 식당을 평균 5.9곳 더 골랐다. 다만 모든 AI가 똑같이 움직인 것은 아니어서, 가게가 무엇을 고칠지 정하기 전에 먼저 재 보는 게 맞다.

::: 같은 뜻의 질문이라도 말투가 다르면 AI는 고객이 누구인지 짐작해 추천 목록을 바꿀 수 있다. :::

정말 말투만 바꿔도 추천이 달라질까?

미국 플로리다대 연구진은 AI 6종을 대상으로 이 문제를 시험했다. 식당과 상품 이름으로 목록을 만든 뒤, 같은 뜻의 질문을 세 가지 말투로 바꿔서 상위 20개를 추천하게 했다.

식당 질문은 30개, 상품 질문도 30개였다. 각 질문은 미국 남부 영어, 인도 영어, 힌디어와 영어를 섞은 말로 바꿨고, 목록은 질문마다 20번 새로 뽑았다.

식당 목록에는 옐프 공개 데이터가 쓰였다. 미국 식당 18,203곳과 인도 식당 1,086곳 가운데 종류별로 100곳씩 똑같이 뽑아 처음부터 한쪽이 더 많아서 생기는 차이를 줄였다.

얼마나 다르게 추천했나?

가장 눈에 띄는 결과는 라마 3.1 70B였다. 미국 남부 영어 대신 힌디어와 영어를 섞은 말로 물으면 인도 식당이 평균 5.9곳 늘었고, 인도 영어로 물으면 3.78곳 늘었다.

추천 20곳 가운데 5.9곳이면 약 30%다. 작은 라마 3.1 8B에서도 각각 2.54곳과 2.09곳이 늘었고, 미스트랄 24B도 인도 영어에서 3.08곳이 늘었다.

그렇다고 큰 모델일수록 말투에 더 흔들린다고 단순하게 말할 수는 없다. gpt-oss 120B는 말투에 따른 차이가 통계적으로 의미 있지 않았고, 연구진은 겉모양이 달라도 같은 뜻을 읽어 낸 것으로 해석했다.

상품에서도 차이는 나타났다. 라마 3.1 70B는 힌디어와 영어를 섞은 말로 물었을 때 7개 상품 분류 가운데 4개에서 추천 결과가 달라졌다.

왜 말투가 바뀌면 가게도 달라질까?

연구진은 AI가 말투를 보고 고객의 특성을 짐작할 수 있다고 설명한다. 고객이 인도 음식을 찾는다고 말하지 않았는데도 인도 영어로 물었다는 이유만으로 인도 식당을 더 추천할 수 있다는 뜻이다.

이 짐작이 항상 틀렸다는 뜻은 아니다. 다만 고객이 실제로 원하지 않은 방향으로 추천 목록이 좁아질 수 있고, 그 과정에서 다른 가게가 빠질 수 있다.

다른 연구에서도 비슷한 문제가 나타났다. 2024년 시카고대·스탠퍼드대 등이 발표한 판단 실험에서는 같은 내용을 미국 흑인 영어로 썼을 때 유죄 판단 비율이 표준 미국 영어보다 높았고, 사형을 고른 비율도 달랐다.

핵심은 추천이든 판단이든 질문의 내용만 영향을 주는 것은 아니라는 점이다. 고객이 어떤 말투로 묻느냐도 AI가 답을 만드는 과정에 들어갈 수 있다.

광주 사장님도 이걸 신경 써야 할까?

여기서 중요한 점이 있다. 이번 플로리다대 실험은 영어만 시험했다. 전라도 말이나 한국어와 영어를 섞은 말이 같은 방식으로 추천 결과를 바꾼다는 것은 아직 확인되지 않았다.

그래도 직접 확인해 볼 이유는 있다. 법무부 집계에 따르면 2025년 말 국내 체류 외국인은 2,783,247명이고, 한국관광공사 잠정치로 2025년 방한 외국인 관광객은 1,880만 명이다.

광주에서도 고객이 AI에게 꼭 표준어로만 묻는다고 볼 수는 없다. 「광주 맛집 알려줘」와 「광주서 밥 묵을 데 어디가 좋당가」, 「Gwangju에서 spicy 안 한 food 추천」처럼 말투가 달라질 수 있다.

다만 AI가 이런 말투를 보고 어떤 고객이라고 짐작할지는 모델마다 다를 수 있다. 따라서 다른 지역이나 다른 언어에서 나온 연구 결과를 그대로 광주에 적용하기보다, 실제 결과를 재 보는 것이 먼저다.

그럼 홈페이지에는 무엇을 적어야 할까?

AI가 고객을 어떻게 짐작하는지는 가게가 직접 고칠 수 없다. 대신 가게에 관한 사실을 홈페이지에 충분히 적어 두는 것은 할 수 있다.

예를 들어 영어 메뉴판이 있는지, 맵기를 몇 단계로 고를 수 있는지, 채식 메뉴가 몇 가지인지, 어르신 단체를 몇 명까지 받을 수 있는지처럼 실제 정보를 적는다. 이런 정보가 있으면 AI가 가게를 판단할 때 참고할 수 있는 근거가 생긴다.

이번 실험에서는 AI에게 식당 이름만 주고 추천하게 했다. 따라서 이름 말고 어떤 정보가 더해졌을 때 추천이 어떻게 달라지는지는 이 실험에서 확인한 내용이 아니다.

외국인 고객을 생각한다면 같은 정보를 영어로도 한 단락 정도 정리해 두는 방법이 있다. 섞은 말로 질문하는 고객을 AI가 어떻게 분류하더라도, 가게의 실제 특징을 확인할 수 있는 정보가 있어야 한다.

가장 먼저 해 볼 일은 무엇일까?

홈페이지부터 고치기보다 먼저 우리 가게가 실제로 어떻게 나오는지 기록하는 것이 좋다. 같은 부탁을 표준어, 사투리, 영어 섞은 말로 바꿔서 챗GPT·제미나이·퍼플렉시티에 물어본다.

한 번 나온 결과만 보고 판단하지도 않는다. 실험처럼 여러 번 반복하고, 각 질문에서 우리 가게가 몇 번 등장했는지 적는다. 표준어에서는 나오는데 사투리에서는 빠지는지, 영어를 섞으면 다른 가게가 올라오는지도 비교한다.

이렇게 해 보면 「AI가 우리 가게를 잘 모른다」는 막연한 판단보다 무엇이 부족한지 구체적으로 볼 수 있다. 홈페이지에 메뉴, 외국어 정보, 맵기, 이용 가능 인원처럼 실제 고객이 궁금해할 사실이 적혀 있는지도 함께 확인할 수 있다.

이 연구만으로 단정하면 안 되는 이유는?

이번 연구에는 분명한 한계가 있다. 고객 정보가 없는 상태에서 시험했기 때문에 실제 서비스처럼 대화 기록이나 위치 정보가 쌓인 상황과는 다를 수 있다.

시험한 말투도 미국 남부 영어, 인도 영어, 힌디어와 영어를 섞은 말뿐이다. 시험한 AI 역시 공개 모델 6종이며, 고객이 실제로 쓰는 챗GPT나 제미나이 서비스 자체를 시험한 것은 아니다.

또 AI가 웹 전체를 검색한 것이 아니라 연구진이 준비한 목록 안에서만 골랐다. 따라서 「한국 고객이 사투리로 물으면 다른 가게가 추천된다」고 지금 단정할 수는 없다.

그래서 광주 사장님에게 필요한 결론은 간단하다. 사투리나 영어를 섞어 물었을 때 AI가 어떤 가게를 고르는지는 아직 가설이고, 우리 가게가 실제로 어떻게 나오는지 직접 재 보는 것이 가장 빠르다.

같이 읽을 글

• AI에 가게가 나오는지 한 번만 확인하면 될까?
• 챗GPT와 구글 AI 모드, 한 곳만 맞추면 될까?
• 고객이 AI에게 물으면 우리 가게가 추천될까?
• 새로 연 가게도 AI에게 추천될 수 있을까?

자료 출처

• An Investigation of Linguistic Biases in LLM-Based Recommendations(University of Florida·arXiv 2604.25456·2026년 4월 제출, AI 6종·질문 60개·시드 20)
• AI is biased against speakers of African American English, study finds(시카고대 뉴스·2024년 8월, 원 연구는 시카고대·스탠퍼드대·앨런AI연구소 등)
• AI dialect prejudice 연구 서지 정보(Nature 633권·2024년 9월, 옥스퍼드대·스탠퍼드대·시카고대)
• Steering LLMs toward Korean Local Speech: Iterative Refinement Framework for Faithful Dialect Translation(arXiv 2511.06680·2025년 11월 제출, 전라·경상·제주 말)
• 연도별 인구대비 체류외국인 현황(법무부·2025년 말 기준, 체류 외국인 2,783,247명·5.44%)
• 방한 외래관광객 1,880만 명 국가별 분석(헤럴드경제·2026년 1월, 한국관광공사 2025년 잠정치)