Bloomberg Intelligence 데이팅 설문조사: Gen Z는 더 많이 데이트하지만 AI에는 여전히 신중

Bloomberg Intelligence는 데이팅 앱 이용자 중 젊은 세대가 더 자주 데이트하고 있다고 분석했다. 다만 이들의 관심을 얻기 위해 경쟁하는 앱 내 인공지능에는 여전히 회의적인 시선이 존재한다. Bloomberg Intelligence 데이팅 설문조사는 관계에 대한 관심이 높아져도 더 많은 자동화에 대한 수요로 곧바로 이어지지는 않는다는 복합적인 신호를 보여준다.

Bloomberg의 10월 28일 보도에 따르면, 이 결과는 AI를 통해 젊은 고객을 확보하려는 노력을 복잡하게 만든다. Tinder와 Bumble은 다음 기능 출시를 넘어서는 영향을 지닌 제품상의 질문에 직면해 있다. 사람들이 소프트웨어가 맡아주기를 원하는 데이팅의 영역은 어디까지이며, 어떤 부분은 개인적인 영역으로 남기고 싶어 할까?

핵심 긴장은 보조와 대체 사이에 있다. 누군가가 의도를 표현하도록 돕는 도구는 그 의도가 표현된 것처럼 보이게 만드는 도구와는 다른 목적을 지닌다. 데이팅 플랫폼이 이 두 경험을 동일한 것으로 취급하면 기술적 기능을 제품 사용 이유와 혼동할 위험이 있다.

Bloomberg Intelligence 데이팅 설문조사가 실제로 바꾸는 것

Bloomberg의 데이팅 앱 사용자 설문조사 보도는 미국 데이팅 앱 사용자 1,000명을 대상으로 한 연구를 설명한다. 16세에서 28세 사이 응답자 가운데 싱글이면서 현재 데이트 중인 사람의 비율은 34%로, 1년 전의 23%보다 높았다.

연구진은 이 집단이 나이가 들수록 지불 의향도 커졌다고 분석했다. 다만 젊은 이용자들은 여전히 밀레니얼 세대보다 가격에 민감했다. 이러한 고무적인 결과와 함께 Bloomberg는 AI가 접목된 데이팅 앱에 대한 경계심이 계속되고 있다고 보도했다.

상업적 기회와 자동화에 대한 수요는 별개의 질문이다.

이 차이는 결과가 제품 로드맵에 반영되는 방식을 바꾼다. 관계를 찾는 사람이 늘어난다는 것은 만남을 돕는 서비스에 기회가 생긴다는 뜻이다. 그러나 어떤 기능이 사용자를 끌어들이고, 재방문을 유도하며, 신뢰를 얻을지는 알려주지 않는다.

표본도 중요하다. 이 결과는 이미 데이팅 앱을 사용하는 사람들에 관한 것이다. 이를 모든 미국 젊은 층에서 같은 비율이 싱글이고 데이트 중이라는 주장으로 확대해서는 안 된다. 앱 시장 밖에 있는 사람들은 다른 선호, 거부감 또는 앱을 멀리하는 이유를 가질 수 있다.

연령 범위도 같은 주의가 필요하다. 설문조사의 분류가 특정 데이팅 서비스의 이용 자격을 정하는 것은 아니다. 또한 해당 범주를 포괄하는 결과가 일반적으로 Gen Z로 분류되는 모든 사람을 설명하는 것도 아니다.

지난해와의 비교는 검토할 가치가 있는 방향성을 제시한다. 그러나 비율 변화만으로 그 차이가 연령 증가, 표본 모집, 환경 변화 또는 다른 요인에 따른 것인지는 설명할 수 없다. 원인을 확인하려면 비교 가능한 방법론과 더 상세한 결과가 필요하다.

따라서 플랫폼 운영자에게 유용한 해석은 세대 전반의 데이팅 부활이라는 이야기보다 더 좁다. 이 결과는 설문에 참여한 젊은 이용자 사이의 기회를 시사하는 동시에, 기업이 그 기회를 추구하는 방식에 제약이 있음을 보여준다.

또한 기술 수용에 관한 편리한 가정에도 의문을 제기한다. 디지털 도구에 익숙하다고 해서 그 도구의 모든 활용 방식에 동의한다는 뜻은 아니다. 누군가는 한 상황에서는 자동화된 도움을 유용하게 여기면서도, 다른 상황에서는 같은 개입을 반갑지 않게 느낄 수 있다.

데이팅에서는 의사소통이 대화하는 사람에 대한 정보를 담기 때문에 이 경계가 특히 뚜렷하게 드러난다. 답장은 문자 그대로의 의미뿐 아니라 관심, 유머, 호감, 판단을 전달한다. 답장을 자동으로 생성하면 수신자가 합리적으로 추론할 수 있는 내용도 바뀐다.

이것이 헤드라인 아래에 남아 있는 미해결 문제다. 플랫폼은 AI가 사용자가 인식하는 장애물을 제거하는지, 아니면 사용자가 가치 있게 여기는 경험에 개입하는지를 파악해야 한다. 설문조사는 모든 기능에 대해 답을 내리지는 않지만, 그 질문을 제기한다.

Tinder와 Bumble이 마주한 기능 가치의 문제

Tinder와 Bumble에 즉각적인 압박은 제품 우선순위에 가해진다. 새 기능 하나하나는 엔지니어링 자원, 앱 내 주목도, 그리고 낯선 기능을 시도하려는 사용자의 의지와 경쟁한다.

기능이 설계대로 작동하더라도 잘못된 문제를 해결할 수 있다. 누군가가 잘 맞는 사람을 찾기 어렵다면 프로필 문구를 개선하는 기능은 제한적인 도움만 줄 수 있다. 누군가가 대화를 신뢰하지 못한다면 메시지를 더 많이 생성하는 기능은 원래의 우려를 더 키울 수 있다.

각 개입은 사용자가 실제로 원하는 결과와 연결되어야 한다.

기업이 AI를 광범위한 쇄신 전략으로 제시할수록 그 부담은 커진다. 개인화에 대한 포괄적인 약속만으로는 여러 질문에 답할 수 없다. 어떤 정보가 추천을 개선하는가? 어떤 결정은 사용자에게 남는가? 그 변화가 도움이 된다는 근거는 무엇인가?

8월 4일 발표된 Match Group의 2분기 실적은 유용한 사업 맥락을 제공한다. 회사는 Tinder의 일일 활성 이용자 수가 전년 대비 4% 감소했으며, 이는 10개 분기 만에 가장 좋은 비교 수치라고 밝혔다. 또한 Hinge의 매출은 22% 증가했다고 보고했다.

이 결과는 같은 포트폴리오 안에서도 서로 다른 흐름을 보여준다. AI의 기여도는 분리해 보여주지 않는다. Match Group은 단일 기능에 대한 통제된 실험이 아니라 추천 기능과 기타 혁신을 포함한 제품 변화가 Tinder 추세 개선에 기여했다고 설명했다.

경영진의 설명을 평가할 때 이 차이는 필수적이다. 기업은 AI를 도입하면서 실적이 개선될 수 있지만, 그것만으로 AI가 개선을 일으켰다는 사실이 입증되지는 않는다. 유통, 시장 확장, 제품 포지셔닝, 그리고 경험의 다른 변화도 성과에 영향을 줄 수 있다.

Hinge의 성장 역시 젊은 이용자를 단일한 시장으로 취급하지 말아야 한다는 점을 보여준다. 서비스마다 서로 다른 의도를 지닌 사람들을 끌어들일 수 있다. 기반 소프트웨어가 비슷하더라도 한 브랜드의 기대에 맞는 기능이 다른 브랜드에서는 어색하게 느껴질 수 있다.

같은 논리는 지불 의향에도 적용된다. 구독에 관심이 있다고 해서 어떤 혜택이 구매를 이끄는지는 알 수 없다. 사용자는 생성형 콘텐츠에 가치를 부여하지 않더라도 접근성, 통제권, 가시성 또는 더 유용한 경험을 중시할 수 있다.

Gen Z 데이팅 앱에는 이것이 포지셔닝 과제가 된다. 기업은 서비스를 이용하는 사람에게 무엇이 개선되는지 명확히 설명해야 한다. 업데이트 뒤에 있는 기술을 설명하는 것만으로는 그 설명을 대신할 수 없다.

측정의 문제도 있다. 메시지가 많아지면 참여도가 높아졌다는 신호일 수 있지만, 메시지의 유용성은 별개의 질문으로 남는다. 더 길어졌지만 더 많은 정보를 제공하지 않는 대화가 반드시 참가자들을 만남으로 이끄는 것은 아니다.

마찬가지로 작성이 완료된 프로필이 많아지면 앱이 더 건강해 보일 수 있지만, 궁합은 그대로일 수 있다. 세련된 프로필은 관심을 끌 수 있지만 두 사람 모두가 더 나은 결정을 내리도록 돕지 못할 수 있다.

분석적 의미는 명확하다. 활동 지표에는 해석이 필요하다. 젊은 이용자를 확보하려는 플랫폼은 개입이 발견 단계에서 원하는 상호작용에 이르는 과정을 어떻게 개선하는지 보여줘야 한다. 그렇지 않으면 AI는 고객 가치의 증거가 아니라 투자에 대한 설명이 된다.

표현을 대체하면 보조 기능은 더 팔기 어려워진다

가장 유용한 구분은 경험 자체에 있다. 일부 도구는 사용자가 무엇을 말할지 결정하도록 돕는다. 다른 도구는 상대방이 사용자의 성격을 보여주는 증거로 받아들이는 언어를 생성한다.

지시에 따라 콘텐츠를 만드는 소프트웨어인 생성형 AI는 두 번째 범주를 더 쉽게 구축하게 만든다. 발신자의 편의가 수신자의 불확실성을 키울 때 제품 과제가 시작된다.

의사소통에 필요한 노력을 줄이는 것은 의사소통이 제공하는 정보도 줄일 수 있다.

가령 제안된 답장이 누군가가 이미 말하고자 했던 내용을 정확히 담아낸 가상의 대화를 생각해 볼 수 있다. 사용자는 이를 검토하고 문구를 수정한 뒤 보낸다. 이 보조 기능은 그 사람이 이미 내린 결정을 뒷받침한다.

이제 재치, 호기심, 감정적 반응성을 반복적으로 제공해 대화를 이어가는 시스템을 생각해 보자. 수신자는 실제로 만나게 될 사람에게 어떤 특성이 있는지 파악하기가 더 어려워진다.

이는 특정 앱 이용자의 행동에 관한 결과가 아니라 예시적 시나리오다. 두 경험이 모두 AI라는 동일한 이름으로 불리더라도, 개입의 범위에 따라 수용 여부가 달라질 수 있는 이유를 설명한다.

6월 18일 발표된 Match Group의 자체 AI 데이팅 연구도 관련된 경계를 인식한다. 이 설문조사는 18세에서 39세 사이의 미국 싱글 약 1,000명을 대상으로 했다.

회사는 응답자의 47%가 연애 맥락에서 AI를 부정적으로 봤지만, 64%는 AI가 자신의 데이팅 여정에 도움이 될 수 있다고 생각했다고 보고했다. 이 결과는 다른 표본에 관한 것이므로 Bloomberg의 결과와 직접 비교해서는 안 된다.

그럼에도 이는 포괄적인 수용이나 거부보다 더 구체적인 논의를 뒷받침한다. Match Group은 이 결과를 인간적 연결을 대체하는 것에 대한 저항과 함께, 보조 기능에는 열린 태도를 보이는 것으로 해석한다. 기업 후원 연구인 만큼 이 조사는 이러한 제품을 개발하는 사업자의 관점도 반영한다.

이 관점은 수요에 대한 업계 내부의 설명에서도 긴장이 존재함을 보여주기 때문에 유용하다. 이는 단순히 기술 기업과 기술에 반대하는 사람들 사이의 갈등이 아니다. 관계 중심 서비스 안에서 자동화가 맡아야 할 적절한 역할에 관한 문제다.

사용자 통제는 그 역할을 구분하는 한 가지 방법이다. 제안을 검토하면 부정확한 의미 전달을 거부할 기회가 생긴다. 보조 기능이 언제 나타날지 선택하게 하면, 사용자는 스스로 처리하고 싶은 경험의 일부를 지킬 수 있다.

그러나 검토 버튼만으로 의미 있는 통제가 보장되지는 않는다. 생성된 텍스트가 모든 상호작용에서 가장 쉬운 경로가 된다면, 제품은 여전히 행동을 형성한다. 기본 설정, 노출 시점, 인터페이스에서의 눈에 띄는 정도는 사용자가 무엇을 접하고 선택하는지에 영향을 미친다.

공개 고지 역시 또 다른 미해결 질문을 제기한다. 보조 기능이 사용됐다는 사실을 알면 수신자는 메시지를 해석하는 데 도움이 될 수 있다. 그러나 고지가 유용하려면 충분히 구체적이어야 한다. 앱이 AI를 사용한다는 포괄적인 설명은 특정 답장을 누가 작성했는지 거의 알려주지 않는다.

더 넓은 제품 교훈은 가치의 단위에 관한 것이다. 목표는 단지 더 나은 문장을 만드는 것이 아니다. 사람들이 추가적인 연락을 원하는지 결정할 수 있을 만큼 서로를 잘 이해하도록 돕는 것이다. 이 목표들은 때로 일치하지만, 플랫폼이 그렇게 주장하려면 근거가 필요하다.

실제 제품 선택은 이미 경쟁하는 답을 제시한다

현재 제품 발표를 보면 데이팅 기업들은 마찰을 줄이기 위한 여러 방식을 추구하고 있다. 일부는 자기표현에 집중한다. 다른 일부는 사람들이 만나는 사회적 환경을 바꾼다.

Bumble은 2월 26일 AI 프로필 가이드를 발표했다. 회사는 미국 회원에게 제공되는 사진 피드백과 함께 자기소개와 프롬프트에 대한 개인화된 피드백을 설명했다.

같은 발표에서는 당시 캐나다에서 테스트 중이던 Suggest a Date도 소개했다. 이 기능은 사용자가 만날 준비가 됐다는 의사를 표현할 방법을 제공한다. 그 목적은 프로필 작성과는 다른 병목을 해결한다.

가장 중요한 비교 기준은 포함된 AI의 양이 아니라 해결하려는 문제다.

Bumble의 조합은 이 비교를 구체화한다. 프로필 가이드는 자신을 어떻게 보여줄지에 초점을 맞춘다. 준비 상태를 알리는 신호는 다음 단계에 대한 불확실성을 겨냥한다. 어느 기능도 단독으로는 그 결과로 이어지는 상호작용이 더 만족스러워지는지를 보장하지 않는다.

이 구분이 중요한 이유는 기업이 서로 다른 방식으로 진정성을 추구할 수 있기 때문이다. 누군가가 자신을 더 명확하게 설명하도록 도울 수 있다. 또는 이미 가진 의도를 더 간단하게 전달할 방법을 제공할 수도 있다.

Tinder의 9월 30일 그룹 데이팅 출시는 또 다른 접근법을 제시한다. Group Hangouts는 친구들이 활동을 중심으로 그룹을 만들고, 다른 그룹을 발견하며, 상호 관심이 확인된 뒤 공동 대화에 참여할 수 있게 한다.

Tinder는 이 기능이 미국과 일부 시장에서 먼저 출시될 것이라고 밝혔다. 또한 추천은 활성화된 계획과 관련 활동이 있는 그룹을 우선할 수 있으며, 참가자가 초대와 대화 지속 여부를 통제한다고 설명했다.

이 기능은 책임을 다르게 배분하는 방식을 보여준다. 소프트웨어는 발견과 조율을 지원하고, 친구들은 사회적 맥락을 제공한다. 이 접근법 역시 추천 기술을 사용하므로 알고리즘으로부터의 탈피라고 설명해서는 안 된다.

중요한 점은 자동화가 어디에 놓이느냐다. 잠재적인 그룹 만남의 우선순위를 정하는 일은 누군가를 대신해 말하는 것과 다르다. 둘 다 상호작용에 영향을 줄 수 있지만, 사용자에게 위임하도록 요구하는 판단의 종류는 서로 다르다.

그룹 형식에는 상충 관계도 따른다. 친구들을 조율하는 일은 개인 간 대화를 마련하는 것보다 더 많은 노력을 요구할 수 있다. 사회적 부담을 줄이기 위해 설계된 접근법이 오히려 물류상의 마찰을 만들 수도 있다.

그 가능성이 이 기능의 가치를 무효화하는 것은 아니다. 다만 성공을 판단하려면 명확한 결과 기준이 필요하다는 점을 보여준다. 더 많은 초대 수락은 한 가지 질문에 답할 수 있고, 더 만족스러운 만남은 또 다른 질문에 답할 수 있다. 어느 하나도 자동으로 다른 하나를 대신해서는 안 된다.

Bumble의 가이드 도구도 비슷한 시험대에 놓여 있다. 피드백은 사람이 표현하고자 하는 내용을 명확히 해줄 때 유용할 수 있다. 시스템이 프로필을 동일한 선호 스타일로 수렴하도록 유도할 때는 평가가 더 까다로워진다.

이번 발표들은 기업이 무엇을 만들고 있으며 의도를 어떻게 설명하는지를 보여준다. 그러나 한 접근법이 더 나은 관계를 만든다는 점을 입증하는 독립적인 비교 자료는 제공하지 않는다.

AI 데이팅 기능을 평가하는 독자에게 의미 있는 비교 기준은 주체성과 정보다. 업데이트가 사람들이 더 명확하게 스스로 선택하도록 돕는가? 프로필 뒤에 있는 사람을 더 쉽게 이해하게 하는가? 이 질문들은 제품 설계를 새 보도에서 언급된 회의론과 직접 연결한다.

회의론이 AI 데이팅 기능의 실패를 입증하는 것은 아니다

Bloomberg Intelligence의 데이팅 설문조사는 제품에 대한 가정에 신중할 필요가 있음을 보여준다. 그러나 모든 AI 적용 사례, 모든 데이팅 브랜드, 또는 모든 젊은 사용자를 대상으로 한 결론을 확정하지는 않는다.

태도와 행동은 서로 다른 것을 측정한다. 누군가는 우려를 표하면서도 계속 기능을 사용할 수 있다. 다른 사람은 도구를 긍정적으로 평가하면서도 실제로는 채택하지 않을 수 있다.

설문에서 나타난 회의론은 검증해야 할 질문을 제시할 뿐, 그 검증의 결과를 제공하지는 않는다.

독립 연구는 유용한 맥락을 제공한다. Boston University의 2월 데이팅 기술 설문조사에 따르면, AI 기반 데이팅 앱이 더 성공적인 관계를 만들 것이라는 주장에 40%가 동의하지 않았다. 또 다른 20%는 동의했고, 40%는 어느 쪽도 선택하지 않았다.

대학 측은 2월 3일과 4일에 온라인 설문을 실시했으며, 결과는 미국 인구 특성에 맞춰 가중치를 적용했다고 설명했다. 응답자와 질문은 Bloomberg 보도에서 다뤄진 젊은 데이팅 앱 사용자들과 다르다.

중립 응답 집단은 해석에서 특히 중요하다. 불확실성은 어느 방향으로든 생각을 바꾸는 경험의 여지를 남긴다. 이를 자동으로 지지나 반대로 계산해서는 안 된다.

질문의 표현 방식도 응답이 무엇을 입증할 수 있는지를 좌우한다. AI가 관계를 개선하는지 묻는 것은 프로필 제안이 유용한지 묻는 것보다 더 넓은 기준을 설정한다. 응답자는 이 두 질문에 다르게 답하는 것이 충분히 합리적일 수 있다.

카테고리 자체도 여전히 광범위하다. 추천, 콘텐츠 생성, 사진 피드백, 자동화된 관리 기능은 서로 다른 역할을 수행한다. 이를 하나의 AI라는 이름 아래 묶으면 사람들이 실제로 싫어하는 개입이 무엇인지 가릴 수 있다.

따라서 경쟁하는 설문 비율을 하나의 채택 점수로 합쳐서는 안 된다. 서로 다른 모집단, 시점, 정의, 질문은 서로 모순되지 않으면서도 다른 결과를 낳을 수 있다.

기업 결과를 해석하는 데에도 추가적인 한계가 있다. 공개 발표는 의도된 혜택을 설명하고, 재무 공시는 사업 성과를 설명한다. 어느 쪽도 특정 연령대가 특정 AI 도구에 어떻게 반응하는지를 반드시 보여주지는 않는다.

설득력 있는 평가는 이 층위들을 분리할 것이다. 자발적 채택, 지속 사용, 사용자 만족도, 관련 결과를 살펴볼 것이다. 또한 발신자에게 생기는 이득이 수신자에게 비용을 초래하는지도 물어야 한다.

예를 들어, 한 실험에서 제안 메시지가 답장 수를 늘린다는 결과가 나올 수 있다. 그 가정적 결과만으로도 이후 대화, 인지된 진정성, 참가자들이 실제로 만나기를 원했는지에 대한 질문은 남는다. 초기 응답률은 범위가 제한된 유용한 증거가 될 것이다.

개인정보 보호도 위법 행위를 가정하지 않은 채 비슷한 수준의 검토가 필요하다. 더 개인화된 지원에는 더 많은 개인적 맥락이 필요할 수 있다. 그 교환을 평가하려면 기능이 어떤 정보를 요청하는지, 어떻게 사용하는지, 어떤 선택지가 남아 있는지를 이해해야 한다.

이러한 한계가 상업적 경고를 없애는 것은 아니다. 오히려 이를 더 정확히 규정한다. 이 증거는 젊은 사용자가 관계를 원하거나 이미 디지털 서비스를 사용한다는 이유만으로 자동화를 환영할 것이라고 가정해서는 안 된다는 점을 시사한다.

개발자와 제품 관리자에게 이는 유난히 민감한 환경에서 마주하는 익숙한 연구 과제다. 마찰을 줄이고 싶다는 표현된 욕구는 자동화의 지침이 되기 전에 해석이 필요하다. 사용자가 없애고 싶어 하는 마찰과 상호작용을 의미 있게 만드는 노력은 구분되어야 한다.

다음 시험대는 채택, 유지, 그리고 실제 만남이다

향후 몇 달 동안 세 가지 신호가 기업이 우려에 답하고 있는지, 아니면 단지 표현만 바꾸고 있는지를 판단하는 데 도움이 될 것이다. 각 신호는 제품 논리의 서로 다른 부분을 시험하기 때문에 순서가 중요하다.

첫 번째는 특정 AI 기능의 자발적 채택이다. 유용한 공개 자료는 도구를 한 번 시도한 것과 다시 사용하는 것을 구분하고, 유도된 사용과 의도적인 선택을 구분할 것이다. 연령대별 결과는 이러한 발견을 현재의 논쟁과 더 관련성 있게 만들 수 있다.

지속적이고 자발적인 사용의 증거는 기능이 인식된 수요를 해결한다는 주장을 강화할 것이다.

반대로 잦은 거부, 제한적인 재사용, 또는 지속적인 알림에 대한 의존은 그 주장을 약화할 것이다. 이러한 결과가 기반 기술에 가치가 없음을 입증하는 것은 아니다. 다만 현재의 배치 방식이나 목적을 재검토할 필요가 있음을 시사할 것이다.

두 번째 신호는 신뢰와 함께 보는 유지율이다. 유지율은 사람들이 시간이 지나도 서비스를 계속 사용하는지를 측정한다. 이는 사용자가 경험을 이해하고 통제한다고 느끼는지와 함께 평가되어야 한다.

초기 관심을 끌지만 대화에 대한 불확실성이 더 커지는 기능은 엇갈린 결과를 낳는다. 반면 사람들이 자신감을 갖고 다시 돌아오도록 돕는 조용한 개입은 더 지속적인 가치를 제공할 수 있다.

기업의 실적 발표 논평은 특히 광범위한 플랫폼 성과와 기능별 증거를 구분할 때 방향성을 파악하는 데 도움이 될 수 있다. 독자는 명확한 비교와 정의된 지표를 찾아야 한다. 개인화가 개선됐다는 일반적 진술만으로는 누구의 경험이 왜 바뀌었는지 설명하지 못한다.

세 번째 신호는 사람들이 원하는 현실 세계의 만남으로 이어지는 움직임이다. 여기에는 조율 도구가 사람들이 만남을 잡는 데 도움이 되는지, 참가자들이 그러한 만남을 가치 있게 여기는지가 포함된다. 메시지 양만으로는 어느 질문에도 답할 수 없다.

그룹 형식의 경우, 증거는 각 대화에 더 많은 사람이 참여한다는 사실을 고려해야 한다. 글쓰기 지원의 경우에는 추가 응답과 더 나은 상호 이해를 구분해야 한다. 이러한 조정은 비교를 더 유익하게 만들 것이다.

더 나은 결과는 현재 AI 투자가 젊은 사용자의 우선순위를 놓치고 있다는 주장을 약화할 것이다. 약한 채택과 함께 지속되는 회의론은 그 주장을 강화할 것이다. 엇갈린 결과는 서로 다른 도구가 서로 다른 필요를 충족하는 더 좁은 전략을 뒷받침할 것이다.

따라서 Bloomberg Intelligence의 데이팅 설문조사는 기업에 구체적인 과제를 남긴다. 데이팅에 대한 관심을 모든 형태의 자동화에 대한 허가로 취급하지 않으면서 각 개입의 가치를 입증해야 한다.

독자들은 다음 제품 발표를 다음 성과 공개와 함께 살펴봐야 한다. 기능이 무엇을 위임하는지, 사용자가 무엇을 통제하는지, 보고된 개선이 실제로 무엇을 측정하는지 물어야 한다. 생성된 프로필과 더 긴 채팅을 넘어서는 증거를 찾아야 한다. 유용한 데이팅 서비스는 유망한 연결을 알아보고 다음에 무엇을 할지 결정하기 쉽게 만들어야 한다. Gen Z 데이팅 앱이 더 많은 지원 기능을 도입하는 가운데, 어떤 변화가 사람들이 서로를 이해하도록 돕고 어떤 변화가 단지 인터페이스를 더 복잡하게 만드는가? 또 다른 AI 출시를 진전으로 받아들이기 전에 그 수준에서 증거를 따라가야 한다.