사람들은 정치인보다 AI를 더 신뢰하지만, 그 비교는 진짜 위험을 가린다

Google News는 사용자가 AI의 답변을 일상적으로 의심한다는 증거가 쌓이는 가운데서도, 사람들이 진실을 말하는 주체로 정치인보다 AI를 더 신뢰한다는 Bloomberg 헤드라인을 노출했다.

이런 역전은 주목할 만하다. 어느 쪽도 폭넓은 신뢰를 얻지 못하고 있기 때문이다. 정치인은 많은 신뢰도 순위에서 최하위권에 머무는 반면, 생성형 AI는 내용의 진위를 검증하지 않은 채 유창한 문장을 만들어낼 수 있다. 따라서 이 비교가 측정하는 것은 기계에 대한 확고한 신뢰가 아니라 상대적인 불신이다.

검토 당시 원문 Bloomberg 기사는 Google News 목록을 통해 완전히 접근할 수 없었다. 해당 설문의 정확한 문항, 표본, 지역, 조사 기간은 독립적으로 확인할 수 없었다. 신뢰 관련 질문은 작은 표현 차이만으로도 매우 다른 헤드라인을 낳을 수 있기 때문에, 이 검증 공백은 중요하다.

현재 이용 가능한 연구는 더 좁은 결론을 뒷받침한다. 특히 정치인에 대한 신뢰가 예외적으로 낮은 경우, 사람들은 때때로 정치인보다 AI를 높게 평가한다. 그러나 주요 설문조사는 이용자들이 AI 결과물을 확인하고, 공개를 요구하며, 정치적 조작을 우려한다는 점도 보여준다.

진짜 대결은 AI 대 정치인이 아니다. 이는 자신감 넘치는 자동화된 발화와 책임 있는 인간의 판단 사이의 문제이며, 한쪽이 부진하다고 해서 다른 쪽이 승리하는 것은 아니다.

Google News 헤드라인이 실제로 바꾸는 것

이 헤드라인은 낮은 정치 신뢰를 AI에 대한 명백한 신뢰로 바꾸어 보이게 하지만, 두 개념은 동등하지 않다.

Google News는 뉴스 집계 및 발견 서비스다. 게시자가 낸 헤드라인을 노출하지만, 그 안의 모든 주장을 독자적으로 인증하지는 않는다. 눈에 띄는 목록은 근본 방법론에 관한 의문을 해소하지 않은 채 주장에 도달 범위를 부여할 수 있다.

Bloomberg 헤드라인은 깔끔한 순위를 제시한다. 진실이 쟁점일 때 사람들은 정치인보다 AI에 더 큰 신뢰를 둔다는 것이다. 이는 인간과 기계 사이의 예상된 관계를 뒤집기 때문에 기억에 남는 표현이다.

면밀히 읽으려면 적어도 네 가지 구분이 필요하다. 연구자들은 응답자가 일반적으로 AI를 신뢰하는지, 특정 챗봇을 신뢰하는지, 진실한 답변을 기대하는지, 또는 다른 출처보다 AI를 선호하는지를 물을 수 있다. 각 질문은 서로 다른 것을 측정한다.

직접 비교는 비교 대상에 크게 좌우된다. 신뢰도 조사에서 의사, 과학자 또는 엔지니어를 앞선다면 AI에 대한 유난히 강한 신뢰를 의미할 것이다. 그러나 정치인을 앞서는 것은 정치 직업군이 역사적으로 낮은 평가를 받아온 현실을 반영할 수 있다.

영국은 이를 분명히 보여준다. Veracity Index는 2025년 조사에서 정치인이 진실을 말한다고 신뢰한 응답자가 9%에 불과했다고 밝혔다. 소셜미디어 인플루언서는 6%로 더 낮았다.

이 결과는 AI 시스템을 신뢰하는 사람이 얼마나 되는지를 알려주지는 않는다. 다만 낯선 범주가 다수의 지지를 얻지 못하고도 정치인을 앞설 수 있음을 보여준다.

이 차이는 승자가 여전히 크게 비호감인 선거와 비슷하다. 제한적인 신뢰를 받는 챗봇도 상대가 최하위권에서 출발하면 앞설 수 있다.

따라서 독자는 이 헤드라인을 제도적 신뢰 문제의 증거로 다루어야 한다. 이는 사람들이 AI를 일관되게 정확하고, 공정하며, 안전하다고 여긴다는 증거는 아니다.

출처 경로도 주목할 필요가 있다. Google News를 통해 발견한 헤드라인은 설문 설계자, 분석가, 게시자, 편집자, 집계 서비스 등 여러 층을 거칠 수 있다. 모든 층은 맥락을 압축한다.

이런 압축은 놀라운 비교에 보상을 준다. 질문 문구, 지역별 차이, 판단을 유보한 응답자, 신뢰와 실제 행동의 차이에 관한 단서는 남길 여지가 줄어든다.

그 결과 방법론적으로는 불완전한데도 정밀하게 느껴지는 주장이 만들어진다. 원자료와 문항이 공개되기 전까지 가장 강하게 방어할 수 있는 해석은 상대적이다. 일부 응답자는 AI보다 정치인을 더 불신한다는 것이다.

그럼에도 이는 의미가 있다. 정치적 소통의 신뢰도가 너무 낮아져 확률적 텍스트 생성기가 더 나은 선택처럼 보일 수 있기 때문이다. 바뀐 것은 반드시 기계가 아니라 비교 기준이다.

Google News 이용자는 왜 AI를 신뢰하면서도 확인할 수 있는가

AI 도입은 이제 AI 신뢰를 앞서가며, 맹목적 믿음이 아니라 조건부 의존의 습관을 만들어내고 있다.

AI Monitor 2026는 32개국에서 75세 미만 성인 23,532명을 조사했다. 현장 조사는 2026년 3월 20일부터 4월 3일까지 진행됐다.

가장 분명한 결과는 무조건적인 신뢰가 아니다. 조사 대상 국가 전체에서 63%는 AI 도구를 항상 신뢰하지는 않지만 어쨌든 사용한다고 답했다.

이 패턴은 응답자가 AI를 완전히 신뢰할 만하다고 여기지 않으면서도 정치인보다 AI를 선택할 수 있는 이유를 설명한다. 사람들은 답변에 의문을 유지하면서도 속도, 명확성, 편의성을 이유로 도구를 선호할 수 있다.

생성형 AI는 학습한 패턴을 바탕으로 그럴듯한 연속을 추정해 텍스트를 만든다. 진실에 대한 내재적 책무를 갖고 있지는 않다. 정확한 답변과 조작된 답변은 똑같이 매끄러운 어조로 제시될 수 있다.

이용자들은 이런 한계를 점점 더 이해하고 있다. 같은 Ipsos 조사에서 AI 도구의 작업 결과를 확인하지 않아도 될 만큼 신뢰한다고 답한 비율은 31%에 불과했다. 62%는 동의하지 않았다.

이 수치는 단순한 신뢰 순위를 복잡하게 만든다. 사용이 믿음과 같지 않으며, 선호가 판단을 포기한다는 뜻도 아니다.

별도의 Quinnipiac University 여론조사는 미국에서 비슷한 모습을 보여준다. AI trust 분석 보도에 따르면, AI가 생성한 정보를 대부분 또는 거의 항상 신뢰한다고 답한 비율은 21%에 불과했다.

같은 보도는 76%가 이를 드물게 또는 가끔만 신뢰한다고 전했다. 한편 AI 도구를 한 번도 사용한 적이 없다고 답한 비율은 2025년 4월의 33%에서 27%로 내려갔다.

이 조합은 정치인과의 이분법적 비교보다 더 중요하다. 미국인들은 AI를 사용하면서도 이에 대한 폭넓은 신뢰는 보류하고 있다.

이 행동은 빠르지만 완벽하지 않은 동료에게 의존하는 것과 닮았다. 그 동료는 초안을 쓰고, 요약하고, 유용한 자료를 찾을 수 있다. 하지만 중요한 결정에 영향을 미치기 전에는 여전히 검토를 거친다.

답변이 선거, 전쟁, 공중보건 또는 정치 후보자와 관련될 때 위험은 더 커진다. 그럴듯한 오류는 명백한 거짓보다 더 멀리 퍼질 수 있다. 독자가 멈춰서 조사해야 할 단서가 더 적기 때문이다.

Google News 이용자는 추가적인 모호성의 층과 마주한다. 누군가는 헤드라인에서 AI 관련 주장을 접하고, 맥락을 챗봇에 물은 뒤, 서로 겹치는 보도에 기반한 종합 답변을 받을 수 있다.

모든 단계가 하나의 출처로 거슬러 올라가더라도 이 과정은 독립적인 확인처럼 느껴질 수 있다. 여러 인터페이스에서 반복되는 것은 교차 검증과 같지 않다.

가장 안전한 절차는 출처 이력을 보이게 유지한다. 독자는 원 게시물을 확인하고, 기초 보고서를 열며, 설문 문항을 살펴보고, 다른 권위 있는 출처와 주장을 비교해야 한다.

지식 노동자에게 이는 정보 관리의 문제이기도 하다. 검색 가능한 personal knowledge base는 메모와 함께 출처를 보존해 이후 검증을 쉽게 할 수 있다.

목표는 AI의 도움을 거부하는 것이 아니다. 도움과 권위를 구분하는 것이다.

조건부 의존은 아마도 도입의 다음 단계를 규정할 것이다. 사람들은 AI를 더 자주 사용하면서도 인용, 가시적인 불확실성, 원문 자료에 대한 접근을 요구할 것이다.

이는 완전한 신뢰나 전면적 거부보다 더 성숙한 관계다. 또한 정치인과의 비교를 헤드라인이 암시하는 것보다 덜 극적으로 만든다.

진짜 역전은 기계의 신뢰성이 아니라 불신이다

정치적 신뢰성이 무너질 때 AI는 신뢰할 만해 보이지만, 하나의 취약한 제도가 다른 제도를 정당화할 수는 없다.

정치 신뢰는 생성형 AI가 등장하기 전부터 하락해 왔다. 당파적 갈등, 오해를 부르는 주장, 파편화된 미디어, 일관성 없는 책임성은 공적 인물에 대한 신뢰를 약화시켰다.

AI는 몇 가지 표현상의 이점을 지닌 채 이런 환경에 들어온다. 즉시 답하고, 짜증을 드러내지 않으며, 응답을 정리하고, 이용자에게 맞춰 표현을 조정할 수 있다.

정치인은 대개 적대적인 환경에서 소통한다. 모든 발언은 과거의 약속, 정당 충성도, 선거 유인, 적대적 해석과 경쟁한다.

챗봇은 이런 압력과 떨어져 있는 것처럼 보인다. 인터페이스에는 연단도, 정당 배지도, 후원자 명단도, 선거 이력도 없다.

이런 겉보기 중립성은 부분적으로 외관에 불과하다. 모델은 학습 데이터, 시스템 지침, 제품 정책, 검색 출처, 개발자가 내린 결정을 반영한다.

AI 어시스턴트는 질문하는 사람에 맞춰 답변을 조정할 수도 있다. 개인화는 관련성을 높이지만, 설득을 감지하기는 더 어렵게 만들 수 있다.

사람들은 차분한 언어를 능력과 연결하는 경향이 있다. 생성형 AI는 기초 답변에 근거 없는 추론이 포함돼도 이러한 연상의 혜택을 받는다.

정치인은 반대 효과를 겪는다. 청중이 화자를 불신하기 때문에 그 주장은 정확하더라도 의심을 받을 수 있다.

이것이 이 글의 핵심적인 역전이다. AI는 신뢰를 잃은 범주를 앞서기 위해 높은 신뢰성을 갖출 필요가 없다.

지역별 차이도 또 다른 복잡성을 더한다. Ipsos는 전 세계적으로 AI에 대한 기대감과 불안감이 거의 균형을 이뤘지만, 국가별 태도는 크게 달랐다고 밝혔다.

미국과 여러 서유럽 시장은 많은 아시아 및 신흥 시장보다 더 신중한 태도를 보였다. 따라서 세계 평균은 기술, 정부, 전문성에 대해 극단적으로 다른 관계를 가릴 수 있다.

당파적 정체성은 기업 신뢰도도 바꿀 수 있다. Axios Harris Poll 분석은 주요 AI 기업에 대한 견해에서 공화당원과 민주당원 사이의 격차가 확대되고 있음을 보여줬다.

OpenAI의 평판 점수는 2024년 공화당원 사이에서 민주당원보다 단 1점 높았다. 보도된 격차는 2026년에 12점에 이르렀다.

이러한 변화는 AI 신뢰가 정치로부터 격리되어 있지 않음을 시사한다. AI를 둘러싼 기업, 경영진, 규제, 사회적 결과는 당파적 대상이 되고 있다.

따라서 비정치적인 기계라는 환상은 오래가지 못한다. AI 시스템이 이민, 과세, 전쟁 또는 선거에 관한 질문에 답하기 시작하면, 이용자들은 정치적 렌즈를 통해 그 프레이밍을 판단한다.

AI 기업도 자체적인 신뢰성 압박에 직면한다. 모델이 실수할 수 있음을 인정하면서도 도입을 촉진한다. 안전을 약속하면서도 더 유능한 제품을 출시하기 위해 경쟁한다.

이용자들은 이 긴장을 알아차린다. Quinnipiac 조사 결과에서 응답자의 3분의 2는 기업이 AI 사용에 대해 충분히 투명하지 않다고 답했다. 같은 비율은 정부가 이를 규제하기 위해 충분한 조치를 하지 않고 있다고 봤다.

정치인과 기계는 실제로 분리된 상대가 아니다. 정치 제도는 AI의 규칙을 만들고, AI 기업은 정치 정보가 시민에게 도달하는 방식을 점점 더 형성한다.

검색 엔진, 소셜 네트워크, 게시자, 선거 캠페인, 챗봇은 연결된 정보 시스템을 이룬다. 이들 중 어느 하나도 신뢰할 수 있는 성과로 신뢰를 얻지 못한 채, 신뢰는 그 노드들 사이를 이동할 수 있다.

그래서 이 비교는 두 집단 모두를 불편하게 해야 한다. 정치인은 시민들이 왜 합성된 답변을 선호하는지 물어야 한다. AI 개발자는 그 선호를 사실적 신뢰성의 증거로 받아들이지 말아야 한다.

덜 불신받기 위한 경쟁은 신뢰할 만한 심판자를 만들어내지 못한다. 대중에게는 여전히 투명한 근거, 반박 가능한 주장, 그리고 실수를 바로잡을 수 있는 제도가 필요하다.

신뢰 수치가 증명하지 못하는 것

설문조사 선호도만으로 AI가 더 자주 진실을 말한다거나, 편향이 더 적다거나, 민주적 의사결정을 개선한다는 사실을 입증할 수는 없다.

신뢰는 인식이다. 정확성은 관찰된 성과 지표다. 두 가지는 서로 반대 방향으로 움직일 수 있다.

신뢰받는 시스템도 틀릴 수 있으며, 불신받는 발언자도 검증 가능한 사실을 말할 수 있다. 이 범주를 하나로 뭉뚱그리는 기사는 자신이 설명하는 문제를 되풀이할 위험이 있다.

질문 문구가 첫 번째 불확실성이다. “AI를 신뢰하십니까?”는 폭넓은 감정적 판단을 유도한다. “선거에 관한 AI 생성 답변을 신뢰하시겠습니까?”는 구체적인 고위험 사용 사례를 묻는다.

시스템의 정체성도 중요하다. 응답자는 ChatGPT, Google Gemini, 자동화된 정부 서비스, 추천 알고리즘 또는 가상의 인공지능을 떠올릴 수 있다.

과업에 따라 답변도 달라진다. 사람들은 식당 주문에는 AI를 반길 수 있지만, 의료 진단, 개인 재정 또는 국가 안보에는 거부감을 보일 수 있다.

Ipsos는 여러 활용 사례에서 이러한 차이를 측정했다. 편안함은 기술에 대한 고정된 태도가 아니었다. 잘못된 결과가 초래할 결과에 따라 달라졌다.

뉴스는 특히 까다롭다. 사실은 계속 변화하기 때문이다. 모델의 학습 데이터는 오래될 수 있고, 웹 검색은 부실하거나 중복되었거나 조작된 출처를 선택할 수 있다.

Bloomberg가 소개한 2026년 연구는 뉴스, 선거, 의료, 외교 관련 3,100개 이상의 질문을 활용해 ChatGPT, Gemini, Claude, Grok을 평가했다. 보고된 결과는 지속적인 정확성 및 출처 문제를 발견했다.

이런 결과가 모든 챗봇 답변이 거짓이라는 뜻은 아니다. 다만 인식된 중립성이 반복 가능한 검증을 대체할 수 없는 이유를 보여준다.

정치 콘텐츠는 적대적 환경의 문제를 안고 있다. 선거 캠프, 외국 영향력 공작, 활동가, 상업 출판사 모두 정보 채널을 넘쳐나게 만들 유인을 갖고 있다.

검색 기반 보강은 최신 문서에 답변을 근거 지을 수 있지만, 선택된 문서가 관련성 있고 신뢰할 만할 때만 도움이 된다. 모델은 오해를 부르는 출처를 충실하게 요약할 수도 있다.

사용자가 인용문을 열어보지 않을 경우, 인용 역시 거짓된 안정감을 줄 수 있다. 링크가 실제로 존재하더라도 연결된 문장을 뒷받침하지 못할 수 있다.

또 다른 위험은 체계적으로 보인다는 이유로 시스템의 판단에 따르는 경향인 자동화 편향이다. 깔끔한 형식과 즉각적인 응답은 그 효과를 증폭시킬 수 있다.

AI 시스템은 불확실성, 경쟁하는 해석 또는 명확한 출처 경계를 제시함으로써 이러한 편향을 약화할 수 있다. 하지만 제품 인센티브가 항상 그런 마찰을 선호하는 것은 아니다.

광고는 또 다른 이해충돌을 야기한다. Ipsos는 32개국에서 46%가 광고주가 답변에 영향을 미친다면 생성형 AI 도구를 덜 신뢰할 것이라고 답한 사실을 발견했다.

이 반응은 취약한 경계를 드러낸다. 사용자는 추천을 받아들일 수 있지만, 상업적 인센티브가 응답을 형성하는 경우에는 이를 알고 싶어 한다.

이 설문은 제품과 서비스가 AI를 사용할 때 고지해야 한다는 광범위한 지지도 확인했다. 고지가 정확성을 보장하지는 않지만, 사람들이 검증 수준을 조정할 기회를 제공한다.

정치적 설득은 일반적인 실수보다 훨씬 큰 위험을 낳는다. AI는 수많은 맞춤형 메시지를 생성하고, 여러 변형을 시험하며, 자료를 번역하고, 익숙한 소통 방식을 모방할 수 있다.

2024년 선거 전에 실시된 Associated Press와 NORC의 여론조사에서는 미국 성인의 58%가 AI 도구가 허위 정치 정보를 늘릴 것으로 예상했다. AI 생성 정보가 사실이라는 데 매우 높은 확신을 보인 비율은 5%에 불과했다.

다수는 후보자가 기만적 미디어, 표적 정치 광고, 챗봇 응답에 AI를 활용하는 데 반대했다. 이보다 앞선 증거는 최근의 신뢰도 헤드라인이 나오기 전부터 대중의 우려가 존재했음을 보여준다.

따라서 가장 강한 회의적 해석은 간단하다. 사람들은 AI의 전달 방식은 선호하면서도 정치적 사용은 우려할 수 있다.

이는 위선이 아니다. 인터페이스, 유용성, 제도적 인센티브, 결과에 대한 서로 다른 판단을 반영한다.

헤드라인의 근본 주장 역시 접근할 수 없는 출처 세부 정보 때문에 한계가 있다. 완전한 설문 문항이 없다면 독자는 이 비교가 글로벌인지, 국가 단위인지, 강제 선택형인지, 더 긴 순위 평가의 일부인지 알 수 없다.

신중한 분석은 그 불확실성을 유지해야 한다. 확인되지 않은 설문에 근거해 수치를 만들어내거나 결과를 귀속해서는 안 된다.

Google News는 발견을 제공할 뿐, 방법론적 검증을 제공하지는 않는다. 근거를 검토할 책임은 여전히 출판사, AI 시스템, 독자에게 있다.

AI가 이 신뢰를 얻었는지 보여줄 세 가지 신호

다음 시험대는 정치적 사용이 자신감 있는 오류의 결과를 더 중대하게 만들기 전에 AI 제품이 검증을 개선하는지 여부다.

첫 번째 신호는 측정 가능한 뉴스 정확성이다. 독립 평가기관은 주요 AI 어시스턴트를 시사 이슈에 대해 반복적으로 시험하고, 질문·답변·인용·채점 규칙을 공개해야 한다.

한 번의 결과만으로는 충분하지 않다. 모델은 바뀌고, 검색 시스템은 업데이트되며, 속보는 이미 확립된 사실과 다른 실패 조건을 만든다.

신뢰할 수 있는 평가는 인용이 개별 주장을 뒷받침하는지 시험해야 한다. 또한 거부 응답, 불확실성, 오래된 답변, 정치적으로 비대칭적인 오류를 기록해야 한다.

오류율이 낮아지고 출처 품질이 개선된다면 조건부 신뢰의 근거는 더 강해진다. 인터페이스만 개선되고 검증이 취약한 상태로 남는다면, 헤드라인은 획득한 신뢰성이 아닌 인식을 설명하게 될 것이다.

두 번째 신호는 제품 수준의 고지다. 답변에 생성된 종합, 스폰서 영향, 불확실한 출처 또는 개인화된 정치 콘텐츠가 포함될 경우 사용자는 이를 명확히 볼 수 있는 표지가 필요하다.

고지는 주장이 소비되는 지점에 나타나야 한다. 다른 곳에 묻힌 정책 페이지는 특정 답변을 믿을지 판단하는 사람에게 도움이 될 수 없다.

같은 원칙은 정치 캠페인에도 적용된다. 시민은 후보자의 이미지, 음성 또는 응답이 AI로 생성되었거나 실질적으로 변경되었는지 알아야 한다.

강력한 고지가 모든 조작 위험을 해결하지는 못한다. 그러나 합성된 권위가 매개되지 않은 인간의 발언처럼 통과할 가능성은 낮출 수 있다.

주요 플랫폼이 출처 이력을 일상적인 요소로 만든다면 사용자는 신뢰를 더 효과적으로 조절할 수 있다. 고지가 계속 일관되지 않다면, 세련된 결과물은 계속해서 책임성을 앞지를 것이다.

세 번째 신호는 규제 및 선거 집행이다. 정부는 기존 규칙이 기만적 합성 미디어, 표적 설득, 미고지 자동화 커뮤니케이션을 포괄하는지 보여줘야 한다.

공공 부문 AI 검토는 OECD 국가 전반에서 수천 개의 정부 AI 프로젝트가 진행 중이라고 지적한다. 이러한 확장은 감독을 먼 정책 논쟁이 아닌 실질적 사안으로 만든다.

OECD는 2026년 1월 기록된 599건의 AI 사고 가운데 115건이 정부, 안보 또는 국방과 관련됐다고도 보고했다. 이 범주는 기록된 사고 다섯 건 중 한 건을 차지했다.

이 수치는 정치 발언만이 아니라 광범위한 사고 집합을 다룬다. 그럼에도 정부가 자체 배치를 관리하지 않고서는 AI를 신뢰성 있게 규제할 수 없는 이유를 보여준다.

효과적인 감독은 자동화된 결정에 이의를 제기할 수 있는 주체, 감사 추적을 소유하는 주체, 허위 공개 주장을 정정하는 주체를 명확히 해야 한다. 모든 참여자가 알고리즘을 가리킬 때 책임성은 사라진다.

선거 기간은 즉각적인 스트레스 테스트가 될 것이다. 선거 캠프가 합성 미디어를 고지하는지, 플랫폼이 라벨링 규칙을 집행하는지, 선거 당국이 일관되게 대응하는지 지켜봐야 한다.

집행이 예측 가능해진다면 AI의 정치적 사용에는 더 명확한 경계가 생길 것이다. 규칙이 계속 파편화된다면, 선거 캠프는 플랫폼이나 공급업체를 탓하면서 그 공백을 악용할 수 있다.

독자에게 필요한 실질적 대응은 맹목적 신뢰도 영구적 의심도 아니다. 중요한 사안에 걸맞은 검증 습관이다.

먼저 원래의 주장을 확인하라. 1차 문서를 찾아 날짜와 표본을 살피고, 헤드라인이 실제 질문과 일치하는지 물어야 한다.

그다음 독립적인 출처를 비교하라. 복제된 보도나 반복된 AI 요약을 별도의 확인으로 세지 말아야 한다.

마지막으로 근거가 불완전할 때는 불확실성을 유지하라. 깔끔한 결론을 억지로 내리는 것보다 “아직 검증되지 않음”이 더 정확한 경우가 많다.

Google News 헤드라인은 실제 경고를 포착한다. 정치적 신뢰성이 인공 화자가 비교적 신뢰할 만해 보일 정도로 낮아졌다는 것이다. 그렇다고 AI가 진실의 문제를 해결했다는 뜻은 아니다.

향후 3개월은 주요 AI 어시스턴트가 시사 뉴스 출처 관리를 개선하는지, 플랫폼이 AI의 영향을 명확히 하는지, 선거 당국이 고지를 집행하는지를 보여줄 것이다. 세 가지 모두에서 진전이 있다면 획득한 신뢰의 근거는 더 강해질 것이다.

그때까지 AI는 탐구를 끝내는 도구가 아니라 주장을 검증하는 도구로 사용해야 한다. 출처를 열어보고, 근거를 비교하며, 답변이 투표·평판·중대한 결정에 영향을 줄 수 있을 때는 언제나 인간의 판단을 과정에 포함시켜야 한다.