CMU 연구진, 행동 건강 전문가를 위한 AI 챗봇 'PeerCoPilot' 개발

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

카네기 멜론 대학교(CMU) 연구진이 행동 건강 분야 종사자들을 지원하기 위한 AI 챗봇 PeerCoPilot을 개발했다. 이 도구는 검증된 서비스 데이터베이스와 공공 혜택 문서를 활용하여 AI의 오답 가능성을 최소화하도록 설계되었다. 특히 현장의 동료 지원 전문가들과 협력하는 참여형 설계 방식을 채택하여 실제 업무 흐름을 반영했다. 이를 통해 복잡한 복지 혜택 자격 확인이나 맞춤형 웰니스 계획 수립을 효율적으로 돕는다.

배경

RAG(검색 증강 생성)의 기본 개념, 정신 건강 지원 서비스의 업무 흐름

대상 독자

정신 건강 및 행동 건강 분야의 동료 지원 전문가 및 사회복지사

의미 / 영향

AI가 민감한 사회 서비스 분야에서 안전하게 활용될 수 있는 모델을 제시하며 RAG와 참여형 설계의 결합이 공공 서비스 효율화에 기여할 것임을 시사한다.

섹션별 상세

PeerCoPilot은 정신 건강 지원 인력이 내담자의 웰니스 계획을 수립하고 자원 추천 및 복지 혜택 자격 확인을 돕는 특화된 챗봇이다. 주거 지원이 필요한 내담자에게 임시 쉼터를 찾아주고 신분증 발급 계획을 세워주는 등 구체적인 실행 방안을 제시한다.

PeerCoPilot 인터페이스가 실행 중인 노트북을 사용하는 모습 — Screenshot실제 PeerCoPilot의 사용자 인터페이스(UI)를 보여주며 'Welcome, naveen!'이라는 문구와 함께 웰니스 플래너, 프로필 매니저 등 주요 기능 버튼이 배치된 것을 확인할 수 있다. 이는 도구가 실제 업무 환경에서 어떻게 활용되는지 시각적으로 전달한다.

AI의 할루시네이션 문제를 해결하기 위해 검색 증강 생성(RAG) 기술을 적용하고 검증된 소스에서만 정보를 추출한다. 지역 커뮤니티 서비스 데이터베이스, 공공 혜택 자격 문서, 조직 승인 자원 목록 등 큐레이션된 데이터만을 참조하여 답변의 신뢰성을 확보했다.

CMU 연구진은 뉴저지 협력 지원 프로그램(CSPNJ)과 협력하여 기술적 가드레일뿐만 아니라 실제 사용자를 위한 교육을 병행하는 인간 중심의 접근 방식을 취했다. 기술적 배경이 없는 동료 지원가들도 도구를 효과적으로 사용할 수 있도록 인간-컴퓨터 상호작용(HCI) 방법론을 동원했다.

이 프로젝트는 CHI 2026 컨퍼런스에 채택되었으며 향후 다른 커뮤니티 지원 단체들과 협력하여 도구를 확산시키고 맞춤화할 계획이다. 연구진은 AI의 이점을 극대화하면서 위험을 최소화하기 위해 영향받는 커뮤니티의 참여를 핵심 가치로 삼고 있다.

실무 Takeaway

정신 건강과 같은 고위험 분야에서는 RAG 기술을 통해 검증된 데이터셋만 참조하도록 제한하여 AI의 신뢰성을 확보해야 한다.
AI 도구 설계 시 실제 현장 전문가가 참여하는 참여형 설계를 도입하면 기술적 배경이 없는 사용자도 실질적인 도움을 받을 수 있는 도구를 구현할 수 있다.
단순한 정보 제공을 넘어 주거 지원이나 ID 발급 등 구체적인 실행 계획을 생성하는 기능이 실무 효율성을 크게 높인다.