Current Issue

사회적 로봇 또는 소셜 로봇이란 인지 능력과 사회적 교감 능력을 바탕으로 인간과 상호작용함으로써 사회적 기능을 수행하도록 하는 기술이다. 국제로봇협회(International Federation of Robotics: IFR)는 로봇을 용도에 따라 산업용 로봇과 서비스 로봇으로 나누는데, 서비스 로봇은 다시 전문용과 개인용으로 나뉜다. 사회적 로봇의 대모 격인 Massachusetts Institute of Technology(MIT)의 신시아 브리질(Cynthia Breazeal) 교수에 따르면 사회적 로봇은 사회적 상호작용을 하는 로봇으로 정의된다[4]. 따라서 개인용 로봇뿐만 아니라 전문 로봇이나 상업 로봇이라도 사회적 교감이나 상호작용이 가능하다면 사회적 로봇으로 볼 수 있다. 한편 사회적 로봇의 적용범위는 교육, 엔터테인먼트, 케어, 안내, 동반자 등 상당히 다양하다.

사회적 로봇 시장의 주요 기업 중 하나인 Blue Frog Robotics는 2025년까지 개인/사회적 로봇 시장 규모가 410억 달러 규모로, 엔터테인먼트 로봇 시장이 290억 달러 규모로, 스마트 로봇 시장이 164억 달러 규모로 성장할 것으로 예측하고 있다[5]. The International Market Analysis Research and Consulting(IMARC) 그룹은 사회적 로봇 시장의 복합 연간 성장률이 25.2%로 매우 높으며 2032년까지 366억 달러 규모로 성장할 것으로 예측하고 있다[6]. 시장 예측치에는 차이가 있지만 AI, 로보틱스 기술의 빠른 발전과 헬스케어, 교육 등 다양한 분야와의 융합을 기반으로 사회적 로봇 시장이 빠르게 성장하리라는 것에는 이견이 없다.

최초의 이족보행 휴머노이드 로봇 ‘와봇 1호’는 1973년 일본 와세다 대학교에서 제작됐다. 인공 시각과 청각을 바탕으로 주위 상황을 인식하고, 인간과 일본어로 대화도 가능했는데 이후 꾸준히 개발되어 와봇 2호는 10개의 손가락으로 피아노 연주도 가능했다. 1990년대 후반에 대학원생이었던 브리질 교수 주도로 MIT의 로드니 브룩스 연구팀은 로봇 ‘키스멧’을 제작했다. 몸통은 없고 고정된 머리만 있는 로봇이었지만 표정 표현이 가능했다. 와봇과 키스멧은 기술적 성과는 있었지만, 특정 용도가 없는 로봇이었다[7]. 이후 개발된 사회적 로봇들은 생활지원, 교육, 정서지원, 케어, 엔터테인먼트, 접객 등 다양한 용도로 활용됐다. 예를 들면, ‘아이보(Aibo)’는 일본 소니가 만든 세계 최초의 엔터테인먼트 로봇인데 사람의 말을 알아듣고 공을 갖고 노는 등 반려견의 모습으로 인간과의 상호작용이 가능하다. 1999년에 처음 출시됐다가 사업성 악화로 서비스 중단되었지만 2018년에 업그레이드되어 다시 출시됐다. ‘벡터(Vector)’는 미국 안키가 만든 사회적 로봇인데 음성을 통해 상호작용이 가능하며, 생활지원 및 간단한 게임을 할 수 있다. 또한 디스플레이를 통해 감정표현이 가능하다.

본 연구에서는 사회적 로봇을 AI, 사물 인터넷, 클라우드 컴퓨팅 등을 접목하여 사람이나 그 외 물리적 대상과 상호작용함으로써 사회적 기능을 수행하는 기술로 정의하고자 한다.

Wamba 등[8]에 따르면 1999년부터 2022년까지 사회적 로봇을 주제로 출판된 4,211개의 문헌을 분석한 결과, 첫째, 사회적 로봇에 관한 연구는 2006년 이후로 지속적으로 증가했고, 둘째, 주요 키워드로는 Human-robot interaction, Social Robots, Social Robotics, Social Robot, Interaction이 나타났다. 연구주제는 사회적 로봇을 개념화하거나, 사회적 로봇의 적용분야를 찾거나, 의료분야 적용가능성을 검토하거나, 여러 영역에서 사회적 로봇의 수용 가능성에 영향을 주는 요인을 검증하는 것이었는데 아동에 초점을 두는 연구는 있었지만 노인들에 주목하는 연구는 거의 없었다.

한편 사회적 로봇에 대한 문헌이 상당함에도 불구하고 사회적 로봇에 대한 통일된 정의가 없는 이유로 사회적 로봇의 정의가 급속한 기술발전이나 사회적 수용 여부에 크게 영향을 받기 때문이라는 점이 지적됐다[9]. 또한 사회적 로봇이 수용되는 문화적인 환경에 대한 학문적인 관심도 상대적으로 적었다는 비판도 제기됐다[10].

국내 선행연구에서 사회적 로봇에 관한 주요 연구 흐름을 파악하기 위해 한국학술지인용색인(https://www.kci.go.kr)에서 ‘사회적 로봇’과 ‘돌봄 로봇’, ‘노인 돌봄 +디지털케어’ 등의 키워드를 사용하여 등재지 및 등재 후보지 출판 논문 906편을 수집했다. 1차로 중복된 논문 및 국문 초록이 없는 62편을 제외하였고, 국문 초록이 있는 논문 총 844편을 분석의 대상으로 확정했다. 이 논문들을 대상으로 토픽 모델링 분석을 실시한 결과, 사회적 로봇에 관한 논문들은 5개의 토픽으로 분류됐는데 토픽1은 돌봄 로봇(23%), 토픽2는 로봇 윤리(19%), 토픽3은 노인 이용자(18%), 토픽4는 포스트 휴먼(24%), 그리고 토픽5는 교육 로봇(17%)으로 나타났다. 따라서 해외 연구와는 달리 국내 선행연구에서는 사회적 로봇과 노인 이용자의 연결이 어느 정도 활성화된 것으로 보인다.

원래 로봇(Robot)의 어원은 노동을 의미하는 체코어 ‘robota’에서 유래되었기에 로봇은 인간의 육체노동을 대신하는 기계장치로 이해된다[11]. 그런데 노인들은 젊은 사람들에 비해 일상생활에서 신체적인 제약을 많이 받게 된다. 행동이 느려지거나[12] 시력이 약해져서[13] 이러한 신체적인 제약 때문에 새로운 기술을 활용하는데 어려움을 겪게 된다[14]. 따라서 사회적 로봇이 주는 혜택이나 사회적 로봇의 이용편의성은 노인 이용자들의 시력이나 청력 또는 움직임 등의 신체적인 어려움과 관련성이 높을 것이다[15]. 본 연구에서는 노인 이용자들의 지각된 신체적인 어려움이 클수록 사회적 로봇에 대한 지각된 혜택이 커질 것으로 예측했다(H1). 또한 노인 이용자들의 지각된 신체적인 어려움이 클수록 사회적 로봇에 대한 지각된 이용편의성은 작아질 것으로 예측했다(H2).

디지털 리터러시는 정보 니즈를 충족시키기 위해 디지털 기술을 활용하는 기술과 능력을 의미하는데[16], 디지털 리터러시는 연령에 따라 달라진다[17]. 선행연구에 따르면 디지털 리터러시는 Information Technologies(IT)의 활용에 긍정적인 영향을 미친다[18],[19]. 이에 본 연구에서는 노인 이용자들의 디지털 리터러시가 높을수록 사회적 로봇에 대한 지각된 혜택이 커지리라고 예측했다(H3). 또한 노인 이용자들의 디지털 리터러시가 높을수록 사회적 로봇에 대한 지각된 이용편의성이 커지리라고 예측했다(H4).

사회적 영향이론은 어떻게 개인들이 서로 영향을 주는가를 설명한다[20]. 사회적 영향은 우리 사회에서 자연스러운 현상이며 사회적 영향은 소셜미디어 시대에 더 쉬워졌다. 선행연구에 따르면 사회적 영향은 새로운 기술의 유의미한 이용에 영향을 미친다[21]. 특히 노인들의 경우에는 가족, 친구, 이웃 등 가까운 사람들이 자신들의 경험을 바탕으로 추천한다면 쉽게 영향을 받게 된다. 따라서 본 연구에서는 노인 이용자들의 지각된 사회적 영향이 클수록 간접 경험을 통해 사회적 로봇에 대한 지각된 혜택이 커질 것으로 예측했다(H5). 또한 노인 이용자들의 지각된 사회적 영향이 클수록 사회적 로봇에 대한 지각된 이용편의성이 역시 커질 것으로 예측했다(H6).

기술수용모델(Technology Acceptance Model)은 잠재적인 이용자들이 새로운 기술을 수용하는 데 영향을 미치는 주요 요인으로 지각된 유용성과 지각된 용이성을 포함한다[21],[22]. 결국 이 이론은 새로운 기술이 이용자에게 명확한 혜택을 주거나 새로운 기술을 이용하는 데 많은 노력을 필요로 하지 않는다면 이용자들이 그 기술을 비교적 쉽게 수용하게 될 것이라고 가정하고 있는 것이다. 새로운 기술의 지각된 혜택이나 지각된 이용편의성이 이용자의 이용의도에 영향을 미친다는 것을 검증한 선행연구는 다수 수행됐다[23]-[25].

사회적 로봇은 AI, 사물 인터넷, 클라우드 컴퓨팅 등을 접목하여 사람이나 그 외 물리적 대상과 상호 소통을 이루는 로봇이기에 코로나 고령화 사회를 맞아 노인들의 건강을 책임지는 돌봄 로봇도 등장하고 있다[26]. 사회적 로봇은 아직은 새로운 기술이고 특히 사회적 로봇을 이용해 본 노인 이용자는 극히 제한적인 상황이다. 따라서 현 상황에서 노인들의 사회적 로봇 이용의도에 영향을 미치는 요인을 지각된 혜택과 지각된 이용편의성으로 설명하는 것은 의미가 있는 관점이라고 판단된다. 본 연구에서는 선행연구의 결과를 바탕으로 우선 사회적 로봇에 대한 지각된 이용편의성이 커질수록 지각된 혜택 역시 커질 것으로 예측했다(H7). 또한 사회적 로봇에 대한 지각된 혜택이 클수록 노인 이용자들의 이용의도가 커질 것으로 예측했다(H8). 아울러 사회적 로봇에 대한 지각된 이용편의성이 커질수록 노인 이용자들의 이용의도가 커질 것이라고 역시 예측했다(H9). 전반적인 연구 모델은 그림 1과 같다. 이 연구 모델은 우리나라 노인 이용자들의 사회적 로봇 이용의도를 설명하기 위해 주요 변인으로 지각된 혜택과 이용편의성을 채택하고 이 두 변인을 설명하기 위한 선행 변인으로 신체적인 어려움, 디지털 리터러시 그리고 사회적 영향을 채택하여 변인들 간의 관계를 총 9개의 가설로 설정한 것이다.

Fig. 1. 
Research model

본 연구에서는 소비자 조사를 통해 우리나라 노인 이용자들의 사회적 로봇 이용의도에 영향을 미치는 요인이 무엇인지를 알아보고자 하였다. 소비자 조사는 온라인리서치 전문 회사 ‘마크로밀엠브레인’을 통해 온라인으로 우리나라 60세 이상 85세 이하의 노인 소비자를 대상으로 2024년 3월에 실시하였다. 최종 분석에는 총 400명의 응답이 포함되었으며, 표 1에서 볼 수 있듯이 이 중 남성은 200명(50.0%), 여성이 200명(50.0%)을 차지하였으며, 60세에서 69세까지 300명(75.0%), 70세에서 79세까지 97명(24.3%), 80세에서 85세까지 3명(0.7%)으로 구성됐다. 최종 학력의 경우 고등학교 졸업 이하가 134명(33.4%), 전문대학 졸업 및 재학이 40명(10.0%), 대학교 졸업 및 재학이 179명(44.8%), 대학원 졸업 및 재학이 47명(11.8%)으로 나타났다. 직업의 경우 무직이 206명(51.5%)으로 과반수가 넘었고 자영업이 33명(8.2%), 사무직이 30명(7.5%), 생산/기술직이 26명(6.4%)을 차지했다. 표 1은 설문 응답자의 인구통계학적 속성을 요약하여 제시하고 있다.

지각된 신체적 어려움, 디지털 리터러시, 사회적 영향, 지각된 혜택, 지각된 이용편의성, 이용의도 등 본 연구의 변인들은 선행연구를 기반으로 조작적으로 정의됐다. 변인들을 측정하는 문항들은 선행연구에서 활용된 문항들을 참고하되, 사회적 로봇 관련 논의에 적합하게 재구성했다. 각 문항은 ‘전혀 그렇지 않다’로부터 ‘매우 그렇다’까지 5점 리커트 척도(Likert scale)로 측정했다.

사회적 로봇 이용의도는 새로운 기술의 이용의도에 대한 다양한 선행연구에 사용된 문항들을 사회적 로봇과 노인 이용자의 맥락에 맞게 수정하여 사용했다. 그 결과 “만약 내 일상생활에서 소셜 로봇을 이용할 수 있다면 나는 사회적 로봇을 이용할 의향이 있다”, “만약 내 일상생활에서 소셜 로봇을 이용할 수 있다면 나는 사회적 로봇을 이용할 것으로 예상한다”, “만약 일상생활에 소셜 로봇의 이용이 가능해지면 나는 사회적 로봇을 이용할 계획이다”, “나는 향후 소셜 로봇을 내 일상생활에 활용할 계획이다” 등 4개 문항으로 구성했다.

지각된 신체적 어려움은 6개 문항으로, 디지털 리터러시는 8개 문항으로, 사회적 영향은 3개의 문항으로, 지각된 혜택은 8개의 문항으로 그리고 지각된 이용편의성은 5개의 문항으로 측정했다.

연구모델을 분석하기 위해서 SmartPLS 3.3.9 통계 패키지를 이용하여 구조방정식 모형 분석을 실시했다. Partial least squares structural equation modeling(PLS-SEM) 분석은 샘플 크기가 작거나 데이터가 정규분포 되지 않은 경우, 그리고 특히 이미 발전되어 있는 이론이 없어 탐색적으로 이루어지는 연구에 적합한 연구 방법이다[27]. 따라서 본 연구에서는 PLS-SEM 분석이 사회적 로봇이라는 새로운 기술에 대한 이용의도를 태도를 분석하기에 적합하다고 판단했다.

표 2는 변인들의 평균과 표준편차를 제시하고 있다. 각 변인들의 평균값을 살펴보면, 지각된 신체적 어려움의 평균값이 다른 변인들의 평균값에 비해 상대적으로 낮게 나타났다. 이는 설문 응답자의 75%가 60대로 구성된 것에 기인한 것으로 추정된다. 이에 반해 디지털 리터러시, 지각된 혜택, 지각된 이용편의성 및 이용의도의 평균값은 상대적으로 높은 것으로 보인다.

연구가설의 검증에 앞서, 측정 모델의 신뢰도와 타당도에 대한 검증을 실시하고 그 결과를 표 3에 제시했다. 신뢰도를 검증하기 위해, 크론바흐 알파(Cronbach’s Alpha) 계수와 복합신뢰도(Composite Reliability, CR) 값을 확인하였다. 크론바흐 알파 계수의 경우 0.887에서 0.943 사이에 분포하여 설문 문항간의 내적 일관성이 있는 것을 확인할 수 있었다. CR 값도 모두 0.7을 상회하여 신뢰도 측면에서 문제가 없는 것으로 확인됐다. 다음으로 타당도를 검증하기 위해서 수렴 타당도(Convergent validity)와 판별 타당도(Discriminant validity)를 분석했다. 수렴 타당도의 경우, 요인적재값(Factor loading), CR, 그리고 평균분산추출(Average variance extracted, AVE) 값을 확인했다. 일반적으로 요인적재값과 CR의 경우 기준치인 0.7을, AVE의 경우 기준치인 0.5를 넘으면 타당한 것으로 받아들여진다[28]. 표 3에서 볼 수 있듯이, 모든 값이 기준치를 상회했다. 판별 타당도의 경우 각 요인의 AVE 제곱근 값이 다른 요인들과의 상관관계 값보다 커야 한다[29]. 판별 타당도 역시 검증됐다. 판별 타당도를 추가로 검증하기 위해 포넬-라커 검증을 추가로 실시한 결과 기준치인 0.7을 넘겨 판별 타당도가 검증됐다(표 4 참조).