[KAIST 제공. 재판매 및 DB 금지]

(대전= 박주영 기자 = 한국과학기술원(KAIST) 전산학부 이의진 교수팀은 중앙대 박은지 교수팀, 미국 애크런대학교 제임스 디펜도프 교수팀과 공동으로 근로자의 감정적 작업 부하를 실시간으로 모니터링할 수 있는 인공지능 모델을 개발했다고 11일 밝혔다.

상담원, 은행원 등 서비스업 종사자들은 고객을 응대하는 과정에서 자신이 실제로 느끼는 감정과는 다른 감정을 표현해야 하는 상황에 자주 놓이게 된다.

이같이 감정을 조절하는 과정에서 발생하는 심리적 부하를 '감정적 작업 부하'(Emotional workload)라고 하는데, 과도한 작업 부하는 번아웃(탈진)과 우울증으로 이어질 수 있다.

근로자의 작업 과부하를 막아 안전성을 높이고자 정서 상태를 모니터링하는 연구가 시도됐지만, 주로 지식 노동자의 '인지적 작업 부하'(cognitive workload)에 초점이 맞춰져 있었다.

또 기존 감정 탐지 AI(인공지능) 모델은 사용자의 표정이나 목소리 등을 토대로 감정을 진단하기 때문에 자신의 감정을 억제하며 친절히 응대해야 하는 감정 노동자들의 감정적 작업 부하를 측정하기 쉽지 않았다.

연구팀은 우선 콜센터 상담사 31명의 음성과 행동, 생체신호 등 다중 모달 센서 데이터를 수집했다.

[KAIST 제공. 재판매 및 DB 금지]

이어 수집한 생체신호로부터 피부의 전기적 특성을 나타내는 피부 전도도(EDA), 뇌의 전기적 활성도를 측정하는 뇌파(EEG), 심전도(ECG), 체온 등을 추출해 모두 228개의 특징을 찾아냈다.

이를 인공지능 모델에 학습시켜 실험한 결과 감정적 작업 부하가 높은 상황과 그렇지 않은 상황을 87%의 정확도로 구분해 냈다.

흥미로운 점은 일반적으로 작업 부하 측정에 유용한 것으로 알려진 목소리(힘이 들면 목소리에 힘이 없다든지 하는)를 포함할 경우 오히려 모델의 성능이 떨어지는 현상을 보였다는 것이다.

감정을 억눌러야 하는 콜센터 상담사의 경우 음성 데이터가 감정적 작업 부하의 분류 기준으로 적합하지 않을 수 있음을 의미한다.

그보다는 상담사의 피부 전도도나 체온 등 특징이 작업 부하를 측정하는 데 효과적임을 확인했다.

연구팀은 이번에 개발한 기술을 감정 노동자의 정신건강을 관리할 수 있는 모바일 앱에 적용해 실증할 예정이다.

이의진 교수는 "설문이나 인터뷰 같은 주관적인 자기 보고 방식에 의존하지 않고도 감정적 작업 부하를 실시간으로 평가할 수 있다"며 "감정노동자의 직무 환경 개선과 정신건강 보호에 기여할 것"이라고 말했다.

[KAIST 제공. 재판매 및 DB 금지]