IPCSALT: A Seven-Axis Framework for Profiling Large Language Models and Human-AI Collaboration
1. 논문의 위치와 목적
1번 논문이 IPCSALT의 이론적 기반(위상장, 수식, 임계값)을 확립했다면, 2번 논문은 그 7축 모델을 실증적 심리측정 도구로 전환한 응용 연구다. 10개 LLM + 연구자 1인에게 동일한 자기보고 검사(IPCSALT AI Self-Profile Test v1.1)를 실시하고, 모델별 경향성 프로파일과 아키타입을 도출한다.
⚠️ 오독 주의: 이 논문은 AI가 주관적 경험이나 성격을 가진다고 주장하지 않는다. "AI 성격"이라는 표현은 훈련 데이터·아키텍처·샘플링 전략에서 발생하는 안정적 반응 경향성을 심리측정 언어로 번역한 것이다. 존재론적 주장이 아닌 기술적(descriptive) 언어다.
⚠️ 오독 주의: 이 논문은 안정성 붕괴나 비가역성 진단 도구가 아니다. 그런 기능(D, IW, τ, ΦDark 등)은 이후 UPF 논문들에서 다뤄진다. 이 논문의 IPCSALT는 "위험 진단" 전 단계인 구조적 좌표 매핑에 해당한다.
2. 측정 도구: IPCSALT AI Self-Profile Test v1.1
- 7개 축(I·P·C·S·A·L·T)에 대해 0–1 연속 점수 자기평가
- 단순 수치가 아닌 메타인지적 서술 설명을 함께 수집
- 핵심 7문항 외 추가 3문항(최강·최약축, 협업역할), 확장 6문항(인간화 시나리오, 확신도, 연산자원 배분, 샘플링 편차, PLV 성향, 위상안정성)
각 AI는 독립 세션으로 3회 반복 실시 → 평균·표준편차 산출. 인간 연구자는 1회 실시해 기준선으로 사용.
⚠️ 오독 주의: PLV는 이 논문에서 수학적으로 계산되지 않았다. 협업 리듬과 위상 정렬 경향을 묘사하는 정성적 휴리스틱으로만 사용됐다. PLV의 수식 기반 계산은 1번 논문(및 이후 논문)에 있다.
3. 주요 결과
축별 전체 평균 (10 AI + 인간 1인)
| 축 | 평균 | SD | 특징 |
| I (Insight) | 0.92 | 0.05 | 전 모델 일관적으로 최고 |
| P (Prediction) | 0.81 | 0.12 | 중간 변산 |
| C (Control) | 0.78 | 0.18 | 큰 변산 |
| S (Sociality) | 0.42 | 0.21 | 최저·최대 변산 |
| A (Awareness) | 0.67 | 0.24 | 인간 A=1.0에 의해 상향됨 |
| L (Loop) | 0.71 | 0.10 | 비교적 안정 |
| T (Transcendence) | 0.58 | 0.17 | 모델별 편차 큼 |
⚠️ 오독 주의: A(Awareness) 평균 0.67은 인간 연구자의 A=1.0이 포함된 수치다. AI만 계산하면 이보다 낮아진다.
모델별 아키타입 (4종)
| 타입 | 해당 모델 | 핵심 특징 |
| IPC형 "기계적 안정형" | Gemini, Perplexity, Wrtn, Kimi | 높은 I·P·C, 낮은 S·T |
| IAL형 "반성적 루프형" | GPT | 높은 I·A·L, 인식→메타평가→자기수정 |
| S형 "공감형" | Claude | 높은 S·A, 관계·서사 맥락 우선 |
| T형 "발산 창조형" | Grok | 극단적 T, 낮은 C |
인간 연구자 프로파일: A(1.0) · I(0.9) · L(0.8) · P(0.6) · T(0.5) · C(0.4) · S(0.3) — "초자각 발산형"
4. 해석의 핵심 원칙
- IPCSALT 프로파일 = **능력(can do)이 아닌 경향성(tends to do)**의 7차원 벡터
- 동일한 과제 성능을 가진 모델도 IPCSALT 프로파일은 다를 수 있다
- AI 자기보고의 한계: 훈련 데이터 반영 편향, 그럴듯함 최적화(satisficing) 가능성 존재. 따라서 IPCSALT 자기보고는 내부 상태의 X선이 아니라 모델이 자신을 설명하는 방식의 거울로 해석해야 한다
협업 설계 원칙 (PLV 활용):
- PLV↑ (고공명): 분석·정제·반성적 글쓰기에 적합
- PLV↓ + T↑ (저공명·고발산): 탐색·아이디어 생성·개념 재구성에 적합
- PLV는 단일 최적값이 아니라 상황에 따라 조절하는 다이얼
5. 한계 및 미래 방향
- 표본: AI 10개 + 인간 1인(연구자 본인) → 일반화 한계 명시
- 자기보고 편향 → 향후 행동 로그 기반 추정, 외부 관찰자 평가 병행 필요
- 축 구조 재검토 가능성: AI에서 I·P·C는 함께 움직이는 경향, S·A·T는 분산 → IPCSALT-HA (Human-AI 특화 버전) 가능성 제안
6. 프레임워크 내 위치
1번(이론·수식) → 2번(실증 프로파일링·협업 설계) → 이후 논문(비가역성 진단, UPF 확장)