LLM 기반의 합성 고객에 대한 가장 흔한 비판은 “기계가 어떻게 인간의 감정과 공감을 복제하느냐”는 것이다. 그러나 비즈니스 의사결정의 상당 부분은 순수한 감정보다는 ‘구조화된 선호도’와 ‘논리적 트레이드오프’에 기반한다. 합성 고객의 효용은 인간의 영혼을 복제하는 데 있는 것이 아니라, 인간의 **추론 안정성(Reasoning stability)**과 의사결정 패턴을 수학적으로 모사하는 데 있다.
아이러니하게도, 인간 리서치에서 발생하는 ‘사회적 바람직성 편향(말하는 것과 행동하는 것이 다름)‘이나 리서치 피로도로 인한 불성실한 응답을 배제할 수 있다는 점에서, 특정 영역에서는 합성 고객이 인간보다 더 ‘진실된’ 데이터 패턴을 보여줄 수도 있다. 공감의 영역은 여전히 인간 전문가의 판단이 필요하지만, 가격 민감도나 기능 선호도 같은 정량적 영역에서 합성 고객은 이미 인간의 유능한 대리인(Proxy)으로 등극했다.
근거
LLM은 최근 세대에 접어들며 구조화된 과업에서 더 강력한 추론과 안정적인 트레이드오프 능력을 보여주고 있으며, 이는 인간의 실제 결정 패턴과 높은 일치율을 보인다.
“대형 언어 모델은 여전히 진정한 공감 능력이 부족하며, 이는 인간의 판단에 중요한 역할을 남겨둔다. 하지만… 인간의 결정 패턴과 더 나은 정렬(Alignment)을 보여준다.”
연결된 생각
- rational-choice-theory — 합성 고객 시뮬레이션이 유효한 이론적 배경.
- 20260611-synthetic-customers — 기술적 근거.
- Human-In-The-Loop — 합성 고객이 대체할 수 없는 ‘공감’과 ‘최종 판단’의 영역을 보완하는 구조.