기존 챗봇·생성형 AI의 개인화 방식은 사전 설정 프로필이나 과거 대화 이력처럼 상대적으로 고정된 정보에 의존해 왔다. 이 방식은 컴퓨터 전문가라도 회계 지식은 부족할 수 있고, 같은 분야 안에서도 질문 주제에 따라 실제 지식 수준이 달라질 수 있다는 점을 반영하지 못한다는 한계가 있었다.
UNIST 컴퓨터공학과 공태식 교수팀은 이 한계를 타이핑 행동 데이터로 돌파했다. 연구팀이 개발한 'ExPerT'는 질문 속 전문 용어를 입력할 때 나타나는 키 누름 지속 시간, 키 간 이동 간격, 백스페이스 사용 횟수를 실시간으로 포착한다. 이 행동 정보와 질문의 의미 정보를 함께 챗GPT 같은 생성형 AI 모델에 전달해 사용자 전문성을 5단계로 추정한 뒤, 추정 결과와 원래 질문을 다시 모델에 입력해 답변 눈높이를 자동으로 조절하는 방식이다.
- 기술명: ExPerT (타이핑 행동 + 의미 정보 기반 개인화 AI)
- 타이핑 분석 요소: 키 누름 지속 시간, 키 간 이동 간격, 백스페이스 사용 횟수
- 전문성 추정 단계: 5단계 (질문별 실시간 추정)
- 검증 규모: 화학·컴퓨터과학·경영 분야 참가자 40명, 질문 1,270개
- 정확도 개선: 전문성 추정 오차 0.488단계 → 0.398단계 (타이핑 정보 추가 시)
챗봇이나 AI 튜터, 고객 지원 자동화처럼 다양한 지식 수준의 사용자를 상대해야 하는 서비스를 개발·운영하는 실무자라면 ExPerT의 접근 방식이 직접적인 참고가 된다. 현재 오픈소스로 공개된 만큼, 코드 구조와 타이핑 특징 추출 방식을 직접 확인하고 기존 LLM 파이프라인에 어떻게 연결할 수 있는지 살펴볼 것을 권한다. 추가로 논문에서 5단계 전문성 라벨링 기준과 프롬프트 설계 방식도 확인해 두면 실제 적용 시 기준을 잡는 데 도움이 된다.