감정 노동은 직업상 고객을 대할 때 자기감정을 억제하고 조직에서 요구하는 감정을 표현하는 노동이다. 서비스직 종사자들이 주로 경험하는 노동 형태로, 상담원이나 은행원이 대표적 감정 노동자로 꼽힌다. 감정 노동에 오래 노출될 경우 심각한 정신적, 심리적 문제뿐만 아니라 심혈관계, 소화기계 질환 등 신체적 질병으로 이어질 수 있다. 문제는 신체적, 정신적 건강 이상 신호가 오기 전에 미리 감정 노동의 부하를 파악하기 쉽지 않다는 점이다.

이에 카이스트 전산학부, 중앙대, 미국 애크런대 공동 연구팀은 인공지능으로 근로자의 감정적 작업 부하를 자동 측정하고 실시간으로 모니터링할 수 있는 기술을 개발했다고 11일 밝혔다. 이 연구 결과는 유비쿼터스 컴퓨팅 분야 국제 학술지 ‘Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies’에 실렸고, 인간-컴퓨터 상호작용 분야 학술대회 ‘ACM UbiComp 2024’에서도 발표됐다.

주로 컴퓨터를 사용해 서류 업무를 하는 노동자의 인지 작업 부하를 측정하는 연구들은 있었지만, 고객을 상대하는 감정 노동자의 작업 부하를 측정하거나 예측하는 연구는 거의 없었다. 감정 노동은 업무 특성상 근로자의 감정이나 심리적 상태가 표면적으로 드러나지 않기 때문에 측정이 쉽지 않다. 게다가 현재 나와 있는 감정 탐지 인공지능 모델은 주로 표정이나 목소리 데이터를 활용하기 때문에, 감정을 억제하고 친절한 응대를 해야 하는 감정 노동자들의 내적 감정 작업 부하를 측정하기는 어렵다.

연구팀은 기존 설문이나 인터뷰 같은 자기 보고 방식에서 벗어나 현업에 있는 감정 노동자 31명으로부터 다양한 고객 응대 상황에서 음성, 행동, 생체신호 등 다중 모델 센서 데이터를 수집했다. 이를 바탕으로 고객과 상담사의 음성 데이터로부터 총 176개의 음성 특징을 추출했다. 대화 내용은 개인정보 보호를 위해 사용하지 않는 대신 대화 시간, 주파수, 음조 등 다양한 음성 특징을 사용했다. 또 상담사의 억제된 감정 상태를 추정하기 위해 피부의 전기적 특성을 나타내는 피부 전도도(EDA), 뇌의 전기적 활성도를 측정하는 뇌파(EEG), 심전도(ECG), 체온, 그 외의 몸의 움직임 등에서 228개의 특징을 추출해 9종의 인공지능 모델을 학습시킨 뒤 성능을 비교했다.

그 결과, 상담사가 감정적 작업 부하가 높은 상황과 그렇지 않은 상황을 87%의 정확도로 구분했다.

연구팀은 이번 연구를 통해 근로자가 감정적 작업 부하가 높은 상황과 그렇지 않은 상황을 87%의 정확도로 구분해 내는 데 성공했다. 이 시스템은 기존의 설문이나 인터뷰 같은 주관적인 자기 보고 방식에 의존하지 않고도 감정적 작업 부하를 실시간으로 평가할 수 있어 근로자들의 정신건강 문제를 예방하고 효과적으로 관리할 수 있다는 장점이 있다. 또한, 이 시스템은 콜센터뿐만 아니라 고객 응대가 필요한 다양한 직종에 적용될 수 있어 감정 노동자들의 장기적인 정신건강 보호에 크게 이바지할 것으로 기대된다. 목소리와 음성으로 스트레스 정도를 탐지하는 감정-탐지 인공지능은 감정을 억누르고 친절함을 유지해야 하는 감정노동 상황에서는 성능이 떨어지는 것으로 나타났다.

이의진 카이스트 교수는 “이번에 개발한 기술은 감정 업무의 부하를 실시간으로 측정함으로써 심각한 정신적, 신체적 질환으로 이어지는 것을 예방할 뿐만 아니라 감정노동의 직무 환경 개선에도 도움이 될 것”이라며 ”이번 기술을 감정 노동자의 정신건강을 관리할 수 있는 모바일 앱과 연계하여 실증할 예정”이라고 말했다.