알고리즘은 어떻게 우리의 생각을 바꿀까?

혹시 이런 경험 있으신가요. 친구와 똑같은 뉴스 앱을 켰는데, 화면에 뜨는 기사가 서로 완전히 다른 경험. 같은 유튜브에 로그인했는데, 추천 영상 목록이 마치 다른 세상을 보는 것처럼 다른 경험. 우리는 흔히 이걸 “취향 차이”라고 넘기지만, 사실 그 뒤에는 훨씬 더 무서운 이야기가 숨어 있습니다.

2016년, 미국 대선이 끝난 직후 한 가지 신기한 현상이 보고됐습니다. 트럼프를 지지한 사람과 힐러리를 지지한 사람이 완전히 다른 ‘사실’을 믿고 있었던 겁니다. 같은 나라, 같은 시대를 살면서도 서로 다른 현실 속에 살고 있었던 셈이죠. 학자들은 이 현상에 이름을 붙였습니다. ‘필터 버블(Filter Bubble)’. 그리고 그 버블을 만든 건 다름 아닌, 우리가 매일 무심코 사용하는 알고리즘이었습니다.

여기서 놀라운 사실 하나. 우리는 보통 “내가 관심 있는 걸 알고리즘이 보여준다”고 생각합니다. 그런데 실제로는 그 반대에 더 가깝습니다. 알고리즘이 먼저 보여주고, 우리는 그걸 보면서 관심사가 만들어지는 겁니다. 순서가 뒤바뀌어 있다는 거죠. 이 작은 순서의 차이가, 사실은 한 사람의 세계관 전체를 바꿔놓을 수도 있다면 어떨까요?

이 글에서는 알고리즘이라는 눈에 보이지 않는 존재가 어떻게 우리의 생각, 감정, 심지어 정치적 신념까지 조금씩 바꿔나가는지 그 과정을 하나하나 따라가 보려 합니다. 결코 무섭게 겁을 주려는 게 아닙니다. 오히려 이 원리를 알고 나면, 우리는 알고리즘에 휘둘리는 대신 알고리즘을 ‘역이용’할 수 있는 사람이 됩니다. 그럼 이제부터 그 이야기를 시작해보겠습니다.

왜 이것이 중요한가

우리는 하루 평균 스마트폰을 몇 번이나 들여다볼까요? 여러 조사에서 성인 기준 하루 100회 이상, 화면을 보는 시간은 4시간에서 7시간에 이른다는 결과가 반복해서 나옵니다. 그리고 그 시간의 대부분은 우리가 능동적으로 무언가를 검색하는 시간이 아니라, 누군가 혹은 무언가가 ‘추천해준’ 콘텐츠를 소비하는 시간입니다.

유튜브, 인스타그램, 틱톡, 넷플릭스, 심지어 뉴스 앱까지. 우리가 무엇을 보고, 무엇을 읽고, 무엇을 좋아하게 되는지는 이제 우리 자신의 선택이 아니라 ‘알고리즘의 설계’에 크게 좌우됩니다. 이건 단순히 “광고가 좀 더 잘 맞는다” 수준의 이야기가 아닙니다. 우리가 세상을 어떻게 인식하는지, 무엇을 진실이라 믿는지, 누구를 미워하고 누구를 좋아하는지까지 영향을 받는다는 뜻입니다.

그래서 이 질문은 단순한 IT 지식이 아니라 21세기를 살아가는 시민이라면 반드시 알아야 할 ‘생존 교양’에 가깝습니다. 자동차 운전자가 엔진의 원리까지는 몰라도 브레이크와 액셀의 작동 원리는 알아야 안전하게 운전할 수 있는 것처럼, 우리도 알고리즘이라는 ‘엔진’ 위에서 매일을 살아가는 이상, 최소한의 작동 원리는 알아야 합니다.

역사적·사회적 배경

알고리즘이 처음부터 이렇게 똑똑했던 건 아닙니다. 시간을 조금 되돌려 볼까요.

2004년, 페이스북이 처음 등장했을 때만 해도 뉴스피드라는 개념 자체가 없었습니다. 친구의 게시물은 그냥 시간 순서대로 나열됐습니다. 누가 먼저 글을 썼는지가 곧 노출 순서였죠. 지극히 단순하고 공평한 방식이었습니다.

그런데 2009년, 페이스북은 조용히 그러나 결정적인 변화를 시도합니다. ‘엣지랭크(EdgeRank)’라는 알고리즘을 도입한 겁니다. 이제부터 게시물은 시간 순서가 아니라 ‘당신이 좋아할 만한 순서’로 배열되기 시작했습니다. 겉보기엔 사용자를 위한 친절한 배려처럼 보였습니다. 실제로 사람들은 이 변화를 크게 눈치채지도 못했고요.

하지만 이 작은 변화가 인터넷 생태계 전체를 뒤집어놓는 도미노의 첫 조각이었습니다. 유튜브는 2012년부터 ‘시청 시간’을 최우선으로 하는 추천 알고리즘을 전면 개편했고, 인스타그램은 2016년 시간순 피드를 폐지하며 사용자들의 거센 반발을 샀습니다. 그리고 2018년 이후 등장한 틱톡은 아예 처음부터 ‘팔로우’라는 개념보다 알고리즘 추천을 중심에 놓는, 완전히 새로운 방식의 플랫폼으로 설계됐습니다.

한 가지 재미있는 사실은, 이 모든 변화의 동기가 ‘악의’가 아니었다는 겁니다. 각 회사는 그저 “사용자가 더 오래, 더 자주 서비스를 이용하게 만들자”는 지극히 단순한 사업 목표를 갖고 있었을 뿐입니다. 그런데 바로 이 단순한 목표가, 인류 역사상 유례없는 실험을 시작하게 만든 씨앗이었습니다.

알고리즘은 무엇을 기준으로 우리를 판단할까

알고리즘이라는 말은 어렵게 들리지만, 원리는 의외로 단순합니다. 알고리즘은 우리가 ‘무엇을 클릭했는지’, ‘얼마나 오래 봤는지’, ‘어디서 멈췄는지’, ‘누구와 비슷한 행동을 하는지’를 초 단위로 기록합니다. 그리고 그 데이터를 바탕으로 딱 한 가지 질문에 답하려고 합니다.

“이 사람이 다음에 볼 확률이 가장 높은 건 무엇인가?”

주의해야 할 점은, 이 질문에는 ‘이 사람에게 유익한 것은 무엇인가’라는 항목이 아예 들어있지 않다는 겁니다. 알고리즘은 우리를 행복하게 만드는 데는 관심이 없습니다. 오직 우리를 화면 앞에 붙잡아두는 데만 관심이 있습니다. 그리고 안타깝게도, 사람의 뇌는 ‘차분하고 균형 잡힌 정보’보다 ‘자극적이고 감정을 뒤흔드는 정보’에 훨씬 오래 머무는 경향이 있습니다.

2018년 MIT 미디어랩에서 진행된 한 연구는 이 사실을 숫자로 보여줬습니다. 트위터(현재의 X)에서 가짜 뉴스는 진짜 뉴스보다 무려 6배 더 빠르게 확산됐습니다. 이유는 간단합니다. 가짜 뉴스는 대체로 더 놀랍고, 더 분노를 유발하고, 더 극단적이기 때문입니다. 알고리즘 입장에서는 이게 ‘좋은 콘텐츠’입니다. 사람들이 반응하니까요.

필터 버블이 만들어지는 과정

이제 이 원리가 어떻게 한 사람의 세계관을 바꾸는지 단계별로 살펴보겠습니다.

1단계. 작은 클릭에서 시작한다. 예를 들어 당신이 우연히 어떤 정치적 이슈에 대한 영상 하나를 클릭했다고 해봅시다. 이건 그저 호기심이었을 수도 있고, 심지어 반박하려고 본 것일 수도 있습니다. 하지만 알고리즘은 ‘의도’를 구분하지 못합니다. 그저 “이 사람이 이 주제에 반응했다”는 사실만 기록합니다.

2단계. 비슷한 콘텐츠가 조금씩 늘어난다. 다음 날, 당신의 피드에는 비슷한 주제의 영상이 하나 더 나타납니다. 크게 다르지 않은, 살짝 더 자극적인 버전으로요. 당신은 별생각 없이 또 한 번 클릭합니다.

3단계. 반복이 확신으로 바뀐다. 몇 주가 지나면 당신의 피드는 특정 주제, 특정 관점으로 조금씩 기울어집니다. 이때 무서운 건, 당신은 이걸 ‘알고리즘의 선택’이 아니라 ‘내가 원래 관심 있던 것’이라고 착각한다는 점입니다. 반복해서 보다 보면, 그 관점이 마치 세상의 대세인 것처럼 느껴지기 시작합니다.

4단계. 반대 의견이 낯설어진다. 이 과정이 몇 달, 몇 년 쌓이면, 당신과 다른 의견을 가진 사람의 말은 점점 더 이상하고, 비상식적이고, 심지어 위협적으로 느껴지기 시작합니다. 사실 그 사람도 당신처럼 자기만의 버블 안에서 비슷한 과정을 겪었을 뿐인데 말이죠.

이게 바로 필터 버블의 완성입니다. 누구도 의도하지 않았지만, 수백만 명이 매일 조금씩 다른 방향으로 나뉘어 걷게 되는 겁니다.

감정은 어떻게 전염되는가

혹시 “감정도 전염된다”는 실험 이야기를 들어보셨나요? 2014년 페이스북은 68만 명이 넘는 사용자를 대상으로, 본인들도 모르는 사이에 한 가지 실험을 진행했습니다. 일부 사용자에게는 유독 긍정적인 게시물만, 다른 일부에게는 유독 부정적인 게시물만 더 자주 보여준 겁니다.

결과는 놀라웠습니다. 긍정적인 게시물을 많이 본 사람들은 스스로도 더 긍정적인 글을 올리는 경향을 보였고, 부정적인 게시물을 많이 본 사람들은 반대로 더 부정적인 글을 올렸습니다. 직접 대화를 나눈 것도, 실제로 어떤 사건을 겪은 것도 아닌데, 그저 피드에 뜨는 게시물의 ‘분위기’만으로 사람의 감정 상태가 바뀐 겁니다.

이 연구는 나중에 사용자 동의 없이 진행됐다는 사실이 알려지며 큰 윤리적 논란을 낳았습니다. 하지만 역설적으로, 이 논란 덕분에 우리는 아주 중요한 사실 하나를 확실히 알게 됐습니다. 알고리즘이 무엇을 보여주느냐에 따라, 우리의 감정 자체가 조종당할 수 있다는 것을요.

실제 사례

가장 널리 알려진 사례는 역시 유튜브의 ‘토끼굴(Rabbit Hole)’ 현상입니다. 2019년 뉴욕타임스는 유튜브에서 평범한 다이어트나 운동 관련 영상을 시청하던 사용자가, 알고리즘의 추천을 따라가다 보니 몇 주 만에 매우 극단적인 정치 콘텐츠로 이동하게 되는 사례들을 추적해 보도했습니다. 시작은 평범했지만, 알고리즘이 “조금 더 자극적인 것, 조금 더 극단적인 것”을 계속 추천하다 보니 어느새 완전히 다른 곳에 도착해 있었던 겁니다.

또 다른 사례는 넷플릭스입니다. 넷플릭스는 자사 추천 알고리즘 덕분에 콘텐츠 조회의 상당 부분이 검색이 아닌 추천을 통해 발생한다고 공개적으로 밝힌 바 있습니다. 이건 나쁜 사례라기보다는 알고리즘이 얼마나 강력하게 우리의 선택을 대신하고 있는지를 보여주는 상징적인 숫자입니다. 우리는 스스로 고른다고 생각하지만, 사실 대부분은 이미 정해진 선택지 안에서 고르고 있는 셈입니다.

한국의 경우도 다르지 않습니다. 유튜브 알고리즘을 둘러싼 정치 콘텐츠 편향성 논쟁은 몇 년째 지속되고 있고, 실제로 세대와 성향에 따라 완전히 다른 유튜브 ‘세계’를 경험하고 있다는 지적이 꾸준히 제기되고 있습니다. 같은 아파트, 같은 동네에 살아도 스마트폰 화면 속에서는 전혀 다른 나라에 사는 것과 마찬가지인 셈이죠.

과거의 미디어 vs 오늘의 알고리즘 미디어

이해를 돕기 위해, 알고리즘 이전의 미디어 환경과 이후를 비교해보겠습니다.

구분	알고리즘 이전 (신문, TV 시대)	알고리즘 이후 (SNS, 유튜브 시대)
정보 선택 기준	편집자, 기자의 판단	개인의 과거 행동 데이터
노출되는 정보	같은 사회 구성원 대부분 유사	사람마다 완전히 다름
정보의 목적	공익, 알 권리	체류 시간 극대화
반대 의견 접촉 빈도	상대적으로 높음	상대적으로 낮음
확산 속도가 빠른 콘텐츠	속보, 팩트 중심 뉴스	감정적, 자극적 콘텐츠
사용자의 인식	“이건 방송사가 고른 뉴스다”	“이건 내가 관심 있어서 보는 거다”

이 표에서 가장 눈여겨봐야 할 부분은 마지막 줄입니다. 과거에는 누구나 “이건 누군가 선별해서 보여주는 정보”라는 걸 알고 있었습니다. 하지만 오늘날 알고리즘은 너무나 자연스럽게 우리의 취향인 것처럼 위장하기 때문에, 우리는 선택당하고 있다는 사실 자체를 자각하기 어렵습니다. 이게 바로 오늘날 알고리즘이 예전 미디어보다 훨씬 더 은밀하고, 훨씬 더 강력한 이유입니다.

오늘날 우리에게 주는 의미

그렇다면 우리는 이 사실 앞에서 무기력하게 있어야 할까요? 다행히 그렇지 않습니다. 알고리즘의 작동 원리를 이해하는 것만으로도 우리는 상당한 힘을 되찾을 수 있습니다.

첫째, “내가 지금 보고 있는 것이 세상의 전부가 아니다”라는 감각을 의식적으로 유지하는 것이 중요합니다. 내 피드에서 압도적으로 많이 보이는 의견이 실제로 사회의 다수 의견이 아닐 수 있다는 걸 기억하는 것만으로도, 우리는 훨씬 더 균형 잡힌 시각을 가질 수 있습니다.

둘째, 감정이 크게 요동치는 콘텐츠를 만났을 때 한 박자 쉬어가는 습관이 필요합니다. 분노나 충격을 강하게 유발하는 콘텐츠일수록, 그건 진실을 전달하기 위해서가 아니라 우리를 붙잡아두기 위해 설계됐을 가능성이 높습니다.

셋째, 의도적으로 ‘다른 관점’을 찾아 나서는 노력이 필요합니다. 알고리즘은 절대 스스로 우리에게 반대 의견을 자주 보여주지 않습니다. 왜냐하면 반대 의견은 대체로 우리를 덜 오래 머물게 만들기 때문입니다. 그러니 균형은 알고리즘이 아니라 우리가 직접 만들어야 합니다.

결국 알고리즘 시대에 가장 중요한 능력은 ‘무엇을 아느냐’가 아니라 ‘내가 지금 보고 있는 것이 어떻게 나에게 왔는지를 아는 능력’입니다. 이걸 미디어 리터러시라고 부르기도 하죠. 이 능력이야말로 21세기의 새로운 문해력이라 할 수 있습니다.

핵심 정리

• 알고리즘은 우리를 행복하게 하기 위해서가 아니라, 화면 앞에 오래 붙잡아두기 위해 설계된다.
• 자극적이고 감정적인 콘텐츠일수록 알고리즘에게는 ‘좋은 콘텐츠’로 인식된다.
• 작은 클릭 하나가 반복되면, 몇 달 뒤에는 완전히 다른 세계관으로 이어질 수 있다.
• 우리는 스스로 관심사를 선택했다고 느끼지만, 사실은 알고리즘이 먼저 보여준 것에 반응하는 경우가 많다.
• 균형 잡힌 시야는 저절로 주어지지 않으며, 의식적인 노력으로 만들어야 한다.

오늘의 한 문장

“내가 보는 세상이 전부라고 믿는 순간, 나는 이미 누군가가 만든 세상 안에 갇힌 것이다.”

FAQ

Q1. 필터 버블이란 정확히 무엇인가요? 필터 버블은 알고리즘이 개인의 과거 행동을 바탕으로 맞춤형 정보만 반복적으로 제공하면서, 그 사람이 자신과 다른 의견이나 정보에는 점점 노출되지 않는 현상을 말합니다. 결과적으로 각자가 서로 다른 ‘정보의 거품’ 안에 갇히게 됩니다.

Q2. 유튜브 알고리즘은 어떤 기준으로 영상을 추천하나요? 유튜브는 클릭률, 시청 지속 시간, 좋아요·댓글 등 반응, 비슷한 시청 패턴을 가진 다른 사용자들의 행동 데이터를 종합적으로 분석해 추천합니다. 핵심은 ‘얼마나 오래, 자주 보게 만드는가’에 맞춰져 있습니다.

Q3. 알고리즘의 편향을 줄이는 방법이 있을까요? 완벽하게 없앨 수는 없지만, 의도적으로 다양한 주제와 관점의 콘텐츠를 검색해서 보거나, 시청 기록을 주기적으로 정리하거나, 알고리즘 추천 대신 직접 검색하는 습관을 들이는 것이 도움이 됩니다. 일부 플랫폼은 시간순 피드나 추천 끄기 기능도 제공합니다.

Q4. 알고리즘이 정치적 양극화의 원인이라는 게 사실인가요? 전적인 원인이라고 단정하긴 어렵지만, 다수의 연구에서 알고리즘이 극단적인 콘텐츠에 대한 노출을 늘리고 반대 의견과의 접촉을 줄여 양극화를 심화시키는 요인 중 하나로 작용한다는 결과가 나오고 있습니다. 학계에서도 여전히 활발히 논의되는 주제입니다.

Q5. 아이들에게 알고리즘의 위험성을 어떻게 설명해야 할까요? “유튜브나 틱톡이 보여주는 건 네가 좋아할 만한 것이 아니라, 네가 오래 볼 만한 것”이라는 차이를 쉽게 설명해주는 것이 좋습니다. 또한 자극적인 영상을 보고 나서 기분이 어땠는지 함께 이야기하는 습관을 들이면, 아이 스스로도 콘텐츠를 비판적으로 바라보는 힘을 기를 수 있습니다.