주거 추천 AI가 선호도엔 순응해도 실제 최적해는 놓치는 현상을 법적 기준과 비교 분석

• 주거 추천 AI가 선호에는 맞추지만 실제 최적 매물을 놓치는 현상을 검증 가능한 실제 매물 데이터로 계량했다.
• 기존 감사는 정체성 기반 편향은 보여줬으나 추천 누락의 크기를 측정할 기준이 없었다는 공백을 메운다.
• 주거 관련 법 규제와 맞물려 AI 추천 플랫폼의 법적 리스크 점검 필요성을 시사한다.

이 논문은 LLM 기반 주거 추천이 소비자가 상당한 이해관계를 갖고 법이 명시적으로 개입하는 영역(주거)에서 첫 접점이 되고 있다는 점에서 출발한다. 연구팀은 뉴욕시 임차인 150개 시나리오마다 알려진 속성을 가진 실제 매물 120개로 구성된 풀을 만들어, AI 추천이 놓친 적합 매물이 실제로 존재하는지 검증 가능한 기준(ground truth)과 대조했다.

기존 AI 주거 추천 감사 연구는 모델이 인지된 정체성(인종, 가족 형태 등)에 따라 이용자를 특정 방향으로 유도하는 차별적 경향을 보여준 바 있으나, 추천이 놓친 기회의 크기를 계량할 기준이 없었다는 한계가 있었다. 주거 분야는 공정주거법(Fair Housing Act) 등 명시적 법 규제가 있는 영역이라 AI 추천의 편향이나 누락이 법적 쟁점으로 직결될 소지가 크다.

부동산 중개, 임대 플랫폼, 소비자보호 관련 실무자라면 AI 추천 도구가 선호도에 형식적으로는 맞추면서도 실제 최적 매물을 놓치는 현상이 법적 책임이나 차별 시비로 이어질 수 있다는 점을 점검할 필요가 있다. 특히 추천 결과의 '누락'을 별도로 감사할 기준이 없었다는 지적은, 플랫폼 사업자가 자체적으로 벤치마크나 검증 데이터를 마련해야 할 필요성을 시사한다.

구체적으로 어떤 속성(가격, 위치, 접근성 등)에서 누락이 두드러졌는지, 법적 기준과의 불일치가 어떤 형태로 나타났는지는 발췌만으로는 확인되지 않아 원문 확인이 필요하다.

본문은 수집한 기사의 제목과 발췌를 바탕으로 AI가 정리한 해설입니다. 수치·날짜·조문 등 세부 사실은 원문에서 확인하세요.