Cohere 연구진은 대규모 언어 모델(LLM) 내 문화적 격차가 미치는 영향을 평가하기 위해 22개국, 81명의 참가자를 대상으로 설문조사를 진행했다. 2026년 6월 23일에 발표된 이 연구에 따르면, 영어가 모국어가 아닌 참가자의 83%는 더 높은 응답 품질과 정확도를 위해 정기적으로 영어로 전환한다. 실제 데이터상으로는 비영어권 사용자의 89.5%가 기능적 결과를 얻기 위해 언어 전환이 불가피하다고 응답했다.

참가자들은 AI의 문화적 이해도에 중대한 한계가 있다고 보고했다. 응답자의 38% 이상이 AI의 자국 문화 이해도를 10점 만점에 5점 미만으로 평가했다. 또한 사용자 63%는 서구 중심적인 역사적 서술, 잘못된 예절 수준, 부적절한 성별 언어 사용 등 문화적 규범 위반 사례를 경험했다. 이러한 문제는 힌디어, 펀자브어 또는 프랑스어 방언과 같이 지역적 맥락이나 사회적 뉘앙스가 중요한 언어로 질문할 때 특히 두드러지게 나타난다.

이러한 격차는 생산성 저하와 문화적 소외라는 결과를 낳는다. 참가자의 67%는 AI가 문화를 고정관념이나 지배적인 서구 관점으로 단순화하여 소외시킬 것을 우려했다. 이는 부적절한 응답을 받은 사용자가 AI 사용 빈도를 줄이는 악순환을 유발하며, 향후 모델 개선을 위한 데이터 다양성까지 제한한다. 사용자들은 창작, 번역, 법률 안내, 지역 정보 검색 분야에서 문화적 감수성 개선이 가장 시급하다고 지목했다.

연구진은 문화적 인식이 단순한 다국어 기능을 넘어 AI 시스템의 핵심 설계 요건이 되어야 한다고 주장했다. 구체적으로는 지배적 문화로 기본 설정되는 것을 방지하는 지역별 현지화, 코드 스위칭(두 개 이상의 언어를 섞어 대화하는 방식)의 자연스러운 처리, 역사적·사회적 맥락을 위한 다양한 데이터 소스 활용 등을 개선안으로 제시했다. 연구진은 이러한 격차를 해소하지 못할 경우, AI로 인한 생산성 향상의 혜택이 영어권과 서구 중심 사용자에게 편중될 수 있다고 경고했다.

Cohere 연구진은 대규모 언어 모델(LLM) 내 문화적 격차가 미치는 영향을 평가하기 위해 22개국, 81명의 참가자를 대상으로 설문조사를 진행했다. 2026년 6월 23일에 발표된 이 연구에 따르면, 영어가 모국어가 아닌 참가자의 83%는 더 높은 응답 품질과 정확도를 위해 정기적으로 영어로 전환한다. 실제 데이터상으로는 비영어권 사용자의 89.5%가 기능적 결과를 얻기 위해 언어 전환이 불가피하다고 응답했다.

참가자들은 AI의 문화적 이해도에 중대한 한계가 있다고 보고했다. 응답자의 38% 이상이 AI의 자국 문화 이해도를 10점 만점에 5점 미만으로 평가했다. 또한 사용자 63%는 서구 중심적인 역사적 서술, 잘못된 예절 수준, 부적절한 성별 언어 사용 등 문화적 규범 위반 사례를 경험했다. 이러한 문제는 힌디어, 펀자브어 또는 프랑스어 방언과 같이 지역적 맥락이나 사회적 뉘앙스가 중요한 언어로 질문할 때 특히 두드러지게 나타난다.

이러한 격차는 생산성 저하와 문화적 소외라는 결과를 낳는다. 참가자의 67%는 AI가 문화를 고정관념이나 지배적인 서구 관점으로 단순화하여 소외시킬 것을 우려했다. 이는 부적절한 응답을 받은 사용자가 AI 사용 빈도를 줄이는 악순환을 유발하며, 향후 모델 개선을 위한 데이터 다양성까지 제한한다. 사용자들은 창작, 번역, 법률 안내, 지역 정보 검색 분야에서 문화적 감수성 개선이 가장 시급하다고 지목했다.

연구진은 문화적 인식이 단순한 다국어 기능을 넘어 AI 시스템의 핵심 설계 요건이 되어야 한다고 주장했다. 구체적으로는 지배적 문화로 기본 설정되는 것을 방지하는 지역별 현지화, 코드 스위칭(두 개 이상의 언어를 섞어 대화하는 방식)의 자연스러운 처리, 역사적·사회적 맥락을 위한 다양한 데이터 소스 활용 등을 개선안으로 제시했다. 연구진은 이러한 격차를 해소하지 못할 경우, AI로 인한 생산성 향상의 혜택이 영어권과 서구 중심 사용자에게 편중될 수 있다고 경고했다.