본 논문은 대규모 언어 모델(LLM)을 활용하여 친환경 행동(PEB)을 증진시키는 방법을 탐구한다. 실제 인간(1200명), 실제 참가자 데이터 기반의 시뮬레이션된 인간(1200명), 완전히 합성된 가상 인물(1200명) 총 3200명의 참가자를 대상으로, 개인화된 챗봇, 표준 챗봇, 정적 문장 등을 사용하여 네 가지 설득 전략(도덕적 기반, 미래 자아 연속성, 행동 지향성, LLM이 선택한 "자유형")의 효과를 비교 분석하였다. 그 결과, 합성 및 시뮬레이션된 참가자는 개입 후 친환경 행동 태도에 상당한 변화를 보인 반면, 실제 인간의 반응은 거의 변화가 없다는 "합성 설득 역설"을 발견하였다. 시뮬레이션된 참가자는 실제 인간의 경향을 더 잘 반영하지만 여전히 효과를 과대평가하는 것으로 나타났다. 이러한 차이는 LLM이 PEB 개입을 사전 평가하는 데 잠재력을 가지지만 실제 행동을 예측하는 데는 한계가 있음을 시사한다. 따라서 본 논문은 대화형 AI의 약속을 실질적인 지속가능성 결과와 일치시키기 위해 정교한 합성 모델링과 지속적이고 광범위한 인간 실험을 촉구한다.
