본 논문은 대규모 언어 모델(LLM) 기반 채팅 검색에서 기능적 고정성(functional fixedness)이 미치는 영향을 조사한 연구 결과를 제시한다. 450명의 참가자를 대상으로 한 크라우드소싱 연구를 통해 공공 안전, 식단 및 건강 관리, 지속 가능성, AI 윤리 등 다양한 의사결정 과제에서 참가자들이 ChatGPT와의 대화를 통해 과제를 해결하는 과정을 분석하였다. 연구 결과, 사전 기대는 ChatGPT, 검색 엔진, 가상 비서 사용 경험과 밀접하게 관련되어 있으며, 이러한 사전 경험은 언어 사용과 프롬프트 작성 행동에 영향을 미치는 것으로 나타났다. 시스템이 기대를 충족하지 못할 경우, 참가자들은 더욱 자세한 프롬프트를 생성하고 언어적 다양성을 높이는 적응적 변화를 보였다. 이는 사전 기대가 초기 상호작용을 제한하지만, 기대 불일치는 행동적 적응을 유도할 수 있음을 시사한다. 본 연구는 채팅 검색에서 사용자 의도의 유형론을 제시하고, 더욱 창의적이고 분석적인 LLM 사용을 지원하기 위해 기능적 고정성을 완화하는 것이 중요함을 강조한다.
