1왜 다시 댓글인가

다음뉴스는 핵심 기능을 바꿀 때마다 그 작동 방식과 기준을 설명하는 글을 공개해 왔습니다. 이는 우리의 기술이나 노력을 자랑하기 위함이 아닙니다. 이용자라면 누구나 궁금할 수 있는 부분을 쉽게 이해하도록 돕고 변경 사항을 투명하게 설명해 신뢰 속에서 서비스를 이용할 수 있도록 하기 위함입니다.

‘댓글’도 마찬가지입니다. 댓글은 뉴스 서비스의 핵심 요소입니다. 전통적으로 뉴스는 매체 구조상 일방향 전달에 가까웠습니다. 하지만 인터넷 환경이 변화하고 기사 하단에 댓글이 결합되면서, 이용자 간 의견을 나누고 토론할 수 있는 구조로 확장했습니다.[1] 이런 점에서 댓글 서비스는 숙의민주주의의 이상을 부분적으로 구현하는 ‘공론장(public sphere)’으로 기능할 수 있게 됐습니다.[2]

많은 연구에 따르면, 댓글은 (1) 기사에 대한 감정과 판단이 표출·집적되는 장이 되고 (2) 타인의 관점을 통해 정보를 재해석하는 계기를 제공하며[3] (3) 때로는 사회적 합의와 갈등의 단초가 드러나는 ‘소규모 공론장’으로 작동한다고 설명합니다.[4] 즉, 시민들이 이슈를 접하고 의견을 교환하는 과정에서 민주주의적 역량을 형성하고 확장하는 학습의 장으로서, 댓글은 일정한 역할을 수행해 왔다고 볼 수 있습니다.

하지만 댓글은 긍정적 역할과 함께, 남용과 악용에 취약한 점이 있습니다. 악성·증오발언·명예훼손 등 이용자의 권리를 침해할 수 있는 문제가 발생했고, 기사의 맥락과 무관한 저품질 댓글도 반복적으로 게시됐습니다. 더 나아가 일부 세력이 댓글을 이용해 여론을 조직적으로 왜곡하거나 특정 방향으로 이끌려는 시도 역시 꾸준히 문제로 지적됐습니다.

이러한 댓글 환경은 기사와 매체를 향해 불신을 키우고, 결과적으로 저널리즘 전반의 신뢰를 훼손할 수 있다는 우려로 이어졌습니다. 또한 포털 중심의 유통 구조 속에서, 언론의 의제 설정과 기사 생산이 지나치게 ‘조회 수’나 ‘관심도’와 같은 시장 논리에 종속되면서, 공론장으로서의 기반이 약화되고 있다[5]는 비판도 제기되어 왔습니다.

그렇다면 정말 다른 방법은 없을까요? 소수가 공론장을 훼손하지 않으면서도, 인터넷 태동기부터 이어져 온 ‘댓글’이라는 소중한 유산을 오늘의 환경에 맞게 건강하게 되살릴 수 있는 해법을 말이죠.

소셜미디어 시대, 우리가 잃어버린 것

2010년대 초반부터 국내외 여러 언론사 홈페이지에선 댓글 기능을 줄이거나 아예 없애는 흐름이 나타났습니다. 이는 페이스북 등 소셜미디어가 전 세계 뉴스 유통의 주요 채널로 자리 잡은 시기와 맞물립니다.

더불어, 플랫폼들이 본격적으로 ‘개인 맞춤형 추천 기술’을 적용하면서 이른바 '필터 버블 (Filter Bubble)[6]과 에코 체임버 (Echo chamber effect)[7]'로 불리는 정보 편식 우려도 나타났는데, 이는 이용자들이 각자 관심 있는 주제만 소비하게 되면서, 공적 이슈를 함께 논의하는 공간은 오히려 줄거나 파편화될 수 있다는 지적으로 이어졌습니다.

현재 일부 소셜미디어 플랫폼은 과거 뉴스 영역에 투입하던 비용을 조정해, 크리에이터 경제(creator economy) 등 다른 영역에 재분배합니다.[8]

정리하면, 소셜 서비스는 정보가 빠르게 퍼지고 사람들 사이의 연결을 쉽게 하는데 강점이 있지만, 정보의 맥락이나 책임 있는 토론 구조를 충분히 담보하기 어렵습니다. 그 결과, 과거에는 댓글이 문제적인 기능으로 평가됐지만 오히려 지금은 소셜미디어 환경에서 더 큰 부작용 -예컨대 커뮤니티의 신뢰 약화, 증오·갈등의 증폭-이 나타날 수 있다는 분석도 나옵니다.

이러한 문제의식 속에서, 2025년 전후부터는 일부 권위 있는 뉴스룸을 중심으로 댓글을 다시 ‘저널리즘 과정의 일부’로 복원하려는 움직임도 관찰됩니다.[9] [10]

이 변화는, 오랫동안 주변부로 밀려났던 댓글을 ‘열 것인가, 말 것인가’의 논의에서 ‘어떻게 더 좋게 만들 것인가’로 전환하는 신호로 읽힙니다.

2댓글 연대기 : ‘열린 사회의 적들’과의 전면전 - 증오발언, 조작, 도배

다음은 서비스 초기부터, ‘다양한 소리(多音)를 조화롭게 담는다’는 커뮤니케이션 정체성을 지향해 왔습니다. 국내 최초 무료 이메일 서비스인 한메일(1997), 온라인 커뮤니티 문화를 만든 다음카페(1999)에 이어, 2003년엔 국내 최초로 뉴스에 ‘100자평’을 도입했고, 아고라·텔존·세계엔·미즈넷 등 다양한 커뮤니티 게시판을 운영해 왔습니다.

하지만 서비스가 성장하면서 어뷰징, 악성 댓글, 사이버 불링[11] 등 부작용이 누적됐고, 이로 인한 사회적 갈등도 반복적으로 나타났습니다. 그 결과 운영의 무게중심은 ‘활발한 커뮤니케이션을 넓히는 일’에서 ‘댓글로 인한 위험을 관리하는 일’로 점차 옮겨갈 수밖에 없었습니다.

그리하여 다음의 댓글 정책은 크게 세 가지 축을 중심으로 변화했는데, 그 과정에서 ‘타임톡’ 도입은 중요한 전환점이었습니다. 세가지 축을 말씀드리기에 앞서, 왜 이러한 변화가 필요했는지부터 먼저 살펴보겠습니다.

이 과정은 칼 포퍼가 「열린 사회와 그 적들(1945)」에서 말한 ‘관용의 역설(paradox of tolerance)’[12]과 맞닿아 있습니다. 이는 관용을 악용해 대화를 불가능하게 만들고, 결과적으로 열린 공간 자체를 훼손하는 현상을 의미합니다.

실제 댓글 공간에서 문제로 지적된 양상도 유사합니다. 예컨대 (1) 설득과 대화가 아닌 증오와 괴롭힘으로 상대를 퇴장시키려는 행위 (2) 추천 수나 베스트 영역을 조작하고 점유하려는 시도 (3) 동일 문장을 반복하거나, 단순 감정 표출만으로 도배해 정상적인 이용을 어렵게 만드는 행위 등이 대표적입니다.

결국 지금까지 다음의 댓글 정책과 기술은, 이러한 ‘열린 공간을 훼손하는 시도’에 대응하고 이용자들이 안심하고 참여할 수 있는 환경을 만들기 위해 방어 체계를 점진적으로 고도화해 온 과정이라고 볼 수 있습니다. 그리고 이러한 대응은 이후 설명할 세 가지 축을 중심으로 단계적으로 발전해 왔습니다.

이용자 참여 확대 단계

다음은 2003년 3월 4일, 이용자의 높은 관심과 이용률을 바탕으로 정보 콘텐츠를 확충하고 참여 기회를 넓힌 ‘미디어다음’ 서비스를 선보였습니다.[13] 특히 ‘100자평’은 인터넷의 쌍방향성과 상호작용을 살려, 주요 사회적 의제에 이용자가 직접 참여할 수 있는 창구로 자리 잡으며 이용자 확대에 의미 있는 역할을 했습니다.[14] 긴 글을 쓰지 않아도 된다는 점에서 부담을 낮추면서도, 즉시 반응하면서 다른 이용자의 의견도 확인할 수 있다는 점이 참여를 자연스럽게 이끌었습니다.

다음의 이용자 규모가 기존의 언론사 홈페이지를 넘어서면서, 보다 더 명확한 기준을 마련하는 정책도 추진했습니다. 로그인 기반 전환, 24시간 댓글 신고센터 구축, 업계 최초로 이용자의 댓글 작성 이력을 공개해 이용자 간의 댓글 작성 성향을 참고할 수 있도록 한 기능들이 이 시기에 도입됐습니다.

어뷰징 방지 단계

댓글을 향한 관심이 커지자, 누가 더 많이·더 자주·더 빠르게 쓰는지에 따라 댓글 공간을 점유하려는 시도도 늘어났습니다. 동일 문구를 반복 게시하거나, 여러 기사에 가장 먼저 댓글을 달고, 반응(좋아요)을 선점해 댓글 상단을 점령하려는 패턴이 대표적입니다. 이러한 양상은 우리에게 서비스 구조 전반을 돌아보게 하는 중요한 문제의식을 제기했습니다.

그 문제의식은, 도배가 쉬운 구조는 도배를 유발하고 이를 ‘표현의 자유’라는 이유로 방치할 경우 나쁜 패턴을 용인하는 결과로 이어지는데 그 끝은 정상적으로 참여하던 ‘이용자의 이탈’이라는 악순환이 발생할 수 있다는 점이었습니다.

그리하여 이 시기부터 댓글 정책은 단순 댓글 내용뿐 아니라, 작성 방식을 제어하는 데 비중을 뒀습니다. 작성 개수 제한, 중복 게시 방지, 작성 쿨타임(연속 작성 제한) 등 다양한 정책을 도입했으며 이를 ‘어뷰징 방지 정책’으로 정리할 수 있겠습니다.

증오발언·괴롭힘 대응 단계

다음뉴스(당시 미디어다음)는 개인의 인격과 명예를 훼손하는 행위에 보다 단호히 대응하고자, 2004년 업계 최초로 서비스 원칙[15]을 발표하고 이용자 안내를 의무화하는 등 대응 체계를 강화했습니다. 이른바 ‘악플’로 불리는 증오와 괴롭힘은, 어뷰징과 달리 특정 개인에게 직접적인 피해를 주고 확산 속도도 빠르기 때문에 즉각적인 대응이 필요했습니다.

이에 따라 유해 댓글·욕설·비속어 자동 필터링 등의 기술을 고도화해 실시간 대응력을 높였고, 그럼에도 상황이 과열되거나 피해 확산 우려가 큰 경우엔 댓글 공간을 일시적으로 닫는 조치도 시행했습니다. 연예·스포츠 댓글 잠정 중단, 세월호 및 이태원 참사 희생자 추모 기간 중 유가족의 요청을 반영한 댓글 중단 조치가 그러합니다.

다만 방어와 선제적 대응을 강화할수록 또 다른 문제도 드러났습니다. 의도를 가진 이용자는 우회하는 반면, 선의의 이용자는 불편을 넘어 불쾌감을 느끼는 상황이 생긴 것입니다. 이 때문에 ‘방어’ 만으로는 한계가 있었고, 근본적으로 댓글 구조를 재설계하는 실험이 필요해졌습니다. 그 결과 도입한 것이 ‘타임톡’ 입니다.

타임톡 도입 이후 만 2년 6개월이 흐른 지금, 다음뉴스는 어떤 변화를 경험했을까요? 이를 정리하기 위해 ‘대차대조표’로 결과를 살펴보겠습니다.

3타임톡 모델 : 댓글 ‘구조 재설계’ 실험 결과는[16]

2023년 6월, 다음뉴스는 기존 댓글 구조를 전면 전환하는 ‘타임톡’을 베타로 선보였습니다.[17] 타임톡은 실시간 채팅 형식을 적용해 이용자가 익숙하게 참여할 수 있게 하면서, 특정 댓글이 장기간 상단에 고정되는 현상을 완화하는 것을 목표로 했습니다. 기존의 추천순·찬반순 중심의 정렬에선 일부 댓글이 오래 노출되며 실제 여론처럼 인식될 수 있는 문제점이 있었고, 동원·조작·과대대표 논란이 반복된 배경에도 이러한 구조적 요인이 작용해 왔기 때문입니다.

그리하여 채팅형 구조로 바꾸면 댓글의 노출 방식과 지속 기간이 달라져, 특정 의견이 오래 고정되기 보단 다양한 의견 교환에 초점이 맞춰지는 댓글 경험을 만들 수 있다고 기대했습니다.

또한 기사 송고 시점을 기준으로 일정 시간이 지나면(타임톡 오픈 당시 기준 24시간) 댓글이 자동으로 사라지는 방식을 적용했습니다. 이를 통해 이용자의 참여 부담을 낮추고, 이후 사실관계가 변경된 사안에서도 과거 기사와 댓글이 최신 맥락과 다른 정보를 반복 노출해 오해를 재생산하는 문제를 완화하고자 했습니다.

타임톡 도입 초반에는 다수의 항의가 있었지만, 타임톡 참여자 수와 이용량은 증가하는 지표를 관찰했습니다.[18] [19] 댓글 문제를 비판적으로 바라보던 언론에서도 일부 긍정적 평가가 이어졌고,[20] 특히 가장 크게 지적되어 온 ‘과대대표’ 현상이 완화되는 효과도 확인할 수 있었습니다.

다만 구조적 변화는 새로운 과제를 동반했습니다. 실시간 채팅 형식에선 즉흥적인 반응이 상대적으로 우세하고, 기사 내용의 이해나 논의보단 감정의 교환이 앞섰습니다. 또한 대화가 단발적이고 빠르게 흐르다 보니 댓글 맥락이 쌓이기 어렵고, 다른 이용자의 의견을 참고해서 읽거나 대화를 이어가기 어려운 문제도 나타났습니다.

무엇보다 큰 한계점은 ‘좋은 의견’이 충분히 드러나기 어려웠습니다. 이용자가 유의미한 댓글을 발견하기 쉽지 않았고, 설령 발견하더라도 공감과 참여가 축적되기 어려운 구조였습니다.

그 결과 우리는 ‘사유와 토론을 깊게 만들기보단, 짧은 반응이 빠르게 소비되는 흐름이 강화될 수 있다’는 또 하나의 과제를 마주하게 되었습니다. 이는 ‘다양한 목소리를 조화롭게 담는다’는 다음의 지향점과도 맞물려, 댓글 구조를 다시 점검해야 한다는 신호이기도 했습니다.

2025년 1월, 다음뉴스는 2주간 진행한 이용자 설문을 통해 타임톡 개선 작업에 착수했습니다.

선호 기능과 추가 희망 기능을 확인한 결과, 타임톡 장점을 묻는 질문에선 응답자 절반 이상이 ‘댓글 원복’을 요청했고, ‘제한 시간 이후에도 댓글 확인을 가능하게 해달라’는 요청 역시 우선순위로 나타났습니다. 타임톡 도입 이후에도 국민신문고 등 다양한 경로를 통해 “댓글이 없다”는 항의성 문의를 주기적으로 접수한 점은, 댓글의 소멸 방식에 대한 불만이 여전히 존재함을 보여줍니다.

이러한 흐름은 한국언론재단이 2023년 8월 진행한 설문 결과에서도 확인할 수 있습니다. 타임톡을 사전에 인지한 응답자 중 만족한다는 응답은 39.3%(매우 만족 4.1%, 약간 만족 35.2%)였으나, 만족하지 않는다는 응답은 60.7%(전혀 만족 못함 18.9%, 별로 만족 못함 41.8%)로 나타났습니다.[21]

이처럼 이용자의 부정적인 반응이 축적되는 상황에서, 타임톡을 현재 방식 그대로 유지하기는 어려운 단계에 이르렀다고 판단했습니다.

타임톡이 지향했던 문제의식인 ‘특정 댓글이 오래 남아 여론처럼 보이는 구조를 완화한다’는 논리는 이어가되, 동시에 타임톡이 드러낸 한계인 ‘좋은 의견이 드러나지 않아 참여가 약화될 수 있다’를 해결하기 위한 새로운 접근이 필요한 시점이라고 할 수 있겠습니다.

4댓글 2.0 대전환 : ‘좋은 의견’이 돋보이도록

분명한 점은, 댓글 공간의 개방성(openness)을 악용하는 행위에 대해서는 ‘차단’과 ‘제재’가 여전히 필요합니다. 다만 규칙을 강화하고 구조를 조정해 ‘나쁜 댓글’을 줄이더라도, 비워진 공간이 저절로 ‘좋은 의견’으로 채워지지 않는다는 사실도 중요합니다. 즉, 유해 댓글의 노출을 낮추는 것만으론 공론장의 질이 충분히 개선되지 않습니다. 이제는 접근의 축을 한 단계 확장할 필요가 있습니다.

핵심은 ‘좋은 의견이 잘 보이지 않는다’ 입니다. 어떤 댓글을 더 잘 보이게 할지는, 나쁜 댓글을 덜 보이게 하는 것만큼이나 댓글 공간의 신뢰도와 토론의 질을 좌우합니다. 그래서 우리는 ‘좋은 의견이 더 잘 보이려면 무엇이 달라져야 하는가’에서 출발해, 기존 노출 방식에 새로운 기준이 필요하다는 결론에 이르렀습니다.

일반적으로 댓글은 최신순, 오래된순, 추천(공감)순, 답글순 등 단일 기준 또는 단순 가중합 기준으로 정렬합니다. 그러나 이러한 방식은 자동화 수단 또는 다수 계정을 동원할 때 특정 댓글에 반응(추천/비추천)이 집중되면서 기사와의 연관도가 낮거나, 댓글의 표현 구조가 불완전하거나, 부적합한 댓글이 상위에 노출되며 댓글 영역의 신뢰도를 떨어뜨릴 수 있습니다.

이에 따라 우리는 단순 추천 수에만 의존하던 기존 정렬 방식과 다른 접근을 설계했습니다.

댓글 2.0에선 (1) 뉴스 본문과의 연관성 (2) 댓글 문장 구조의 완결성 (3) 부적합한 패턴 여부 (4) 댓글 작성자의 신뢰도 (5) 이용자 반응의 시간 및 구조적 특성(반응 속도, 다양도, 답글 트리 구조 등)을 종합적으로 고려해 토론 가치가 높은 댓글의 노출 가중치를 산정합니다. 우리는 이를 ‘웰메이드 댓글’이라 명명하겠습니다.

또한 자동화 수단이나 조직적인 개입이 의심되는 비정상 반응이 감지될 경우, 노출 가중치를 조정해 타임톡 도입 당시 문제의식이었던 ‘과대대표’ 완화 역시 함께 반영하고자 했습니다.

이렇게 산출된 결과는 생성형 AI(외부 LLM 엔진)를 통해 한 번 더 점검 및 모니터링하고, 이후 검수 인력이 추가 확인하는 절차를 걸치도록 설계했습니다. 기술적 분류와 운영적 검증을 결합해 기준의 일관성과 안전성을 함께 확보하기 위함입니다.

아래부터는 이러한 산출 과정을 보다 구체적으로 설명하겠습니다.

본 방식은 다음뉴스가 자체적으로 고안한 것으로, 2026년 3월 「댓글 노출 제어 방법 및 시스템(method and system for controlling comment exposure)」이란 명칭으로 발명 특허 출원을 진행했습니다.

4-1. ‘웰메이드 댓글’ 1차 산출

‘웰메이드 댓글’은 총 100점을 기준으로, 5개 평가 항목을 각 20점 만점으로 산정한 뒤 총점 80점 이상인 댓글을 대상으로 분류합니다. 이 5개 항목은 댓글이 담고 있는 주장, 즉 ‘견해’의 방향이나 내용 자체를 평가하지 않으며, 단순 호감이나 진영성에 기반해 판단하지도 않습니다.

해당 기준을 충족하는 댓글이 없으면, 웰메이드 댓글을 노출하지 않습니다. 반대로 기준을 충족하는 댓글이 다수라면, 그중 1~3개를 무작위로 선택해 노출합니다.

분문의 연관성

댓글은 기사 내용을 바탕으로 논의하는 기능인만큼, 기사 제목·부제·본문의 핵심 키워드와 댓글 내용의 연관성을 함께 살펴봅니다. 이에 따라 기사와의 관련성이 낮거나, 사안에 대한 논의보다 단순한 감정 표출에 치우친 댓글은 이 항목에서 낮은 점수를 받게 됩니다.

구현 방식은 코모란(komoran) 형태소 분석을 통해 명사를 추출한 뒤, c-TF-IDF(Term Frequency-Inverse Document Frequency) 기반의 중요 단어 가중치를 적용해 기사 맥락을 가장 잘 드러내는 키워드를 선별하는 구조입니다.

예를 들어, <김천 김밥 축제 첫날부터 품절 대란, 첫날 8만 명 몰려..>와 같은 기사의 내용을 분석하면 ‘김밥’처럼 기사 내용을 대표하는 단어는 핵심 키워드가 될 수 있지만, ‘것’, ‘때’처럼 범용적으로 쓰이는 키워드가 있다면 기사 고유의 핵심을 충분히 설명하기 어렵습니다.

즉, 일반적으로 기사에서 자주 등장하고(TF가 높고) 다른 기사에선 상대적으로 덜 등장할수록(IDF가 높을수록) 이 기사의 핵심 단어일 가능성이 높다고 봅니다.

이렇게 선별한 키워드는 벡터 공간 모델로 변환한 뒤, 코사인 유사도(Cosine Similarity)를 통해 기사와 댓글 간의 연관성을 계산합니다. 두 벡터의 각도가 작을수록, 즉 방향이 비슷할수록 연관성이 높은 것으로 판단합니다.

여기에 추가로 가중치 조정(배수 적용)과 핵심 키워드의 명시적 일치 여부에 따른 매칭 보너스 가중치 등을 적용해 최종 점수를 산출합니다.

다만 위 구현 방식은 현재 기준의 설계로, 실제 서비스 운영 과정에서 수집되는 데이터와 이용자 피드백, 기술적 개선 사항 등을 반영하여 지속적으로 보완 및 개선될 수 있습니다.

문장 구조의 완결성

댓글은 다수 이용자가 읽는 공개 발화인 만큼, 문장이 의미를 온전히 전달할 수 있도록 일정 수준의 완결성을 갖추는 것도 중요한 기준입니다. 여기서 평가하는 것은 문장의 ‘유창함’이나 문체가 아니라, 최소한의 의미 전달이 가능한 문장으로 구성되어 있는지 여부입니다. 이를 위해 종결 어미 패턴, 적정 글자 수 등 기본적인 문장 구조를 점검합니다. 또한 문장 전후에 단순 조롱이나 비하로 문장 의미가 불명확한 단문 표현이 결합된 경우, 감점될 수 있습니다.

품질의 우수성 (클린시스템 필터링)

다음 서비스의 콘텐츠 및 이용자 공통 규제 정책 시스템(이하 클린 시스템)을 API로 연동해, 댓글 내 부적절한 단어 포함 여부를 점검하는 단계입니다. 이 항목은 ‘점수 부여’에 가깝기보다, 클린 시스템의 판정 결과를 참고해 댓글의 상태 조합(status: 정상, flag: 금칙어 감지 등)을 확인하고, 배제 대상 댓글을 선별하는 절차에 해당합니다.

아울러 댓글 간 복사·붙여넣기(일명 ‘복붙’) 여부를 판단하기 위해 문장 유사도도 함께 점검합니다. 단어 집합의 교집합/합집합 비율을 계산하는 자카드 유사도(Jaccard Similarity)를 활용하며, 유사도가 일정 수준 이상으로 높게 나타나면 필터링 대상이 될 수 있습니다.

작성자 신뢰도 (이용자 제재이력 확인)

마찬가지로, 클린 시스템의 API를 연동해, 이용자의 규제 이력 상태를 신뢰도 산정 기준에 반영합니다. 이용 제재 이력의 존재 여부에 따라 가점 혹은 감점을 적용하며 ‘웰메이드 댓글’로 선정된 이력이 누적될 경우, 가산점을 부여합니다. 이는 성실한 댓글 이용과 건전한 참여가 이어질 수 있도록, 좋은 의견을 작성한 이용자에게는 그 기록이 합리적으로 축적되고 평가에 반영되도록 하기 위한 취지입니다.

이용자 피드백 (비정상 패턴 감지)

댓글의 문장 품질이나 완성도만으로 평가를 마무리하지 않고, 이용자 반응 지표를 추가 점수로 반영해 댓글의 실질적 영향도와 가치를 함께 고려하는 단계입니다. 답글 수, 피드백 수 등의 이용자 반응을 종합적으로 반영하되, 자동화 수단이나 조직적 개입 등 비정상 패턴이 감지되는 경우엔 가중치를 즉시 낮추는 ‘동적 가중치 제어’ 로직을 함께 적용합니다.

4-2. ‘AI 픽’ 2차 산출

‘웰메이드 댓글’로 산출한 댓글은 1차 기준 검수를 마친 뒤, AI 모델을 활용해 각 평가 항목의 단계 정의에 부합하는지 한 번 더 점검합니다. 이 과정에서 종합 점수를 재산정해 내부 기준이 일관되게 적용되고 있는지 확인하고, 웰메이드 댓글 선정 과정의 신뢰도를 높이고자 했습니다.

검수 과정은 다음과 같습니다.

4-3. 동적 가중치 제어 로직 (Dynamic Weight Control)

조직적 개입과 비정상적 이용 패턴을 실시간으로 감지·분석하고 대응하기 위한 메커니즘도 함께 마련했으며, 이를 통해 어뷰징에 의해 ‘웰메이드 댓글’이 채택되는 가능성을 낮추고자 했습니다.

비정상 패턴 감지 조건은 크게 다섯 가지로, (1) 급격한 트래픽 집중(Traffic Spike) (2) 동시다발적 반응 패턴(Coordinated Engagement) (3) 어뷰징 계정 탐지(Abusing Account Detection) (4) 집단 답글 어뷰징(Reply Flooding) (5) 시간대별 이상 패턴(Time-based Anomaly)입니다.

이상 징후가 감지되면 즉시 트리거가 발동되고, 판단 기준을 점검한 뒤 제어 동작을 적용합니다. 이후 해당 결과를 ‘웰메이드 댓글’ 점수 산정 단계에 반영합니다. 각 단계별 적용 기술과 기준, 세부 로직은 악용 가능성을 고려해 공개하기 어려운 점 양해 부탁드립니다

5‘좋은 의견’의 더 많은 발견과 성장을 위하여

부산에 거주하는 다음뉴스 이용자 김민수님(가명·46세)은 시사주간지 시사IN과의 인터뷰에서 다음과 같이 말하며 “다음앱을 지웠다”고 밝혔습니다.[22]

“베댓 기능이 사라져 대세를 나타내는 의견을 파악할 수 없고, (...) 타임톡 댓글도 24시간 후 사라지는 휘발성 글이라는 점 때문에 다음에서 기사를 읽고 댓글을 작성할 의욕이 사그라들었다.”

댓글 서비스를 설계할 때, 저희가 늘 동시에 고려해야하는 두 가지가 있습니다.

하나는 특정 의견이 과도하게 고정되거나 증폭되는 문제인식이고, 다른 하나는 이용자가 읽고 참여할 이유가 생기는 댓글 구조 설계입니다.

타임톡은 전자에 더 가까운 문제를 풀기 위해 선택했고, 그 과정에서 얻은 경험은 축적되어 일부 -기사 송고 시점으로부터 72시간 경과 후 댓글 영역 자동 접힘-는 현재의 댓글 서비스에 그대로 반영했습니다.

우리는, 조작하려는 시도는 그 노력 대비 보상이 나오지 않도록 하고 좋은 의견은 안정적으로 드러나 대화로 이어질 수 있는 구조로 만들고자 했습니다. 반응의 크기만으로 흐름이 결정되지 않도록 하되, 이용자가 ‘지금의 주요 반응’과 ‘여론’을 빠르게 읽어낼 수 있도록 노출방식을 재정비 했습니다. 즉, 과대대표를 경계했던 원칙은 유지하면서도 참여 동기를 회복하는 방향으로 무게중심을 옮겼습니다. 이 변화는 완전한 해답이기보다, 서비스를 운영해 나가며 지속적으로 다듬고 정교해질 과정입니다.

앞으로도 운영 데이터와 이용자 피드백을 바탕으로 끊임없이 기준을 보완하고, 문제가 확인되면 신속히 수정하겠습니다. 또한 가능한 범위 내에서 그 기준과 운영 방식을 이처럼 투명히 설명하겠습니다.

우리가 지향하는 방향은 단순하지만 분명합니다.
‘좋은 의견이 축적되고, 그 위에서 대화가 이어지는 댓글’

댓글 2.0은 그 흐름을 만들기 위한 중요한 전환이며, 앞으로도 개선을 멈추지 않겠습니다.
감사합니다.

6 질문과 답변

Q. 댓글 2.0은 무엇이며, 왜 도입하나요?

A. 댓글 2.0은 ‘나쁜 댓글을 줄이는 것’만으로는 공론장의 품질이 충분히 개선되지 않는다는 문제의식에서 출발해, ‘좋은 의견(토론 가치가 높은 댓글)’이 더 잘 보이도록 노출 구조를 재설계한 방향입니다. 댓글 공간의 개방성을 악용하는 행위에 대해선 기존처럼 차단·제재가 필요하지만, 동시에 좋은 의견이 발견·축적·성장할 수 있는 구조도 함께 마련하겠다는 목표를 담고 있습니다.

Q. 타임톡을 버리나요? 댓글 2.0은 타임톡과 무엇이 다른가요?

A. 다음뉴스의 댓글란이 타임톡에서 댓글 2.0으로 전환됩니다.
타임톡은 추천순/찬반순 중심 노출에서 특정 댓글이 오래 고정되며 ‘여론처럼 인식’되는 구조(과대대표)를 완화하고자, 채팅형 UI와 ‘일정 시간 후 소멸’ 방식을 실험한 모델이었습니다. 다만 운영 결과, 즉흥 반응이 늘고 맥락 축적이 어려워지며 ‘좋은 의견이 잘 보이지 않는다’는 한계가 확인되었고, 이용자 설문에서도 개선 요구(댓글 원복, 제한 시간 이후 확인 등)가 크게 나타났습니다.

댓글 2.0은 타임톡이 다루려 했던 과대대표 문제의식은 이어가되, 좋은 의견이 안정적으로 보이고 대화로 이어지도록 노출 기준을 확장한 접근입니다. 또한 타임톡 운영 경험은 축적되어 세이프봇 전면 도입을 통한 유해 콘텐츠가 95% 이상 감소하는 기조를 이어감은 물론, ‘댓글 영역 자동 접힘’ 같은 운영 방식도 현재 서비스에 반영합니다.

Q. '웰메이드 댓글'의 기준이 주관적이지 않나요? 플랫폼이 여론을 편집하는 것 아닌가요?

A. '웰메이드 댓글'을 선정할 때 다음뉴스는 해당 댓글이 담고 있는 정치적 견해나 주장, 가치관을 전혀 평가하지 않습니다. 대신 기사 본문과의 연관성, 문장 구조의 완결성, 욕설이나 비속어 포함 여부와 같은 품질, 그리고 작성자의 서비스 이용 신뢰도라는 객관적 지표를 활용합니다. 즉, 어떤 내용이냐가 아니라 ‘얼마나 충실하게 작성된 의견인가’를 기술적으로 판별하는 새로운 시도 입니다.

Q. ‘웰메이드 댓글’은 어떻게 선정되나요? 선정되면 몇 개가 노출되나요?

A. ‘웰메이드 댓글’은 총 100점 만점(5개 항목 각 20점) 기준, 총점 80점 이상인 댓글을 대상으로 선정합니다. 기준을 충족하지 못하면 노출되지 않으며, 기준을 충족하는 댓글이 많으면 그중 1~3개를 무작위로 선택해 노출합니다. 최대 3개로 노출을 제한한 별도의 조건은 없으며, 이용자가 일반적으로 기대하는 추천순 댓글도 함께 확인하실 수 있도록 모바일 환경에서의 가독성을 고려했습니다.

Q. 기존의 '추천(공감)순' 정렬을 그대로 두면 안 되나요? 왜 굳이 복잡한 계산을 거치나요?

A. 단순 추천순 정렬은 이른바 '좌표 찍기'나 자동화된 도구를 활용한 조직적 여론 왜곡에 매우 취약합니다. 추천 수만 높으면 기사와 무관한 도배성 글이나 증오 표현도 상단에 장기간 노출되어 공론장을 훼손할 수 있기 때문입니다. 댓글 2.0은 조직적 개입과 비정상적 이용 패턴을 실시간으로 감지·분석해 대응하는 동적 가중치 제어 메커니즘을 두고, (1) 급격한 트래픽 집중 (2) 동시다발적 반응 패턴 (3) 어뷰징 계정 탐지 (4) 집단 답글 어뷰징 (5) 시간대별 이상 패턴 등 5가지 감지 조건으로 이상 징후가 감지되면 제어 동작을 적용하고 반영합니다.

Q. AI가 댓글을 선정하면 기계적인 오류나 편향이 발생할 수 있지 않나요?

A. 기술적 분류의 한계를 보완하기 위해 3중 검증 체계를 운영합니다. 1차적으로 자체 알고리즘이 점수를 산출하고, 2차로 생성형 AI(외부 LLM)가 기준 적합성을 재점검하며, 최종적으로 운영 인력이 모니터링하는 구조입니다. 또한, 기준을 충족하는 댓글이 여러 개일 경우 특정 댓글만 편중되지 않도록 무작위(random) 노출 방식을 병행하여 다양성을 확보합니다.

Q. '동적 가중치 제어'란 무엇인가요? 내가 누른 '찬성'이 반영 안 될 수 있나요?

A. 정상적인 이용자의 반응은 온전히 반영됩니다. 다만, 특정 시간대에 비정상적으로 트래픽이 집중되거나(Traffic Spike), 특정 계정 집단이 동시다발적으로 반응을 보이는 등 어뷰징 패턴이 감지될 경우에만 해당 댓글의 노출 가중치를 실시간으로 낮추는 로직입니다. 이는 소수의 조작 시도가 전체 여론으로 둔갑하는 것을 막기 위한 방어 기제입니다.

Q. 타임톡의 '소멸 방식'에 대한 불만이 많았는데, 2.0에서는 어떻게 달라지나요?

A. 타임톡 운영 기간 중 "기록이 남지 않아 허무하다"는 이용자 피드백이 많았고, 유지 시간을 연장하였음에도 달라지지 않았습니다. 따라서 댓글 2.0에서는 소멸 방식 대신, 기사 송고 후 72시간이 지나면 댓글 영역이 자동으로 접히도록 했습니다. 이에 따라 오래된 기사에서 발생하는 불필요한 갈등은 관리하되 이용자의 참여 동기는 회복하고자 했습니다.

Q. 과거에 제재를 받은 적이 있으면 계속 불이익을 받나요?

A. 작성자 신뢰도는 이용자의 규제 이력 상태를 기반으로 합니다. 운영 정책 위반으로 제재를 받은 기록이 있다면 점수가 감점될 수 있지만, 반대로 웰메이드 댓글로 선정된 이력이 쌓이면 가산점을 부여받습니다. 따라서 계속 불이익을 받는 것이 아니라, 건전한 참여를 지속할수록 신뢰도가 회복되고 보상받는 구조입니다.

Q. '문장 구조의 완결성'을 따지면 짧은 감탄사나 신조어는 무조건 배제되나요?

A. 단순히 짧거나 신조어를 썼다고 해서 배제되는 것은 아닙니다. 다만, '웰메이드 댓글' 후보군에 오르기 위해서는 타인이 해당 의견의 맥락을 이해할 수 있는 최소한의 문장 형태를 갖추어야 합니다. "대박", "ㅋㅋ"와 같은 단발성 반응은 기본 댓글에서 자유롭게 소통할 수 있도록 열어두되, 웰메이드 영역에선 정보 가치가 높은 문장을 우선합니다.

Q. 기사 본문과의 연관성은 비유적인 표현은 이해하지 못하는 것 아닌가요?

A. 형태소 분석기 '코모란'과 중요 단어 가중치를 계산하는 'c-TF-IDF' 기술을 활용합니다. 기사의 핵심 키워드와 댓글의 키워드를 벡터 공간에서 비교하여 유사도를 측정합니다. 물론 고도의 비유나 반어법을 완벽히 이해하는 데는 한계가 있을 수 있으나, 이를 위해 생성형 AI를 통한 2차 검수 단계를 두어 단순 키워드 매칭 이상의 맥락 파악이 가능하도록 고도화했습니다.

Q. 소수의 '웰메이드 댓글'만 주목받으면 오히려 다양한 의견이 묻히지 않을까요?

A. 오히려 그 반대입니다. 기존 방식은 소수의 헤비 업로더나 조직화된 이용자가 상단 영역을 독점하는 '과대대표' 문제가 심각했습니다. 댓글 2.0은 동일한 문장 반복(복붙)을 잡아내는 자카드 유사도(Jaccard Similarity) 검사 등을 통해 기계적인 도배를 걸러냅니다. 또한 웰메이드 선정 댓글이 많더라도 일부 영역에 1~3개 정도의 댓글만이 랜덤 노출됩니다.

Q. 이 시스템을 악용할 가능성은 없나요? 로직을 알면 우회할 수 있을 것 같습니다.

A. 댓글 2.0은 고정된 규칙이 아니라 데이터에 따라 실시간으로 변하는 동적 제어 시스템입니다. 또한 어뷰징 감지 세부 로직은 악용 가능성을 차단하기 위해 외부에 공개하지 않습니다. 모니터링 요원을 배치해 이중 점검을 가지며, 검수/운영 과정에서 이용 패턴을 수집·분석해, 기준·가중치를 보정하고 모델 재학습을 진행할 예정입니다. 즉, 현재가 ‘완전한 해답’이 아니라, 운영 과정에서 데이터와 이용자 피드백을 토대로 지속적으로 다듬어지고 정교해질 예정입니다.