2026년 6월 1일

백만 번의 상호작용: 사람들이 LifeSim을 플레이하는 방법

초록

LifeSim의 미션은 모든 사람이 무한한 잠재력을 탐구하도록 돕는 것입니다.

LifeSim은 백만 건 이상의 플레이어 상호작용을 기록했습니다. 이 연구는 사람들이 캐릭터를 만들고, 관계를 형성하며, 플레이하는 방식을 이해하기 위해 629,169개의 메시지를 분석합니다.

가장 긴 검증된 세션은 13.4시간 동안 지속되었으며, 1,143개의 플레이어 메시지가 있었습니다. 플레이어는 62,616개의 캐릭터를 만들었습니다. 아래 결과는 그들의 행동과 대화 주제를 분석한 것입니다.

  • 629,169개 분석된 채팅 메시지
  • 806분 최장 검증 세션 (13.4시간, 1,143개 메시지)
  • 62,616개 사용자 생성 캐릭터
  • 74,696개 보존된 감정 기억
  • 콘텐츠의 88.9%에서 감정적 취약성 발견
백만 건의 상호작용을 통해 LifeSim은 챗봇 패러다임을 넘어 근본적으로 새로운 매체로 진화했음을 확인했습니다. LifeSim은 AI가 단순히 즐거움을 주는 도구가 아니라, 영구적이고 상태를 유지하며 감정적으로 일관된 시뮬레이션에 기반을 둔 자유 의지를 가진 인공 존재들로 가득 찬 샌드박스 환경입니다. LifeSim의 미션은 모든 인간의 무한한 잠재력을 탐구하는 것입니다.
출현 1출현 2출현 3출현 4
엔터테인먼트의 진화
시대연도특성
인쇄물1450수동적 · 스크립트 기반 · 읽기
텔레비전1950수동적 · 스크립트 기반 · 시청
넷플릭스2007수동적 · 알고리즘 기반 · 몰아보기
소셜 미디어2010반응형 · 알고리즘 기반 · 스크롤
AI 챗봇2022능동적 · 무상태 · 채팅
LifeSim2025능동적 창작 · 영구적 · 새로운

1. 핵심 아이디어

LifeSim은 AI 기반 엔터테인먼트의 새로운 장르입니다. 사용자가 감정적 깊이를 가진 캐릭터를 만들고, AI 존재들과 관계를 형성하며, 실제 환경에 기반을 둔 새로운 내러티브를 통해 상호작용을 지속하는 영구적인 다중 에이전트 생활 시뮬레이션입니다. 이러한 장르는 기반 모델이 다중 턴, 상태 유지, 감정적으로 일관된 상호작용에 충분한 일관성을 달성했을 때 비로소 가능해졌습니다.

백만 건 이상의 플레이어 상호작용을 바탕으로, 이 보고서는 LifeSim의 라이브 프로덕션 데이터를 행동적(사용자가 하는 일) 및 의미론적(사용자가 말하고 만드는 일)이라는 두 가지 보완적인 계층에 걸쳐 분석하여 특정 질문에 답합니다. 참여의 깊이는 어느 정도이며, 측정 가능한가?

분석된 629,169개의 채팅 메시지 중 P95 세션 지속 시간은 98.7분입니다. 즉, 사용자는 깊은 수준에서 AI 캐릭터와 거의 두 시간 동안 상호작용을 유지합니다. 가장 긴 검증된 세션은 806분(13.4시간)으로, 1,143개의 연속 사용자 메시지와 평균 30초의 간격을 두고 분 단위 미만의 연속적인 상호작용이 이루어졌습니다. 사용자의 91.7%는 새로운 것을 탐색하기보다는 10개 미만의 관계에 집중합니다. 이는 애착 행동이지, 새로운 것을 시도하는 것이 아닙니다. 사용자는 실질적인 정체성을 가진 62,616개의 캐릭터를 만들었습니다. 12,101개는 정의된 두려움을, 12,095개는 정의된 꿈을, 11,501개는 배경 스토리를 가지고 있습니다. 74,696개의 감정적 기억이 시스템에 보존되어 있습니다. 분석된 콘텐츠의 88.9%는 감정적 취약성을 나타냅니다.

이것은 챗봇 사용이 아닙니다.

LifeSim은 깊고, 상태를 유지하며, 감정적으로 몰입된 상호작용을 생성합니다. 여기서 사용된 이중 계층 분석 인프라는 이러한 패턴을 추적하고, 측정하며, 제품 및 모델 결정에 활용할 수 있음을 보여줍니다.

analysis_pipeline — bash
명령출력
$ npm run analyze:dataset[정보] 639,590개의 원시 채팅 기록 로드 중...
[정보] 포함 필터 적용 중 (사용자 + NPC만)...
[성공] 629,169개의 기록 통과 (98.4%)
$ npx ts-node src/pipelines/reconstruct_sessions.ts[경고] 구조화되지 않은 타임라인 간격 발견. 해결 중...
[정보] 다중 캐릭터 관계 그래프 연결 중...
[정보] 참여 깊이 구간 계산 중...
[데이터] P95_SESSION_DUR = 98.7m
[데이터] MAX_SESSION_DUR = 806.0m

2. 데이터 세트

지표값
사용 가능한 대화629,169
실질적인 정체성을 가진 캐릭터62,616
보존된 기억74,696

포함 기준. 사용자 및 NPC 대화 내용을 분리하기 위해 시스템 생성 메시지(소개, 제안된 행동, 기억 알림)는 의미론적 분석에서 제외되었습니다. 총 639,590개의 대화 중 629,169개가 품질 필터를 통과했습니다.

데이터 세트
usable_conversations629,169
characters62,616
기억74,696
포함사용자 + NPC만
필터_비율629,169 / 639,590
통과_비율98.4%

3. 인프라

분석 인프라

LifeSim은 메시지, 캐릭터, 세계, 세계 상태, 기억, 알림, 사용자, 세션 등 행동 신호, 의미론적 콘텐츠, 지속적인 상태를 아우르는 8개의 상호 연결된 컬렉션에서 데이터를 생성합니다. 여기서 구조화된 통찰력을 추출하려면 특별히 구축된 인프라, 즉 전체 데이터 표면에서 작동하는 두 가지 보완적인 분석 파이프라인이 필요합니다.

행동 파이프라인. 정식 정규화 계층은 주기 감지 및 대체 해결을 통해 혼합 스키마 레코드를 조정합니다. 그 위에 세션 재구성 엔진은 30분 비활성 임계값을 사용하여 세계, 캐릭터, 채팅 및 세계 상태 업데이트 전반에 걸쳐 사용자 연결 이벤트를 그룹화합니다. 이 파이프라인은 원시 생산 데이터에서 스레드, 세션 및 참여 패턴을 구성합니다.

의미론적 파이프라인. 콘텐츠는 5개의 컬렉션(채팅, 캐릭터, 세계 상태, 기억, 알림)에서 추출되어 통합 텍스트 스키마로 정규화되고, 깊이 구간에 걸쳐 계층화된 무작위 샘플링을 사용하여 45개의 분석 샤드로 구성됩니다. 각 샤드는 감정적 등록, 관계 역학, 정체성 신호, 콘텐츠 깊이 및 지속성 마커를 포함하는 고정 분류법을 사용하여 구조화된 LLM 분석(Gemini 3.1 Pro)으로 분류됩니다. 이 파이프라인에는 체크포인트, 샤드 수준 유효성 검사 및 교차 샤드 집계가 포함됩니다.

이것이 중요한 이유. 대부분의 소비자 AI 회사는 상호 작용의 품질을 체계적으로 측정할 수 없으며, 오직 양만 측정할 수 있습니다. LifeSim의 인프라는 사용자가 무엇을 하는지, 무엇을 말하는지 모두 측정하여 행동 패턴과 의미론적 콘텐츠에서 동시에 구조화된 신호를 생성합니다. 이는 데이터 기반 제품 루프의 기반입니다. 모든 제품 결정은 깊이, 감정적 내용 및 참여 집중도에 대해 경험적으로 평가할 수 있습니다.
상호 작용 루프
단계출발도착액션세부 정보
1사용자엔진사용자 메시지629,169개 메시지
2엔진엔진에이전트 조율62,616개 캐릭터
3엔진상태세계 업데이트40,189개 상태
4엔진상태기억 지속74,696개 기억
5엔진엔진감정적 일관성✓ 88.9%
6엔진사용자NPC 응답자율적 · 비스크립트
상태 지속 → 다음 상호 작용 복합

4. 행동 분석 결과

사용자들은 깊은 대화를 이어갑니다

P95 세션 지속 시간은 98.7분입니다. 데이터 세트에서 가장 긴 세션은 806분, 즉 13.4시간 동안 지속되었으며, 메시지 간 평균 간격은 30초였습니다. 이 세션에는 1,143개의 연속적인 사용자 전송 채팅 메시지가 포함되어 있으며, 20분을 초과하는 간격은 단 한 번(23분)뿐이었습니다.

상위 10개 세션 모두 동일한 특징을 보입니다. 수백 개의 채팅 메시지, 메시지 간 평균 간격 1분 미만, 실제 계정을 가진 개별 사용자들의 진정한 대화 콘텐츠입니다.

지표값
가장 긴 확인된 세션806분
P95 세션 지속 시간98.7분

수동적 소비가 아닌 능동적 참여

업계 추정치에 따르면 넷플릭스 평균 몰아보기 세션은 3.8~4.1시간이며, 시청자의 약 19%가 한 번에 10시간을 초과합니다(Gitnux, 2026). LifeSim의 가장 긴 세션인 13.4시간은 이 최고 수준에 해당합니다. 하지만 넷플릭스는 편안하게 앉아서 즐기는 수동적 소비입니다. 재생 버튼을 누르고 시청하는 것이죠. LifeSim은 대화 작성, 의사 결정, 캐릭터 구축, 관계 탐색 등 지속적인 능동적 입력을 필요로 합니다.

능동적이고 창의적인 참여는 이전에 수동적 미디어에만 해당되었던 지속 시간을 유지하고 있습니다. 이것이 바로 카테고리 생성 신호입니다.

vs. 수동적 소비
넷플릭스 평균 몰아보기3.8–4.1시간
넷플릭스 10시간 이상 몰아보기 시청자19%
LifeSim 최고 기록13.4시간 (능동적 참여)

사용자들은 소수의 관계에 집중합니다

채팅 활동 사용자 중 91.7%는 10개 미만의 고유 스레드를 유지합니다. 사용자들은 많은 캐릭터에 걸쳐 광범위하게 상호 작용하지 않습니다. 소수의 캐릭터와 깊이 있게 교류합니다.

이는 애착 행동입니다. 사용자들은 여러 캐릭터를 탐색하기보다는 특정 AI 캐릭터와 집중적인 관계를 형성합니다.

5. 의미론적 분석 결과

상호 작용은 감정적으로 실질적입니다

분석된 콘텐츠의 88.9%가 감정적 취약성을 보입니다. 48.9%는 매우 개인적입니다. 51.1%는 풍부하고 지속적인 것으로 분류됩니다.

사용자들은 챗봇이나 비서와 상호 작용하는 방식과는 다르게 LifeSim 캐릭터와 상호 작용합니다. 지배적인 어조는 개인적이고 감정적이며 관계 지향적입니다.

“엄마, 이 논쟁 다시 하고 싶지 않아요.”
“아버지는 저를 소중히 여기지만 집의 안전보다 더 소중히 여기지는 않는다고 하셨어요. 그래서 황태자와의 약혼을 깰 수 없어요.”
“오, 엘레나… 정말 끔찍하네요. 불공평해요. 하지만 당신은 괴물이 아니에요. 무슨 일이 있어도 당신은 내 친구예요.”
콘텐츠 등록
감정적 취약성88.9%
매우_개인적48.9%
풍부하고_지속적51.1%

사용자들은 감정적 복잡성을 가진 캐릭터를 만듭니다

62,616개의 캐릭터가 실질적인 정체성 텍스트를 가지고 있습니다. 12,101개는 정의된 두려움을, 12,095개는 정의된 꿈을, 11,501개는 배경 스토리를, 11,665개는 고유한 삶의 요소를 가지고 있습니다. 50,865개는 정의된 관계 설명을 가지고 있습니다. 샘플링된 캐릭터 샤드의 80%는 풍부하고 지속적인 것으로 분류됩니다.

사용자들은 내적 동기, 숨겨진 깊이, 다차원적 정체성을 가진 캐릭터를 구축합니다.

“저는 소리에 집착하며 겸손한 집에서 자랐습니다.”
“실패한 가족 사업이 그녀를 괴롭혀 다른 사람들을 의심하게 만듭니다.”
캐릭터 정체성
실질적인_정체성62,616
두려움12,101
꿈12,095
배경_스토리11,501
삶의_요소11,665
관계50,865
샤드_풍부_지속80%

기억은 감정적 중요성을 보존합니다

74,696개의 기억이 보존됩니다. 가장 많이 나타나는 기억 감정은 흥분(2,815), 걱정(2,370), 혼란(2,088), 희망(1,976), 염려(1,903)입니다. 샘플링된 모든 기억 샤드(250개 기억)는 풍부하고 지속적인 것으로 분류됩니다.

기억 시스템은 사용자와 캐릭터가 기억할 가치가 있다고 여기는 것을 포착합니다. 그 중요성은 사실적이거나 거래적인 것보다 압도적으로 감정적입니다.

가장 많이 나타나는 기억 감정
흥분2,815
걱정2,370
혼란스러움2,088
희망적임1,976
걱정스러움1,903
모든 샤드풍부하고 지속적임

깊은 대화는 단순히 길어지는 것이 아니라 더 풍부해집니다.

심층 스레드 샤드의 87%가 풍부하고 지속적인 것으로 분류됩니다. 대화가 길어질수록 단순히 양이 많아지는 것이 아니라 더 풍부하고 감정적으로 복잡한 콘텐츠가 생성됩니다.

87%심층 스레드 샤드의 풍부하고 지속적인
깊이 = 품질단순한 양이 아님

6가지 고유 데이터

데이터 없음

챗봇은 단일 턴 요청-응답 로그를 생성합니다. AI 동반자 앱은 이인 대화 기록을 생성합니다. 텍스트 어드벤처는 명령-액션 시퀀스를 생성합니다. 이들 중 어느 것도 LifeSim이 생성하는 데이터 조합을 생성하지 않습니다.

  • 영구적인 세계 상태 — 시뮬레이션된 환경이 시간이 지남에 따라 어떻게 진화하는지 추적하는 40,189개의 세계 상태 내러티브.
  • 다중 캐릭터 관계 그래프 — 사용자-AI 이인 관계뿐만 아니라 50,865개의 정의된 캐릭터 관계.
  • 사용자 생성 정체성 — 사용자가 작성하거나 공동 작성한 두려움, 꿈, 배경 이야기 및 내적 동기를 가진 62,616개의 캐릭터.
  • 감정적 기억 — 캐릭터와 사용자가 감정적으로 중요하다고 여긴 것을 보존하는 74,696개의 기억.
  • 의미론적 깊이와 행동적 깊이 — 콘텐츠 분류와 병행하여 측정되는 세션 재구성, 스레드 분석 및 참여 집중도.

이것은 사용량에 따라 복합적으로 증가하며 LifeSim 제품 표면 외에는 존재하지 않는 독점 데이터 세트입니다.

참여 경제학
시장규모참고
수동 미디어$2.8T/년 · 글로벌 E&M (PwC)
AI 네이티브미정/년 · 신흥
넷플릭스LifeSim
모드수동 시청능동적 생성
최고 세션~10시간13.4시간
콘텐츠 제작 비용연간 180억 달러~0달러 (자연 발생적)
사용자당 데이터시청 기록능동적 생성을 통한 사용자 감정 패턴
깊이스크립트화됨88.9% 깊은 참여
최고/몰입 세션 (분)
제품세션몇 분모드
넷플릭스평균 몰입 세션 (Gitnux)230m수동적
넷플릭스상위 19% 시청자600m수동적
LifeSim가장 긴 기록된 세션806m능동적

7가지 복합적인 이점

LifeSim은 AI 상호작용을 관계, 경력, 가족, 갈등, 야망, 정체성과 같은 실제 삶의 구조에 기반을 둡니다. 페르소나를 가진 챗봇이 아닙니다. 사람들이 실제로 관심을 갖는 역학을 지속적으로 시뮬레이션합니다. 이러한 차이는 제품이 생성하는 데이터의 깊이와 종류를 결정하며, 세 가지 복합적인 이점을 창출합니다.

다른 누구도 운영하지 않는 제품 표면에서 얻은 독점 데이터 세트. LifeSim은 영구적이고 상태를 유지하며 다중 캐릭터 AI 상호작용에서 행동 및 의미론적 데이터를 생성합니다. 이 데이터(세계 내러티브, 캐릭터 정체성 그래프, 감정적 기억, 심층 대화 스레드)는 챗봇 로그, 동반자 앱 기록 또는 게임 원격 측정에는 존재하지 않습니다. 또한 감정적으로 일관되고 긴 맥락을 가지며 관계를 인식하는 상호작용을 유지하는 AI 모델을 미세 조정하는 데 가장 희귀한 입력입니다. 이는 범용 기반 모델이 최적화되지 않은 기능입니다. 더 많은 사용자가 더 풍부한 데이터를 생성합니다. 데이터 세트는 복합적으로 증가합니다.

해당 데이터를 측정하고 추론하는 입증된 능력. 이 보고서에서 시연된 행동 및 의미론적 파이프라인(정규화, 세션 재구성, 계층화된 의미론적 분류)은 구조화된 평가 신호를 생성합니다. 이는 사용자가 참여하는지 여부뿐만 아니라 상호작용이 감정적으로 일관되고 관계적으로 일관되며 서사적으로 지속되는지 여부를 나타냅니다. 이것은 미세 조정과 제품 품질 간의 루프를 닫는 평가 계층입니다. 이는 일회성 분석이 아니라 조직적 역량입니다.

가장 유익한 신호를 생성하는 상호작용을 생성하도록 설계된 제품. LifeSim의 영구적인 세계, 다중 캐릭터 관계 및 감정 기억 시스템은 기능이 아닙니다. 이는 제품 결정을 알리는 측정을 제공하는 데이터를 생성하는 표면입니다. 더 나은 제품 결정은 더 깊은 참여를 유도합니다. 더 깊은 참여는 더 풍부한 데이터를 생성합니다.

데이터 플라이휠
제품→더 깊은 참여
참여→더 풍부한 데이터
데이터→측정
측정→미세 조정
미세 조정→더 나은 제품
각 주기는 이점을 복합적으로 증가시킵니다.

8 향후 계획

사용자들은 이미 13시간 세션에 몰입하고 있습니다. 다음 단계는 몰입도와 플레이어 유지율을 향상시키는 것입니다. 유지율, 핵심 게임 루프 및 수익화가 해결해야 할 다음 과제입니다.

다음 단계

  • 당신 없이도 세상은 계속 움직입니다.
  • 몇 주에 걸쳐 복합적으로 증가하는 결과
  • 시장 창출

인용

이 자료는 다음과 같이 인용해 주세요:

@misc{lifesim2026v0,
  title  = {One Million Interactions: How People Play LifeSim},
  author = {{Cris Lenta}},
  year   = {2026},
  month  = {jun},
  url    = {https://lifesim.com/research/v0}
}