AI 에이전트가 명확한 선호를 가진 '전문가 사용자'를 가정하고 명확화 질문만 던지는 관행이 비현실적이라며, 사용자가 선호를 '구성'하도록 도와야 한다고 주장하는 연구다. 정보경제학의 Search-Experience-Credence 프레임워크를 바탕으로 사용자가 에이전트 대화를 통해 선호를 형성하는 과정을 모델링한 CoPref와 이를 검증하는 대화형 추천 벤치마크 CoShop을 제안했다. 프론티어 모델 5개를 평가한 결과 5턴 대화 후에도 정확도가 최대 56%에 그쳤으며, 실패 원인은 상품 검색 능력이 아니라 대화가 사용자의 지식을 거의 확장하지 못한 데 있었다. 질문만 던지는 에이전트 설계에서 벗어나 예시·설명으로 사용자의 도메인 지식을 키워주는 방향이 필요함을 시사한다.

• •에이전트의 '전문가 사용자' 가정을 비판하고 선호 구성(preference construction) 지원을 제안
• •정보경제학 Search-Experience-Credence 프레임워크 기반 사용자 모델 CoPref 도입
• •대화형 추천 벤치마크 CoShop에서 프론티어 모델 5개 평가, 5턴 상호작용에도 정확도 56% 이하
• •실패 원인은 검색 능력 부족이 아니라 대화가 사용자 지식을 확장하지 못한 것