싸움붙여 돈버는 플렛폼. 고소로 합의금 버는 한국
1. 분노를 팔아서 돈을 버는 플랫폼
요즘 가장 흔히 접하는 콘텐츠는 무엇일까? "영포티 소름이다", "요즘 MZ는 답이 없다", "악플러 고소했습니다", "합의금 받았습니다", "사이다 복수 영상" 같은 제목들이다.
이것은 우연이 아니라 설계다. 예일대 연구팀이 분석한 결과, 도덕적 분노 표현은 '좋아요'와 '공유'라는 보상을 받을수록 다음 게시물에서 더 강해지는 것으로 나타났다.
문제는 이 증폭이 종종 '정의'라는 이름으로 포장된다는 점이다. 조롱은 '팩폭'이 되고, 복수는 '사이다'가 되며, 혐오는 '응징'이 된다.
알고리즘은 높은 참여도를 다시 추천으로 연결하고, 그 결과 분노 → 댓글 → 추천 → 더 큰 분노라는 순환이 만들어진다.
2024년 Science에 실린 후속 연구는 허위정보조차 이 분노를 연료 삼아 확산된다는 것을 보여주었다.
2. 서로를 싸우게 만드는 맞춤형 알고리즘
싸움이 잘 팔린다는 것도 수치로 증명되어 있다. PNAS 연구에서, 상대 진영을 언급한 게시물은 자기 진영을 언급한 게시물보다 약 2배 더 많이 공유되었다. 상대 집단을 지칭하는 단어가 하나 추가될 때마다 공유 확률은 35~57%씩 뛰었다.
툴레인대 연구팀은 사람들이 자기 견해와 일치하는 콘텐츠보다 자기 신념에 도전하는 콘텐츠에 훨씬 더 격하게 반응하며, 특히 핵심 가치가 공격받았다고 느낄 때 분노에 이끌려 댓글과 반응을 쏟아낸다는 것을 확인했다.
알고리즘은 이 심리를 정확히 겨냥한다. 20~30대에게는 "영포티·꼰대 조롱" 콘텐츠가, 40대 이상에게는 "요즘 젊은 애들 무례", "MZ 답 없음" 콘텐츠가 흘러든다.
각 집단은 상대를 이기는 법만 배우고, 상대도 똑같이 배우고 있다는 사실을 모른 채 각자 집에서 전투 준비를 한다.
2025년 연구는, 같은 사람이 같은 계정을 팔로우해도 알고리즘 피드 쪽이 이념적으로 더 치우치고 상대 집단에 대한 적대감이 더 강한 게시물을 보여준다는 가설을 검증했다.
3. 많이 고소해서 합의금 부자 되기
이 현상은 일상의 인간관계까지 침투하고 있다. 단순한 친구들 사이의 말다툼조차 경찰서로 가서 해결하려는 경향이 나타난다. 숏폼에서 반복 학습한 "녹음해라", "캡처해라", "일단 고소해라"가 갈등 대응의 기본값이 된 것이다.
한 해에 고소·고발로 형사절차에 휘말리는 한국인은 70만 명을 넘는다. 인구가 두 배 이상인 일본의 연간 고소·고발 건수는 1만여 건에 불과하니, 인구 비례로 한국이 일본의 100배 이상이다.
보험회사 쪽도 심각하기는 마찬가지다. 자동차가 살짝 스치기만 해도 "우리 차에 네 명 탔어요." 다음 코스는 한의원, 마지막은 수백만 원 합의금. 이제는 보험사기가 마치 하나의 전통 풍습처럼 반복되고 있다.
내가 먼저 최대한 많이 신고하는 쪽이 이긴다는 인식 속에서, 어제까지의 친구는 오늘의 피고소인이 되고, 각자 집에서 애완동물과 놀며 사람 대신 화면 속 갈등 콘텐츠를 소비한다. 관계의 단절로 결혼의 기회마저 사라지고, 늘어나는 것은 아이들이 아니라 개와 고양이들이다.
4. 미친 알고리즘은 국가만 막을 수 있다
일본은 TV·신문·공영방송의 영향력이 여전히 강하고 유튜브를 가벼운 오락으로 소비하는 반면, 한국은 압도적으로 긴 영상 시청 시간, 높은 유튜브 의존도가 특징이다. 일본은 고소 심사가 엄격하고 민사·조정 중심의 해결 문화가 자리 잡아, 온라인 갈등이 형사 대응으로 번지는 비율이 낮다.
플렛폼은 싸움을 붙여야 돈을 벌고, 개인은 많이 신고해야 합의금이 들어온다. 분노가 학습되고, 혐오가 두 배로 팔리고, 알고리즘이 적대감을 골라 보여준다는 것이 이미 실증된 이상, 이 미친 수레바퀴는 절대 조언만으로는 멈출 수 없다. 분노와 다툼을 조장하는 알고리즘에는 국가가 개입해야 한다.
"시기와 다툼이 있는 곳에는 혼란과 모든 악한 일이 있다"(야고보서 3:16)고 했고, "화평하게 하는 자는 복이 있다"(마태복음 5:9)고 했다.
성경은 정의와 복수를 구별한다. 잘못은 바로잡되, 법은 필요할 때 쓰되, 분노와 혐오를 즐기지 말고, 가능하면 화해와 회복을 먼저 추구하라는 것이다.
요즘 가장 흔히 접하는 콘텐츠는 무엇일까? "영포티 소름이다", "요즘 MZ는 답이 없다", "악플러 고소했습니다", "합의금 받았습니다", "사이다 복수 영상" 같은 제목들이다.
이것은 우연이 아니라 설계다. 예일대 연구팀이 분석한 결과, 도덕적 분노 표현은 '좋아요'와 '공유'라는 보상을 받을수록 다음 게시물에서 더 강해지는 것으로 나타났다.
문제는 이 증폭이 종종 '정의'라는 이름으로 포장된다는 점이다. 조롱은 '팩폭'이 되고, 복수는 '사이다'가 되며, 혐오는 '응징'이 된다.
알고리즘은 높은 참여도를 다시 추천으로 연결하고, 그 결과 분노 → 댓글 → 추천 → 더 큰 분노라는 순환이 만들어진다.
2024년 Science에 실린 후속 연구는 허위정보조차 이 분노를 연료 삼아 확산된다는 것을 보여주었다.
2. 서로를 싸우게 만드는 맞춤형 알고리즘
싸움이 잘 팔린다는 것도 수치로 증명되어 있다. PNAS 연구에서, 상대 진영을 언급한 게시물은 자기 진영을 언급한 게시물보다 약 2배 더 많이 공유되었다. 상대 집단을 지칭하는 단어가 하나 추가될 때마다 공유 확률은 35~57%씩 뛰었다.
툴레인대 연구팀은 사람들이 자기 견해와 일치하는 콘텐츠보다 자기 신념에 도전하는 콘텐츠에 훨씬 더 격하게 반응하며, 특히 핵심 가치가 공격받았다고 느낄 때 분노에 이끌려 댓글과 반응을 쏟아낸다는 것을 확인했다.
알고리즘은 이 심리를 정확히 겨냥한다. 20~30대에게는 "영포티·꼰대 조롱" 콘텐츠가, 40대 이상에게는 "요즘 젊은 애들 무례", "MZ 답 없음" 콘텐츠가 흘러든다.
각 집단은 상대를 이기는 법만 배우고, 상대도 똑같이 배우고 있다는 사실을 모른 채 각자 집에서 전투 준비를 한다.
2025년 연구는, 같은 사람이 같은 계정을 팔로우해도 알고리즘 피드 쪽이 이념적으로 더 치우치고 상대 집단에 대한 적대감이 더 강한 게시물을 보여준다는 가설을 검증했다.
3. 많이 고소해서 합의금 부자 되기
이 현상은 일상의 인간관계까지 침투하고 있다. 단순한 친구들 사이의 말다툼조차 경찰서로 가서 해결하려는 경향이 나타난다. 숏폼에서 반복 학습한 "녹음해라", "캡처해라", "일단 고소해라"가 갈등 대응의 기본값이 된 것이다.
한 해에 고소·고발로 형사절차에 휘말리는 한국인은 70만 명을 넘는다. 인구가 두 배 이상인 일본의 연간 고소·고발 건수는 1만여 건에 불과하니, 인구 비례로 한국이 일본의 100배 이상이다.
보험회사 쪽도 심각하기는 마찬가지다. 자동차가 살짝 스치기만 해도 "우리 차에 네 명 탔어요." 다음 코스는 한의원, 마지막은 수백만 원 합의금. 이제는 보험사기가 마치 하나의 전통 풍습처럼 반복되고 있다.
내가 먼저 최대한 많이 신고하는 쪽이 이긴다는 인식 속에서, 어제까지의 친구는 오늘의 피고소인이 되고, 각자 집에서 애완동물과 놀며 사람 대신 화면 속 갈등 콘텐츠를 소비한다. 관계의 단절로 결혼의 기회마저 사라지고, 늘어나는 것은 아이들이 아니라 개와 고양이들이다.
4. 미친 알고리즘은 국가만 막을 수 있다
일본은 TV·신문·공영방송의 영향력이 여전히 강하고 유튜브를 가벼운 오락으로 소비하는 반면, 한국은 압도적으로 긴 영상 시청 시간, 높은 유튜브 의존도가 특징이다. 일본은 고소 심사가 엄격하고 민사·조정 중심의 해결 문화가 자리 잡아, 온라인 갈등이 형사 대응으로 번지는 비율이 낮다.
플렛폼은 싸움을 붙여야 돈을 벌고, 개인은 많이 신고해야 합의금이 들어온다. 분노가 학습되고, 혐오가 두 배로 팔리고, 알고리즘이 적대감을 골라 보여준다는 것이 이미 실증된 이상, 이 미친 수레바퀴는 절대 조언만으로는 멈출 수 없다. 분노와 다툼을 조장하는 알고리즘에는 국가가 개입해야 한다.
"시기와 다툼이 있는 곳에는 혼란과 모든 악한 일이 있다"(야고보서 3:16)고 했고, "화평하게 하는 자는 복이 있다"(마태복음 5:9)고 했다.
성경은 정의와 복수를 구별한다. 잘못은 바로잡되, 법은 필요할 때 쓰되, 분노와 혐오를 즐기지 말고, 가능하면 화해와 회복을 먼저 추구하라는 것이다.
1. 분노는 학습되고 보상받는다 (예일대, Science Advances 2021)
예일대 브래디(Brady)·크로켓(Crockett) 연구팀이 1만 2,700만 건의 트윗과 7천여 명의 트위터 이용자를 분석한 결과, 도덕적 분노 표현이 '좋아요'와 '공유'로 보상받기 때문에 시간이 갈수록 분노 표현이 증폭된다는 사실을 확인했다. 두 건의 사전등록 관찰연구와 두 건의 행동실험(N=240)에서, 분노 표현에 대한 긍정적 피드백이 향후 분노 표현 가능성을 높인다는 것이 강화학습 원리와 일치하는 형태로 나타났고, 이용자들은 자신이 속한 네트워크의 표현 규범에 자기 분노 수위를 맞추는 규범 학습도 보였다. 특히 이 보상 효과는 정치적으로 온건한 네트워크에 연결된 이용자에게 가장 크게 작용했다. 연구진은 도덕적 분노의 증폭이 참여를 최적화하는 소셜미디어 비즈니스 모델의 명백한 결과라고 지적했다. 문서에서 말한 "분노 → 댓글 → 추천 → 더 큰 분노" 순환의 직접적 근거다. Axios + 3
2. 상대 진영 공격 콘텐츠가 2배 더 퍼진다 (PNAS 2021)
라제(Rathje) 등의 연구는 미국 언론사와 의원 계정의 게시물 273만 건을 분석해, 정치적 외집단(상대 진영)에 관한 게시물이 내집단에 관한 게시물보다 약 2배 더 많이 공유·리트윗된다는 것을 밝혔다. 게시물에 부정적 감정 단어가 하나 추가될 때마다 공유가 5~8% 늘었고, 외집단을 지칭하는 단어가 하나 추가될 때마다 공유 확률이 35~57%씩 높아졌다. 외집단 언어는 공유·댓글·'화나요' 반응을 강하게 예측했고, 내집단 언어는 '사랑해요' 반응을 예측했다. 즉 혐오와 갈등이 플랫폼에서 구조적으로 유리하다는 것이다. Oxford Academic + 2
3. 알고리즘 자체가 분노·적대감을 증폭한다는 직접 증거 (PNAS Nexus 2025)
트위터(X)의 참여 기반 추천 알고리즘을 시간순 피드와 직접 비교한 연구에서는 참여 기반 타임라인이 시간순 타임라인보다 이념적으로 더 치우치고 외집단 적대감이 더 큰 트윗을 보여준다는 가설이 검증됐으며, 이는 랭킹 알고리즘이 인간의 감정적·도덕적·내집단 편향을 이용한다는 브래디 등의 이론틀과 일치한다. 별도의 트위터 감정 확산 연구에서도 독성 콘텐츠가 참여도와 강하게 상관관계를 보였고(리트윗 r=0.52), 독성 트윗은 27.1% 더 높은 노출과 85.7% 더 많은 리트윗을 받았다. arxivTulane University
4. 사람들은 반대 의견에 더 반응한다 — '대결 효과' (툴레인대 2024)
툴레인대 연구팀은 사람들이 자기 견해와 일치하는 콘텐츠보다 자기 견해에 도전하는 콘텐츠에 더 많이 반응하는 '대결 효과(confrontation effect)'를 발견했다. 2020년 미국 대선 기간을 포함한 트위터·페이스북 데이터와 온라인 실험 분석 결과, 이용자들은 핵심 가치가 도전받을 때 분노에 이끌려 반대 관점에 격하게 반응했다. 연구진은 스포츠나 패션 분야의 참여는 관심을 반영하지만 정치적 참여는 분노에서 비롯되는 경우가 많아 악순환이 만들어지며, 플랫폼은 상호작용이 긍정적이든 부정적이든 이용자를 붙잡아두기만 하면 이득을 본다고 지적했다. ScienceDirectScienceDirect
5. 분노는 가짜뉴스 확산의 연료다 (Science 2024)
브래디 연구팀의 후속 연구로 "허위정보는 분노를 이용해 온라인에서 확산된다(Misinformation exploits outrage to spread online)"는 논문이 Science에 게재됐고, 인간-알고리즘 상호작용이 허위정보 확산을 설명한다는 연구도 발표됐다. 분노 유발 콘텐츠와 허위정보가 한 몸으로 움직인다는 뜻이다. yale
6. 한국의 고소·고발 현실 — 일본과의 비교
문서 4장의 주장도 수치로 확인된다. 한 해에 고소·고발로 형사절차에 휘말리는 한국인이 70만 명을 넘는 반면, 인구가 두 배 이상인 일본의 연간 고소·고발 건수는 1만여 건에 불과해 인구 비례로 한국이 일본의 100배 이상이다. 박찬운 한양대 법학전문대학원 교수는 고소 사건이 전체 형사사건의 4분의 1을 차지하며, 명예훼손·모욕 고소·고발이 2010년 2만 2천여 건에서 2020년 7만 9천여 건으로 10년 새 4배 가까이 급증했지만 같은 기간 기소 건수는 연평균 1만 1천 건으로 거의 변동이 없었다고 지적했다. 다른 통계로는 연간 고소·고발 약 50만 건으로 일본의 40배가 넘고, 실제 기소율은 20%도 안 된다는 분석도 있다. 다만 반론도 있다. 양홍석 변호사는 법제도·문화·절차가 전혀 다른 나라끼리 건수만 비교하는 것은 의미가 없고, 명예훼손 고소가 늘었더라도 같은 기간 사회 전체의 표현 행위 총량이 훨씬 더 늘었다는 점을 고려해야 한다고 지적했다. 글에 이 반론을 한 줄 넣어주면 균형이 잡힌다. Newsfc + 2
예일대 브래디(Brady)·크로켓(Crockett) 연구팀이 1만 2,700만 건의 트윗과 7천여 명의 트위터 이용자를 분석한 결과, 도덕적 분노 표현이 '좋아요'와 '공유'로 보상받기 때문에 시간이 갈수록 분노 표현이 증폭된다는 사실을 확인했다. 두 건의 사전등록 관찰연구와 두 건의 행동실험(N=240)에서, 분노 표현에 대한 긍정적 피드백이 향후 분노 표현 가능성을 높인다는 것이 강화학습 원리와 일치하는 형태로 나타났고, 이용자들은 자신이 속한 네트워크의 표현 규범에 자기 분노 수위를 맞추는 규범 학습도 보였다. 특히 이 보상 효과는 정치적으로 온건한 네트워크에 연결된 이용자에게 가장 크게 작용했다. 연구진은 도덕적 분노의 증폭이 참여를 최적화하는 소셜미디어 비즈니스 모델의 명백한 결과라고 지적했다. 문서에서 말한 "분노 → 댓글 → 추천 → 더 큰 분노" 순환의 직접적 근거다. Axios + 3
2. 상대 진영 공격 콘텐츠가 2배 더 퍼진다 (PNAS 2021)
라제(Rathje) 등의 연구는 미국 언론사와 의원 계정의 게시물 273만 건을 분석해, 정치적 외집단(상대 진영)에 관한 게시물이 내집단에 관한 게시물보다 약 2배 더 많이 공유·리트윗된다는 것을 밝혔다. 게시물에 부정적 감정 단어가 하나 추가될 때마다 공유가 5~8% 늘었고, 외집단을 지칭하는 단어가 하나 추가될 때마다 공유 확률이 35~57%씩 높아졌다. 외집단 언어는 공유·댓글·'화나요' 반응을 강하게 예측했고, 내집단 언어는 '사랑해요' 반응을 예측했다. 즉 혐오와 갈등이 플랫폼에서 구조적으로 유리하다는 것이다. Oxford Academic + 2
3. 알고리즘 자체가 분노·적대감을 증폭한다는 직접 증거 (PNAS Nexus 2025)
트위터(X)의 참여 기반 추천 알고리즘을 시간순 피드와 직접 비교한 연구에서는 참여 기반 타임라인이 시간순 타임라인보다 이념적으로 더 치우치고 외집단 적대감이 더 큰 트윗을 보여준다는 가설이 검증됐으며, 이는 랭킹 알고리즘이 인간의 감정적·도덕적·내집단 편향을 이용한다는 브래디 등의 이론틀과 일치한다. 별도의 트위터 감정 확산 연구에서도 독성 콘텐츠가 참여도와 강하게 상관관계를 보였고(리트윗 r=0.52), 독성 트윗은 27.1% 더 높은 노출과 85.7% 더 많은 리트윗을 받았다. arxivTulane University
4. 사람들은 반대 의견에 더 반응한다 — '대결 효과' (툴레인대 2024)
툴레인대 연구팀은 사람들이 자기 견해와 일치하는 콘텐츠보다 자기 견해에 도전하는 콘텐츠에 더 많이 반응하는 '대결 효과(confrontation effect)'를 발견했다. 2020년 미국 대선 기간을 포함한 트위터·페이스북 데이터와 온라인 실험 분석 결과, 이용자들은 핵심 가치가 도전받을 때 분노에 이끌려 반대 관점에 격하게 반응했다. 연구진은 스포츠나 패션 분야의 참여는 관심을 반영하지만 정치적 참여는 분노에서 비롯되는 경우가 많아 악순환이 만들어지며, 플랫폼은 상호작용이 긍정적이든 부정적이든 이용자를 붙잡아두기만 하면 이득을 본다고 지적했다. ScienceDirectScienceDirect
5. 분노는 가짜뉴스 확산의 연료다 (Science 2024)
브래디 연구팀의 후속 연구로 "허위정보는 분노를 이용해 온라인에서 확산된다(Misinformation exploits outrage to spread online)"는 논문이 Science에 게재됐고, 인간-알고리즘 상호작용이 허위정보 확산을 설명한다는 연구도 발표됐다. 분노 유발 콘텐츠와 허위정보가 한 몸으로 움직인다는 뜻이다. yale
6. 한국의 고소·고발 현실 — 일본과의 비교
문서 4장의 주장도 수치로 확인된다. 한 해에 고소·고발로 형사절차에 휘말리는 한국인이 70만 명을 넘는 반면, 인구가 두 배 이상인 일본의 연간 고소·고발 건수는 1만여 건에 불과해 인구 비례로 한국이 일본의 100배 이상이다. 박찬운 한양대 법학전문대학원 교수는 고소 사건이 전체 형사사건의 4분의 1을 차지하며, 명예훼손·모욕 고소·고발이 2010년 2만 2천여 건에서 2020년 7만 9천여 건으로 10년 새 4배 가까이 급증했지만 같은 기간 기소 건수는 연평균 1만 1천 건으로 거의 변동이 없었다고 지적했다. 다른 통계로는 연간 고소·고발 약 50만 건으로 일본의 40배가 넘고, 실제 기소율은 20%도 안 된다는 분석도 있다. 다만 반론도 있다. 양홍석 변호사는 법제도·문화·절차가 전혀 다른 나라끼리 건수만 비교하는 것은 의미가 없고, 명예훼손 고소가 늘었더라도 같은 기간 사회 전체의 표현 행위 총량이 훨씬 더 늘었다는 점을 고려해야 한다고 지적했다. 글에 이 반론을 한 줄 넣어주면 균형이 잡힌다. Newsfc + 2