스마트폰 앱에서 생년월일 두 개를 입력하면 ‘궁합 점수 87점’이라는 결과가 나옵니다. 재미로 넘기기엔 숫자가 너무 정확해 보입니다. 이 AI 궁합 점수를 만들어내는 알고리즘은 안에서 정확히 무슨 계산을 하고 있을까요.
AI 궁합 알고리즘이 내는 점수는 단순히 띠나 별자리를 대조하는 것이 아니라 통계 기반 매칭 알고리즘을 거칩니다. 비전공자도 이해할 수 있는 세 가지 핵심 원리를 풀어봅니다.
원리 1 — 사람을 숫자 목록(벡터)으로 바꿉니다
AI 궁합 알고리즘이 가장 먼저 하는 일은 사람의 특성을 숫자 목록(벡터)으로 변환하는 것입니다. 예를 들어 ‘혼자 있는 시간이 중요한가?’라는 질문에 1~5점으로 응답하면, 그 숫자가 그대로 하나의 데이터 포인트가 됩니다. 수십 개의 질문이 모이면 그 사람은 수십 개의 숫자 목록으로 표현됩니다.
생년월일을 쓰는 서비스라면 조금 다릅니다. 날짜 자체보다 천간지지(天干地支) 오행 분포, 일주(日柱) 음양 성향 같은 사주 속성값으로 먼저 변환한 다음 숫자로 매핑합니다. 만세력 계산이 이 단계에서 필요한 이유입니다. 관련 원리는 AI 사주 챗봇은 어떻게 사주를 계산하나 — 만세력 계산 원리와 한계에서 확인하실 수 있습니다.
결국 두 사람은 각각 수십 개의 숫자로 이루어진 목록이 되고, 알고리즘은 그 두 목록을 비교합니다. 이 변환 과정에서 이미 설계자의 선택이 개입된다는 점을 기억해 두세요.
원리 2 — 코사인 유사도: 방향이 같으면 잘 맞습니다
두 숫자 목록이 얼마나 비슷한지 측정할 때 가장 많이 쓰는 방법이 코사인 유사도(Cosine Similarity)입니다. 수학 공식 없이 설명하면 이렇습니다.
두 사람의 특성 목록을 각각 화살표(벡터)로 상상해 보세요. 화살표가 같은 방향을 가리킬수록 유사도가 1에 가까워지고, 정반대 방향이면 -1이 됩니다. 취향·가치관·생활 패턴이 비슷할수록 화살표가 가깝게 겹칩니다.
중요한 점은 크기(절대값)가 달라도 방향만 같으면 높은 점수가 나온다는 것입니다. 즉 두 사람이 모두 집돌이·집순이라면, 집에서 보내는 시간의 절대적인 양이 달라도 ‘같은 방향’으로 분류됩니다. 이것이 코사인 유사도가 단순 점수 차이(유클리드 거리 계산)보다 인간 관계 매칭에 더 자주 쓰이는 이유입니다.
코사인 유사도는 궁합 서비스만의 특별한 발명이 아니라 검색 엔진의 문서 매칭, 추천 시스템의 취향 비교 등에 널리 쓰이는 표준적인 계산 방식입니다. 실제 정의와 계산식은 머신러닝 라이브러리 문서에서도 확인하실 수 있습니다(scikit-learn 공식 문서 — Cosine similarity). 즉 AI 궁합 알고리즘이 쓰는 도구 자체는 검증된 통계 기법이며, 논쟁의 여지가 생기는 지점은 계산식이 아니라 무엇을 숫자로 바꿀지 정하는 단계입니다.
원리 3 — 가중치 스코어링: 모든 항목이 동등하지 않습니다
유사도를 계산했다고 해서 점수가 바로 나오지는 않습니다. 다음 단계는 가중치(Weight) 부여입니다.
연애 궁합 알고리즘이라면 ‘대화 방식’이나 ‘감정 표현 방식’에 높은 가중치를 주고, ‘좋아하는 음식 장르’에는 낮은 가중치를 줄 수 있습니다. 어느 항목이 관계 만족도와 더 강하게 연결되는지는 수천~수만 개의 실제 사용자 데이터를 학습(훈련)한 결과로 결정됩니다.
이 훈련 데이터가 어떤 사람들로 구성됐느냐에 따라 알고리즘의 편향이 달라집니다. 특정 연령대·문화권 데이터가 많으면 그 집단에 유리한 가중치가 생깁니다. 바로 이 지점이 AI 궁합 점수를 절대값으로 받아들이면 안 되는 이유이기도 합니다.
AI 운세 서비스에서 자주 발생하는 또 다른 문제는 바넘 효과입니다. ‘나한테 딱 맞는 말’처럼 느껴지는 결과가 실제로는 누구에게나 해당되는 일반 문장일 수 있습니다. 이 현상을 심리학적으로 분석한 글 → AI 운세가 다 내 얘기 같은 이유 — 바넘 효과의 심리학
AI 궁합과 사주 궁합은 어떻게 다를까요
전통 사주 궁합의 토대가 되는 사주 체계는 태어난 연·월·일·시를 각각 간지로 세워 네 기둥으로 삼는 방식입니다(한국민족문화대백과사전 — 사주). 이 전통 사주 궁합은 규칙 기반(rule-based)입니다. 두 사람의 사주 여덟 글자(팔자)를 대조해 합충형파해(合沖刑破害) 관계를 판단하는 방식이라, 점술사의 해석 여지가 큽니다.
반면 AI 궁합 알고리즘은 데이터 기반(data-driven)입니다. 사주 속성을 수치화한 다음 위의 세 단계(벡터화 → 유사도 → 가중치)를 거칩니다. 같은 생년월일을 입력해도 플랫폼마다 결과가 다른 이유는 각 서비스가 사용하는 훈련 데이터와 가중치 설계가 다르기 때문입니다. 이 차이에 대해서는 룰베이스 사주 프로그램과 생성형 AI 챗봇, 계산·해석·신뢰도 차이 글에서 더 자세히 다룹니다.
또한 생성형 AI(챗봇형) 궁합 서비스는 계산 결과를 그대로 보여주는 대신, 언어 모델이 문장으로 재해석해 출력합니다. 이 과정에서 환각(Hallucination) — 사실과 다른 내용을 그럴듯하게 생성하는 현상 — 이 끼어들 수 있습니다. → 생성형 AI 환각 현상이 운세 해석에서 나타나는 방식
AI 사주마다 결과가 달라지는 구체적인 이유가 궁금하시다면 → AI 사주마다 결과가 다른 이유 — 입력·알고리즘·해석 층위
AI 궁합 점수를 현명하게 활용하는 3가지 기준
- 점수는 참고용입니다. 훈련 데이터와 가중치 설계에 따라 같은 두 사람도 플랫폼마다 점수가 달라집니다.
- 어떤 항목을 비교했는지 확인하세요. 생년월일만 쓰는 서비스와 성격·가치관 설문을 함께 쓰는 서비스는 결과의 신뢰 근거가 다릅니다.
- 개인정보 수집 범위를 먼저 확인하세요. 궁합 분석에 쓰이는 데이터가 어디까지 저장되는지 파악하는 것이 우선입니다. → 운세 앱 개인정보 설정 — 생년월일 입력 전 확인할 기준
점수가 높게 나와도 확인해야 할 것
세 단계를 거쳐 나온 AI 궁합 점수는 ‘두 사람의 응답 패턴이 통계적으로 얼마나 겹치는가’를 요약한 값입니다. 관계의 지속 가능성이나 만족도를 직접 측정한 값이 아닙니다. 비슷한 성향이 편안함을 주는 관계도 있고, 서로 다른 성향이 역할 분담으로 이어지는 관계도 있습니다. 통계는 전자를 더 잘 포착하고, 후자는 잘 잡아내지 못합니다.
또 하나, 점수는 입력값이 바뀌면 함께 바뀝니다. 설문 응답은 그날의 기분이나 질문 표현에 따라 달라지고, 사주 속성값은 태어난 시간을 아는지 여부에 따라 달라집니다. 같은 두 사람이 다른 날 다시 측정했을 때 점수가 몇 점 움직였다면, 그것은 관계가 변한 것이 아니라 입력이 변한 것에 가깝습니다. AI 궁합 알고리즘의 결과를 볼 때는 점수 한 자리보다 ‘어떤 항목에서 갈렸는가’를 읽는 편이 훨씬 실질적입니다.
궁합 점수를 항목 단위로 읽는 방법
원리를 알고 나면 AI 궁합 점수 뒤에 어떤 계산이 있는지 보입니다. 그러니 총점 하나만 보는 대신, 결과 화면에서 항목별 구성을 먼저 찾아보세요. 대화 방식·생활 리듬·가치관처럼 항목이 나뉘어 있다면 어느 항목이 총점을 끌어올렸고 어느 항목이 끌어내렸는지 읽을 수 있고, 그 편차가 두 사람이 실제로 조율해야 할 지점을 가리킵니다.
사주 속성값을 쓰는 서비스라면 오행 분포나 일주 음양 성향이 어떤 수치로 바뀌었는지, 그 수치를 어떤 기준으로 비교했는지 안내 문구를 함께 읽어 보세요. 설명이 전혀 없이 총점만 크게 보여주는 결과라면, 그 숫자는 근거를 확인할 방법이 없는 값에 가깝습니다. 점수를 얼마나 믿을지 판단하는 기준은 숫자의 크기가 아니라, 계산 과정을 어디까지 열어 보여주는가입니다.