"온라인 건강 정보 탐색은 종종 부담스럽고 개인에게 맞춤화되지 않는 경우가 많습니다. 대규모 언어 모델(LLM)은 이를 개선할 수 있지만, 현재 AI 도구는 수동적인 질문-답변자 역할을 합니다. 의사와 같은 전문가는 맞춤형 지침을 제공하기 위해 명확한 질문을 능동적으로 하여 맥락을 파악합니다. 이 연구는 Gemini를 기반으로 한 초기 단계 프로토타입인 "Wayfinding AI"를 소개하며, 이는 명확한 질문을 능동적으로 하도록 설계되었습니다. 사용자 연구를 통해 이 접근 방식은 기본 AI보다 훨씬 더 유용하고 관련성이 높으며 맞춤화된 것으로 나타났습니다. 참가자들은 종종 자신의 건강 문제를 명확하게 표현하는 데 어려움을 겪기 때문에 관련 세부 정보를 수집하는 데 능동적인 질문이 중요합니다. Wayfinding AI는 능동적인 대화 안내, 각 단계에서의 최선의 노력 답변, 투명한 추론이라는 세 가지 원칙을 사용합니다. 인터페이스는 질문을 놓치지 않도록 대화 요소와 상세 정보를 분리합니다. 사용자 연구에 따르면 참가자들은 Wayfinding AI의 유용성, 관련성, 목표 이해 및 맞춤화 측면에서 Wayfinding AI를 선호했습니다. Wayfinding AI와의 대화는 더 길었고 사용자 입력 세부 정보를 얻는 데 더 집중되었습니다. 이러한 인간 중심의 대화적 접근 방식은 향후 건강 애플리케이션에서 AI의 가능성을 보여줍니다."