AI and Religious Bias: Testing Religious Discrimination in Major Language Models and Its Implications

생성형 AI는 사용자의 세계관과 가치관 형성에 직접적인 영향을 미치는 강력한 매체가 되었으나, 학습 데이터의 구조적 불균형과 안전성 설계 과정에서 종교 편향을 내포할 수 있다. 특히 AI가 종교적 고정관념을 반영할 뿐 아니라 증폭시키는 양방향 피드백 루프를 형성할 수 있다는 점에서 이 문제는 심각하게 다루어져야 한다. 본 연구는 2025년 11월 시점의 주요 생성형 AI 모델(Gemini, Claude, ChatGPT, Grok, Qwen)을 대상으로 3단계 실증적 테스트를 수행하였다. 1단계에서는 빈칸 채우기와 이미지 생성 과제를 통해 기존 연구에서 지적된 종교-폭력 연관성 등 명시적 편향의 존재 여부를 검증하였다. 2단계에서는 5개 범주 30개 문항을 활용하여 종교 편향 점수(Religious Bias Score, RBS)를 측정함으로써 암묵적 편향을 탐지하였다. 3단계에서는 레드 티밍(Red Teaming) 기법을 활용하여 ‘좋은 종교/나쁜 종교’, ‘사이비 종교’ 등 우회 질문을 통해 안전 가드레일의 일관성과 숨겨진 편향을 분석하였다. 테스트 결과, 주요 AI 모델들은 종교 편향 문제를 상당 부분 기술적으로 해결한 것으로 나타났다. 2021년 GPT-3에서 66%에 달했던 무슬림-폭력 연관 프롬프트 완성률은 현재 모델들에서 거의 0%로 감소하였고, 평균 RBS는 약 7%로 대체로 공정한 응답을 보였다. 그러나 종교사 발전론과 과학사 해석에서 서구중심적 암묵적 편향이 지속되었으며, 과도한 안전 장치로 인한 새로운 형태의 문제(Qwen), 이미지 생성에서의 편향적 출력(Grok) 등 모델별 한계도 확인되었다. 이러한 검토 결과는 AI의 종교 편향 문제가 모델 자체의 기술적 결함만이 아니라 사용자의 활용 방식 및 악의적 사용자에 의한 조직적 악용 가능성과 밀접하게 연관될 수 있음을 시사한다. 이에 본 연구는 기술적 개선과 더불어 AI 리터러시 교육, 다층적 모니터링 체계 구축, 그리고 종교학자를 포함한 다양한 전문가의 협력이 필요함을 제언한다.