earticle

영어

We examine how first use of a general purpose LLM, represented by ChatGPT, reallocates user time within the ecosystem of online translators. Using a matched difference-in-differences design with an event-time specification on a large Korean activity panel, we find that weekly translator use increases after adoption, peaks during the first six weeks, and then attenuates toward a near-zero steady state without turning negative on average. The average effect masks systematic heterogeneity: complementarity is larger for younger users, while a substitution pattern appears only among university and graduate students. Theoretically, we provide causal user-level evidence that a general-purpose LLM complements an online translation on average, link heterogeneity to capability, and offer a transparent template that combines event-time dynamics with a joint pre-tend test to separate initial exploration from steady state behavior. Practically, we translate the mechanisms into co-use design guidance, including one-click-pass through from LLM outputs to translator verification, and segment-specific onboarding that targets groups where complementarity is strongest.

한국어

이 연구는 ChatGPT 도입이 한국 내 온라인 번역기 사용 패턴에 미친 영향을 정량적으로 분석하였다. 대규모 국내 활동 패널 데이터를 바탕으로 이벤트 타임 사양을 갖춘 매칭 기반 차이의 차이 모형을 적용한 결과, 채택 이후 주간 번역기 사용 시간은 증가하며 도입 후 약 6주에 정점을 보인 뒤 평균적으로 음수로 전환하지 않은 채 0에 가까운 정상상태로 점차 수렴하였다. 평균 효과 뒤에는 뚜렷한 이질성이 존재한다. 보완 효과는 더 젊은 이용자에서 더 크게 나타났고, 대체 패턴은 대학생 및 대학원생 집단에서만 관찰되었다. 이론적 측면에서, 일반 목적 LLM이 유사한 기능을 가지는 단일 도구를 평균적으로 보완한다는 사용자 수준의 인과적 근거를 제시하고, 이질성을 역량에 기반해 설명하며, 이벤트 타임 동학과 사전 추세 공동 검정을 결합해 초기 탐색과 정상상태를 구분하는 관찰자료 분석 템플릿을 제공한다. 실무적 측면에서는 LLM 출력의 번역기 검증으로의 원클릭 연동, 신뢰도 표시를 위한 경량 품질 배지, 전환 비용을 낮추는 명시적 전환 흐름 설계, 보완성이 큰 집단을 겨냥한 세그먼트별 온보딩 등 공용 설계 지침을 제시한다.