이 논문은 수면 습관 개선을 측정 중심 디지털 헬스케어가 아니라 사용자와 AI 에이전트의 관계 형성, 자기기록, 행동 유도를 설계하는 Human-Computer Interaction 문제로 다룬다. 연구는 관계형 에이전트 이론, 대상체 형상화, Quantified-Self 개념을 바탕으로 강아지 캐릭터, 맞춤형 메시지, 표정 변화, 능동적 대화 개시 기능을 갖춘 챗봇형 수면 컴패니언 ‘꿀잠이’를 구현하고, 수면 습관 문제를 자각하거나 관심이 있는 74명을 대상으로 8일간 사용하게 한 뒤 상호작용에서 축적된 정성 데이터를 근거이론 기반 오픈 코딩, 축 코딩, 테마 분석으로 해석했다. 분석 결과 친근한 말투와 비언어 표현은 라포와 페르소나 경험을 높였고, 익숙한 동물형 형상화는 짧은 기간에도 정서적 친밀감과 관계 형성을 촉진했으며, 정해진 시간에 먼저 말을 거는 루틴 상호작용은 하루 회고, 자연스러운 수면 기록, 자기인식과 자기통제를 도와 수면 습관 개선 행동의 동기를 높였다. 또한 사용자는 잔소리 없이 솔직하게 대화할 수 있는 동반자적 경험을 보고했지만, 직접적 행동 교정과 의학적 전문성은 제한적으로 나타났다. 이에 따라 논문은 수면 관리 서비스 설계에서 친근한 페르소나, 맥락 반응형 언어·비언어 표현, 능동적 루틴 대화, 기록 부담을 낮춘 self-monitoring 통합이 중요한 상호작용 조건임을 제시한다.

This paper frames sleep habit improvement not as a measurement-centered digital healthcare task but as a Human-Computer Interaction problem of designing relationship building, self-tracking, and behavior prompting between users and an AI agent. Drawing on relational agent theory, embodiment, and the Quantified-Self concept, the study implemented “Kkuljami,” a chatbot-based sleep companion with a dog-like character, tailored messages, expressive facial changes, and proactive conversation initiation, and deployed it for eight days with 74 people who reported sleep habit problems or interest in sleep management; the resulting qualitative interaction data were analyzed through grounded theory using open coding, axial coding, and thematic analysis. The findings show that a friendly tone and nonverbal expressions increased rapport and persona experience, familiar animal-like embodiment fostered emotional affinity and relationship formation even within a short period, and routine interactions initiated by the agent at fixed times supported daily reflection, natural sleep logging, self-awareness, and self-regulation, thereby increasing motivation for sleep habit improvement. Participants also reported a companion-like experience in which they could talk honestly without fear of nagging, although direct behavior correction and medical expertise remained limited. The paper therefore identifies key interaction design conditions for sleep management services: a friendly persona, context-responsive verbal and nonverbal cues, proactive routine conversations, and low-burden self-monitoring integrated into everyday dialogue.