최근 AI 도구에 대한 의존도가 높아지면서, 의료 및 컴퓨터 과학과 같은 고도의 숙련을 요구하는 전문 분야에서 인간의 역량이 오히려 약화될 수 있다는 이른바 'AI 디스킬링(deskilling)' 현상에 대한 초기 연구 결과들이 발표되어 주목받고 있습니다. 이는 과거 GPS가 길찾기 능력을 약화시킨 것처럼, 생성형 AI가 사고와 해석 같은 인간의 고유한 인지 능력 자체를 자동화하는 첫 기술이라는 점에서 그 우려가 더욱 커지고 있습니다.
폴란드 내시경 전문의들을 대상으로 한 연구에서, AI 시스템의 도움을 받던 의사들이 AI 없이 대장내시경을 수행했을 때 선종(adenoma) 발견율이 28.4%에서 22.4%로 유의미하게 하락했습니다. 이는 AI 도입 전의 발견율보다 낮은 수치입니다. 또한, AI 기업 앤트로픽(Anthropic)이 소프트웨어 엔지니어 52명을 대상으로 진행한 코딩 실험에서는 AI 어시스턴트의 도움을 받은 그룹의 퀴즈 평균 점수가 50%로, AI를 사용하지 않은 그룹의 67%보다 저조하게 나타났습니다. 특히 AI 보조 그룹은 코드 오류 진단 문항에서 부진하여, AI가 생성한 코드의 개념을 제대로 학습하지 못했음을 시사했습니다. 미국 의료 종사자 조사에서도 간호사의 70%, 의사의 77%가 AI 과의존으로 인한 역량 상실을 우려한다고 답했습니다.
이러한 연구 결과들은 AI가 단순히 보조 도구를 넘어 인간의 인지 능력 자체를 '외주화'할 수 있음을 경고합니다. 전문가들은 AI에 대한 지속적인 노출이 임상의나 엔지니어들이 AI 없이 인지적 결정을 내릴 때 동기 부여, 집중력, 책임감을 저하시킬 수 있다고 분석합니다. 이는 특히 해당 분야의 학생이나 젊은 전문가들에게 더 큰 우려를 낳는데, AI에 의존하여 높은 수준의 작업을 수행하더라도 그 기술을 스스로 발전시키지 못할 수 있기 때문입니다. 앞으로 AI 시대에 인간 전문성을 어떻게 보존하고 발전시킬 것인지는 향후 10년간 매우 중요한 연구 주제가 될 것으로 보입니다.
이러한 기술 침식(deskilling)을 예방하기 위해서는 생성형 AI에 얼마나 많은 작업을 위임하고 있는지 명확히 인지하고, AI 모델의 작동 방식과 한계를 정확히 이해하는 것이 중요합니다. 또한, AI의 출력을 맹목적으로 신뢰하기보다는 반드시 검증하는 습관을 들여야 합니다. 생성형 AI 의존과 의식적인 경계 유지 사이의 균형을 관리하는 것이 인간의 전문성을 지키는 핵심 과제가 될 것입니다.