기술 요약: 여성은 걱정하고 남성은 채택하는가? 젠더화된 위험 인식과 생성형 AI 채택

문제 제기

생성형 인공지능(GenAI)이 업무와 일상생활 전반에 걸쳐 빠르게 확산되고 있으나, 채택 양상은 불균등하며 남성이 여성보다 이러한 도구를 더 빈번하게 사용하는 경향이 지속되고 있다. 이러한 격차는 생산성, 기술, 경력 기회에서의 기존 불평등을 심화시킬 위험이 있다. 기존 문헌은 이러한 성별 격차를 접근성, 디지털 기술, 자신감, 직업적 노출의 차이로 주로 설명하지만, 저자들은 이러한 설명이 불완전하다고 주장한다. 저자들은 GenAI 채택의 성별 차이가 여성이 AI와 관련된 사회적 위험을 어떻게 평가하느냐를 반영할 수 있다고 가정한다. 핵심 문제는 해결되지 않은 사회적 위해(예: 정신 건강, 환경, 개인정보 보호, 노동 시장에 미치는 영향)가 필요한 기술과 접근성을 갖추었음에도 불구하고 여성의 GenAI 채택을 저해하는 행동적 경로로 작용하는지 여부이다.

방법론

본 연구는 영국 성인을 대상으로 한 국가 대표성 조사인 **영국 공공 데이터 및 AI 태도 추적 조사(UK Public Attitudes to Data and AI Tracker)**의 두 차례 웨이브(2023년 및 2024년, $N \approx 9,172$) 데이터를 활용한다. 분석은 세 단계로 진행된다:

1. 기술적 분석(Descriptive Analysis): 저자들은 다양한 인구통계학적, 행동적, 태도적 하위 집단 전반에서 빈번한 GenAI 사용(주 1회 이상으로 정의)의 성별 격차를 조사한다. 특히 연령, 디지털 리터러시, 특정 위험 우려(정신 건강, 환경, 개인정보, 노동 시장)와 같은 교차적 요소들의 조합을 살펴본다.
2. 예측 모델링(Predictive Modeling): 위험 인식이 전통적인 예측 변수(디지털 리터러시, 교육, 직업)와 비교하여 상대적으로 얼마나 중요한지 평가하기 위해, 저자들은 연령대별(1835세, 3650세, 51세 이상)로 층화된 성별 특화 랜덤 포레스트(random forest) 모델을 추정한다. 이 모델들은 빈번한 개인적 GenAI 사용을 예측한다. 피처 중요도(feature importance) 점수를 사용하여 합성 위험 인식 지수가 다른 공변량 대비 얼마나 예측적 관련성을 갖는지 결정한다.
3. 매개변수 스코어 매칭(Parametric Score-Matching): 데이터가 진정한 패널 데이터가 아닌 반복적 횡단면 데이터라는 점을 고려하여, 저자들은 매개변수 스코어 매칭 설계를 채택한다. 이는 2023년 웨이브의 응답자를 안정적인 관찰 특성(연령, 성별, 교육, 직업)을 기준으로 통계적으로 유사한 2024년 웨이브의 응답자와 쌍을 맺는다. 이를 통해 디지털 리터러시의 변화나 AI의 사회적 영향에 대한 낙관론의 변화가 인구통계학적 차이를 통제하면서 두 웨이브 간의 GenAI 채택 변화와 어떻게 연관되는지 조사할 수 있다.

주요 측정 항목:

• 결과 변수: 개인적 및 업무 관련 GenAI 사용 빈도.
• 위험 인식: 정신 건강, 기후/환경, 데이터 프라이버시, 노동 시장에 미치는 영향에 대한 우려를 나타내는 이진 지표들을 평균하여 산출한 합성 지수(0–1).
• 디지털 리터러시: AI에 대한 자기 보고식 이해도 및 그 메커니즘을 설명할 수 있는 능력.

주요 결과

1. 유병률 및 성별 격차

남성은 여성보다 빈번한 개인적 GenAI 사용 비율이 실질적으로 높게 나타났으며(20.9% 대 15.5%), 이에 따라 5.3 퍼센티지 포인트의 기준 성별 격차가 발생했다. 이 격차는 균일하지 않다. AI의 사회적 결과에 대해 우려를 표하는 응답자들 사이에서 격차는 현저히 커진다.

• 위험 특이적 격차: 정신 건강에 미치는 AI의 영향에 대해 우려하는 집단 내에서 개인적 사용의 성별 격차는 16.8 퍼센티지 포인트까지 증가한다.
• 교차적 불평등: 가장 큰 격차는 젊고 디지털 숙련도가 높으면서 사회적 위험 우려가 높은 집단에서 나타난다. 예를 들어, AI를 정신 건강에 대한 위험으로 인식하면서 동시에 높은 AI 리터러시를 보고한 응답자들 사이에서 개인적 사용의 성별 격차는 45.7 퍼센티지 포인트를 초과한다.

2. 위험 인식의 예측적 관련성

성별 특화 랜덤 포레스트 모델에서, 합성 위험 인식 지수는 모든 연령대에서 남성보다 여성에게 더 강력한 예측 변수로 작와한다.

• 청년층 (18–35세): 위험 인식은 남성에게는 다섯 번째로 중요한 예측 변수인 반면, 여성에게는 두 번째로 중요한 예측 변수로 나타났다.
• 중장년층 (36–50세) 및 고령층 (51세 이상): 위험 인식은 여성에게 첫 번째로 중요한 예측 변수이며, 남성에게도 상위 예측 변수 중 하나이다.
• 모든 모델에서 위험 인식은 전체 피처 중요도의 9~20%를 차지하며, 이는 태도적 요인이 인구통계학적 및 기술 기반 예측 변수만큼 중요하다는 것을 의미한다.

3. 스코어 매칭 비교

매개변수 스코어 매칭 분석은 변화하는 태도가 채택과 어떻게 상관관계를 갖는지에 대한 뚜렷한 패턴을 보여준다.

• 디지털 리터러시: 청년층의 경우, 높은 디지털 리터러시는 남성의 GenAI 채택을 실질적으로 증가시키지만 여성에게는 유의미한 증가를 가져오지 못한다. 이는 역량 강화만으로는 청년층 사이의 성별 격차를 오히려 넓힐 수 있음을 시사한다.
• 사회적 낙관론: 반대로, AI의 사회적 영향에 대한 높은 낙관론은 여성의 채택을 (14%에서 34%로) 유의미하게 증가시키는 것과 관련이 있다. 이는 여성에게 있어 채택 여부가 AI의 사회적 정당성과 안전성에 대한 평가와 밀접하게 연결되어 있음을 나타낸다.

주요 기여

본 논문은 디지털 불평등 및 기술 채택 문헌에 세 가지 주요 기여를 한다:

1. 성별 격차의 재구성: 기술 결핍(기술, 자신감, 접근성)에 의해 성별 격차가 발생한다는 지배적인 서사에 도전한다. 대신, 사회적 위험 인식을 핵심적인 행동 경로로 식별한다.
2. 위험 민감적 채택: 여성의 채택 주저함이 반드시 비합리적인 불안이나 기술적 무관심이 아니라, 문서화된 사회적 및 윤리적 위해(예: 정신 건강, 환경적 비용, 편향성)에 대한 합리적인 반응이라는 실증적 근거를 제공한다.
3. 교차적 증폭: 성별 격차는 기술이 가장 낮은 집단이 아니라, 디지털 숙련도가 높고 젊은 집단에서 동시에 높은 사회적 위험 우려를 가질 때 가장 두드렷하게 나타난다는 점을 입증한다. 이는 초기 채택의 차이가 직업적 규범이 완전히 확립되기 전에 발생할 수 있으며, 장기적인 불평등을 고착시킬 수 있음을 시사한다.

의의 및 시사점

저자들은 본 연구 결과가 디지털 불평등에 관한 정책 및 조직 전략에 중요한 시사점을 준다고 주장한다.

• 교육을 넘어: 채택 결정이 기술의 정당성과 안전성에 대한 우려에 의해 형성된다면, 교육, 디지털 리터러시, 또는 접근성에만 집중하는 개입은 불충분하다.
• 거버넌스가 곧 채택이다: 성별 격차를 줄이기 위해서는 주저함이 합리적인 반응이 되게 만드는 근본적인 위험 문제를 해결해야 한다. 프라이버시 보호, 투명성, 책임성 및 편향 완화를 강화하는 것은 형평성 목표와 별개의 문제가 아니라, GenAI의 혜택을 널리 공유하기 위한 핵심 과제이다.
• "위험 회피"의 재평가: 본 논문은 여성의 낮은 채택률을 그들을 덜 위험 민감하게 만듦으로써 교정해야 할 '결함'으로 보는 것에 경계한다. 대신, 해결되지 않은 AI의 위해가 생산성과 경력 혜�택에 대한 불평등한 접근을 초래한다고 제안한다. 따라서 공평한 채택을 보장하기 위해서는 AI 시스템을 더 안전하고 사회적으로 반응하는 체계로 만드는 것이 필수적이다.

본 연구는 채택의 행동적 차원, 즉 가치와 위험 인식이 참여를 어떻게 형성하는지를 이해하는 것이 GenAI가 지식 경제에 내재화됨에 따라 기존의 불평등이 강화되는 것을 방지하는 데 필수적이라고 결론짓는다.