Attitudes and Perceptions of Generative Artificial Intelligence Chatbots in the Scientific Process of Traditional, Complementary, and Integrative Medicine Research: A Large-Scale, International Cross-Sectional Survey

이 연구는 전통·보완·통합의학 (TCIM) 연구자들이 과학적 과정에서 생성형 인공지능 (GenAI) 챗봇을 어떻게 인식하고 있는지 파악하기 위해 실시한 대규모 국제 설문조사를 통해, 연구자들의 높은 활용 기대와 효율성 인식이 존재함에도 불구하고 편향과 오류에 대한 우려가 있으며 체계적인 교육 프로그램의 부재가 주요 과제로 드러났음을 보고합니다.

핵심

이 논문은 **"전통·보완·통합 의학 (TCIM) 연구자들이 인공지능 (AI) 채팅봇을 어떻게 생각하고 있는지"**를 조사한 대규모 국제 설문조사 결과입니다.

쉽게 비유하자면, 전통 의학 연구자라는 '요리사들'에게 최신식 '자동 조리 로봇 (GenAI)'을 어떻게 생각하는지 물어본 이야기입니다.

이 연구의 핵심 내용을 일상적인 언어와 비유로 설명해 드릴게요.

---

1. 연구의 배경: 왜 이 조사를 했을까요?

전통 의학 (한의학, 아유르베다, 요가 등) 은 몸과 마음, 자연의 균형을 중요시하는 분야입니다. 최근 AI 가 연구의 모든 과정을 도와줄 수 있게 되면서, 이 '요리사들'이 AI 를 환영할지, 아니면 두려워할지 궁금했습니다.

2. 조사 방법: 어떻게 물어봤나요?

연구팀은 전 세계 전통 의학 논문 10 년 치를 뒤져서 6 만 명 이상의 연구자 이메일을 찾아냈습니다. 그리고 그들에게 "AI 채팅봇 (예: 챗 GPT) 을 연구에 써보셨나요? 어떻게 생각하시나요?"라고 묻는 온라인 설문을 보냈습니다.

• 결과: 약 700 명 정도가 답장을 보냈습니다. (비유하자면, 초대장을 받은 100 명 중 1 명 정도가 답장을 한 셈입니다.)

3. 주요 발견: 연구자들은 무엇을 말했나요?

✅ "AI 는 정말 유용한 '도우미'야!" (긍정적 측면)

대부분의 연구자는 AI 를 만능 비서처럼 생각하고 있습니다.

• 가장 좋아하는 일: 논문 쓰기, 번역하기, 자료 찾기.
  • 비유: "AI 는 내가 쓴 글을 다듬어 주거나, 외국어를 번역해 주는 유능한 비서예요. 덕분에 제가 더 중요한 일 (연구 설계 등) 에 집중할 수 있어요."
• 주요 이점: 업무량 감소 (74%), 데이터 분석 효율성 증가 (71%).
  • 연구자들은 AI 가 무거운 짐을 대신 들어주는 크레인처럼 연구의 효율을 높여준다고 느낍니다.

⚠️ "하지만 위험한 면도 있어!" (우려되는 점)

하지만 AI 를 맹신하지는 않습니다. 가짜 뉴스나 실수를 할까 봐 걱정합니다.

• 가장 큰 걱정:
  1. 할루시네이션 (거짓말): AI 가 없는 사실을 마치 있는 것처럼 꾸며낼 수 있음.
  2. 편향성: AI 가 특정 의견만 편향되게 내놓을 수 있음.
  3. 비밀 유지: 내 연구 데이터가 유출될까 봐 걱정.
  4. 투명성 부족: AI 가 왜 그런 결론을 냈는지 설명해주지 않음.
  • 비유: "AI 는 똑똑하지만, 가끔 망상증에 걸린 천재처럼 엉뚱한 거짓말을 하거나, 누군가의 편견을 그대로 따라 할 수도 있어요. 그래서 우리가 항상 감시해야 해요."

🎓 "교육이 필요해!" (가장 큰 요구)

연구자들은 AI 를 쓰기는 하지만, 어떻게 제대로 써야 하는지 배우지 못했습니다.

• 현실: 43% 는 소속 기관에서 AI 교육을 아예 제공하지 않음.
• 요구: 72% 는 "AI 교육을 받고 싶다"고 답함.
  • 비유: "새로운 고급 요리 기구를 줬는데, 사용 설명서나 요리 강습은 안 주는 거예요. 연구자들은 "제발 사용법을 가르쳐 주세요"라고 외치고 있습니다."

4. 결론: 앞으로 어떻게 해야 할까요?

이 연구는 **"AI 는 전통 의학 연구의 강력한 파트너가 될 수 있지만, 아직은 조심스럽게 다뤄야 한다"**는 메시지를 전달합니다.

• 기회: AI 가 연구의 문턱을 낮추고, 서로 다른 의학 체계 (서양 의학과 전통 의학) 사이의 언어 장벽을 허무는 다리가 될 수 있습니다.
• 과제: 하지만 AI 가 만들어낸 가짜 정보나 편향된 결과를 막기 위해, 연구자들이 비판적인 사고를 잃지 않도록 교육하고, 기관들이 분명한 규칙을 만들어야 합니다.

📝 한 줄 요약

"전통 의학 연구자들은 AI 를 '업무 효율을 높여주는 훌륭한 비서'로 환영하지만, '거짓말과 편견을 조심해야 하는 위험한 친구'로도 인식하고 있습니다. 이제 필요한 건 '정확한 사용법 교육'과 '안전장치'입니다."

기술 요약

논문 요약: 전통·보완·통합의학 (TCIM) 연구에서의 생성형 AI 챗봇에 대한 인식과 태도

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 생성형 인공지능 (GenAI) 챗봇 (예: ChatGPT, Google Gemini) 은 과학 연구의 효율성, 정확성 및 객관성을 높이는 도구로 급부상하고 있습니다. 특히 전통·보완·통합의학 (TCIM) 분야는 문화적 지식, 다양한 방법론, 그리고 복잡한 임상 데이터를 다루는 특성상 연구 수행이 어렵고 자원이 부족할 수 있습니다.
• 문제: GenAI 가 과학적 과정에 통합될 수 있는 기회는 많지만, TCIM 연구자들이 이 도구들을 어떻게 인식하고 있는지, 어떤 이점과 윤리적 우려를 가지고 있는지에 대한 실증적 데이터는 부족합니다.
• 목표: TCIM 연구자들의 GenAI 챗봇 사용에 대한 태도, 인식, 경험, 그리고 과학적 과정 (연구 설계, 데이터 분석, 논문 작성 등) 에서의 활용 현황을 대규모 국제적 차원에서 규명하는 것입니다.

2. 연구 방법론 (Methodology)

• 연구 설계: 횡단적 온라인 설문 조사 (Cross-sectional web-based survey).
• 대상 및 표본 추출:
  • Ovid MEDLINE 데이터베이스를 활용하여 2014 년 12 월부터 2024 년 12 월 사이에 게재된 TCIM 관련 논문의 대응 저자 (Corresponding Authors) 를 식별했습니다.
  • 검색 키워드: 침술, 한약, 요가, 아유르베다, 통합의학 등 다양한 TCIM 분야 포함.
  • 총 59,045 명의 연구자에게 이메일로 초대장을 발송했습니다.
• 데이터 수집:
  • SurveyMonkey 를 통해 익명 온라인 설문을 진행 (2025 년 8 월 18 일 ~ 9 월 22 일).
  • 설문 항목: 인구통계학적 정보, GenAI 친숙도, 과학적 과정별 사용 빈도, 인식된 이점과 도전 과제, 교육 필요성 등.
  • 윤리 승인: 튀빙겐 대학병원 연구윤리위원회 (REB #: 079/2025BO2) 승인.
• 분석 방법:
  • 양적 데이터: 기술 통계 (빈도, 백분율), 하위 그룹 분석 (연령, 성별, 지역, 경력 단계 등).
  • 질적 데이터: 개방형 질문에 대한 주제 분석 (Thematic content analysis), 귀납적 코딩 기법 사용.

3. 주요 결과 (Key Results)

• 응답 현황: 총 716 건의 응답을 받았으며, 자격 요건을 갖춘 642 명 (완전 응답 566 명) 을 분석 대상으로 삼았습니다.
• 인식 및 친숙도:
  • 응답자의 58.08% 가 GenAI 챗봇에 익숙하다고 답했습니다.
  • 가장 많이 사용된 도구는 ChatGPT였으며, 과학적 과정에서의 사용 빈도는 18.73% 가 '사용한 적이 없다'고 답했으나, 미래 연구에서의 활용 가능성은 높게 평가되었습니다.
  • 54.37% 의 응답자가 GenAI 가 미래 과학 연구에 '매우 중요하다'고 평가했습니다.
• 사용 목적 및 이점:
  • 가장 높은 활용도: 논문 작성 및 편집 (Manuscript writing/editing), 연구 자료 번역 (Translation).
  • 주요 인식된 이점: 업무량 감소 (74.07%), 데이터 분석/실험 효율성 증가 (71.14%), 대규모 데이터 처리 능력 향상.
  • 가장 낮은 활용도: 동료 검토 (Peer review), 연구 참여 증대, 데이터 해석 등 비판적/해석적 작업에서는 사용 빈도가 낮고 불확실성이 높았습니다.
• 도전 과제 및 우려:
  • 주요 우려 사항: 편향성 (Bias), 오류 (Errors), 투명성 부족, 사실 오류 (Hallucinations), 저작권 및 윤리적 문제.
  • 구체적 통계: 80.17% 가 투명성, 사생활, 동의와 관련된 우려를 표명했습니다. 72.37% 는 알고리즘적 한계로 인한 편향된 데이터 생성을 우려했습니다.
• 교육 및 정책 현황:
  • 교육 부족: 응답자의 43.67% 는 기관에서 GenAI 관련 가이드라인이나 교육을 제공하지 않는다고 답했습니다.
  • 교육 수요: 72.07% 의 응답자가 GenAI 사용에 대한 훈련을 받고자 했으며, 57.02% 는 과학적 과정에서의 GenAI 활용을 위해 추가 교육이 필요하다고 느꼈습니다.

4. 주요 기여 및 시사점 (Key Contributions & Significance)

• 최초의 국제적 연구: TCIM 연구자들의 GenAI 인식에 대한 대규모 국제적 실증 데이터를 최초로 제공했습니다.
• TCIM 특화 통찰: TCIM 연구의 고유한 특성 (문화적 지식, 다양한 방법론) 을 고려할 때, GenAI 가 연구 간소화, 방법론적 엄격성 강화, 그리고 학제 간 협력 촉진에 어떻게 기여할 수 있는지에 대한 구체적인 방향성을 제시했습니다.
• 정책 및 가이드라인 제안:
  • 연구 기관과 저널은 GenAI 사용에 대한 명확한 윤리 가이드라인과 표준화된 교육 프로그램을 마련해야 함을 강조했습니다.
  • 특히 '할루시네이션 (허위 정보)', '편향', '저작권' 문제를 해결하기 위한 투명한 사용 정책이 필요함을 시사합니다.
• 미래 연구 방향: GenAI 도구가 TCIM 연구의 증거 기반을 강화하고, 연구의 질을 높이는 동시에 연구자의 비판적 사고력을 훼손하지 않도록 하는 균형 잡힌 접근의 중요성을 부각시켰습니다.

5. 결론

이 연구는 TCIM 연구자들이 GenAI 챗봇을 업무 효율화와 자료 접근성 향상을 위한 유망한 도구로 인식하고 있음을 보여주지만, 동시에 윤리적 리스크와 교육 부족에 대한 심각한 우려를 가지고 있음을 밝혔습니다. 향후 TCIM 연구 생태계의 건전한 발전을 위해서는 GenAI 기술의 책임 있는 도입을 위한 정책적 지원, 교육 프로그램 강화, 그리고 연구자들의 인식 변화를 위한 지속적인 노력이 필수적입니다.