Trust in Science and Institutional Legitimacy: A Phenomenological Framework for AI-Enabled Health Policy

보이지 않는 다리: 우리는 왜 '과학 기계'를 신뢰하는가(혹은 신뢰하지 않는가)

당신이 질병을 치료하고, 날씨를 예측하며, 고장 난 휴대폰을 고칠 수 있다고 주장하는 거대하고 빛나는 로봇 앞에 서 있다고 상상해 보십시오. 당신은 그 로봇이 믿을 수 없을 정도로 똑똑하다는 것을 알고 있습니다. 로봇은 도서관의 모든 책을 읽었으며 눈 깜짝할 사이에 별의 위치를 계산할 수 있습니다. 당신은 로봇의 **역량(competence)**을 신뢰합니다. 즉, 로봇이 그 일을 할 수 있다는 것을 알고 있습니다. 하지만 여기 까다로운 문제가 있습니다. 당신은 그 로봇이 당신의 말에 귀를 기울일 것이라고 신뢰합니까? 로봇이 당신의 구체적인 고민을 신경 써준다고 느낍니까, 아니면 당신을 그저 데이터베이스 속의 숫자 중 하나로 볼 뿐이라고 느낍니까? 이렇게 자신이 존중받고, 경청되며, 포함되어 있다고 느끼는 감정을 과학자들은 **개방성(openness)**이라고 부릅니다.

오랫동안 사람들은 로봇을 더 똑똑하게 만들기만 하면 모두가 그것을 신뢰하게 될 것이라고 생각했습니다. 하지만 이 논문은 인간의 마음이 그렇게 작동하지 않는다고 제안합니다. 과학을 신뢰하는 것은 단순히 과학이 얼마나 똑똑한가에 관한 문제가 아니라, 결정을 내리는 사람들과 그 결과 속에서 살아가는 사람들 사이의 관계에 관한 문제라는 것이 밝혀졌습니다. 이 연구는 전 세계의 방대한 집단을 조사하여 그들이 과학에 대해 어떻게 느끼는지 살펴봅니다. 이 연구는 **현상학(phenomenology)**이라는 특별한 사고방식을 사용하는데, 이는 단순히 설문조사의 답변을 세는 것이 아니라 사람들이 일상생활에서 무언가를 어떻게 경험하는지를 연구하는 것을 의미합니다. 또한 **의사소통 생태계(communicational ecologies)**를 살펴보는데, 이는 사람들이 과학에 대해 이야기하는 다양한 "동네"를 지도화하는 것과 같습니다. 어떤 동네는 시끌벅적한 디지털 채팅방이고, 다른 동네는 조용한 전통 뉴스룸입니다. 핵심 질문은 이것입니다: 왜 어떤 사람들은 같은 나라에 살면서도 과학과 가깝게 느끼고, 다른 이들은 이방인처럼 느끼는가?

위대한 신뢰의 지도: 당신이 누구인가가 아니라 어떻게 연결되는가의 문제

이 논문은 71,922명의 사람과 68개국을 대상으로 과학자를 얼마나 신뢰하는지에 대한 질문을 던진 "과학 신뢰 프로젝트(Trust in Science Project)"라는 방대한 데이터셋을 파고듭니다. 연구진은 누군가의 연령, 교육 수준, 혹은 성별을 보고 그 사람이 과학을 신뢰할지 예측할 수 있는지 알아내고자 했습니다.

거대한 반전: 정답은 "아니오"였습니다.

연구 결과, 연령과 교육 수준에 따라 사람들을 그룹화할 수는 있지만, 그 그룹 내부의 모습은 매우 복잡했습니다. 고등학교 졸업 학력을 가진 60세라고 해서 모두가 과학에 대해 똑같이 느끼는 것은 아닙니다. 실제로 연구진은 사회인구학적 범주(연령, 성별, 교육 등)가 왜 어떤 이들은 과학과 가깝게 느끼고 어떤 이들은 멀게 느끼는지를 설명하는 데 있어 형편없는 지표라는 것을 발견했습니다.

논문은 사람들이 '누구인지'를 보는 대신, 그들이 '어떻게 연결되는지'를 보아야 한다고 제안합니다. 연구진은 신뢰의 가장 큰 격차가 사람들이 과학자가 똑똑하다고 생각하는지 여부(그들은 일반적으로 그렇다고 생각합니다!)에서 오는 것이 아님을 발견했습니다. 그 격차는 바로 개방성에 있었습니다. 모든 집단에 걸쳐, 사람들은 과학자들이 역량이 있다는 점(그들은 자기 분야를 잘 안다는 점)에는 동의했습니다. 하지만 과학자들이 개-방적인지, 즉 일반 사람들의 삶에 귀를 기울이고, 대화하고, 관심을 가질 의지가 있는지에 대한 느낌은 극명하게 갈렸습니다. 어떤 이들에게 과학 세계는 자신을 초대하는 친근한 클럽이었지만, 다른 이들에게는 문이 잠긴 요새와 같았습니다.

네 가지 "관련성 형상(Figures of Relevance)"

이 복잡한 데이터를 이해하기 위해 연구진은 단순히 "신뢰하는 사람"과 "신뢰하지 않는 사람"의 목록을 만든 것이 아닙니다. 대신 그들은 **"관련성 형상(Figures of Relevance)"**이라 불리는 네 가지 독특한 캐릭터 프로필을 구축했습니다. 이것을 고정된 인간 유형이 아니라, 과학 세계를 경험하는 서로 다른 "분위기"나 "방식"으로 생각하십시오. 이 형상들은 개인의 삶의 상황, 뉴스 소비 방식, 그리고 과학에 대한 감정이 혼합되어 만들어집니다.

논문에서 발견한 네 가지 캐릭터는 다음과 같습니다:

1. 참여형 형상 (The Engaged Figure): 주로 고등 교육을 받은 젊은 성인들로, 디지털 세상에서 매우 활발하게 활동합니다. 이들은 디지털 의사소통 생태계(소셜 미디어 및 메시징 앱)에서 활동합니다. 이들은 과학과 대화하고, 아이디어를 공유하며, 대화의 일부가 될 수 있다고 느끼기 때문에 과학과 가깝다고 느낍니다. 이들은 자신이 보이고 들린다고 느끼기에 과학을 신뢰합니다.
2. 주변부 형상 (The Peripheral Figure): 주로 교육 수준이 낮은 장노년층입니다. 이들은 과학자들이 똑똑하다는 것은 알지만, 과학계가 자신들의 말에 귀를 기울이지 않는다고 느낍니다. 이들은 공식적 의사소통 생태계(TV, 라디오, 신문 등)에 더 많이 의존하며, 디지털상의 떠들썩함과는 연결되어 있다고 느끼지 못합니다. 이들은 밖에서 안을 들여다보는 듯한 소외감을 느낍니다.
3. 소외형 형상 (The Distant Figure): 교육 수준이 낮은 젊은 층을 포함하며, 가장 단절감을 크게 느끼는 집단입니다. 이들은 과학을 별로 신뢰하지 않으며, 과학과 어떠한 방식으로도 교류하지 않습니다. 이들은 시스템으로부터 멀리 떨어져 있다고 느낍니다.
4. 안착형 형상 (The Anchored Figure): 고등 교육을 받은 장노년층으로, 제도에 대한 신뢰가 깊습니다. 이들은 공식 매체에 의존하며 안정감을 느끼지만, "참여형" 집단만큼 디지털 대화에 뛰어들려는 의지는 적을 수 있습니다. 이들은 시스템이 견고하고 신뢰할 수 있다고 느끼기에 시스템을 신뢰합니다.

신뢰의 디지털 격차

이 논문에서 가장 중요한 발견 중 하나는 사람들이 정보를 어디서 얻는가에 관한 것입니다. 연구진은 사람들이 과학 뉴스를 어떻게 소비하는지 살펴보기 위해 특별한 수학적 도구를 사용했습니다. 그들은 "수동적"(단순히 TV 시청) 대 "능동적"(소셜 미디어 게시물 작성)이라는 기존의 이분법적 구분이 적절하지 않다는 것을 발견했습니다.

대신, 진짜 구분은 디지털 생태계(소셜 미디어, 메시징 앱)와 공식 생태계(TV, 라디오, 뉴스 웹사이트) 사이의 구분입니다.

• 디지털 생태계는 주로 "참여형"과 "소외형" 형상에 의해 사용됩니다. 논문은 만약 우리가 보건 정책을 전달할 때 디지털 전략만을 사용한다면, 의도치 않게 격차를 더 벌릴 수 있다고 제唆합니다. "참여형" 사람들은 더욱 몰입하겠지만, "주변부"와 "소외형" 사람들은 디지털 공간에 머물지 않기 때문에 오히려 더 소외감을 느낄 수 있습니다.
• 공식 생태계(TV, 라디오 등)는 모든 집단에서 비교적 고르게 사용됩니다. 이는 우리가 모두에게 닿기를 원한다면 단순히 트윗만 올릴 것이 아니라, 라디오와 신문에도 존재해야 함을 의미합니다.

미래의 보건에 주는 시사점

이 논문은 우리가 현재 **인공지능(AI)**이 의료 시스템을 운영하는 데 도움을 주는 미래를 구축하려 노력하고 있다고 주장합니다. 우리는 AI가 질병을 진단하고 병원을 관리하기를 원합니다. 하지만 논문은 우리가 단순히 AI가 "똑똑하다"는 이유만으로 모두가 AI를 신뢰할 것이라고 가정한다면 실패할 것이라고 경고합니다.

핵심적인 발견은 신뢰는 스위치가 아니라 관계라는 점입니다. 신뢰를 얻기 위해 단순히 스위치를 켤 수는 없습니다. 문제는 사람들이 과학자가 똑똑하다고 생각하지 않는 것이 아니라, 과학 기관들이 자신들에게 개방적이지 않다고 느끼는 것입니다.

논문은 AI 보건 정책이 제대로 작동하려면 우리 모두에게 똑같은 방식으로 말하는 것을 멈춰야 한다고 제안합니다. 대신, 각각의 관련성 형상에 맞는 정책을 설계해야 합니다.

• 참여형을 위해서는 투명성과 디지털 대화가 필요합니다.
• 주변부를 위해서는 전통 매체를 활용하고, 그들이 지역 사회 리더들에 의해 경청되고 있다는 느낌을 주어야 합니다.
• 소외형을 위해서는 지역적 연결과 교육이 필요합니다.
• 안착형을 위해서는 안정성과 신뢰성을 보여주어야 합니다.

저자들은 이것이 하나의 예비적 프레임워크임을 명시하며 주의를 기울입니다. 그들은 신뢰의 문제를 영원히 해결했다고 말하는 것이 아닙니다. 그들은 만약 우리가 의료 분야에서 AI가 제대로 작동하기를 원한다면, 신뢰를 단순히 설문조사의 숫자로 취급하는 것을 멈춰야 한다고 제안합니다. 우리는 신뢰가 단순히 과학이 똑똑하다는 것을 증명하는 문제가 아니라, 과학 세계가 내가 속할 수 있는 곳이라는 느낌을 갖느냐에 달려 있는 복잡하고 살아있는 것임을 이해해야 합니다. 목표는 단순히 과학이 유능하다는 것을 입증하는 것이 아니라, 과학이 똑똑하다는 것을 아는 것과 과학이 나를 신경 쓰고 있다는 것을 느끼는 것 사이의 간극을 메우는 것입니다.