Joint latent profile analysis of artificial intelligence literacy and critical thinking among clinical nurses and their association with evidence-based decision-making capacity: A cross-sectional study

현대적인 병원에서 간호사의 정신은 환자의 요구, 의학적 가이드라인, 그리고 복잡한 기술이 끊임없이 충돌하는 분주한 교차로와 같다. 수십 년 동안 간-근거 기반 실무(evidence-based practice)는 간호의 황금 표준이었다. 이는 최선의 과학적 연구를 찾아내고, 이를 특정 환자의 고유한 이력과 대조하여 생명을 구하는 결정을 내리는 능력을 의미한다. 오늘, 인공지능이라는 새로운 힘이 이 교차로에 진입했다. 이러한 도구들은 의학 문헌을 즉각적으로 검색하고, 환자 기록을 초안하며, 잠재적 위험을 경고함으로써 간호사들이 매일 직면하는 방대한 데이터의 산을 통과하는 강력한 지름길을 제공한다. 그러나 이 속도에는 대가가 따른다. 이 시스템들은 과거의 데이터를 바탕으로 학습되었기 때문에, 때때로 사실적으로 틀리거나 편향되었거나, 혹은 환자의 현재 현실과 단순히 맞지 않는 답을 내놓을 수 있기 때문이다. 미래의 간호에 있어 핵심적인 질문은 더 이상 간호사가 이러한 도구를 사용할 수 있는지 여부가 아니라, 그 도구를 사용하는 동안 어떻게 생각하느냐이다. 이는 기계를 작동하는 법을 아는 것과, 기계가 틀렸을 때를 알아채는 날카롭고 독립적인 판단력을 갖추는 것 사이의 균형을 요구한다.

중국 8개 병원의 등록 간호사 2,300명 이상을 대상으로 한 최근 연구는 인공지능에 대한 기술적 유창성과 비판적 사고 능력이라는 이 두 가지 기술이 실제 현장에서 어떻게 함께 작용하는지를 이해하고자 했다. 연구진은 이들을 별개의 체크리스트로 취급하는 대신, 개별 간호사 내에서 이 기술들이 어떻게 결합되는지를 살펴보았다. 연구진은 두 영역에서의 실제 점수를 바탕으로 간호사들을 그룹화하는 통계적 방법을 사용했으며, 이를 통해 의료 인력이 단일하고 균일한 집단이 아님을 밝혀냈다. 대신, 그들은 각기 다른 강점과 약점의 조합을 가지고 있으며, 이것이 환자를 위한 안전하고 고품질의 결정을 내리는 능력에 직접적인 영향을 미치는 네 가지 뚜렷한 유형을 발견했다.

연구는 네 가지 명확한 프로필을 식별했다. 첫 번째 그룹은 전체의 약 22퍼센트를 차지하며, 두 가지 기술 모두에서 어려움을 겪었다. 이 간호사들은 인공지능 도구 사용에 대한 자신감과 능력이 낮았으며, 비판적 사고 습관 또한 부족했다. 이들은 현대 간호의 디지털 도구를 다루는 데 어려움을 겪거나, 그 도구들이 제공하는 정보를 의심하는 데 서툴 수 있는 고위험군을 나타낸다. 두 번째로 큰 그룹인 약 36퍼센트는 다른 양상을 보였다. 이들은 강력한 비판적 사고 기술을 보유하고 있었으나 인공지능 리터러시(문해력)는 낮았다. 이들은 문제를 잘 분석할 수는 있었지만 디지털 도구를 활용해 증거를 빠르게 찾는 데 한계가 있었고, 이로 인해 정신적 에너지를 소모하는 느리고 수동적인 방법에 의존해야 했다.

세 번째 그룹은 참가자의 약 21퍼센트를 차지하며, 표면적으로 가장 숙련된 것처럼 보였다. 이들은 높은 인공지능 리터러시를 보유하여 도구를 효율적으로 운영하고 정보를 빠르게 검색할 수 있었다. 그러나 이들의 비판적 사고 기술은 평균 수준이었다. 연구진은 이 그룹을 "숨겨진 위험"으로 분류했다. 기술에 너무 익숙해져 있기 때문에, 기계의 결과물을 너무 쉽게 신뢰하여 생성된 조언의 오류나 편향을 포착하지 못할 수 있기 때문이다. 이들은 컴퓨터의 권고 사항이 눈앞의 환자에게 정말로 적합한지 묻지 않고 그대로 따를 수 있는 간호사들이다. 마지막 그룹은 나머지 21퍼센트를 차지하며, 높은 인공지능 리터러시와 높은 비판적 사고 기술을 모두 갖추고 있었다. 이들은 기술을 사용하여 업무 속도를 높이는 동시에, 날카로운 정신을 사용하여 결과를 검증함으로써 최종 케어 플랜이 효율적이면서도 정확하도록 보장할 수 있었다.

연구진이 이 그룹들을 실제 근거 기반 의사결정 능력과 비교했을 때, 명확한 위계가 나타났다. 두 영역 모두에 강한 간호사들이 최고의 성과를 냈다. 특히, 기술적 기술은 높지만 비판적 사고는 평균적인 그룹이, 비판적 사고는 높지만 기술적 기술은 낮은 그룹보다 더 나은 성과를 보였다. 이는 도구를 잘 사용하는 것이 중요하긴 하지만 그것만이 유일한 요소는 아니라는 점을 시사한다. 기술적 유창성과 비판적 판단력의 결합은 뚜렷한 이점을 만들어내지만, "숨겨진 위험" 그룹은 두 영역 모두 높은 성과를 내는 그룹에 비하면 의사결정을 완전히 최적화하는 데 여전히 과제를 안고 있다. 연구는 이 두 기술의 조합이 간호사들 사이의 의사결정 질 차이를 거의 30퍼센트 설명한다는 것을 발견했으며, 이는 무시할 수 없는 중요한 요인이다.

또한 연구 결과는 이러한 기술을 발달시키는 데 무엇이 도움이 되는지를 지목했다. 인공지능에 관한 구체적인 교육을 받은 간호사들은 고성과 그룹에 속할 가능성이 더 높았다. 마찬가지로, 일상 업무에서 이러한 도구들을 정기적으로 사용하는 이들도 높은 기술을 보이는 경향이 있었으나, 이는 그들이 비판적 성찰을 병행할 때만 그러했다. 연구는 단순히 도구를 자주 사용하는 것만으로는 충분하지 않다는 점을 언급했다. 질문과 검증을 장려하는 교육이 없다면, 빈번한 사용은 오히려 간호사가 기계에 너무 의존하게 만드는 위험한 "숨겨진 위험" 프로필로 이어질 수 있다. 이 연구는 병원이 기초적인 기술 교육을 넘어, 간호사가 이러한 강력한 도구들을 사용하면서도 회의적이고 분석적인 시각을 유지하도록 가르쳐야 한다고 제언한다. 즉, 인간의 정신이 환자 케어의 최종 권위자로 남을 수 있도록 해야 한다는 것이다.