Factors Influencing Clinical Nurses’ Intention to Use and Actual Use of Generative Artificial Intelligence in China: A Multicentre Cross-sectional Study

기술 요약: 중국 임상 간호사의 생성형 인공지능 사용 의도 및 실제 사용에 영향을 미치는 요인

문제 제기
생성형 인공지능(GenAI)은 문서 자동화부터 임상 의사결정 지원에 이르기까지 간호 실무에 혁신적인 잠재력을 보유하고 있으나, 간호사의 도입을 이끄는 구체적인 요인에 관한 실증적 근거는 여전히 제한적이다. 기존 문헌은 주로 일반적인 의료 환경이나 혼합된 인구 집단을 대상으로 AI 도입을 다루고 있어, 의료 전문가 중 가장 큰 비중을 차지하는 간호사의 고유한 직업적 특성을 반영하지 못하고 있다. 또한, GenAI의 통합은 정보 환각(hallucination), 편향성, 윤리적 문제와 같은 특정 위험을 수반하며, 이는 전통적인 기술과는 다른 사용자 수용 방식에 영향을 미칠 수 있다. 따라서 성공적인 구현을 촉진하기 위해서는 임상 간호사의 행동 의도와 실제 사용 행동을 결정하는 요인을 이해하는 것이 매우 중요하다.

연구 방법론
본 연구는 2025년 7월부터 8월 사이에 중국에서 실시된 다기관 교차 단면 조사 설계 방식을 채택하였다.

• 참여자: 편의 추출법을 사용하여 다양한 의료 기관의 등록 간호사로부터 총 1,921개의 유효한 응답을 수집하였다.
• 이론적 프레임워크: 본 연구는 확장된 기술 수용 및 사용 이론(UTAT) 모델을 활용하였다. 기존 UTAUT 구성 요소(성과 기대, 노력 기대, 사회적 영향, 촉진 조건)에 간호 분야 내 GenAI의 특수한 맥별을 더 잘 반영하기 위해 기술 신뢰와 인지된 위험을 추가하여 확장하였다.
• 도구: 검증된 UTAUT 도구를 기반으로 개발되었으며, 15명의 간호 전문가를 대상으로 한 2차례의 델파이 컨설팅을 통해 정교화된 구조화된 설문지를 사용하였다. 이는 성과 기대(PE), 노력 기대(EE), 사회적 영향(SI), 촉진 조건(FC), 기술 신뢰(TR), 인지된 위험(PR), 행동 의도(BI)의 7가지 차원을 측정하였다. 실제 사용 행동(UB)은 GenAI 사용 빈도와 범위를 자기 보고 방식으로 측정하였다.
• 분석: 가설 관계를 검증하기 위해 구조 방정식 모델링(SEM)을 사용하여 데이터를 분석하였다. 신뢰도와 타당도는 Cronbach's alpha, 합성 신뢰도(CR), 평균 분산 추출량(AVE), Fornell-Larcker 기준을 통해 평가하였다. 또한 성별, 연령, 사용 자율성에 따른 조절 효과를 조사하기 위해 다집단 분석을 수행하였다.

주요 기여도

1. GenAI를 위한 확장된 UTAUT 모델: 본 연구는 표준 UTAUT 프레임워크에 기술 신뢰와 인지된 위험을 통합함으로써, 특히 임상 간호 내에서의 생성형 AI 도입을 이해하기 위한 더욱 세밀한 모델을 제공한다.
2. 의도와 행동에 대한 이중 초점: 의도에만 집중하는 많은 연구와 달리, 본 연구는 행동 의도에서 실제 사용 행동으로 이어지는 경로를 조사하며, 촉진 조건이 중요한 가교 역할을 함을 확인하였다.
3. 인구통계학적 이질성: 본 연구는 도입 동인이 성별, 연령, 자율성에 따라 어떻게 달라지는지에 대한 세밀한 통찰을 제공하며, 간호사 사이의 기술 수용이 균일할 것이라는 가설에 도전한다.

결과

• 행동 의도의 결정 요인:
  • **성과 기대(PE)**가 행동 의도의 가장 강력한 정적 예측 변수였다 ($\beta = 0.302, p < 0.001$).
  • 노력 기대(EE) ($\beta = 0.235, p < 0.001$)와 기술 신뢰(TR) ($\beta = 0.207, p < 0.001$) 역시 유의미한 정적 상관관계를 보였다.
  • **사회적 영향(SI)**은 작지만 유의미한 정적 효과를 나타냈다 ($\beta = 0.094, p = 0.004$).
  • **인지된 위험(PR)**은 행동 의도와 유의미한 부적 상관관계를 보였다 ($\beta = -0.134, p < 0.001$).
• 실제 사용 행동의 결정 요인:
  • **행동 의도(BI)**가 실제 사용의 주요 동인이었다 ($\beta = 0.409, p < 0.001$).
  • 촉진 조건(FC)(예: 조직적 지원, 자원) 또한 의도와 독립적으로 실제 사용과 유의미한 상관관계가 있었다 ($\beta = 0.289, p < 0.001$).
• 조절 효과:
  • 성별: 여성 간호사의 경우 PE, EE, SI, TR가 유의미한 예측 변수였다. 남성 간호사의 경우 EE와 TR만이 유의미했으며, PE와 SI는 유의미하지 않았다. 기술 신뢰는 남성 간호사에게 더 두드러지게 나타났다.
  • 연령: 연령이 높아질수록 인지된 위험이 더 유의미한 부정적 예측 변수가 되었다. 반대로, 기술 신뢰의 영향력은 41세 이상의 간호사 집단에서 약화되었다.
  • 자율성: "자발적" 그룹에서는 모든 가설 경로가 유의미했다. "중립적" 및 "비자발적" 그룹에서는 대부분의 선행 변수가 통계적 유의성을 잃었으며, 이는 내재적 동기가 도입 메커니즘을 변화시킨다는 것을 시사한다.

의의 및 주장
저자들은 임상 간호사의 GenAI 도입이 주로 인지된 유용성, 사용 용이성, 신뢰에 의해 주도되는 동시에 인지된 위험에 의해 저해되는 다면적인 과정이라고 주장한다. 본 연구는 성공적인 통합을 위해서는 단순한 교육을 넘어, 안전 문제를 적극적으로 해결하고 조직적 신뢰를 구축하는 전략이 필요하다고 상정한다.

본 논문은 의도를 실제 실무로 전환하기 위해서는 조직적 지원(촉진 조건)이 필수적임을 강조한다. 또한, 저자들은 "일률적인(one-size-fits-all)" 접근 방식은 불충분하며, 구현 전략은 고령층을 위한 위험 관리 우선순위 설정이나 젊은 층을 위한 인지된 가치 증진과 같이 특정 하위 집단에 맞춤화되어야 한다고 주장한다.

한계점
저자들은 다음과 같은 몇 가지 한계점을 겸허히 인정하였다:

• 인과관계: 교차 단선 설계로 인해 인과적 추론이 불가능하다.
• 표집: 편의 추출법의 사용은 선택 편향을 유발할 수 있으며, 이는 AI에 대한 사전 관심이 있는 간호사를 과다 대표할 가능성이 있다.
• 자기 보고: 데이터가 자기 보고 방식에 의존하므로, 완화 노력에도 불구하고 공통 방법 편향(common method bias)이 발생할 수 있다.
• 일반화 가능성: 본 연구는 단일 국가(중국) 내에서 수행되었으므로, 다른 의료 체계에 대한 결과의 적용 가능성이 제한될 수 있다.

본 논문은 인과 관계와 시간 경과에 따른 AI 도입의 진화를 더 잘 이해하기 위해 종단적 연구가 필요함을 제언하며 결론을 맺는다.