Artificial Intelligence, Cognitive Abundance, and the Multi-Layered Competence of Health Professionals
🧠 AI가 만든 "인지적 풍요"의 시대, 의사의 역량은 어떻게 달라질까? Pusic & ten Cate의 다층 역량 모델로 읽기
📄 Pusic MV, ten Cate O. Artificial Intelligence, Cognitive Abundance, and the Multi-Layered Competence of Health Professionals. Journal of Continuing Education in the Health Professions. 2026;46(3):153–159. doi:10.1097/CEH.0000000000000656 (CC BY-NC-ND 오픈 액세스)
안녕하세요! 앞에서 AAMC 기초역량과 Macy 재단 AI 권고안을 소개했는데, 오늘은 그 흐름을 이어서 조금 더 개념적인 논문을 하나 읽어 볼게요. 하버드의대의 Martin Pusic과 EPA 개념을 만든 위트레흐트의 Olle ten Cate가 함께 쓴 글이에요.
이 논문은 새로운 데이터를 제시하는 연구 논문이 아니라, 평생교육(CPD, Continuing Professional Development) 관점에서 AI가 의사의 역량 자체를 어떻게 바꾸는지 따져 보는 개념 논문이에요.
한 줄로 줄이면 이래요. "의사가 늘 시간과 정보에 쫓기던 '인지적 희소성'의 시대가 끝나고, AI 덕분에 '인지적 풍요'의 시대가 오고 있다. 그러면 역량의 세 층위가 모두 달라진다."
📌 1. 인지적 희소성에서 인지적 풍요로
⏳ 인지적 희소성 (cognitive scarcity)
이 용어는 행동경제학자 Mullainathan과 심리학자 Shafir가 2013년 『결핍의 경제학(Scarcity)』에서 처음 썼어요. 원래는 돈, 시간, 수면 같은 자원이 부족할 때 사람의 마음이 그 부족함에 사로잡히는 상태를 말해요.
저자들은 의사들이 겪는 희소성이 좀 특별하다고 봐요. 최신 연구를 따라가고, 진료를 깊이 성찰하고, 최선의 진료를 할 시간과 역량이 늘 부족하다는 거죠. 그래서 기존 CPD는 이 병목에 맞춰 설계됐어요. 정리된 업데이트, 모듈식 CME, 가끔 하는 시뮬레이션 같은 것들이요.
인지가 가용성 면에서 제한적이었기 때문에, 학습은 특정 시간과 장소로 제한될 필요가 있었다. AI의 부상은 이 지형을 근본적으로 바꾸어, CPD의 조건을 인지적 희소성을 헤쳐 나가는 것에서 풍요를 운용하는 것으로 전환시킨다.
"Learning needed to be constrained to specific times and places because cognition was limited in availability. The rise of AI changes this landscape fundamentally, shifting the conditions of CPD from those of navigating cognitive scarcity to instead marshalling abundance."
🌊 인지적 풍요 (cognitive abundance)
저자들은 이 개념이 아직 학계에서 정립된 구성개념은 아니라고 솔직하게 밝혀요. 분산인지(distributed cognition), 디지털 증강, AI 연구가 만나는 지점에서 나온 개념이라는 거예요.
논문의 용어집(Table 1) 정의는 이래요.
인지적 풍요란 AI 기반 시스템을 통해 분석적, 생성적, 해석적 인지 자원을 쉽게 이용할 수 있어서, 개인과 팀이 개인의 인간적 한계를 넘어 종합된 지식, 피드백, 성찰적 통찰에 접근할 수 있는 상태다.
"A condition in which analytic, generative, and interpretive cognitive resources are readily available through AI-enabled systems, enabling individuals and teams to access synthesized knowledge, feedback, and reflective insight beyond individual human limits"
여기서 오해하기 쉬운 점이 있어요. 정보 과부하(information overload) 와는 다르다는 거예요. 정보 과부하는 걸러지지 않은 정보가 너무 많아서 판단력이 흐려지는 상태죠. 인지적 풍요는 오히려 해석 가능하고 실행 가능한 인지적 지원이 있어서 부담을 줄여 주는 상태를 말해요.
그리고 저자들은 이 점도 분명히 해요.
중요한 것은, 인지적 풍요가 인지적 노력이나 판단이 없어도 된다는 뜻이 아니라는 점이다. 오히려 이는 인지가 생산되고, 공유되고, 관리되는 방식의 근본적 변화를 뜻하며, 단순한 효율성 향상을 넘어 전문가의 역량, 책임, 학습에 함의를 갖는다.
"Importantly, cognitive abundance does not imply the absence of cognitive effort or judgment; rather, it denotes a fundamental change in how cognition is produced, shared, and governed, with implications for professional competence, responsibility, and learning that extend beyond mere efficiency gains."
🧩 2. 분석 틀: ten Cate의 다층 역량 모델
저자들이 이 논문에서 던지는 핵심 질문은 이거예요.
의사가 더 이상 생의학 정보의 유일한 처리자가 아니고, 유일한 보유자는 더더욱 아니게 될 때, 역량은 어떻게 이해되고 길러져야 하는가?
"how should competence be understood and cultivated when clinicians are no longer the sole processors, let alone possessors, of biomedical information?"
이 질문에 답하려고 ten Cate 등이 2024년 Medical Education에 발표한 다층 역량 모델(multilayered model of competence) 을 사용해요. 세 층위로 이뤄져 있어요.
| 층위 | 내용 |
| 🏛️ 정전적 역량 (canonical competence) | 확립된 기초 생의학 지식과 기술. "모두가 알아야 하는 것(that all should know)" |
| 🏥 맥락적 역량 (contextual competence) | 복잡한 임상 시스템과 다양한 맥락 안에서 그 기초를 효과적으로 적용하는 능력 |
| 🙋 개인화된 역량 (personalized competence) | 개인의 가치, 개인 정체성과 통합된 전문직 정체성, 자기 발달을 결정하는 성찰 능력, 고유한 개인 스타일 |
※ canonical competence는 아직 합의된 번역어가 없는 것 같아서, 이 글에서는 "정전적 역량"으로 옮겼어요.
저자들의 기본 주장은 이래요. AI는 세 층위를 모두 강화하지만, 동시에 배우고, 추론하고, 전문가로 성장한다는 것의 의미 자체를 바꾼다. 그리고 층위마다 AI의 영향을 두 수준으로 나눠 봐요. 하나는 기존 교육을 더 잘하게 만드는 점진적 개선이고, 다른 하나는 인지적 풍요가 가져오는 근본적 전환이에요. 이 구분을 기억하면서 층위별로 볼게요.
🏛️ 3. 정전적 역량: "무엇을 아는가"에서 "지식 시스템과 어떻게 일하는가"로
점진적 개선
AI는 기초지식과 기술을 배우는 과정을 여러모로 돕고 있어요.
- 학습자의 오개념을 찾아내고 수행 패턴에 맞춰 내용을 조정하는 개인화 튜터링
- 같은 개념을 비유, 단계별 추론, 관련 질환과의 대비 등 여러 방식으로 설명해 주는 LLM
- 새 문항을 대량으로 만들어 지식 영역을 더 넓게 표집하는 적응형 평가(adaptive testing)
- 시뮬레이션에서 손 움직임, 프로브 위치, 자세를 실시간으로 분석하는 컴퓨터 비전. 예를 들어 삽관할 때 회전이 부족하다거나 초음파 압력이 일정하지 않다는 식의 미세한 경향까지 잡아내요.
그런데 저자들은 이건 "점진적 진화(incremental evolution)" 일 뿐이라고 해요.
근본적 전환
진짜 변화는 따로 있어요. AI가 근거를 즉시 찾아서 종합하고 설명해 준다면, 숙달은 더 이상 정보를 가지고 있는 것으로 정의되지 않아요. 의사의 인식론적 역할(epistemic role) 이 탐색, 검증, 해석으로 옮겨 간다는 거예요.
따라서 인지적 풍요는 정전적 역량을 "의사가 무엇을 알아야 하는가"에서 "의사가 지식 시스템과 어떻게 일하는가"까지 포함하도록 확장한다.
"Cognitive abundance therefore expands canonical competence from 'what clinicians must know' to include 'how clinicians work with knowledge systems.'"
구체적으로는 AI에게 어떤 질문을 던질지, 인용의 질을 어떻게 평가할지, 대안 진단을 어떻게 캐물을지, 모델의 답을 지역 프로토콜과 어떻게 맞출지 아는 능력이에요. 저자들은 이 변화를 근거중심의학(EBM)이 처음 등장했을 때의 변화에 견주면서도, 속도와 규모는 훨씬 크다고 봐요.
또 하나 중요한 점이 있어요. AI가 새로운 임상시험, 진료지침, 메타분석을 자동으로 반영하면 정전적 역량의 정의 자체가 고정된 것에서 계속 갱신되는 것으로 바뀐다는 거예요.
이런 환경에서 역량은 인식론적 겸손, 즉 지식이 역동적이며 신중한 해석이 필요한 복잡한 시스템을 통해 매개된다는 인식을 수반한다.
"In this environment, competence entails epistemic humility, awareness that knowledge is dynamic, and mediated through complex systems requiring careful interpretation."
인식론적 겸손(epistemic humility), 이 논문의 핵심 키워드 중 하나예요.
🏥 4. 맥락적 역량: 암묵적인 것이 보이기 시작한다
맥락적 역량은 상황 인식, 우선순위 판단, 적응력, 의사소통, 팀워크처럼 실제 임상 현장의 복잡성 안에서 지식과 기술을 쓰는 능력이에요. 전통적으로는 회진 중에 불문율을 익히고, 응급상황에서 어떤 신호가 중요한지 체득하는 식의 경험 학습과 암묵적 문화화(tacit enculturation) 로 길러졌죠. 강력한 방식이지만 느리고, 고르지 않고, 우연한 노출에 크게 의존한다는 한계가 있었어요.
점진적 개선
- 지역 프로토콜, 항생제 내성 현황, 인력 배치, 자원 제약을 반영한 맥락 인식 의사결정 지원
- 활력징후나 검사 결과의 미세한 변화로 상태 악화를 조기 예측하는 분석
- 전자의무기록에서 특정 행동을 하면 패혈증 번들이나 항응고 지침을 띄워 주는 업무 흐름 통합형 마이크로러닝
- 해당 기관의 흔한 동반질환, 합병증, 대응 시간, 자원 제약을 반영한 지역 맞춤형 시뮬레이션
근본적 전환
인지적 풍요 속에서는 맥락적 역량이 더 이상 "우연히 본 것"이나 "몇 안 되는 지도교수의 피드백" 에 묶이지 않아요. 기록 분석으로 추론 패턴을 보고, 의사소통 분석으로 말 끊기나 망설임, 전문용어 사용을 확인하고, 팀 매핑으로 누가 논의에 참여하고 누가 체계적으로 배제되는지까지 볼 수 있다는 거예요.
특히 인간-AI 혼합 팀(hybrid human–AI team) 이라는 새로운 역학이 생겨요.
이는 새로운 형태의 조정을 요구한다. 누가 어떤 경보를 모니터링할지 정하고, 임상가의 판단과 모델 출력이 불일치할 때 어떻게 해결할지 명확히 하며, 팀 안에서 주의가 형평하게 배분되도록 하는 것이다. 좋은 팀원이 된다는 것은 이제 AI가 매개하거나 영향을 미치는 조정에 능숙하다는 것을 포함한다.
"This requires new forms of coordination: deciding who monitors which alerts, clarifying how disagreements between clinician judgment and model output are resolved, and ensuring equitable distribution of attention within the team. Being a good team member now includes fluency in AI-mediated/influenced coordination."
저자들은 이 층위의 변화를 이렇게 정리해요.
이러한 가시성은 맥락적 역량을 암묵적이고 경험적인 것에서 명시적이고 데이터 성찰적인 것으로 바꾼다. 우리는 이전에 볼 수 없었던 것을 보게 되고, 그것이 개선의 대상이 될 수 있게 된다.
"This visibility transforms contextual competence from tacit and experiential to explicit and data-reflexive. We see what we previously could not, allowing it to become a target for improvement."
🙋 5. 개인화된 역량: 좋은 의사에서 훌륭한 의사로
제가 가장 흥미롭게 읽은 부분이에요. 개인화된 역량은 가치, 대인관계 스타일, 성찰 능력, 웰빙, 정서적 안정, 전문직 정체성(professional identity) 을 포함해요. 세 층위 중에서 측정하고, 가르치고, 체계적으로 기르기가 가장 어려운 영역이죠. 그리고 무엇보다 이 층위는 전문가마다 정당하게 다를 수 있다는 특징이 있어요.
가장 중요한 것은, 이 역량이 전문가들 사이의 정당한 차이와 어떤 표준화된 평가로도 포착되지 않는 고유성을 함축한다는 점이다.
"Most importantly, it implies legitimate differences between professionals and a uniqueness that evades any standard assessment."
그리고 저자들은 이런 질문을 던져요.
AI는 어떻게 좋은 의사가 훌륭한 의사가 되도록 도울 수 있을까?
"How can AI support a good doctor to become a great doctor?"
AI가 할 수 있는 일
- 💬 의사소통 분석: 진료 대화의 어조, 명확성, 말 끊기, 공감적 언어를 분석해요. 저자들은 이렇게 하면 대인관계 스타일이 "암묵적 특성에서 코칭 가능한 미시행동들(coachable microbehaviors)" 로 바뀐다고 봐요.
- 📓 성찰 지원: AI 저널링, 서사의학 보조도구, 성찰 동반자(reflective companions) 가 숙련된 멘토처럼 "어떤 가정이 당신의 반응에 영향을 주었나요?" 같은 질문을 던져 줄 수 있어요. 시간 제약도 없고요.
- 🔋 웰빙 분석: 기록 시간대, 받은편지함 부담, 미확인 결과 누적 같은 지표로 번아웃의 초기 신호를 알려 줄 수 있어요.
이런 데이터가 계속 쌓이면 정체성 형성이 가속될 수 있다고 저자들은 봐요. 어려운 대화에서 망설이는 경향이나 팀 회의에서 무심코 대화를 독점하는 습관처럼, 예전 같으면 몇 년 동안 모르고 지나갔을 모습을 발견할 수 있으니까요.
그래도 인간 멘토는 대체할 수 없다
저자들은 이 점에서는 분명한 입장이에요.
AI는 인간 멘토를 대체할 수 없다. 그들의 삶에서 우러난 지혜와 도덕적 안내는 여전히 대체 불가능하다. 하지만 AI는 24시간 피드백을 제공하고, 종단적 수행 데이터를 종합하며, 인간 관찰자가 놓칠 수 있는 강점과 기회를 찾도록 도움으로써 멘토링을 증강할 수 있다.
"AI cannot replace human mentors, whose lived wisdom and moral guidance remain irreplaceable. But AI can augment mentorship by offering 24/7 feedback, synthesizing longitudinal performance data, and helping clinicians identify strengths and opportunities that human observers might overlook."
⚠️ 윤리적 복잡성
물론 개인 데이터가 이렇게 세밀해지면 위험도 커져요. 지나친 자기비판, 알고리즘의 인정에 대한 과의존, 프라이버시 침해 같은 것들이요. 그래서 저자들은 메타기술(meta-skills) 이 필요하다고 해요. 자기 데이터와의 관계를 관리하고, 피드백을 분별력 있게 해석하고, 알고리즘의 통찰 속에서도 자율성과 인간다움을 지키는 능력이에요.
그리고 가장 근본적인 질문을 남겨요.
AI가 생성한 피드백은 인간 피드백에서 개인적 관계가 일으키는 왜곡을 없앨 수 있고 비공개로 유지될 수도 있지만,
중요한 윤리적 질문 하나는 이것이다. 이 믿을 수 없을 만큼 개인화된 데이터에 누가 접근하는가?
"Although feedback produced by AI can remove distortions caused by personal relationships in human feedback, and can remain private, one important ethical question is: who has access to the incredibly personalized data?"
📊 6. 한눈에 보기: CPD 시스템은 어떻게 달라지나?
논문의 Table 4가 이 논의를 잘 정리하고 있어서 옮겨 볼게요. 저는 특히 오른쪽 "주의할 점" 칸이 이 표에서 가장 가치 있다고 생각해요.
| 교육 기능 | 인지적 희소성 | 인지적 풍요 | ⚠️ 주의할 점 |
| 교육과정 | 고정된 내용, 느린 개정 | AI 근거 흐름과 연동되어 계속 갱신되는 자료 | 저품질 종합("AI 찌꺼기(AI dross)")의 유입, 합의된 전문 기준의 약화 |
| 평가 | 간헐적 시험, 좁은 수행 표집 | AI 시뮬레이션, 적응형 평가, 실제 수행 분석을 통한 지속 평가 | 대리 지표 과의존, AI 채점의 불투명성, 측정된 수행과 전문직 가치의 불일치 |
| 피드백 | 간헐적 지도교수 피드백 | 추론, 기록, 소통, 팀워크에 대한 실시간 비판단적 피드백 | 과잉 감시, 인지 과부하, 자동 피드백이 성찰적 판단과 인간 코칭을 밀어낼 위험 |
| 학습자 지원 | 멘토 접근성의 편차 | 확장 가능한 AI 코칭, 성찰 동반자, 멘토 매칭 | 인간 멘토링의 증강이 아닌 대체, 몰개인화된 안내 |
| 작업장 학습 | 학습이 산발적으로만 포착됨 | 업무 흐름, 성과, 팀 역학 패턴을 행위 중 성찰에 활용 | 감시 우려, 학습문화 위축, 분석 결과의 인사평가 오용 |
| 전문직 정체성 | 멘토링과 서사적 경험으로 천천히 형성 | 가치와 소통에 대한 멀티모달 통찰로 정체성 형성 가속 | 정체성의 파편화 또는 평준화, 모델이 선호하는 행동으로의 과최적화 |
| 발달 주기 | 발달상 도약 사이에 수년 | 빈번한 발달적 성장 | 공고화 없는 가속, 윤리적 성찰과 의미 형성을 위한 시간 부족 |
🎯 7. CPD에 주는 다섯 가지 함의
저자들은 CPD가 더 이상 주기적 업데이트, 고정된 교육과정, 간헐적 평가를 중심으로 짜여서는 안 된다고 하면서 다섯 가지 방향을 제시해요.
- ① AI 리터러시(AI literacy)를 기초 전문 기술로 📚
- LLM, 예측 알고리즘, 멀티모달 시스템이 어떻게 작동하는지, 그리고 한계, 불확실성, 실패 양상(failure modes) 까지 이해해야 해요. 모델을 효과적으로 캐묻고, 근거를 검증하고, 환각을 알아보는 능력이 여기에 들어가요.
- ② 혼합 의사결정(hybrid decision making) 준비 🤝
- 결정은 이제 의사 혼자의 인지가 아니라 인간의 판단, 환자 가치, 조직 제약, 모델의 통찰이 상호작용해서 나와요. 그래서 불일치 협상(disagreement negotiation), 즉 AI가 내 판단과 다를 때 어떻게 대응할지, 그리고 상위 보고 경로 같은 메타역량이 필요하다고 해요.
- ③ AI 사용에 대한 다직종 정합성(interprofessional coherence) 🩺
- 위험 점수나 예측 같은 AI 신호는 팀 전체가 공유하는 정보예요. 그래서 간호사, 의사, 약사 등이 AI 도구에 대해 공유된 정신모형(shared mental models) 을 갖춰야 AI가 팀을 쪼개지 않고 오히려 강화할 수 있어요.
- ④ 개인 분석 데이터에 대한 성찰적·윤리적 태도 🪞
- CPD는 의사가 이런 정보를 건설적으로 해석하고, 알고리즘의 판단에 과하게 의존하지 않고, 자율성과 도덕적 행위주체성(moral agency) 을 지키도록 도와야 해요. 이를 위해 구조화된 성찰, 동료 토론, 교수 멘토링은 여전히 중요하다고 해요.
인지적 풍요는 피드백의 풍요도 뜻한다.
"Cognitive abundance also means feedback abundance."
- ⑤ CPD 시스템 자체의 재설계 🔧
AI는 이러한 전환을 가능하게 한다. CPD는 그것을 일관되고, 안전하며, 교육적으로 타당하게 만들어야 한다.
"AI makes these transformations possible; CPD must make them coherent, safe, and educationally sound."
- 그리고 심사위원의 지적을 받아들여 이런 단서도 달았어요.
AI가 임상 판단에 점점 더 참여할수록, CPD는 임상가의 도덕적 행위주체성을 강화하는 데 훨씬 더 중요한 역할을 한다.
"Indeed, as AI increasingly participates in clinical judgments, CPD has an even more important role in reinforcing the moral agency of clinicians."
✅ 8. 결론: AI에 가려지지 않고, AI로 강해지는 의사
저자들은 초록에서 꽤 대담한 예측을 해요.
의사의 장기기억 내용은 일상 진료를 이끄는 데 필요한 생의학적 사실이 주를 이루던 것에서, 임상적 의사결정을 위한 정보를 찾고, 선택하고, 그 타당성을 평가하는 데 필요한 새로운 절차적 탐구 기술로 옮겨 갈 것이다.
"The contents of long-term memory of clinicians will shift from a predominance of biomedical facts needed to steer daily clinical work, to new procedural inquiry skills needed to find, select, and evaluate the validity of information for clinical decision making."
그리고 AI 시대 역량을 이렇게 정의해요.
궁극적으로, AI 시대의 역량은 단지 의사가 무엇을 아는지, 또는 개별 과제를 어떻게 수행하는지의 문제가 아니다. 그것은 분산된 인지 시스템 안에서 현명하게 일하는 능력이다. 풍부한 정보와 인간의 통찰을 균형 있게 다루고, 알고리즘의 예측을 맥락의 미묘함과 통합하며, 멀티모달 데이터의 지원을 받아 지속적으로 성찰하는 능력이다.
"Ultimately, competence in the era of AI is not merely a function of what clinicians know or how they perform discrete tasks. It is the capacity to work wisely within distributed cognitive systems, balancing abundant information with human insight, integrating algorithmic predictions with contextual nuance, and engaging in continuous reflection supported by multimodal data."
마지막 문장도 옮겨 둘게요.
전문가 역량의 미래는 이 종합에 있다. AI에 가려지지 않고 AI로 강해지는 의사, 알고리즘에 의존하지 않고 알고리즘과의 사려 깊은 협력을 통해 힘을 얻는 의사다.
"The future of professional competence lies in this synthesis: a clinician who is not overshadowed by AI, but strengthened by it; not dependent on algorithms, but empowered through thoughtful partnership with them."
저자들은 이런 과정이 의사를 매슬로우의 표현처럼 "미지의 것에 비교적 겁먹지 않는(relatively unfrightened by the unknown)" 성숙한 임상가로 키울 수 있다고 기대해요.
💡 9. 읽으며 든 생각과 비판적으로 읽을 지점
마지막으로 제 생각을 덧붙일게요. 어디까지나 제 해석이에요.
- ① 개념 논문이라는 점을 감안하기 🧐
- 이 논문은 경험적 연구가 아니라 방향을 제시하는 글이에요. 저자들 스스로 "인지적 풍요"가 아직 정립된 구성개념이 아니라고 밝히고 있고요. 본문에서 소개한 AI의 가능성 중 상당수, 예컨대 성찰 동반자, 웰빙 분석, 팀 매핑은 아직 효과가 충분히 검증되지 않은 전망에 가까워요. 참고로 저자들은 ChatGPT를 표 초안, 문장 다듬기, 구조 정리에 썼다고 투명하게 밝혔어요.
- ② 장기기억이 정말 덜 중요해질까? 🤔
- 저는 이 부분이 가장 논쟁적이라고 봐요. 전문성 연구와 인지부하 이론은 대체로 장기기억 속 조직된 지식이 있어야 새로운 정보를 판단하고 활용할 수 있다고 보거든요. AI 답의 타당성을 평가하려면 결국 탄탄한 기초지식이 필요하다는 반론이 가능하죠. 앞서 소개한 Macy 재단 권고안도 기초과학 지식과 임상추론의 유지를 따로 강조했어요. 저자들도 인식론적 겸손과 검증 능력을 강조하니 완전히 반대 입장은 아니지만, "무엇을 머리에 남겨야 하는가"는 앞으로 경험 연구가 꼭 필요한 질문 같아요.
- ③ 개인화된 역량과 감시의 긴장 👁️
- 개인화된 역량은 원래 "전문가마다 정당하게 다를 수 있는" 영역인데, 이걸 데이터로 계속 들여다보면 모델이 선호하는 행동으로 평준화될 위험이 있어요. 저자들도 Table 4에서 이 점을 짚었죠. 전문직 정체성 형성(PIF)을 연구하는 입장에서 보면, AI 피드백이 정체성 형성을 돕는 도구로 남으려면 데이터 접근 권한과 사용 목적에 대한 명확한 원칙이 먼저 있어야 한다고 생각해요.
- ④ 앞의 두 글과 이어서 보기 🔗
- AAMC 기초역량은 "무엇을 갖춰야 하나"를 목록으로 제시했고, Macy 권고안은 "기관과 제도가 무엇을 해야 하나"를 다뤘어요. 이 논문은 한 걸음 물러서서 "역량이라는 개념 자체가 어떻게 바뀌나" 를 묻고 있어요. 세 글을 함께 읽으면 역량 목록, 제도 설계, 개념적 토대를 한꺼번에 볼 수 있어서 교육과정 개편이나 평생교육 설계를 고민하는 분들께 도움이 될 것 같아요.
📝 정리하며
- Pusic과 ten Cate는 AI가 CPD의 전제를 인지적 희소성에서 인지적 풍요로 바꾸고 있다고 주장해요.
- ten Cate의 다층 역량 모델(정전적, 맥락적, 개인화된 역량)로 분석하면, AI는 세 층위를 모두 강화하면서 동시에 그 의미를 바꿔요.
- 정전적 역량: "무엇을 아는가"에서 "지식 시스템과 어떻게 일하는가"로. 핵심은 인식론적 겸손과 검증 능력이에요.
- 맥락적 역량: 암묵적이고 경험적인 것에서 명시적이고 데이터 성찰적인 것으로. 인간-AI 혼합 팀에서 일하는 능력이 필요해요.
- 개인화된 역량: 코칭 가능한 미시행동과 AI 성찰 지원으로 성장이 빨라질 수 있지만, 감시, 평준화, 데이터 접근 문제가 따라와요.
- CPD는 AI 리터러시, 혼합 의사결정, 다직종 정합성, 개인 데이터에 대한 성찰적 태도, 시스템 재설계를 준비해야 해요.
함께 읽으면 좋은 글로는 이 논문의 분석 틀인 ten Cate 등(2024), "Medical competence as a multilayered construct"(Med Educ 58:93–104) 를 추천해요. 📎
보건의료인의 전문직업적 발달은 오랫동안 인지적 희소성의 제약을 받아 왔다. 이 용어는 행동경제학자 멀레이너선(Mullainathan)과 심리학자 샤피르(Shafir)가 2013년에 처음 제시한 것으로, 삶을 개선하는 데 필요한 자원이 부족하다는 걱정에 사로잡힌 사고방식을 나타낸다.1 이러한 제약은 돈, 시간, 음식, 수면, 사회적 지지 등 여러 모습으로 나타날 수 있지만, 많은 임상의는 연구의 최신 동향을 따라가고 진료를 깊이 성찰하며 최적의 진료를 제공하는 데 필요한 개인적 시간과 능력이 제한되는, 특정한 형태의 인지적 희소성을 경험해 왔다. 계속전문직업개발(CPD)의 구조는 이러한 병목을 수용하고 해결하도록 설계되었다. 여기에는 선별·정리된 최신 정보, 모듈형 평생의학교육(continuing medical education, CME) 활동, 간헐적 시뮬레이션이 포함된다. 활용 가능한 인지 자원이 제한되어 있었으므로 학습은 특정 시간과 장소로 한정될 수밖에 없었다. AI의 부상은 이러한 지형을 근본적으로 변화시켜 CPD의 조건을 인지적 희소성을 헤쳐 나가는 데서 인지적 풍요를 조직하고 활용하는 것으로 바꾼다.
인지적 풍요는 아직 동료심사 문헌에서 공식적으로 정립된 구성개념(construct)은 아니지만, 분산 인지, 디지털 증강(digital augmentation), 인공지능에 관한 연구의 교차점에서 자연스럽게 등장한다(표 1). 디지털 기술을 통해 활용되지 않던 인간의 인지 능력이 해방된다는 인지적 잉여(cognitive surplus) 개념2과 보건의료 및 교육에서 AI 매개 의사결정 지원(AI-mediated decision support)에 관한 연구3,4를 토대로, 인지적 풍요는 인지 자원에 대한 접근이 더 이상 인간의 한계에 의해 엄격하게 제약되지 않는 상태를 이해하는 틀로 볼 수 있다.
- 인지적 풍요가 특징인 업무 환경에서 임상의는 방대한 문헌을 즉시 종합하고, 수행 데이터에 잠재된 패턴을 드러내며, 지속적인 성찰을 지원하는 AI 시스템을 일상적으로 활용할 수 있다. 이에 따라 인지는 개인이 희소성의 제약 속에서 수행하는 활동에서, 진료와 개인적 발달 모두에 활용되는 시스템 수준의 분산된 능력으로 이동한다.5
- 이러한 틀은 걸러지지 않은 입력이 과도하여 인간의 주의와 의사결정에 부담을 주는 정보 과부하(information overload)와 구별된다. 오히려 인지적 풍요는 해석할 수 있고 행동으로 옮길 수 있는 인지적 지원을 이용할 수 있어 인지 부담을 가중하기보다 줄일 수 있는 상태를 가리킨다.6
- 인지적 풍요가 인지적 노력이나 판단의 부재를 뜻하는 것은 아니다. 이는 인지가 생산·공유·관리되는 방식의 근본적인 변화를 뜻하며, 단순한 효율 향상을 넘어 전문직 역량, 책임, 학습에 영향을 미친다.
AI가 가져온 변화는 CPD에 핵심 질문을 제기한다. 임상의가 더 이상 생의학적 정보의 유일한 처리자는 물론 유일한 보유자도 아닐 때, 역량을 어떻게 이해하고 함양해야 하는가? 저자들은 텐 카터 등이 2024년에 제안한 다층적 역량 모델(multilayered competency model)을 사용하여 가능한 함의를 논의한다.7 이 모델은 세 층으로 이루어진다.
- 정전적 역량(canonical competence)은 확립된 기초 생의학 지식과 기술적 술기, 곧 ‘모두가 알아야 하는 것’을 포괄한다.
- 맥락적 역량(contextual competence)은 임상 시스템의 복잡성과 다양한 맥락 속에서 수행하는 능력을 나타낸다.
- 개인화된 역량(personalized competence)에는 개인의 가치, 개인적 정체성과 융합된 전문직 정체성, 개인적 발달 방향을 결정하는 성찰 능력, 개인 특유의 스타일이 포함된다.
AI는 각 층을 강화하면서도 학습하고 추론하며 전문직으로 성장한다는 것의 의미를 다시 빚는다.
이제 막 시작된 전문직 역량의 학습·유지·확장에 관한 AI 혁명은 1990년대에 시작되어 관련 정보와 교육에 대한 보편적 접근, 학습분석 정보의 수집 등을 통해 CPD를 개선했던 인터넷 혁명 위에 구축된다.8,9 온라인 지식 종합은 관련 정보에 더 효율적으로 접근하게 했지만, AI는 정보 검색의 효율성을 높이는 데 그치지 않고 임상추론 지원을 포함한 인지적 처리 기능까지 더한다.8 표 2는 이러한 사고방식의 변화가 임상 역량의 다차원적 층위에 어떤 영향을 미치는지 개괄한다.
표 1. 주요 용어 해설 (Glossary of Key Terms)
| 용어 | 이 논문에서의 정의 |
| AI: 대규모 언어 모델(large language model, LLM) | 대규모 텍스트 말뭉치(corpus)로 학습하여 자연어를 생성·요약·해석하고 자연어에 관해 추론하는 인공지능 시스템의 한 부류. 설명, 종합, 문서 작성 지원, 대화형 상호작용에 흔히 사용된다. |
| AI: 다중양식 분석(multimodal analysis) | 텍스트, 이미지, 오디오, 비디오, 생리학적 신호, 구조화된 데이터 등 여러 데이터 양식을 통합·분석하여 어느 한 양식만으로는 얻을 수 없는 통찰을 만들어내는 인공지능 접근법. |
| 인지적 풍요(cognitive abundance) | AI 기반 시스템을 통해 분석·생성·해석을 위한 인지 자원을 손쉽게 이용할 수 있어 개인과 팀이 인간 개인의 한계를 넘어 종합된 지식, 피드백, 성찰적 통찰에 접근할 수 있는 상태. |
| 인지적 희소성(cognitive scarcity) | 시간, 주의, 전문성, 피드백, 분석 지원과 같은 인지 자원에 대한 접근이 제한되어 학습·성찰·의사결정의 질이 제약되는 상태. 최근까지 임상 교육과 진료의 특징이었다. |
| 분산 인지(distributed cognition) | 인지 과정이 개인의 마음에 국한되지 않고 사람, 도구, 기술, 환경에 분산되어 있다는 이론적 관점. 임상 환경에서는 임상의, 인공물(artifacts), 의사결정 지원 시스템의 상호작용에서 추론이 나타난다. |
| 정보 과부하(information overload) | 들어오는 정보의 양이나 복잡성이 개인의 효과적인 처리 능력을 넘어서 판단 저하, 인지적 부담 증가, 최적에 못 미치는 의사결정을 초래하는 상태. |
| 다층적 역량(multi-layered competence) | 서로 의존하는 세 층으로 구성된 전문직 역량의 개념 모델. 정전적 역량(기초 지식과 기술적 술기), 맥락적 역량(특정 임상·조직·팀 맥락에서 그 토대를 효과적으로 적용하는 능력), 개인화된 역량(임상의가 자신의 역할을 고유하게 수행할 때 나타나는 가치, 전문직 정체성, 성찰 능력, 대인관계 특성)으로 이루어진다. |
인지적 풍요 속의 정전적 역량 (Canonical Competence Under Cognitive Abundance)
정전적 역량은 안전하고 효과적인 진료를 뒷받침하는 기초 지식과 기술적 술기를 뜻한다. 텐 카터 등의 다층적 모델에서 이 층은 맥락과 무관한 생의학, 생리학, 약리학, 진단 도식(diagnostic schema), 전문직업성(professionalism), 기술적 수행을 포괄한다. 역사적으로 정전적 역량은 구조화된 교육과정, 전문의 자격시험(board examinations), 술기 훈련, 개별적인 독서를 통해 주로 형성되었다. 이는 희소성으로 규정된 인지 경제를 반영하는 활동이다. 임상의는 읽을 시간이 있는 만큼만 숙달할 수 있었고, 평가는 계속 커지는 전체 지식 영역에서 점점 더 집중된 일부를 표집했으며, 술기의 발달은 인간 교육자, 증례 경험, 고정된 시뮬레이션에 크게 의존했다. 최근까지 진료 현장에 그러한 지식을 가져오는 주체는 임상의뿐이었다.
인공지능은 정전적 정보의 범위, 접근성, 적응성을 확대함으로써 이 지형을 변화시킨다.10,11 AI 기반 학습 환경은 핵심 기초과학의 개인별 보충 학습을 제공하고, 특정 오개념을 찾아내며, 학습자의 변화하는 수행 양상에 따라 내용을 맞춤형으로 전달할 수 있다. 대규모 언어 모델은 같은 개념을 비유, 단계별 추론, 관련 병리와의 대조 등 여러 방식으로 설명할 수 있다. 이는 인간 교사의 반응성을 닮았지만 언제든 이용할 수 있다. 평가에서는 적응형 검사 시스템(adaptive testing systems)이 새로운 문항을 대규모로 생성하여 지식 영역의 표집 범위를 넓히고 학습 결손을 더 정확하게 진단할 수 있게 한다.
AI는 정전적 역량의 술기 및 기술 측면도 강화한다. 시뮬레이션 실습실의 컴퓨터 비전 시스템(computer vision systems)은 손의 움직임, 탐촉자(probe)의 위치, 인체공학적 정렬(ergonomic alignment)을 실시간으로 평가하여 인간 관찰자가 신뢰성 있게 포착하기 어려운 세밀한 지표를 만든다.12,13 자동화된 오류 패턴 분석은 기관삽관 시 회전 부족이나 초음파 검사 시 일정하지 않은 압력처럼 미묘한 경향을 찾아내어 목표 지향적 연습을 안내할 수 있다. 이러한 시스템은 전문가 수준의 피드백에 대한 접근을 넓힌다.
그러나 이러한 개선은 정전적 역량 발달의 점진적 진화에 불과하다. 더 깊은 변화는 인지적 희소성에서 인지적 풍요로의 이동에서 나온다. AI 시스템이 생의학적 근거를 즉시 검색·종합·설명할 수 있을 때, 숙달은 더 이상 주로 정보를 소유하는 것으로 정의되지 않는다. 대신 임상의의 인식론적 역할(epistemic role)은 탐색, 검증, 해석으로 이동한다.
- AI 모델에 어떤 질문을 할지,
- 그 인용의 질을 어떻게 평가할지,
- 대안적 진단을 어떻게 탐색할지,
- 모델의 출력을 지역 진료지침과 어떻게 조화시킬지
- ...를 아는 것이 정전적 진료의 더 중심적인 구성요소가 된다.
따라서 인지적 풍요는 정전적 역량을 ‘임상의가 무엇을 알아야 하는가’에서 ‘임상의가 지식 시스템과 어떻게 협력하는가’까지 확장한다. 임상의는 AI 도구에서 설명 가능한 추론(explainable reasoning)을 이끌어내고, 환각(hallucinations)을 발견하고, 모델과 근거의 불확실성(model/evidence uncertainty)을 이해하며, 종합된 근거를 환자별 요인과 통합하는 데 능숙해져야 한다. 이는 근거중심진료(evidence-based practice)가 처음 등장했을 때와 같은 과거 의학의 변화를 닮았지만, 훨씬 빠르고 큰 규모로 일어난다.
마지막으로, 정전적 역량의 정의는 정적이고 주기적으로만 갱신되는 것에서 동적이고 지속적으로 새로워지는 것으로 바뀐다. AI 시스템이 새로운 임상시험, 진료지침, 메타분석을 자동으로 통합함에 따라 지식의 지형은 실시간으로 변한다. 인지적 풍요 속에서 진료하는 임상의는 이러한 변화를 포착하고 해석하며, 그 함의를 이해하고, 이에 맞게 진료를 조정할 준비가 되어 있어야 한다. 이런 환경에서 역량에는 인식론적 겸손(epistemic humility), 지식이 역동적이라는 인식, 신중한 해석이 필요한 복잡한 시스템을 통해 지식이 매개된다는 인식이 포함된다.
요약하면 AI는 정밀한 개인지도(precision tutoring), 평가 범위의 확대, 술기 피드백의 향상을 통해 정전적 역량의 습득을 강화한다. 동시에 임상의의 인식론적 역할을 종합된 근거의 검증 능력과 AI가 매개한 통찰을 책임 있게 통합하는 능력으로 이동시켜 정전적 역량이라는 개념 자체를 근본적으로 바꾼다.
| 1. 과거의 기본기: "얼마나 내 머릿속에 많이 담고 있는가?" (인지적 희소성 시대) 과거에는 의사가 기초 지식과 진료 기술(정전적 역량)을 갖추려면, 정해진 교육과정을 거치며 교과서를 읽고 외우고 시험을 봐야 했습니다. 사람이 학습할 수 있는 시간과 정보량에는 한계가 있기 때문에, 의사의 능력을 평가할 때는 방대한 의학 지식 중 '얼마나 많은 정보를 머릿속에 소유하고 있는지'가 중요했습니다. 2. AI가 가져온 1차적 변화: 학습과 훈련의 고도화 AI는 의사들이 이 기본기를 배우는 과정을 훨씬 쉽게 만들어 줍니다.
지식은 AI가 찾아주니, 의사의 역할은 '그 정보를 어떻게 다루고 검증할 것인가'로 바뀝니다.
결과적으로 AI 시대의 진정한 '의료 기본기'란, 지식을 무조건 암기하는 능력이 아니라 AI라는 강력한 도구를 비판적으로 검증하고 환자를 위해 책임감 있게 사용하는 능력으로 진화하고 있다는 것이 이 글의 핵심입니다. |
표 2. 역량의 세 층에서 나타나는 인지적 희소성과 인지적 풍요의 비교 (Cognitive Scarcity vs. Cognitive Abundance Across Three Layers of Competence)
| 역량의 층 | 기능 | 인지적 희소성 | 인지적 풍요 |
| 정전적 역량 | 위치(Location) | 편람과 학술지 출판물. 한계를 지닌 임상의의 마음. | AI를 통해 지식에 역동적으로 접근할 수 있다. 장기기억(long-term memory, LTM)에 저장하기보다 탐색, 질의, 검증, 종합을 강조한다. |
| 처리(Processing) | 일상 진료에 암기가 필수적이다. 학습은 텍스트 기반 자원에 한정되며, 근거는 대체로 당연한 것으로 받아들여지고, 갱신은 주기적으로 이루어진다. | 다중양식 자료(텍스트, 오디오, 비디오, 시뮬레이션), 실시간 근거 종합, 자동화된 개인지도가 이해와 학습을 지원한다. | |
| 평가(Evaluation) | 평가는 고정된 시험과 정적인 사례에 의존한다. | 대규모로 생성되는 적응형 평가, 목표 지향적 보충 교육이 이루어지고, AI가 오개념을 자동으로 식별한다. | |
| 맥락적 역량 | 위치(Location) | 숙련된 진료에 필요한 암묵지는 도제식 경험을 통해 천천히 학습된다. | 임상 진료(기록, 의사결정, 의사소통, 업무 흐름)에 대한 AI 생성 피드백이 지속적으로 제공되어 숙련도 향상을 앞당긴다. |
| 처리(Processing) | 지역적 직관이 진료를 이끌며, 암묵적·명시적 수행 피드백 정보가 제공된다. | 전역적·지역적 패턴 인식이 맥락에 민감한 의사결정을 뒷받침한다. | |
| 평가(Evaluation) | 팀에서의 기능은 비공식적으로 평가된다. 역량위원회(competency committees)에서 데이터가 적은 평가자 간 판단으로 타당성을 뒷받침한다. 기준 미달의 진료는 흔히 신호로 드러나지 않는다. | AI 기반 의사소통 및 업무 흐름 분석으로 팀 역동이 가시화된다. 전자 포트폴리오(ePortfolio) 데이터 종합은 총괄적 신뢰 부여(summative entrustment)와 진료 권한 부여(privileging)를 지원한다. | |
| 개인화된 역량 | 위치(Location) | 자기 이해는 환자와 협력자와의 상호작용, 간헐적인 멘토링에 의존한다. | 어조, 공감, 추론, 습관에 관한 다중양식 통찰을 활용한 AI 지원 성찰 실천이 발달을 촉진한다. |
| 처리(Process) | 시행착오를 통한 개인적 성장은 흔히 느리고, 경험에 의존하며, 고르지 않다. | 미세행동(microbehavior)에 대한 지속적인 통찰을 얻는다. AI에 근거한 의도적 연습(deliberate practice)은 개인 경험을 넘어설 수 있다. AI는 강점을 바탕으로 개인화된 발달 경로를 제안하고 지원할 수 있다. | |
| 평가(Evaluation) | 피드백은 거의 없다. 번아웃은 진행 후기에야 발견되고, 개인적 성장이 항상 식별되는 것은 아니다. | 환자보고결과지표(patient-reported outcome measures)와 다른 개인화된 지표를 더 잘 포착한다. 분석을 통해 웰빙 문제를 일찍 발견하고 개인화된 회복탄력성 지원을 제공한다. |
인지적 풍요 속의 맥락적 역량 (Contextual Competence Under Cognitive Abundance)
텐 카터 등의 다층적 모델에서 두 번째 층인 맥락적 역량은 임상 환경의 현실적 복잡성 속에서 지식과 기술을 효과적으로 적용하는 임상의의 능력에 관한 것이다.7 여기에는 상황인식(situational awareness), 우선순위 설정, 적응력, 의사소통, 팀워크, 그리고 자원 가용성, 환자 인구집단의 특성, 문화적 규범, 전문직 간 역동 등 특정 환경의 제약 속에서 기능하는 능력이 포함된다. 전통적으로 맥락적 역량은 경험학습(experiential learning)과 암묵적인 문화 습득(tacit enculturation)을 통해 서서히 발달한다. 임상의는 회진에서 문서화되지 않은 규범을 흡수하고, 긴급한 상황에서 어떤 단서가 중요한지 배우며, 관찰과 피드백을 통해 팀의 기대에 적응한다. 이러한 학습은 강력하지만 역사적으로 느리고, 고르지 않으며, 우연한 경험에 크게 좌우되었다.
인공지능은 이전에는 암묵적이었던 업무의 측면을 보이게 함으로써 맥락적 역량을 변화시킨다.
- 가장 기본적으로, 맥락 인식 의사결정 지원 시스템(context-aware decision support systems)은 지역 진료지침, 항균제 내성 양상, 인력 배치, 자원 제약을 통합한 권고를 제공한다.
- 예측 분석(predictive analytics)은 활력징후나 검사 결과의 미세한 변화를 통해 인간의 관찰로는 놓칠 수 있는 악화의 초기 징후를 찾아낸다.14
- 업무 흐름에 통합된 마이크로러닝(microlearning) 도구는 전자의무기록(electronic health record)에서 특정 행동을 계기로 패혈증 묶음 치료(sepsis bundles)나 항응고요법 지침을 상기시키는 등 필요한 내용을 임상의에게 실시간으로 전달할 수 있다.8
- 이러한 도구는 함께 인지 부담을 줄이고 상황인식을 높여 임상의가 주의를 더 효과적으로 집중할 수 있게 한다.15
AI는 지역 환경에 맞춘 고충실도 시뮬레이션(high-fidelity simulations)을 가능하게 함으로써 맥락적 역량을 더욱 지원한다. 전통적인 시뮬레이션이 일반적인 정전적 사례에 의존했다면, AI 기반 플랫폼은 지역 데이터, 즉 흔한 동반질환, 자주 발생하는 합병증, 전형적인 대응 시간, 자원 제약에 따라 시나리오를 역동적으로 조정할 수 있다. 임상의는 드문 응급상황뿐 아니라 분절된 시스템 전반에서 진료를 조정하거나 어려운 진단적 불확실성을 전달하는 등 일상적 과제의 복잡한 시나리오도 자신의 실제 진료 환경을 닮은 곳에서 연습할 수 있다. 이러한 형태의 연습은 맥락에 민감한 기술의 습득을 앞당긴다.16
그러나 맥락적 역량의 가장 깊은 변화는 아마도 인지적 희소성에서 인지적 풍요로의 전환에서 나온다. 표 3은 인지적 풍요의 환경에서 임상 업무가 어떻게 달라질 수 있는지 설명한다.
표 3. 인지적 풍요와 변화하는 임상 업무의 성격 (Cognitive Abundance and the Changing Nature of Clinical Work)
| 영역 | 인지적 희소성 | 인지적 풍요 |
| 지식 업무(Knowledge work) | 독서에 기반하고, 시간 제약을 받으며, 의사 중심으로 지식을 습득한다. | AI가 근거를 지속적으로 종합한다. 임상의는 역동적인 지식 흐름을 조정하고 검증한다. |
| 의사결정(Decision making) | 개인의 경험, 기억, 지역적 경험칙(heuristics)에 의존한다. | 예측 모델, 맥락 인식 임상의사결정지원시스템(clinical decision support systems), 여러 출처의 패턴 인식이 지원한다. |
| 문서화와 의사소통(Documentation & communication) | 수작업으로 이루어지고 질이 일정하지 않으며, 성찰이 부족한 경우가 많다. | AI 지원 문서화, 담화 분석(discourse analysis), 의사소통 코칭이 이루어진다. |
| 팀 조정(Team coordination) | 팀 규범을 암묵적이고 경험에 의존하여 이해한다. | 투명한 업무 흐름 분석으로 패턴, 병목, 최적화의 기회가 드러난다. |
| 학습과 피드백(Learning & feedback) | 순환 주기가 길고 평가는 주기적으로 이루어진다. | 임상 의사결정, 기록, 상호작용 전반에 대해 AI가 지속적으로 미세 피드백(microfeedback)을 제공한다. |
| 전문직 성장(Professional growth) | 제한된 멘토링 기회에 의존한다. | AI 도구와의 풍부한 성찰적 협력, 다수의 ‘가상 멘토’가 가능하다. |
| 정체성 형성(Identity formation) | 경험을 통해 암묵적으로 나타난다. | 행동, 의사소통, 감정, 강점에 대한 다중양식 통찰이 지원한다. |
풍요로운 환경에서 맥락적 역량은 더 이상 임상의가 우연히 관찰한 것이나 소수의 지도자로부터 받은 피드백에 의해 제한되지 않는다. 대신 임상의는 현실의 자신의 행동에 대해 지속적이고 데이터에 근거한 통찰을 얻을 수 있다.
- 진료기록 분석(documentation analytics)은 추론 패턴을 드러내고17, 의사소통 분석은 말 끊기, 주저함, 전문용어 사용을 파악하며, 팀 매핑 알고리즘(team-mapping algorithms)은 토론에 누가 참여하고 누가 체계적으로 배제되는지를 부각한다.
- 또 하나의 중대한 변화는 인간–AI 혼합 팀(hybrid human–AI team)의 역동이 등장한다는 점이다. AI 시스템이 경고, 권고, 예측을 만들어냄에 따라 임상의는 이를 협업의 업무 흐름에 통합해야 한다. 이를 위해 누가 어떤 경고를 감시할지 결정하고, 임상의의 판단과 모델 출력이 다를 때 해결 방법을 명확히 하며, 팀 안에서 주의가 공평하게 배분되도록 하는 새로운 조정 방식이 필요하다. 이제 좋은 팀원이 되려면 AI가 매개하거나 영향을 미치는 조정에 능숙해야 한다.
- 마지막으로, AI가 팀 상호작용의 패턴, 업무 흐름의 병목, 시스템의 비효율을 드러내면 맥락적 역량은 더 투명해지고 개선 가능해진다. 진료 지연이 빈번하다는 것을 알아차린 임상의는 AI가 만든 업무 흐름 지도를 활용해 근본 원인을 찾을 수 있고, 의사소통의 단절을 감지하는 모델은 목표 지향적 팀 훈련을 안내할 수 있다. 이러한 가시성은 맥락적 역량을 암묵적·경험적 성격에서 명시적이고 데이터 성찰적(data-reflexive)인 성격으로 바꾼다. 이전에는 볼 수 없던 것을 볼 수 있게 되어 개선 대상으로 삼을 수 있는 것이다.
|
1. 과거의 실전 능력: 어깨너머로 배우는 '실전 감각과 눈치' 병원 현장은 교과서와 다릅니다. 환자의 특성, 병원의 부족한 자원, 의료진 간의 서열이나 분위기 등 복잡한 상황이 얽혀 있습니다. 과거에는 이런 환경에서 살아남고 적응하는 능력(상황 파악, 우선순위 설정, 의사소통 등)을 선배들을 따라다니며 회진 중에 눈치껏 배우거나, 깨지면서 우연히 경험을 통해 서서히 익혀야만 했습니다.
2. AI가 가져온 변화 ①: 우리 병원에 딱 맞는 '실시간 내비게이션' AI는 겉으로 드러나지 않던 병원의 숨은 상황과 규칙들을 눈에 보이게 짚어줍니다.
|
인지적 풍요 속의 개인화된 역량 (Personalized Competence Under Cognitive Abundance)
텐 카터 등의 다층적 모델에서 세 번째 층인 개인화된 역량은 개별 임상의의 가치, 개인적·대인관계적 업무 방식, 성찰 능력, 웰빙, 정서적 안정성, 전문직 정체성을 가리킨다.3 여기에는 환자, 동료, 자기 자신과 관계를 맺을 때 드러나는 임상의의 개인적 스타일이 포함되며, 공감, 정직성, 회복탄력성, 진료를 이끄는 도덕적 헌신도 포함된다. 정전적 역량이나 맥락적 역량과 달리 개인화된 역량은 전통적으로 측정하거나 가르치거나 체계적으로 함양하기가 가장 어려웠다. 이는 개인적 경험, 멘토링, 문화, 도덕적 또는 정서적 도전에 직면한 순간에 영향을 받으며 천천히 나타난다. 무엇보다도 전문직 종사자들 사이의 정당한 차이와 표준화된 평가로는 포착하기 어려운 고유성을 함축한다. 그러나 변하지 않는 점은 임상의가 정전적·맥락적 기준을 넘어 개인적 신념과 스타일을 발전시킴으로써 전문직 수행을 발달시키고 개선한다는 것이다.
AI는 어떻게 좋은 의사가 훌륭한 의사로 성장하도록 도울 수 있을까?
- AI는 대인관계 행동과 성찰적 삶의 여러 측면을 보이게 하고, 분석하고, 개선할 수 있게 하여 개인화된 역량에 새로운 발달의 지형을 연다. 의사소통 분석 도구는 임상적 만남에서 어조, 명료성, 말 끊기의 양상, 공감적 언어 사용을 살필 수 있다. 자연어 처리(natural language processing)는 임상의가 불확실성을 효과적으로 전달하는 순간, 또는 설명이 환자를 혼란스럽게 하거나 압도할 위험이 있는 순간을 찾아낼 수 있다. 이러한 통찰은 대인관계 스타일을 암묵적 특성에서 코칭 가능한 미세행동(coachable microbehaviors)의 집합으로 바꾼다.18
- AI는 개인의 성찰 실천(reflective practice)도 강화한다. 임상의는 정서적으로 복잡한 만남을 풀어 이해하도록 돕는 AI 기반 일지 시스템(journaling systems), 서사의학 보조 도구(narrative medicine assistants), 성찰적 동반자(reflective companions)를 이용할 수 있다. 이러한 에이전트는 숙련된 인간 멘토가 던질 법한 탐색적 질문을 흉내 내며 “어떤 가정이 당신의 반응에 영향을 주었는가?” 또는 “문화적 배경이 이 상호작용을 어떻게 형성했을까?”와 같이 더 깊은 성찰을 촉구할 수 있다. 이 도구들은 시간 제약 없이 지속적으로 작동하므로 인간 코치가 현실적으로 제공할 수 있는 수준을 넘어 성찰 지원에 대한 접근을 넓힌다.
- 웰빙 분석(wellbeing analytics)은 번아웃, 피로, 인지 과부하와 관련된 패턴을 식별하여 개인화된 역량을 더 지원한다. AI 시스템은 수면의 대리지표(sleep proxies), 기록 작성 시점, 받은 편지함의 업무량, 읽지 않은 검사 결과의 누적량이 변하는지를 추론하여 임상의에게 부담의 초기 징후를 알릴 수 있다. 이를 통해 선제적인 자기돌봄(proactive self-care)이 가능해지고, 개인화된 역량의 중요한 요소인 회복탄력성을 키울 수 있다.
인지적 풍요는 개인화된 역량을 더 깊은 수준에서 변화시킨다.
- 임상의가 자신의 의사소통, 감정적 어조, 추론 패턴, 웰빙에 대한 다중양식 통찰에 지속적으로 접근할 수 있다면 정체성 형성이 빨라질 수 있다. 임상의는 새로운 관점에서 자신을 바라보며, 어려운 대화에서 주저하거나 팀 회의에서 의도치 않게 발언을 독점하는 등 수년간 알아차리지 못했을 수 있는 경향을 발견할 수 있다. 따라서 AI는 성찰의 자료를 꾸준히 제공함으로써 정체성 발달을 풍부하게 한다. 반면 과도한 감시(over-surveillance)와 해로운 문화 변화 같은 잠재적 위험도 있다.
- 인간–AI 혼합 멘토링(hybrid human–AI mentorship) 또한 전문직 성장을 재편한다.19 실제 삶에서 얻은 지혜와 도덕적 지침을 제공하는 인간 멘토는 AI로 대체할 수 없다. 그러나 AI는 24시간 피드백을 제공하고, 장기간의 수행 데이터를 종합하며, 인간 관찰자가 놓칠 수 있는 강점과 기회를 임상의가 발견하도록 도와 멘토링을 보강할 수 있다. 이로써 멘토링이 희소하기보다 풍부한 학습 환경이 만들어진다.
하지만 인지적 풍요는 윤리적 복잡성도 가져온다. 개인에 관한 분석이 매우 상세해질수록 임상의는 지나친 자기비판, 알고리즘적 인정에 대한 과도한 의존, 사생활 침해 위험에 빠지지 않으면서 그것을 통합하는 법을 배워야 한다. AI가 매개하는 세계의 개인화된 역량에는 개인 데이터와 맺는 관계를 관리하고, 분별력을 갖고 피드백을 해석하며, 알고리즘의 통찰 속에서도 자율성과 인간성을 유지하는 메타기술(meta-skills)이 필요하다.20
궁극적으로 인지적 풍요 속의 개인화된 역량은 데이터의 지원을 받으며 자기 자신을 계속 이해하고 성장시키는 역동적인 과정이 된다. 임상의는 경험뿐 아니라 자신이 어떻게 생각하고 느끼고 의사소통하며 협력하는지를 비추어 주는 다중양식 피드백 고리(multimodal feedback loops)를 통해 발전한다. AI가 생성한 피드백은 인간 피드백에서 개인적 관계 때문에 생길 수 있는 왜곡을 줄이고 비공개로 유지할 수도 있지만, 매우 중요한 윤리적 질문 하나가 남는다. 이렇게 극도로 개인화된 데이터에는 누가 접근할 수 있는가?
| 1. 과거의 개인 역량: 시간과 경험만이 답이었던 '의사로서의 인성' 의사의 공감 능력, 도덕성, 회복탄력성(멘탈 관리), 자신만의 진료 스타일 등은 교과서나 시험으로 배울 수 없는 영역입니다. 과거에는 수많은 환자를 만나고 훌륭한 선배 의사를 롤모델 삼아 오랜 시간 경험을 쌓아야만 서서히 길러지는, 지극히 주관적이고 추상적인 능력이었습니다. 2. AI가 가져온 변화 ①: 추상적인 '공감'을 눈에 보이는 데이터로 코칭 AI는 눈에 보이지 않던 의사의 '태도'를 구체적인 데이터로 분석해 줍니다.
|
계속전문직업개발에 대한 함의 (Implications for Continuing Professional Development)
역량의 세 층을 모두 가로지르는 인지적 풍요로의 전환은 CPD에 중대한 함의를 갖는다. CPD는 본래 임상의가 정보 접근의 제한, 느린 피드백 주기, 의도적 연습의 드문 기회 같은 심각한 인지적 제약을 겪던 시대를 위해 설계되었다. 이제 CPD는 주기적 최신 정보 제공, 정적인 교육과정, 간헐적 평가를 중심으로 구조화되어서는 안 된다. 그 대신 임상의가 역동적인 지식 생태계를 탐색하고, 다중양식 피드백을 해석하며, 진료의 모든 층에 걸쳐 인간–AI 혼합 역량(hybrid human–AI competence)을 함양하도록 지원해야 한다.
- 첫째, CPD는 AI 문해력(AI literacy)을 기초적인 전문직 기술로 우선시해야 한다.12,20 임상의는 대규모 언어 모델, 예측 알고리즘, 다중양식 시스템이 어떻게 작동하는지, 그리고 각각의 한계, 불확실성, 실패 양상(failure modes)을 이해해야 한다. 여기에는 모델에 효과적으로 질문하고, AI가 생성한 근거를 검증하고, 환각을 알아차리고, 모델의 설명을 해석하는 능력이 포함된다. AI 문해력은 AI의 권고를 임상추론과 팀의 업무 흐름에 언제, 어떻게 통합할지 이해하는 것도 포함한다.
- 둘째, CPD 프로그램은 임상의가 혼합 의사결정(hybrid decision making)을 수행하도록 준비시켜야 한다. AI로 증강된 시스템에서 의사결정은 임상의의 인지만으로 이루어지는 것이 아니라 인간의 판단, 환자의 가치, 조직의 제약, 모델이 생성한 통찰이 상호작용한 결과로 나온다. CPD는 의견 불일치의 조정(disagreement negotiation), 즉 AI가 자신의 판단에 반대할 때 임상의가 어떻게 대응하는지, 문제 상향 보고 경로(escalation pathways), 공유 디지털 도구를 활용한 협력적 의미 구성(collaborative sense-making)과 같은 메타역량(meta-competencies)의 발달을 지원해야 한다.
- 셋째, CPD는 AI 사용을 둘러싼 전문직 간 일관성(interprofessional coherence)을 강화해야 한다. AI 시스템이 위험 점수, 예측, 기록 제안과 같은 공유 신호를 생성하므로 팀은 이러한 입력을 일관되게 통합하는 방법을 배워야 한다. CPD는 간호사, 의사, 약사, 기타 보건의료인 사이에서 AI 도구에 관한 공유된 정신모형(shared mental models)을 촉진하여 AI 지원 업무 흐름이 팀의 기능을 분절시키지 않고 향상시키도록 해야 한다.
- 넷째, CPD는 개인 분석 자료(personal analytics)를 성찰적이고 윤리적으로 다루도록 지원해야 한다. 임상의는 자신의 의사소통 패턴, 감정적 어조, 추론 구조, 웰빙에 대한 상세한 통찰을 점점 더 자주 접하게 될 것이다. 인지적 풍요는 피드백의 풍요이기도 하다. CPD는 임상의가 이 정보를 건설적으로 해석하고, 알고리즘의 판단에 과도하게 의존하지 않으며, 자율성과 도덕적 행위주체성(moral agency)을 유지하도록 도와야 한다. 구조화된 성찰 실천, 동료 간 토론, 교수진의 멘토링은 계속해서 중요할 것이다.
- 마지막으로 CPD 시스템 자체도 인지적 풍요의 조건에서 작동하도록 다시 설계되어야 한다. 교육과정은 역동적이어야 하고, 평가는 지속적이어야 하며, 피드백은 실시간으로 제공되고, 학습 경로는 개인화되어야 한다. AI는 이러한 변화를 가능하게 한다. CPD는 그 변화가 일관되고 안전하며 교육적으로 타당하게 이루어지도록 해야 한다.
이 논문의 심사자 중 한 사람이 지적했듯, 임상 행위에 대한 보건의료인의 최종 책임을 유념해야 한다. 실제로 AI가 임상적 판단에 점점 더 많이 관여할수록 임상의의 도덕적 행위주체성을 강화하는 CPD의 역할은 더욱 중요해진다. 표 4는 CPD의 기능이 희소성에 기반한 패러다임에서 인지적 풍요를 특징으로 하는 패러다임으로 어떻게 발전하는지 요약한다.
표 4. 인지적 풍요 속에서 CPD 시스템의 변화 (Transformation of CPD Systems Under Cognitive Abundance)
| 교육 기능 | 인지적 희소성 | 인지적 풍요 | CPD에서 AI 사용 시 유의점 |
| 교육과정(Curriculum) | 고정된 내용, 느린 개정 주기, 표준화된 전달. | AI가 매개한 근거 흐름과 통합되며 지속적으로 갱신되는 역동적인 학습 자료. | 잘못된 정보나 저품질 종합물(‘AI 찌꺼기’, AI dross)이 교육과정에 유입될 위험. 합의된 전문직 기준의 약화. |
| 평가(Assessment) | 간헐적 시험, 제한된 시뮬레이션, 수행의 좁은 범위만 표집. | AI 기반 시뮬레이션, 적응형 검사, 실제 수행 분석을 통한 지속적 평가. | 대리지표(proxy metrics)에 대한 과도한 의존, AI 채점 모델의 불투명성, 측정된 수행과 전문직 가치 사이의 불일치. |
| 피드백(Feedback) | 지도자의 피드백이 간헐적이며 직접 관찰에 의존. | 추론, 기록, 의사소통, 팀워크에 관한 실시간 AI 기반의 비판단적 피드백. | 과도한 감시, 인지 과부하, 자동화된 피드백이 성찰적 판단이나 인간의 코칭을 밀어낼 위험. |
| 학습자 지원(Learner Support) | 멘토링에 대한 접근의 편차가 큼. | 규모를 확장할 수 있는 AI 코칭 에이전트, 성찰적 동반자, 멘토 연결. | 인간 멘토링의 보강이 아닌 대체, 비인격적 지침 또는 규범의 표류(normative drift). |
| 직장 기반 학습(Workplace learning) | 학습이 간헐적으로 포착되고 맥락은 체계적으로 분석되는 일이 드묾. | AI가 업무 흐름, 결과, 팀 역동의 패턴을 드러내 실천 중 성찰(reflection-in-action)을 지원. | 감시에 대한 우려, 학습 문화의 위축 효과(chilling effects), 성과 관리에 분석 자료가 오용될 위험. |
| 전문직 정체성 발달(Professional identity development) | 멘토링과 서사적 경험을 통해 천천히 나타남. | 다중양식 AI 통찰이 가치와 의사소통을 중심으로 하는 정체성 형성을 가속. | 전문직 정체성의 분절 또는 평면화, 모델이 높게 평가하는 행동을 향한 과도한 최적화와 지나친 가속. |
| 발달의 주기(Cadence of development) | 발달상의 도약 사이에 수년이 걸림. | 빠르고 지속적인 통찰로 잦은 발달상의 향상이 가능. | 공고화(consolidation) 없는 가속, 윤리적 성찰과 의미 구성에 필요한 시간의 부족. |
결론 (Conclusion)
인공지능은 보건의료인이 직업 생애 전반에 걸쳐 학습하고 추론하고 협력하며 발달하는 방식에 중대한 변화를 가져온다. AI는 인지 환경을 희소성에서 풍요로 재구성하여 텐 카터의 다층적 틀에서 역량의 모든 층을 재편한다.
- 정전적 역량은 생의학 지식을 머릿속에 보유하는 능력보다 AI가 매개한 근거를 탐색하고, 질문하고, 검증하는 능력에 더 가까워진다.
- 맥락적 역량은 암묵적이고 경험에 기반한 상황인식에서 예측적 통찰, 업무 흐름 분석, 인간–AI 혼합 협력으로 풍부해진 데이터 성찰적 실천(data-reflexive practice)으로 발전한다.
- 아마도 가장 불편하게 느껴질 변화는 한때 가장 불투명하고 측정하기 어려웠던 개인화된 역량이 의사소통, 추론, 감정, 웰빙에 대한 다중양식 데이터와 피드백을 통해 새롭게 접근 가능해진다는 점이다. 이는 에이브러햄 매슬로(Abraham Maslow)가 말한 것처럼 ‘미지의 것에 비교적 두려움을 느끼지 않는(relatively unfrightened by the unknown)’ 성숙하고 균형 잡힌 적응적인 임상의로 개인이 성장하는 데 도움이 될 수 있다.21
궁극적으로 AI 시대의 역량은 임상의가 무엇을 알고 있거나 개별 과제를 어떻게 수행하는가만의 함수가 아니다. 이는 분산된 인지 시스템(distributed cognitive systems) 안에서 현명하게 일하는 능력이다. 풍부한 정보와 인간의 통찰 사이에 균형을 맞추고, 알고리즘적 예측과 맥락의 미묘한 차이를 통합하며, 다중양식 데이터의 지원을 받아 지속적으로 성찰하는 능력이다.
전문직 역량의 미래는 이러한 종합에 있다. AI에 가려지는 것이 아니라 AI를 통해 더 강해지고, 알고리즘에 의존하기보다 알고리즘과의 사려 깊은 협력을 통해 역량을 발휘하는 임상의이다. 의도적인 설계를 통해 CPD는 임상의가 이러한 미래로 나아가도록 안내하고, 인지적 풍요가 수행 능력뿐 아니라 돌봄의 핵심에 있는 인간성도 높이도록 할 수 있다.
진료 실천을 위한 교훈 (Lessons for Practice)
- CPD 프로그램은 정전적 역량(기초 지식과 기술적 술기)의 초점을 생의학적 사실의 기억에서 효과적인 질문의 구성, AI가 생성한 근거의 검토, 임상 의사결정에 사용되는 정보의 타당성 평가로 다시 조정해야 한다.
- CPD 활동은 임상의가 AI 도구를 인간–AI 혼합 팀워크, 적응형 업무 흐름, 전문직 간 조정에 통합할 수 있도록 준비시켜 맥락적 역량(실제 임상 환경에서의 지식 적용)을 강화해야 한다.
- CPD는 의사소통, 추론, 웰빙에 관한 AI 기반 피드백을 활용하여 개인의 정체성 분화(personal identity differentiation)를 대체하기보다 보강함으로써 개인화된 역량(전문직 정체성, 가치, 성찰 능력)의 발달을 지원해야 한다.
'논문 읽기 (with AI)' 카테고리의 다른 글
| 의과대학의 등급별 성적평가가 문제를 안고 지속되는 현상 (Teach Learn Med. 2023) (0) | 2026.09.26 |
|---|---|
| 의학교육에서의 인공지능에 관한 조시아 메이시 주니어 재단 회의: 회의 경과와 권고안 (Acad Med. 2025) (0) | 2026.09.26 |
| 학부 의학교육을 위한 기초 역량 (AAMC, AACOM, ACGME, 2024) (0) | 2026.09.26 |
| 의대 성적에 등급을 매기는 관행, 도대체 어디서 온 걸까? (Teaching and Learning in Medicine. 2026) (0) | 2026.09.01 |
| AI는 의학교육을 어떻게 바꿀까 — Macy Foundation 혁신 보고서 Part II (Acad Med, 2025) (0) | 2026.09.01 |