인지적 부채 - 네이처 의학, 임상 추론의 네버 스킬링(Never-skillig) 위험

https://www.nature.com/articles/s41591-026-04438-y

2026.5.22
[AI-induced never-skilling in medical education]

이 논문은 의학 교육에 인공지능이 급격히 도입되면서 발생할 수 있는 '네버 스킬링(never-skilling)'이라는 잠재적 위험성을 경고하고 이를 방지하기 위한 교육적 틀을 제시합니다. 저자들은 수련의들이 학습 초기 단계부터 AI의 답변에 과도하게 의존할 경우, 안전한 진료의 핵심인 독자적인 임상 추론 능력을 아예 형성하지 못할 수 있다는 점을 깊이 우려합니다. 이러한 현상은 기존의 숙련된 의사가 능력을 잃는 '탈숙련화(deskilling)'와는 구별되는 개념으로, 학습자가 AI의 결과물을 비판 없이 수용함으로써 기초적인 인지 구조 형성 기회를 박탈당하는 것이 핵심입니다. 이를 해결하기 위해 논문은 AI 없이 기초 역량을 먼저 쌓고, 인위적인 오류가 포함된 AI 데이터를 통해 비판적 검토 능력을 기른 뒤, 최종적으로 감독하에 AI와 협력하는 3단계 역량 보호 프레임워크를 제안합니다. 결국 이 글은 AI를 단순한 정답 제공 도구가 아닌 학습 가속기로 활용해야 하며, 기술적 의존성이 환자의 안전과 의료 형평성을 저해하지 않도록 체계적인 교육 가이드라인과 후속 연구가 시급함을 강조하고 있습니다.

 
- Never-skilling (기술 미형성) : 임상 교육의 초기 형성기에 AI에 의존하는 수련의들이 안전하고 독립적인 진료에 필요한 기초적 추론 능력 자체를 처음부터 발달시키지 못할 수 있다는 위험
 
- Mis-skilling (오류 학습): AI의 오류를 무비판적으로 수용해 잘못된 임상 지식을 사실로 내재화하는 학습 방식
 
- De-skilling (탈숙련화): 숙련된 임상의에게서 나타나며 이미 갖춘 능력이 AI 의존으로 퇴화되는 학습 방식