AI 챗봇 사용 유형에 따른 뇌 활동 및 학업 정신 건강 영향
1. 연구의 목적
(1) 생성형 AI 챗봇(AICA) 사용이 대학생 사이에서 급증함. 이 기술이 발달 중인 뇌에 미치는 영향은 아직 명확히 밝혀지지 않음. AICA의 학업 성과 및 인지 기능 향상 등 긍정적 측면과 인지적 의존 및 정신 건강 악화 등 부정적 측면에 대한 논의가 활발함. 기존 디지털 기술 연구는 많았으나, AICA의 빈번한 사용이 뇌 구조에 어떤 영향을 주는지 체계적으로 탐구된 바 없음.
(2) 이 연구는 AICA의 일반적, 기능적, 사회-정서적 사용 패턴이 학업 성과, 정신 건강, 뇌 구조적 특징에 미치는 영향을 체계적으로 밝히는 목적을 가짐. 특히 AICA 사용 동기가 뇌 구조 변화 및 행동 양상에 따라 다르게 나타나는지 규명함.
2. 연구의 방법
(1) 이 연구는 횡단적 연구 접근 방식을 사용함. 설문 조사를 통한 AICA 사용 패턴, 학업 성과, 정신 건강 데이터 수집을 진행함. 또한, 고해상도 구조적 자기공명영상(sMRI) 촬영을 통해 뇌 구조 데이터를 얻음. 수집된 데이터를 바탕으로 계산 신경해부학적 분석, 메타 분석적 연결성 모델링(MACM), 행동 디코딩 분석을 결합하여 통합적으로 해석함.
(2) 연구는 222명의 건강한 대학생을 주요 분석 대상으로 함. AICA 사용을 세 가지 유형으로 구분함: 일반적 사용 빈도, 기능적 사용 빈도(정보 획득, 문제 해결 등), 사회-정서적 사용 빈도(친교, 감정 조절 등). 이 세 가지 사용 패턴이 학업 성과(평점, GPA), 정신 건강(우울, 사회 불안), 뇌의 회백질 부피(GMV) 및 뇌 구조 네트워크 특성과 어떤 연관성을 보이는지 비교 분석함.
3. 주요 발견
이 연구는 대학생의 AICA 사용이 뇌 구조와 행동 양상에 뚜렷한 차이를 가져옴을 발견함. 사용 목적에 따라 긍정적 효과와 잠재적 위험이 다르게 나타나는 점이 중요함.
(1) AICA 사용 현황 및 패턴별 영향 차이
- 연구 참여 대학생의 80% 이상이 AICA를 자주 사용함. 특히 기능적 목적으로 AICA를 자주 사용하는 학생이 전체의 82.5%를 차지함. 반면, 사회-정서적 목적으로 자주 사용하는 학생은 6.8%로 상대적으로 적은 비율을 보임.
- 일반적 AICA 사용 빈도와 기능적 AICA 사용 빈도는 강한 양의 상관관계를 보임.
- ChatGPT 출시 후 약 1년 내에 AICA 사용을 시작한 학생이 전체의 58.5%에 달함.
- 일반적 AICA 사용 빈도와 기능적 AICA 사용 빈도는 학업 성과(GPA)와 유의미한 양의 상관관계를 보임.
- 반면, 사회-정서적 AICA 사용 빈도는 우울증과 사회 불안 증가, 그리고 전반적 정신 건강 악화와 유의미한 상관관계를 보임.
- 기능적 AICA 사용 빈도는 사회 불안과 약한 양의 상관관계를 보였지만, 일반적 AICA 사용 빈도는 정신 건강 지표와 유의미한 상관관계가 없음.
(2) AICA 사용 패턴에 따른 뇌 회백질 부피(GMV) 변화
- 일반적 AICA 사용 빈도가 높을수록 좌측 배외측 전전두엽 피질(dlPFC)과 안쪽 후두엽(CAL)의 GMV가 증가함.
- dlPFC는 인지 및 억제 제어, 규칙 기반 추론, 의사 결정 등 고차원 인지 기능과 관련 깊음. GMV 증가는 이 영역의 기능 강화와 연결됨.
- CAL은 시각 처리와 학습에 관여함. 이 영역의 GMV 증가는 AICA 사용 시 요구되는 시각 정보 처리 및 학습 활동과 연관됨.
- 사회-정서적 AICA 사용 빈도가 높을수록 좌측 상측두회(STG)와 편도체(Amygdala)의 GMV가 감소함.
- STG는 사회적 정보 처리 및 청각 처리와 관련됨.
- 편도체는 정서적 각성, 두려움 등 사회-정서적 처리의 핵심 허브임. 이 영역들의 GMV 감소는 정신 건강 문제와 취약성을 반영할 가능성이 있음.
- 기능적 AICA 사용 빈도와 뇌 회백질 부피 간에는 유의미한 관계가 관찰되지 않음. AICA 하루 평균 사용 시간은 dlPFC의 GMV와 양의 상관관계를 보임.
(3) 뇌 네트워크 수준의 기능적 특성 및 행동적 연관성
- 일반적 AICA 사용과 관련된 dlPFC와 CAL 영역은 전두엽과 피질하 회로, 시각 영역과 공동 활성화됨. 이들 영역의 행동 디코딩 결과, 고차원 인지 기능(규칙, 추론, 의사 결정), 자기 참조 과정, 시각적 주의력과 관련이 깊음.
- 반면, 사회-정서적 AICA 사용과 관련된 STG-편도체 군집은 자율 신경 각성(양측 뇌섬엽) 및 사회적 처리(양측 방추상회) 영역과 공동 활성화됨. 이 네트워크는 사회적 및 정서적 처리(행복한/중립적인 얼굴, 쾌감, 행복, 두려움)와 강하게 연관됨.
(4) AICA 사용과 뇌 구조 네트워크 특성 변화
- 일반적 AICA 사용 빈도는 우측 해마(hippocampus)의 클러스터링 계수 및 국소 효율성 증가와 양의 상관관계를 보임. 해마는 학습과 인지에 필수적인 역할을 함. 이 결과는 AICA와의 빈번한 인지적 상호작용이 해마의 적응적 변화를 유도하는 가능성을 시사함.
- 사회-정서적 AICA 사용 빈도는 좌측 설상회(cuneus)의 클러스터링 계수 감소와 음의 상관관계를 보임.
4. 결론 및 시사점
(1) 이 연구는 젊은 성인의 생성형 AI 챗봇(AICA) 사용이 사용 동기에 따라 뇌 구조와 행동 패턴에 뚜렷한 차이를 발생시킨다는 핵심 결론에 이름. 기능적, 학업 지향적 AICA 사용은 전전두엽-후두엽-해마 시스템의 높은 통합성과 더 나은 학업 성과와 연관됨. 이는 일부 사용자에게 인지 발달을 지원하는 역할을 함. 반면, 사회-정서적, 심리적 고통 관련 AICA 사용은 측두엽-편도체 부피 감소 및 정신 건강 악화와 연관됨. 이는 AICA가 사용자의 기존 취약성과 상호작용하여 강도 높은 고통 주도 사회-정서적 참여로 이어질 수 있음을 보여줌.
(2) 교육 현장에서는 AI 학습 환경을 설계할 때 사용 목적에 따른 맞춤형 설계가 필요함. AI의 교육적 이점을 극대화하고 잠재적인 정신 건강 위험을 최소화하는 방안을 모색해야 함. AI가 제공하는 정보의 질과 비판적 사고를 촉진하는 교육 전략 마련이 중요함.
(3) AI 챗봇 설계 및 정책 수립 시, 특히 사회-정서적 지원을 목적으로 AICA를 사용하는 취약 계층에 대한 체계적인 모니터링과 안전성 및 신뢰성 확보가 필수적임. 단순히 기술 도입을 넘어, 사용자의 정신 건강 보호를 위한 가이드라인과 기술적 안전장치를 마련하는 노력이 필요함. 프롬프트 엔지니어링 교육 강화와 같은 사용자 역량 강화 프로그램도 함께 고려함.
5. 리뷰어의 ADD(+) One: 생각 더하기
(1) 이 논문이 가장 주목할 지점은 AICA 사용 동기가 뇌 구조 변화 및 학업, 정신 건강 결과에 직접적인 연관이 있음을 뇌 과학적으로 밝힌 최초의 연구라는 점임. 기존 디지털 기술 연구가 특정 기술 사용과 뇌 구조 변화를 일반적인 차원에서 연결했다면, 이 연구는 생성형 AI라는 특정 유형의 기술에 대해 ‘어떻게 사용하는가’에 따라 뇌에 긍정적 또는 부정적 효과가 다르게 나타남을 명확히 구분해냄. 이는 AI가 단순한 도구가 아니라 사용 맥락과 상호작용 방식에 따라 인간에게 미치는 영향이 극도로 복합적임을 보여줌. 이 발견은 AI의 교육적 활용 방안을 모색하거나 윤리적 설계 기준을 마련할 때 ‘사용 유형’을 핵심적인 변인으로 고려해야 함을 강력히 시사함.
(2) 이 연구는 인간-AI 상호작용(HCI) 분야에서 AI 시스템의 설계 원칙에 대한 중요한 통찰을 제공함. AI가 인간의 뇌 기능과 구조에 미치는 영향을 인지과학적으로 이해하는 것은 인간 중심 AI(Human-Centered AI) 개발에 필수적인 토대가 됨. 사회-정서적 사용이 정신 건강에 부정적인 영향을 미칠 수 있다는 발견은 AI가 단순히 유용한 도구를 넘어 사회적 주체로서 인간에게 미치는 영향에 대한 교육 철학적 성찰을 촉구함. AI 에이전트가 제공하는 사회적 상호작용의 질적 측면과 윤리적 문제에 대한 심도 깊은 논의가 필요함. 정책적 측면에서는 청소년 및 대학생을 위한 AI 활용 교육 가이드라인 마련에 중요한 과학적 근거를 제공함.
(3) 이 연구를 발전시킬 구체적 아이디어는 다음과 같음. 첫째, 횡단적 연구의 한계를 보완할 장기 종단 연구를 설계함. 특정 AI 챗봇 사용군과 비사용군을 수년간 추적하며 뇌 구조 변화의 인과 관계를 밝혀내야 함. 둘째, 연구 샘플을 다양한 문화권 및 연령대의 학습자로 확장하여 연구 결과의 일반화 가능성을 높여야 함. 또한, 치료 목적의 AI 챗봇이나 소셜 AI 챗봇 등 특정 AI 플랫폼별 사용 효과를 비교 분석하는 연구도 필요함. 셋째, AICA 사용자의 개별적인 심리적 특성(예: 외향성, 신경증, 외로움 수준, 자기조절학습 능력)을 심층적으로 측정하여, 특정 사용 유형으로 이어지는 심리적 경로를 탐색하는 연구가 뒤따라야 함. 이러한 연구를 통해 AI 기술이 개인의 인지적, 정서적 발달에 미치는 영향을 보다 총체적으로 이해하고, 실행 가능한 AI 교육 및 설계 전략을 제안할 수 있음.
6. 추가 탐구 질문
(1) 장기적인 기능적 AICA 사용이 인지적 노력(cognitive effort) 감소나 인지적 의존(cognitive dependence) 증가와 같은 잠재적 부작용을 일으키는지에 대한 뇌 기능적 메커니즘은 무엇인가?
(2) 뇌 발달이 활발한 청소년기에 AICA를 사회-정서적 목적으로 자주 사용하는 행동은 성인기의 뇌 발달 경로와 사회적 기술 형성에 어떤 장기적 영향을 미칠 수 있는가?
(3) AI 챗봇이 제공하는 사회-정서적 피드백의 질과 개인화 수준이 정신 건강 및 뇌 구조 변화에 미치는 영향을 어떻게 측정하고, 이를 바탕으로 윤리적이고 안전한 AI를 설계하려면 어떤 기술적, 정책적 고려가 필요한가?
출처
-
Wang, J., Gan, X., Liu, D., He, J., Ferraro, S., Kendrick, K. M., Zhao, W., Yao, S., Montag, C., & Becker, B. (2026). Mapping generative AI use in the human brain: divergent neural, academic, and mental-health profiles of functional versus socio-emotional AI use. Neuroimage.