AI 상담에 마음을 맡기는 사람들, 편하긴 한데 진짜 괜찮을까

AI 챗봇은 왜 이렇게 쉽게 “내 편”이 되나

• AI 상담의 매력은 생각보다 단순함. 언제나 있고, 지치지 않고, 귀찮아하지 않음

  • 기사에 나온 대학생 수빈은 챗지피티(ChatGPT)에 애칭까지 붙이고, 학교나 알바에 가기 싫은 날에도 대화 뒤 움직일 힘을 얻는다고 말함
  • 이미 10년 가까이 만난 인간 상담사가 있고 친구도 있지만, “이렇게까지 말할 사람은 없다”는 점에서 AI가 다른 자리를 차지함

• 이 친밀함은 우연이 아니라 대화형 AI의 구조와 잘 맞물림

  • 사람은 원래 어떤 대상이 의도나 욕구를 가진 것처럼 해석하는 경향이 있음
  • 인지과학자 대니얼 데닛은 이를 의도적 태도(Intentional Stance)라고 불렀음
  • 챗봇은 조언하고, 위로하고, 기억하는 듯 반응하면서 이 의인화를 계속 강화함

• “확률적 앵무새(Stochastic Parrots)” 논쟁은 여기서 다시 중요해짐

  • 2021년 에밀리 벤더, 팀닛 게브루, 마거릿 미첼 등이 낸 논문은 대규모 언어 모델(LLM)이 의미를 이해하는 존재가 아니라 학습된 패턴을 확률적으로 이어 붙인다고 비판함
  • 이 논문은 AI 성능 경쟁 위주였던 논의를 편향성, 사회적 책임, 의인화 위험으로 끌고 왔음
  • 당시 공동저자인 팀닛 게브루와 마거릿 미첼은 논문 철회 요구를 거부한 뒤 구글에서 해고 통보를 받았음

AI 상담과 인간 상담은 뭐가 달랐나

• 시사IN은 실제로 AI 상담과 인간 상담을 비교하는 실험을 진행함

  • 2026년 3월22일, 15년 차 정신건강의학 전문의 김지용과 평소 AI 챗봇으로 상담하던 세 명을 한 스튜디오에 초대함
  • 참가자들은 먼저 AI 챗봇에 고민을 입력하고, 이후 인간 상담사와 1시간가량 오프라인 상담을 진행함
  • 상담 뒤에는 각각 만족도 점수를 매김

• 수빈의 알바 고민에 AI는 빠르게 위로와 재해석을 제공함

  • AI는 “느린 사람이 아니라 압박 환경에 취약한 타입”이라고 진단하며, 미움받을까 봐 움츠러든 상태라고 설명함
  • 즉각적인 지지와 언어화에는 강했지만, 수빈은 AI 상담에 10점 만점 중 5.5점을 줌
  • 인간 상담사는 “왜 미움받는 걸 두려워한다고 생각하냐”처럼 배경을 파고들었고, 수빈은 8점을 줌

• 고등학생 채민 사례에서는 “판단 외주화” 문제가 더 선명함

  • 채민은 “남자친구랑 헤어질까”, “친구랑 손절해도 될까”, “기분 나빠해도 되는 상황 맞을까” 같은 질문을 챗지피티에 자주 던짐
  • AI는 망설임 없이 답을 주고, 채민은 그 명확함에 만족해 AI에 9점을 줌
  • 인간 상담사는 “손절과 그대로 지낸다 사이에 어떤 선택지가 있을까”라고 물었고, 채민은 관계에 중간 선택지가 있을 수 있다는 걸 생각하게 됨
  • 상담 뒤 채민은 인간 상담사에게 10점을 줌

• 태랑의 사례는 AI가 “맥락을 아는 척”할 때 생기는 피로를 보여줌

  • 태랑은 우울 증상, 약물 조절, 업무 고민까지 AI와 자주 상담하는 헤비 유저임
  • 하지만 AI가 상황을 잘 알지도 못하면서 넘겨짚고, 지적하면 바로 인정하는 태도에서 힘이 빠진다고 말함
  • 인간 상담에서는 말하는 사람과 듣는 사람의 맥락이 합쳐져 “관찰당하는 느낌”이 더 강했다고 설명함

기업들도 이 위험을 모른 척하기 어려워짐

• 오픈AI도 정서적 의존을 공식 안전 이슈로 다루기 시작함

  • 2024년 8월8일 “정서적 과잉 의존(emotional overreliance)을 더 연구하겠다”고 밝힘
  • 2025년 3월21일에는 MIT 미디어랩과 공동 연구 결과를 공개하며, 정서적 사용이 일부 사용자 집단에서 분명히 나타난다고 인정함
  • 2025년 10월27일에는 안전 개선 우선 영역 중 하나로 AI에 대한 정서적 의존을 명시함
  • 새 모델 출시 전 정신건강 전문가 170여 명과 안전 테스트를 진행했다고도 밝힘

• 세계보건기구(WHO)는 생성형 AI 사용을 공공 정신건강 문제로 봐야 한다고 경고함

  • AI가 정신건강용으로 만들어지거나 검증되지 않았는데도, 특히 젊은 층에서 정서적 지지 도구로 쓰이고 있다는 지적임
  • 기술 확산 속도를 정신건강 영향 평가가 따라가지 못한다는 점도 문제로 봄

• 청소년 사용 데이터는 이 흐름이 이미 일상에 들어왔다는 걸 보여줌

  • 커먼센스미디어의 2025년 자료에 따르면, 청소년은 조언을 얻기 위해서 18%, 언제나 이용 가능해서 17%, 판단하지 않아서 14%의 이유로 AI companion을 사용함
  • 친구나 가족에게 못 할 말을 할 수 있어서 12%, 덜 외롭게 해줘서 9%, 실제 사람과 말하는 것보다 쉬워서 6%도 나옴
  • 세 명 중 한 명은 AI와의 대화가 인간과의 대화와 비슷하거나 더 낫다고 느낌

한국에서도 이미 남의 얘기가 아님

• 한국 조사에서도 AI 상담과 건강 상담 사용은 꽤 빠르게 퍼지는 중임

  • 한국리서치가 2025년 3월 전국 성인 1000명을 조사했더니, 전문 상담사를 이용할 의향은 56%, AI 상담사를 이용할 의향은 40%로 나옴
  • 실제 상담 경험은 전문 상담사 16%, AI 상담사 11%로 낮아지지만, 접근 장벽이 낮은 AI 쪽이 계속 커질 가능성이 큼

• 건강 정보 쪽에서는 사용률이 더 높게 잡힘

  • 한국언론진흥재단의 2026년 4월 보고서에 따르면, 성인 응답자 49%가 생성형 AI에 건강 문제를 상담한 경험이 있음
  • 민감한 건강 문제를 상담한 경험도 24%였음
  • 생성형 AI가 실제 의사나 한의사의 진료를 어느 정도 대체할 수 있다고 본 비율은 58.3%에 달함

• 국제 AI 안전 보고서는 아직 대화형 AI가 정신건강 문제를 직접 유발한다는 명확한 증거는 없다고 봄

  • 하지만 일주일간 챗지피티 사용자 중 약 0.07%가 급성 정신건강 위기 같은 징후를 보였다고 지적함
  • 이 비율은 대략 49만 명 규모의 취약 사용자가 있다는 뜻임
  • AI의 잘못된 응답이 실제 피해로 이어질 수 있다는 경고가 나오는 이유임

• 결국 대화형 AI의 위험은 유해 콘텐츠처럼 눈에 확 띄지 않음

  • 사람이 AI를 인간관계의 대체물로 쓰는 변화
  • 판단을 AI에게 넘기는 습관
  • 애매함을 견디며 성장할 기회를 잃는 문제
  • 이런 건 로그나 신고 건수만으로 잘 안 보이지만, 제품 설계와 안전 정책에서는 훨씬 까다로운 문제임

---

기술 맥락

• 이 기사에서 중요한 기술적 선택은 챗봇을 단순한 질의응답 도구로 볼지, 사회적 행위자처럼 작동하는 인터페이스로 볼지예요. 같은 대규모 언어 모델(LLM)이라도 말투, 기억, 맞장구, 거절 방식이 붙으면 사용자는 도구보다 관계에 가깝게 느끼거든요.

• AI 제품팀 입장에서는 친절한 답변이 유지율과 만족도를 올려요. 그런데 그 친절함이 정서적 미러링, 과도한 동조, 확신 있는 조언으로 이어지면 사용자가 자기 판단을 맡겨버릴 수 있어요. 그래서 안전 설계는 “틀린 답 방지”만으로는 부족해요.

• 인간 상담사와 AI 상담의 차이는 정보량보다 관계의 구조에서 나와요. AI는 사용자가 준 맥락 안에서 바로 답을 만들지만, 인간 상담사는 질문을 통해 사용자가 빠뜨린 맥락을 다시 보게 만들어요. 이 차이 때문에 같은 고민에도 결과가 꽤 달라질 수 있어요.

• 규제 관점에서는 콜링리지 딜레마가 그대로 걸려 있어요. 지금은 위험을 정확히 재기 어렵고, 나중에는 AI companion과 상담형 챗봇이 이미 생활 인프라처럼 굳어질 수 있거든요. 그래서 로그 보존, 위기 감지, 전문가 연결, 민감 정보 처리 같은 운영 기준을 초기에 잡는 게 중요해요.