기사 제공처 : 마인드 24 / 등록기자: 윤치연 [기자에게 문의하기]  0 /  

해당 기사에 관련하여 문의하기에 남겨주시면 "윤치연"기자에게 전송됩니다

 이름

 연락처

- -

 이메일

 확인

  AI는 사람의 마음 자체를 직접 읽는 것이 아니라 심리검사 응답, 글과 대화, 음성, 행동, 수면·활동량 같은 데이터에서 패턴과 위험 신호를 찾습니다. AI 심리평가는 조기선별·모니터링·자료통합·보고서 보조에서 가능성이 크지만, 데이터 편향과 개인정보 보호, 외부 검증, 설명가능성 문제가 남아 있습니다. 따라서 AI 결과만으로 정신건강 상태를 확정하기보다 인간 전문가가 생활 맥락을 해석하고 최종 판단과 지원에 책임지는 구조가 필요합니다.

AI가 ‘마음을 읽는다’는 말, 어디까지 사실일까

“AI가 내 마음을 알아챌 수 있을까?” 생성형 인공지능과 대화해 본 사람이라면 한 번쯤 떠올려 봤을 질문이다. 고민을 입력하면 공감하는 듯한 답을 내놓고, 긴 글에서 감정의 흐름을 찾아내며, 심리검사 결과를 몇 초 만에 요약해 주는 서비스도 늘고 있다.

  하지만 현재의 AI가 직접 읽는 것은 ‘마음’ 그 자체가 아니다. 사람이 남기는 심리검사 응답, 말과 글, 음성, 행동, 수면과 활동량 같은 데이터를 분석해 특정 상태와 관련된 패턴을 찾는 것이다. 2025년 Psychological Medicine에 발표된 체계적 문헌고찰은 정신건강 분야 AI 연구 85편을 검토한 결과, AI가 정신건강 상태의 탐지·분류·위험예측, 경과 모니터링, 치료반응 예측 등에서 가능성을 보였다고 정리했다. 동시에 실제 임상 적용을 위해서는 더 다양하고 강건한 데이터셋, 투명성, 해석가능성이 필요하다고 지적했다.[1]

AI 심리평가가 분석할 수 있는 데이터는 무엇인가

  AI 심리평가의 특징은 여러 종류의 정보를 동시에 분석할 수 있다는 데 있다. 현재 연구에서 활용되는 대표적 데이터는 다음과 같다.

• - 심리검사·마음상태검사 응답: 우울, 불안, 스트레스, 번아웃, 관계, 수면 등 자기보고 자료
• - 텍스트 데이터: 상담기록, 일기, 온라인 대화, 자유응답 문장 등에서 언어 패턴 분석
• - 음성 데이터: 말의 속도, 멈춤, 음높이, 강도, 리듬 등 음성 특징 분석
• - 행동·디지털 데이터: 스마트폰 사용패턴, 이동량, 활동시간 등
• - 웨어러블·생체 데이터: 심박수, 심박변이도, 피부전도, 수면·활동량 등
•  

  이처럼 서로 다른 정보를 결합하는 접근은 ‘멀티모달(multimodal) AI’ 또는 멀티모달 심리평가로 불린다. 다만 데이터 종류가 많아진다고 자동으로 사람을 더 정확하게 이해하는 것은 아니다. 각 데이터가 어떻게 수집됐는지, 어떤 집단을 대상으로 검증됐는지, 실제 생활환경에서도 같은 성능을 보이는지가 중요하다.

목소리만 듣고 우울 위험을 알아낼 수 있을까

  AI 정신건강 연구에서 특히 빠르게 발전하는 분야 중 하나가 자동 음성분석이다. 말의 속도와 멈춤, 음높이와 강도처럼 사람이 의식적으로 조절하기 어려운 음성 특징을 분석해 우울 위험과 관련된 패턴을 찾으려는 시도다.

  2025년 발표된 자동 음성분석 메타분석은 105개 연구를 종합했다. 우울 탐지에서 가장 높은 성능값들을 모은 평균 정확도는 약 0.81로 나타났지만, 연구별 가장 낮은 성능값을 모은 평균은 약 0.66이었다. 연구 환경과 데이터셋, 언어, 검증방법에 따라 결과 차이가 상당했다.[2] 연구진 역시 자동 음성분석을 유망한 보완수단으로 평가하면서도 독립적인 단독 임상도구로 사용할 준비가 충분하다고 보기는 어렵다고 결론 내렸다. 즉 ‘AI가 목소리만 듣고 우울증을 진단한다’는 식의 표현은 현재 근거보다 앞서 나간 설명이다.

AI와 심리검사가 만나면 무엇이 달라질까

  AI가 가장 현실적으로 빠르게 활용될 가능성이 높은 영역은 심리검사 자체를 없애는 것이 아니라 심리평가 과정을 보조하는 것이다.

• - 검사 응답을 빠르게 채점·정리하고 여러 척도의 결과를 통합한다.
• - 응답의 불일치나 위험 신호를 찾아 전문가가 먼저 확인하도록 한다.
• - 반복된 마음상태검사 결과를 비교해 시간에 따른 변화를 보여준다.
• - 필요한 경우 추가 질문이나 후속 확인 항목을 제안한다.
• - 개인용·보호자용·전문가용 결과보고서 초안을 지원한다.
• - 검사 후 상담·교육·행동지원·전문기관 연계 등 후속 조치를 제안하는 데 도움을 준다.
•  

  이 구조가 발전하면 심리평가는 ‘검사 → 점수 → 결과표’에서 ‘검사 → 패턴분석 → 위험신호 확인 → 전문가 해석 → 맞춤 지원 → 변화 모니터링’으로 확장될 수 있다.

‘정확도 90%’라는 숫자를 그대로 믿으면 안 되는 이유

  AI 심리평가 연구에는 높은 정확도가 자주 등장한다. 그러나 개발에 사용한 데이터에서 높은 성능을 보이는 것과 전혀 다른 병원·학교·연령·문화권에서 같은 성능을 보이는 것은 다른 문제다. 정신건강은 언어와 문화, 연령, 생활환경의 영향을 크게 받는다. 해외 성인 데이터를 중심으로 개발한 모델이 한국 아동·청소년에게 동일하게 적용된다고 가정할 수 없으며, 특정 지역이나 특정 성별에 편중된 데이터는 결과의 공정성에도 영향을 줄 수 있다.

  따라서 실제 활용 전에 독립된 외부 데이터에서 성능이 재현되는지, 실제 현장에서도 성능이 유지되는지, 잘못 분류된 사람에게 어떤 불이익이 생길 수 있는지까지 확인해야 한다.  

생성형 AI는 정신건강 분야에서 어디에 쓰이고 있나

  2025년 JMIR Mental Health의 체계적 문헌고찰은 생성형 AI의 정신건강 활용 연구 79편을 분석했다. 진단·평가, 치료적 도구, 임상가 지원의 세 영역에서 활용이 증가하고 있었고, 특히 텍스트 기반 우울·자살위험 탐지, 챗봇 기반 정서·행동지원, 임상 문서화와 교육·의사결정 지원 등이 연구됐다.[3] 그러나 같은 리뷰는 실제 현장 배치와 안전성 검증이 제한적이며, 개인정보·보안, 정보의 정확성·공정성, 사용자 안전, 윤리적 감독을 핵심 쟁점으로 제시했다.
 

AI가 공감하는 것처럼 보여도 ‘관계’와는 다르다

  생성형 AI는 “많이 힘드셨겠어요”, “그 상황이라면 불안했을 것 같아요”처럼 사람에게 익숙한 공감 표현을 자연스럽게 만들어낸다. 이런 반응은 이용자가 자신의 생각을 정리하거나 도움을 요청하는 첫 단계에서 유용할 수 있다. 그러나 언어적 공감 표현과 실제 인간관계 속의 공감은 구분해야 한다.

  AI는 사용자의 삶의 역사와 가족관계, 말하지 않은 정보, 실제 표정과 상황을 모두 알지 못하며, 사용자가 위험한 상태에 빠졌을 때 법적·윤리적 책임을 인간 전문가와 같은 방식으로 질 수도 없다.
 

AI의 가장 위험한 순간은 ‘그럴듯하게 틀릴 때’

  생성형 AI는 정확하지 않은 내용을 자연스럽고 자신감 있는 문장으로 제시할 수 있다. 정신건강 영역에서는 이러한 오류가 일반 정보보다 더 큰 위험으로 이어질 수 있다. 세계보건기구(WHO)는 대규모 멀티모달 모델이 보건의료에 광범위하게 활용될 가능성을 인정하면서도 허위·부정확·편향된 정보, 자동화 편향, 개인정보·사이버보안 위험을 중요한 문제로 제시하고 있다.[4]  따라서 AI가 제시한 결과는 ‘최종 답’이 아니라 전문가가 다시 확인해야 할 정보로 다루는 것이 안전하다.

심리 데이터는 왜 더 엄격하게 보호해야 하나

  우울, 불안, 자살사고, 가족갈등, 발달특성, 직장관계와 같은 데이터는 매우 민감하다. AI 심리평가에서는 검사 정확성만큼이나 개인정보 보호가 핵심이다. 사용자는 자신의 정보가 어디에 저장되는지, 다른 목적으로 사용되는지, 모델 개선에 이용되는지, 제3자에게 제공되는지, 언제 삭제되는지를 알 수 있어야 한다. WHO는 AI 보건기술에서 자율성 보호, 인간의 복지와 안전, 투명성과 설명가능성, 책임성, 포용성과 형평성, 지속가능성을 핵심 원칙으로 제시한다.[5]
 

AI 편향은 ‘기술 문제’가 아니라 사람의 문제다

  AI는 데이터에서 배운다. 따라서 학습 데이터가 특정 집단에 치우쳐 있으면 결과도 치우칠 수 있다. 성인 데이터를 중심으로 만든 모델을 청소년에게 적용하거나, 특정 언어·문화권의 데이터를 다른 문화권에 그대로 적용하면 오류가 커질 수 있다. 장애, 연령, 성별, 지역, 언어 차이가 충분히 반영되지 않으면 어떤 집단은 위험군으로 과다 분류되고 다른 집단은 실제 위험신호를 놓칠 수 있다. AI 심리평가에서는 ‘좋은 알고리즘’뿐 아니라 ‘누구의 데이터로 만들었는가’가 중요하다.
 

전문가의 역할은 줄어들까, 오히려 더 중요해질까

  미국심리학회(APA)는 2025년 건강서비스심리 분야 AI 윤리지침에서 AI가 인간의 전문적 판단을 보강해야 하며, 최종 판단과 책임은 전문가에게 남아 있어야 한다고 강조했다.[6] AI가 채점, 자료정리, 문서작성 등 반복업무를 맡게 되면 전문가의 역할은 ‘점수를 계산하는 사람’에서 ‘데이터의 의미를 해석하고 책임지는 사람’으로 이동할 가능성이 크다.

•  
• - 여러 자료가 서로 다르게 말할 때 무엇을 더 중요하게 볼지 판단하는 능력
• - AI 결과가 현재의 생활 맥락과 맞는지 검증하는 능력
• - 당사자·부모·교사·기업에 이해할 수 있는 언어로 설명하는 능력
• - 개인정보·편향·낙인 위험을 고려해 윤리적으로 결정하는 능력
• - 검사 결과를 실제 상담·교육·행동지원으로 연결하는 능력
• - 잘못된 판단이 발생했을 때 최종 책임을 지는 능력
•  

윤치연 박사 “AI는 사람을 분류하기보다 더 잘 돕는 방향으로 가야”

  심리검사와 발달평가, 행동지원 분야를 연구해 온 윤치연 박사는 AI 심리평가의 방향을 ‘사람과 AI의 협력’에서 찾아야 한다고 강조한다. 윤 박사는 “AI는 많은 데이터를 빠르게 처리하고 사람이 놓칠 수 있는 반복 패턴을 찾는 데 강점이 있다”며 “하지만 같은 점수라도 왜 그런 결과가 나타났는지, 가정·학교·직장이라는 실제 환경에서 어떤 의미가 있는지, 무엇을 먼저 지원해야 하는지는 전문가가 사람의 삶을 함께 보면서 판단해야 한다”고 말했다.
 

  이어 “앞으로는 심리검사와 마음상태검사, 발달검사, 행동관찰 같은 정보를 AI가 통합하고 전문가가 이를 해석해 개인에게 필요한 지원으로 연결하는 구조가 중요해질 것”이라며 “AI 심리평가의 목적은 전문가를 없애는 것이 아니라 조기선별과 위험신호 탐지, 결과해석과 후속지원의 질을 높이는 데 있어야 한다”고 설명했다.

  ㈜마음알지는 단디 등 모바일 심리검사 플랫폼을 통해 영유아 발달, 아동·청소년, 부모, 직장인의 심리검사와 마음상태검사를 디지털 환경으로 확장하고 있다. MIND24는 향후 AI 심리검사·발달검사·디지털 정신건강 관련 기술과 연구를 지속적으로 검증하고 소개할 예정이다.
 

AI 심리평가를 사용할 때 꼭 확인해야 할 8가지

• - 무엇을 측정하는가: 표준화된 심리검사인지 단순 감정분석인지 구분한다.
• - 누구의 데이터로 개발했는가: 연령·언어·문화·성별 구성이 실제 사용자와 비슷한지 본다.
• - 외부 검증을 했는가: 개발 데이터가 아닌 독립된 집단에서도 성능이 유지되는지 확인한다.
• - 오류는 어느 방향으로 발생하는가: 놓치는 사례와 과잉 경고 사례를 함께 본다.
• - 결과를 설명할 수 있는가: 왜 이런 결과가 나왔는지 전문가가 검토할 수 있어야 한다.
• - 개인정보를 어떻게 다루는가: 저장·이용·제3자 제공·삭제 기준을 확인한다.
• - 고위험 결과 이후 무엇을 하는가: 전문가나 지원기관으로 연결되는 절차가 있어야 한다.
• - 최종 판단과 책임은 누가 지는가: AI만으로 진단·처우를 결정하지 않는 구조인지 확인한다.
   

결국 중요한 질문은 ‘AI가 마음을 읽나’가 아니다

  AI가 인간의 마음을 완전히 이해할 수 있는지에 대한 논쟁은 당분간 계속될 것이다. 그러나 지금 더 중요한 질문은 ‘AI를 사람을 더 빨리 분류하는 데 사용할 것인가, 아니면 더 잘 돕기 위해 사용할 것인가’다. AI가 부모와 교사가 놓칠 수 있는 발달 신호를 더 일찍 발견하고, 직장인의 마음건강 변화가 심각해지기 전에 알려주며, 전문가가 많은 자료 속에서 중요한 위험신호를 놓치지 않도록 돕는다면 기술의 의미는 달라진다.
 

  현재 AI가 사람의 마음을 완전히 읽는다고 말하기에는 이르다. 하지만 AI가 데이터를 읽고, 전문가가 맥락을 읽으며, 당사자와 함께 필요한 지원을 찾아가는 심리평가의 시대는 빠르게 가까워지고 있다.

자주 묻는 질문(FAQ)

Q1. AI 심리검사는 사람의 마음을 정확하게 진단할 수 있나?

  현재 AI는 심리·행동 데이터에서 위험 신호를 탐지하고 분류하는 데 가능성이 있지만, AI 결과 하나만으로 정신질환이나 발달상태를 확정하는 것은 적절하지 않다. 면담·관찰·생활환경·발달력 등과 함께 전문가가 종합적으로 해석해야 한다.
 

Q2. AI 상담은 사람 상담사를 대신할 수 있나?

  정보 제공, 생각 정리, 간단한 정서지원에는 도움을 줄 수 있지만 위기판단, 복잡한 관계와 맥락 해석, 책임 있는 임상결정까지 완전히 대신한다고 보기는 어렵다.
 

Q3. 음성이나 표정만으로 우울증을 알 수 있나?

  AI가 음성·표정의 패턴을 이용해 우울 위험을 추정하는 연구는 활발하지만 언어·문화·피로·신체상태·환경에 따라 결과가 달라질 수 있어 단독 진단용으로 사용하기에는 추가 검증이 필요하다.
 

Q4. AI 심리평가에서 가장 중요한 윤리 문제는 무엇인가?

  개인정보 보호, 데이터 편향과 형평성, 결과의 설명가능성, 잘못된 정보와 자동화 편향, 사용자 동의, 최종 책임 주체가 핵심이다.
 

Q5. 앞으로 심리전문가의 역할은 어떻게 달라질까?

  채점과 문서작성 같은 반복업무는 자동화될 수 있지만, 데이터의 맥락을 해석하고 윤리적 판단을 내리며 당사자에게 맞는 지원을 설계하고 결과에 책임지는 역할은 더 중요해질 가능성이 크다.

참고문헌·자료

[1] Cruz-Gonzalez P, et al. (2025). Artificial intelligence in mental health care: a systematic review of diagnosis, monitoring, and intervention applications. Psychological Medicine, 55, e18. DOI: 10.1017/S0033291724003295. 

[2] Maran PL, et al. (2025). Performance of Automatic Speech Analysis in Detecting Depression: Systematic Review and Meta-Analysis. JMIR Mental Health, 12, e67802. DOI: 10.2196/67802. 

[3] Wang X, Zhou Y, Zhou G. (2025). The Application and Ethical Implication of Generative AI in Mental Health: Systematic Review. JMIR Mental Health, 12, e70610. DOI: 10.2196/70610. 

[4] World Health Organization. Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models. 

[5] World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. 

[6] American Psychological Association. Ethical Guidance for AI in the Professional Practice of Health Service Psychology. Updated 2025. 

[7] American Psychological Association. Artificial intelligence in mental health care. 2025. 

[8] Google Search Central. Creating helpful, reliable, people-first content. 

[9] Google Search Central. Optimizing your website for generative AI features on Google Search. 

[10] Google Search Central. Article structured data.