대한간호협회(간협)가 17일 서울 장충체육관에서 '2025 간호정책 선포식'을 열고 고령화와 지역사회 돌봄 수요 확대 등 변화하는 환경 속에서 간호사의 역할이 정책의 중심이 될 수 있도록 강화하겠다고 밝혔다. 신경림 간협 회장은 이날 대회사에서 "국가적 돌봄 체계 구축은 더 이상 미룰 수 없는 과제이고, 이제는 치료 중심 의료에서 벗어나 의료·요양·지역 돌봄이 유기적으로 연결되는 통합 돌봄체계가 국가적 의무가 됐다"며 이같이 밝혔다. 이어 "간협은 새로운 돌봄 패러다임의 전환이라는 시대적 요구를 외면하지 않을 것"이라며 "간호·요양·돌봄을 아우르는 '간호사 중심 협력 거버넌스'를 통해 국가 인프라를 새롭게 설계하겠다"고 밝혔다. 간협은 의료와 돌봄을 잇는 간호사를 중심으로 하는 통합 돌봄 협력 거버넌스를 구축해 지역사회 돌봄 수요 확대에 대응해야 한다는 입장이다. 이를 통해 고령자·만성질환자·취약계층 등이 병원에 이어 지역에서도 끊김이 없는 통합 돌봄 서비스를 제공받을 수 있을 것으로 기대하고 있다. 신 회장은 "간호계는 정부·국회·지자체·의료·요양기관과 협력해 대한민국형 통합 돌봄 모델을 실현해 나가겠다"며 "간호사의 역할을 병원에서 지역사회로 확장하고 재택간호 활성화, 수가 현실화, 인력 교육 등을 통해 국민의 평생 돌봄을 책임지겠다"고 덧붙였다. 이와 함께 간협은 올해 추진할 6대 정책 과제로 ▲ 간호·요양·돌봄 통합체계 구축 및 운영 ▲ 환자 만족도·업무량 기반 간호사 배치기준 마련 ▲ 현장 밀착형 간호교육 혁신 ▲ 숙련도 기반 간호관리료 차등제 개편 ▲ 인공지능(AI) 기반 간호교육 표준모형 개발 및 디지털 인프라 확충 ▲ 간호의 질 향상을 위한 공정 보상체계 구축을 제시했다. 이날 행사에서는 전국의 간호사와 간호대 교수 및 학생 등으로 구성된 대표 6명이 간호사 배치기준 개선, 교육 혁신, 디지털 기반 교육 강화, 숙련도 인정 보상체계 확립 등을 요구하는 결의문도 발표했다.

일찍 찾아온 인플루엔자(독감)의 유행이 심상찮다. 환자 규모가 벌써 최근 10년 동기간 최고 수준을 찍는 등 빠르게 확산하고 있어 각별한 주의가 요구된다. 임승관 질병관리청장은 17일 '호흡기감염병 관계부처 합동대책반' 회의를 열고 "올해는 예년보다 이른 10월부터 독감 유행이 시작됐고, 빠르게 확산하는 양상을 보이고 있다"고 말했다. 질병청은 지난달 17일 독감 유행주의보를 발령했다. 코로나19 영향으로 유행 양상이 달랐던 2020∼2023년을 제외하면 최근 10년간 가장 이른 발령이다. 올해 45주 차인 지난 일주일(11월 2일∼11월 8일) 표본감시 의료기관 300곳을 찾은 외래환자 1천명당 독감 증상을 보인 의심 환자는 50.7명으로 직전 주 22.8명 대비 122.3% 급증했다. 18세 이하 청소년과 아동을 중심으로 유행하면서 7∼12세 독감 의심 환자는 외래환자 1천 명당 138.1명에 달했다. 직전 주(68.4명)의 2배 수준이었다. 임 청장은 "올해 45주차 독감 의심 환자가 최근 10년간 동기간 중 가장 높은 발생을 보였다"이라며 "특히 초등학생 연령층의 독감 의심 환자가 지난 절기 정점과 유사한 수준으로 높은 편"이라고 전했다. 질병청은 이러한 인플루엔자 유행 양상과 바이러스 특성은 우리나라만의 현상은 아니라고 밝혔다. 현재 일본과 영국에서도 인플루엔자 유행이 작년보다 1~2개월 일찍 시작돼 확산 중이다. 임 청장은 "현재의 인플루엔자 증가 양상과 국외의 발생 상황 등을 종합적으로 고려해 볼 때 올해는 인플루엔자 유행 기간이 길고, 지난 해와 유사한 정도로 크게 유행할 가능성도 있는 것으로 전망된다"며 손 씻기 등 개인위생 준수와 백신 접종을 당부했다. 질병청은 65세 이상 어르신, 임신부, 생후 6개월∼13세 어린이를 대상으로 인플루엔자 백신 예방접종을 지원하고 있다. 현재 생후 6개월∼13세 어린이의 인플루엔자 백신 접종률은 57.2%로, 지난해 동기 대비 4%포인트 높은 수준이다. 질병청은 이날 회의에서 인플루엔자 외에 코로나19, 호흡기세포융합바이러스(RSV) 등 호흡기감염병 유행 상황 등도 점검했다. 코로나19 입원환자는 지난 여름철 증가하다 9월 중순부터 감소세로 전환된 후 지금은 매주 200명 이내의 수준으로 발생하고 있다. RSV 감염증 입원환자는 올해 45주 기준 216명으로, 지난해 같은 기간 122명보다 다소 높은 상황이다. 최근 4주간 입원환자 중 0∼6세가 84.1%를 차지하는 등 대부분 영유아이므로, 산후조리원이나 보육시설 등에서 집단 발생 예방에 주의를 기울여달라고 질병청은 강조했다.

매일 출퇴근길 지하철 2호선에서 스마트폰을 들여다보는 직장인 김 모 씨. 인스타그램 피드에 뜬 인플루언서의 게시글을 습관처럼 확인한다. 사진 속 스타일과 배경이 시선을 사로잡고 게시물에는 '좋아요 10만 개 돌파', 수백 개의 긍정적인 댓글이 반짝인다. 하지만 문득 김 씨는 이 엄청난 '좋아요'와 댓글들이 과연 실제 사람들의 손에서만 나왔을까 하는 의문을 지울 수 없었다. 과연 이 모든 게 진실일까. ◇ 추천 수와 댓글…가짜 신뢰를 쌓는 '사다리' 인터넷과 소셜미디어(SNS)에서 '좋아요'나 '댓글'의 숫자는 단순한 반응 수치를 넘어서는 의미를 가진다. 사람들이 이 수치를 콘텐츠의 인기와 신뢰도를 가늠하는 기준으로 삼기 때문이다. 상품 후기나 인플루언서 게시글에 수백 개가 넘는 '좋아요'가 붙어 있다면 "많은 사람이 좋다고 했으니 믿을 만하다"고 판단하기 쉽다. 그러나 최근 국내외 연구들은 이러한 '추천 수와 댓글 수'의 상당 부분이 실제 사용자가 아닌 생성형 인공지능(AI)과 봇 계정 자동화를 통해 생성되고 있다는 사실을 보여주고 있다. 카이스트 연구팀은 한국어로 작성된 AI 생성 댓글 식별 기술을 개발하며 "몇 시간 안에 수십만 개의 댓글을 만들어낼 수 있다"고 설명해 자동화의 심각성을 경고했다. ◇ 월 10만 원대로 '여론 공장' 운영 가능해 구체적인 요금표나 업체명은 공개되지 않았지만 최근의 보도들은 "월 10만 원대 비용으로 수만 건의 댓글과 '좋아요'를 자동으로 생성해준다"는 주장을 다루고 있다. 이처럼 적은 비용으로 대규모의 반응 조작이 가능해진 배경에는 GPT-4o 등 대규모 언어 모델(LLM) 기반 생성형 AI의 발전과 서버 비용 하락이 자리 잡고 있다. 실제로 GPT-4o 등 최신 LLM을 이용할 경우 댓글 한 개에 약 1원 내외의 비용으로 수십만 건의 자동 댓글 및 '좋아요' 생성이 가능한 것으로 알려졌다. 심지어 250만원 내외의 비용으로 하루 만에 인스타그램 팔로워 30만명, '좋아요' 수만 개를 조작한 사례도 발각된 바 있다. 카이스트 연구팀 역시 "GPT-4o API 등을 활용하면 한국어 댓글 한 개에 비용이 약 1원 수준이 될 수 있다"고 밝혔다. 이러한 구조는 소규모 자본으로도 대량의 그럴듯한 여론을 손쉽게 만들어낼 수 있는 환경이 조성됐음을 보여준다. 네이버, 인스타그램, 유튜브 등 주요 플랫폼 운영사들이 AI 댓글·좋아요 탐지 시스템인 '클린봇' 등을 고도화하고 있지만 완벽한 차단에는 어려움을 겪는 실정이다. 카이스트 연구팀 보고서에 따르면 인간이 AI가 작성한 댓글을 실제 사람의 댓글로 오인하는 비율이 67%에 달해 LLM이 만든 자동화 댓글의 자연스러움이 매우 높은 것으로 나타났다. ◇ '봇'이 누르고 'AI'가 쓰는 조작의 메커니즘 문제는 단순히 '좋아요' 수가 늘어나는 것에만 머무르지 않는다는 점이다. 인플루언서 게시글의 댓글, 온라인 쇼핑몰 후기의 별점과 댓글, 유튜브 영상의 추천 및 댓글에 이르기까지 전방위적인 자동화 조작 우려가 커지고 있다. '좋아요'와 추천 수 조작은 주로 봇 계정(허위 계정)의 대량 생성 및 활용으로 이뤄진다. 댓글 조작은 생성형 AI가 실제 게시글의 맥락에 맞춰 사람처럼 자연스러운 문장을 만들어내는 방식이 주류다. 이 두 기술이 결합하면서 '가상 인플루언서의 가상 인기'가 만들어지는 상황까지 초래될 수 있다. 이러한 자동화된 반응이 실제 여론으로 인식되면 경쟁 상품이나 게시물의 시장 및 사회적 신뢰도와 평가가 심각하게 왜곡된다. 2021년 조사에 따르면 뉴스 댓글 영향력 조사에서 42% 이상이 댓글 수가 많은 뉴스를 선택한다고 답해 댓글 수가 여론 형성의 중요한 기반임을 시사했다. 댓글 수가 많아 보이는 현상이 사실은 AI로 자동화된 조작일 경우 사회적 논의의 기반 자체가 흔들릴 수 있다. ◇ 수치의 출처 의심하는 비판적 시각 필요 AI에 의한 자동 댓글 및 '좋아요' 조작은 현행법상 정보통신망법, 업무방해죄, 표시광고법 등 여러 법률 위반 가능성이 높다. 하지만 법과 제도의 개선 속도가 AI 기술 발전을 따라잡지 못하고 있다는 지적이 끊이지 않고 있다. 우리가 스스로 AI 조작 가능성을 점검할 수 있는 몇 가지 방법이 있다. 우선 조회 수 대비 반응 비율을 보는 것이다. 조회수가 500건인데 댓글이 1천000개 달리는 등 댓글이나 '좋아요' 수가 조회수 대비 지나치게 많지 않은지 확인해볼 필요가 있다. 댓글 내용에서 문장 구조나 어투의 반복성이 높다면 자동화 가능성을 의심해야 한다. 특정 시간대에 댓글이 갑자기 몰리거나 급격히 증가했다면 AI를 이용한 대량 생성의 가능성이 있다. 또한, 플랫폼이 제공하는 신고 기능이나 이상 반응 감지 기능을 적극적으로 확인해보는 것도 좋다. 이처럼 우리가 스마트폰을 들여다보며 확인하는 '좋아요 100개'라는 숫자 뒤에는 실제 사람이 아닌 코드가 숨어 있을 가능성이 있다. 단순한 반응처럼 보였던 수치가 사실은 생성형 AI와 봇 계정이 만들어낸 것일 수 있다는 점은 우리의 일상적인 선택과 나아가 여론의 흐름에까지 어두운 그림자를 드리운다. '좋아요'가 많이 눌렸다고 해서 반드시 '사람의 마음'이 담긴 것은 아니라는 의미다. 디지털 시대에 우리는 '수치의 출처'를 의심할 필요가 있다. 앞으로 인플루언서 게시물을 볼 때 댓글과 '좋아요' 숫자를 한 번 더 눈여겨보며 그 뒤에 정말 '사람'이 눌렀는지 묻는 비판적인 시각이 필요한 시대가 됐다.

최근 연세대와 서울대에서 발생한 생성형 인공지능(AI) 사용 부정행위로 대학 내에서의 AI 부정 사용이 논란이 되고 있다. 특히 연세대의 경우 학생들에게 '자수'를 권고하는 방식으로 대응해 온라인 커뮤니티를 중심으로 "부정행위를 적발하지 못하니 자수를 유도하는 것이 아니냐"는 이야기가 돌고 있다. 일각에선 "AI 탐지기의 정확도가 떨어진다", "우회 프로그램으로 얼마든지 피할 수 있다"는 의견도 나온다. AI가 작성한 글인지 사람이 쓴 글인지 판별해준다는 'AI 생성 글 탐지기'(AI text detector)의 성능은 실제로 어느 정도인지 살펴봤다. ◇ "AI 탐지기, 회피 조작에 취약…부정 사용 적발에 쓸 수 없어" 결론부터 말하면 최근 나온 논문들은 AI 탐지기가 부정 사용을 적발하는 데 사용될 만큼 정확하지 않고 신뢰할 만하지도 않다는 연구 결과를 내놓고 있다. 필리핀 연구진이 2020∼2024년 AI 탐지기를 다룬 논문 34편을 검토해 발표한 논문 'AI 생성 글 탐지기의 정확도와 신뢰성'(2025)에 따르면 대부분 AI 탐지기의 정확도가 50% 이상을 보였으나 탐지기별로 차이를 보였다. 유료 AI 탐지기가 무료보다 더 나은 성능을 보였다. 유료 AI 탐지의 정확도는 평균 87%였지만 가입이 필요 없는 AI 탐지기는 정확도가 77%에 그쳤다. 하지만 탐지 회피 기법을 도입하면 정확도는 대부분 급격하게 떨어졌다. 예컨대 다른 표현으로 바꾸기(paraphrasing)만 해도 정확도가 60% 이상 하락한 사례도 있었다. 또한 GPT-4로 생성된 자료보다 GPT-3.5로 생성된 자료를 탐지할 때 더 높은 정확도를 보였다. 이는 AI 탐지기의 정확도가 오래된 AI 모델에 대해선 효과적이지만 새로운 모델에선 제대로 기능하지 못함을 의미했다. 논문은 이같은 문헌 검토 결과를 토대로 "AI 탐지기는 사용하기에 정확하지도 않고 신뢰할 만하지도 않다"며 "AI 탐지기의 능력에만 전적으로 의존해서는 안 된다"고 조언했다. 구체적인 테스트 결과를 확인하기 위해 국제학술지 '고등교육 교육공학 국제저널'(IJETHE)에 실린 논문 '생성형 AI 텍스트 감지기를 우회하는 간단한 기법'(2024)을 살펴봤다. 이 논문은 'AI 생성 글 탐지기의 정확도와 신뢰성' 논문이 검토 대상으로 삼았던 34편 중 하나다. 마이크 퍼킨스 브리티시 유니버시티 베트남(BUV) 연구·혁신센터장 등 7명이 공저한 이 논문에 따르면 터닛인, GPT제로, 제로GPT, 카피리크스, 크로스플래그 등 AI 탐지기 7개의 평균 정확도는 39.5%에 불과했다. 테스트에는 GPT-4, 클로드2, 바드(현 제미나이) 등이 각각 5개씩 생성한 글 15개, 인간이 작성한 글 10개, AI 생성 글에 탐지 회피 기법을 적용한 글 89개 등 모두 114개가 표본으로 활용됐다. AI 탐지기의 정확도는 이 중 AI 생성 글 15개를 대상으로 테스트한 결과다. 즉, AI 생성 글을 줬을 때 'AI가 쓴 글이다'라고 판정한 비율이 39.5%라는 의미다. 하지만 AI 탐지기를 속이기 위해 AI가 생성한 글들에 고의로 철자 오류를 삽입하거나 문장들의 길이를 들쭉날쭉하게 하는 등 탐지 회피 기법을 적용했더니 평균 정확도가 22.2%로 급감했다. 이 같은 결과는 탐지 회피 기법이 AI 탐지기가 AI 생성 글임을 판단하는 기준을 역이용하기 때문이다. 예컨대 AI는 인간과 달리 비교적 일관된 길이와 구조의 문장을 생성하는 경향이 있다. 이를 역이용해 문장 길이에 변화를 주면 AI 탐지기는 인간이 쓴 글로 착각하게 된다. 철자 오류도 마찬가지다. AI 생성 글에는 철자 오류가 사실상 없기 때문에 AI 탐지기는 철자 오류가 있는 글을 인간이 쓴 글로 판정한다. AI 탐지기는 인간이 작성한 글 10개에 대해서도 인간이 쓴 글이라고 판정한 비율이 67%에 불과했다. 특히 인간이 작성했음에도 AI 생성 글로 잘못 판단한 오탐지율이 15%에 달했다. 논문은 "학생들이 학업윤리지침을 위반했는지를 판단하기 위한 목적으로 AI 탐지기를 활용하는 것을 권장할 수 없다"고 밝혔다. 인간이 쓴 글, AI 생성 글(탐지 회피 기법이 적용된 글 포함) 등 모든 표본을 대상으로 테스트했을 때 AI 생성 글임에도 탐지하지 못한 미탐지 비율이 평균 65.7%였다. 논문은 현세대 AI 탐지기는 정확도가 낮고, 탐지 회피 조작에 매우 취약해 학문적 부정행위 판단 도구로는 신뢰할 수 없다고 결론을 내렸다. ◇ "영어 기반 AI 탐지 모델, 한국어에 적용하면 성능 급감" AI 탐지기는 영어와 구조적·문법적 특성이 다른 한국어에 대해선 어떤 성능을 보일까. '2024년 대한전자공학회 하계학술대회 논문집'에 실린 논문 '인공지능 생성 텍스트 탐지 기술의 한국어 적용'(박현주·김병준·김부근 중앙대 AI대학원)에 따르면, 영어 기반인 AI 탐지 모델을 한국어에 그대로 적용하면 성능이 급격하게 떨어지는 것으로 나타났다. 이 논문에선 디텍트GPT와 '적대적 학습 기반 AI 텍스트 탐지 모델'(RADAR)이라는 두 가지 AI 탐지 모델을 대상으로 GPT-3.5-터보와 클로드-3-소네트가 생성한 한국어 텍스트를 입력해 AI 생성 글인지 여부를 판단하게 했다. 그 결과 GPT-3.5가 생성한 글들에 대해서 디텍트GPT는 수용자조작특성곡선(AUROC) 값이 0.55∼0.65, RADAR는 0.40∼0.47을 기록했다. AUROC 지표는 AI 생성 글과 인간이 쓴 글을 얼마나 잘 구분하는지 보여주는 점수로, 0~1 사이의 값을 갖는데, 1은 100% 확률로 맞춘다는 것을 의미한다. 0.5는 확률이 50%이므로 사실상 탐지기가 아무 쓸모가 없는 수준임을 나타낸다. 어떤 글이 AI 생성 글이거나 인간 글일 확률이 기본적으로 반반이므로, 어떤 글이 AI 생성 글일 확률이 50%라고 말하는 것은 누구나 할 수 있는 말이기 때문이다. 이 두 탐지 모델이 영어로 쓰인 글을 대상으로 했을 때 AUROC 값이 0.9 수준에 달했던 것과 비교하면 한국어 글에 대한 탐지 능력이 상당히 떨어진다고 할 수 있다. 클로드-3가 생성한 한국어 글에 대한 AUROC 값은 디텍트GPT가 0.43∼0.52, RADAR은 0.18∼0.38로 GPT-3.5보다 더 낮았다. 이는 클로드-3가 GPT-3.5보다 더 사람처럼 글을 자연스럽게 쓰기 때문에 그만큼 탐지가 안 된 것으로 풀이됐다. 특히 RADAR의 AUROC 값이 0.5보다 상당히 낮은데, 이는 동전 던지기로 결정해 맞추는 것보다 확률이 더 떨어진다는 것을 의미한다고 논문은 설명했다. 이 논문이 작성된 지난해 수준에선 AI 탐지 모델이 한국어에선 신뢰할 수 없음을 실험 결과가 보여준 셈이다. ◇ "모든 시험에 'AI 스트레트 테스트' 필요" 이처럼 현재 AI 탐지기로 AI 부정 사용을 적발하기 어렵다면 어떻게 학내 AI 부정 사용에 대처해야 할까. 영국의 민간 싱크탱크 고등교육정책연구소(HEPI)가 올 2월 발표한 '2025 생성형 AI 학생 활용 실태 조사'의 결과와 정책 제언을 참고로 할 만하다. 이 조사에서 영국의 대학생 1천41명을 대상으로 한 설문한 결과 어떤 식으로든 AI를 사용해봤다는 응답이 92%로, 작년 조사 때의 66%에서 급증했다. 특히 과제나 시험에 AI를 써봤다는 응답이 같은 기간 53%에서 88%로 뛰어올랐다. 18%는 AI가 생성한 글을 그대로 자신의 과제물에 포함했다고도 했다. AI를 사용하는 이유로는 '시간을 절약하기 위해서'(51%), '내 과제물의 질을 개선하기 위해서'(50%)라고 밝혔다. HEPI는 모든 시험·평가에 대해 챗GPT 유로 버전과 같이 강력한 AI를 활용해 문제가 너무 쉽게 풀리지는 않는지 확인하는 '스트레스 테스트'를 실시해야 한다고 조언했다. 학생들이 교과 과정에 성실히 참여하지 않고도 AI를 활용해 높은 점수를 받을 수 있다면 그런 시험 또는 평가는 과감하게 다시 설계해야 한다고 강조했다. 그러면서 대학이 AI 교육에 적극적으로 나서지 않는다면 AI를 잘 다루는 학생과 그렇지 못한 학생 간 '디지털 격차'를 더 확대할 것이라고 경고했다.