간호사가 AI를 안 쓰는 진짜 이유는 몰라서가 아니다

간호사가 인공지능(AI)을 잘 안 쓰는 이유가 ‘몰라서’라고 생각했다면 절반만 맞았다. 맥킨지(McKinsey)가 2026년 7월 8일 공개한 간호 현장 AI 도입 분석에 따르면, 미국 간호사들이 AI를 주저하는 가장 큰 이유는 교육 부족이 아니라 AI가 내놓는 결과를 믿지 못하는 ‘신뢰의 문제’였다. 여기서 신뢰(trust)란 AI가 계산한 판단이 실제 환자에게 안전하고 정확한지에 대한 확신을 뜻한다. 병원에서 매일 생명을 다루는 사람들이 AI를 어떻게 받아들이는지는, AI가 일상 업무에 얼마나 깊이 들어올 수 있는지를 가늠하는 신호이기도 하다.

AI 사용 1년 새 65% 늘어난 미국 간호 현장

맥킨지가 미국 간호사 500명 이상을 조사한 결과 응답자의 약 65%가 1년 전보다 더 많은 AI 도구를 쓰고 있다고 답했다. 이 수치는 2026년 2월 17일부터 3월 17일까지 진행된 ‘2026 맥킨지 간호 AI 인사이트 서베이(McKinsey Nursing AI Insights Survey)’에서 나온 것으로, 표본은 현장 간호사 521명이다. 사용이 늘고 있다는 점은 분명하지만 속을 들여다보면 얘기가 달라진다.

응답자의 23%는 AI를 전혀 쓰지 않는다고 답했고, 모든 업무에 AI가 녹아 있다고 답한 사람은 약 2%에 그쳤다. 사용을 깊이 있게 하는 이른바 ‘슈퍼유저(superuser)’는 전체의 10% 안팎이다. 슈퍼유저란 0에서 10까지의 척도에서 자신의 AI 활용도를 8점 이상으로 매긴 사람을 말한다. 넓게 퍼졌지만 대부분 얕게 걸쳐 있는 상태인 셈이다.

예를 들어 같은 미국 간호사라도 개인 의원에서 일하는 응답자의 21%가 슈퍼유저인 반면, 급성기 병원에서는 그 비율이 5%에 그쳤다. 어디서 일하느냐가 AI를 얼마나 깊게 쓰느냐를 가른다는 뜻이다.

가장 큰 걸림돌로 떠오른 정확도 불신 33%

간호사들이 AI 도입에서 가장 많이 꼽은 걱정은 ‘AI가 내놓는 결과의 정확성을 믿기 어렵다’는 것으로, 응답자의 33%가 이를 상위 3대 우려로 선택했다. 그 뒤를 인간적 교류의 부족(18%)과 데이터 프라이버시(16%)가 이었다. 주목할 점은 ‘사용법을 몰라서’라는 걱정의 위상이 크게 낮아졌다는 것이다. 이 항목은 2024년 조사에서 세 번째로 많이 꼽힌 우려(36%)였지만, 2026년 조사에서는 여섯 번째(22%)로 내려앉았다.

다시 말해 간호사들은 이제 AI를 ‘어떻게 쓰는지 몰라서’ 망설이는 게 아니라, ‘믿어도 되는지 몰라서’ 망설인다. 이것이 이 조사가 던지는 반전이다. 실제로 간호사들은 AI의 잠재력 자체는 강하게 인정한다. 80% 이상이 AI가 환자 진료를 어느 정도는 개선할 수 있다고 봤고, 그중 16%는 크게 개선할 수 있다고 답했다. 믿음은 있는데 손이 안 가는 이 간극이야말로, 교육만으로는 풀리지 않는 문제의 핵심이다.

그림1. 신뢰·인간 중심 우려가 기술적 장벽을 앞선 미국 간호사의 AI 도입 걸림돌 (출처: McKinsey Nursing AI Insights Survey 2026, n=512)

문서·투약에 쏠린 사용과 벌어진 슈퍼유저 격차

현재 간호 현장의 AI는 환자 기록 작성이나 투약 관리처럼 절차가 정해진 반복 업무에 집중돼 있다. 이런 업무는 형식이 일정하고 예측이 쉬워 AI를 끼워 넣기 좋기 때문이다. 반대로 환자 일정 조정, 인력 배치 최적화, 환자와의 소통 같은 복잡하고 사람 손이 많이 가는 영역은 도입이 뒤처져 있다. 서로 다른 시스템을 연결해야 하고 판단의 책임이 무거워 쉽게 맡기기 어려운 탓이다.

이 지점에서 슈퍼유저와 일반 사용자의 차이가 극명하게 벌어진다. 투약 관리에 AI를 꾸준히 쓰는 비율은 슈퍼유저가 77%인 데 비해 일반 사용자는 27%에 그쳤고, 임상 의사결정 지원에서는 70% 대 20%로 벌어졌다. 격차가 가장 큰 영역은 임상 의사결정 지원으로 무려 51%포인트 차이가 났다.

소수의 앞선 간호사들은 이미 AI를 ‘판단이 개입되는 고부담 업무’에 끌어들이고 있는데, 대다수는 여전히 문턱 앞에 서 있다. 나는 어느 쪽에 서 있는지 돌아보게 만드는 대목이다.

업무 자동화를 넘어 역할 재설계로

맥킨지는 진짜 변화가 ‘AI 도구를 더 많이 까는 것’이 아니라 ‘간호 업무 자체를 다시 짜는 것’에서 나온다고 봤다. 여기서 역할 재설계(role redesign)란 기존 업무에 AI를 덧붙이는 대신, 간호사만 할 수 있는 일과 AI가 도울 수 있는 일을 처음부터 다시 나누는 접근을 말한다. 이 방향을 실제로 증명한 사례가 있다.

머시 헬스(Mercy Health)는 전자의무기록 기업 에픽(Epic)과 함께 생성형 AI 기반 간호 계획을 도입해 교대 근무 종료 시 작성하는 기록 시간을 83% 줄였고, 도입 30일 만에 시스템 전반에서 85% 채택률을 달성했다.

스탠퍼드 병원(Stanford Hospital)은 AI를 실시간 연결망으로 활용해 15분마다 환자 데이터를 끌어와 위험 신호를 미리 알리고 간호사와 의사가 더 빨리 손발을 맞추도록 했다.

메이오 클리닉(Mayo Clinic)은 사람이 항상 마지막 판단을 검토하는 ‘휴먼 인 더 루프(human in the loop)’ 원칙 아래 간호 가상 비서를 전자의무기록에 심었다. 이 사례들의 공통점은 기술을 던져 놓기만 한 게 아니라, 간호사가 설계에 참여하거나 조직이 일하는 방식을 통째로 바꿨다는 데 있다.

기술 도입보다 앞서야 할 신뢰 설계

이번 조사가 남기는 가장 실질적인 메시지는 AI를 더 들이는 것보다 믿을 수 있게 만드는 일이 먼저라는 점일 가능성이 있다. 간호사들이 우려를 덜기 위해 가장 원한 것도 화려한 신기술이 아니었다. 환자 데이터의 강력한 보안과 프라이버시(54%), AI의 효과와 안전성을 보여주는 실제 근거(54%), 명확한 사용 지침과 규제(49%)가 상위에 올랐다.

그림2. 데이터 보안·프라이버시와 AI 효과 입증 근거가 최상위로 꼽힌 간호사의 AI 우려 완화법 (출처: McKinsey Nursing AI Insights Survey 2026, n=521)

기술이 아무리 좋아져도 ‘이 결과를 믿어도 된다’는 근거와 책임 구조가 함께 서지 않으면 현장은 움직이지 않는다는 뜻으로 읽힌다. 다만 신뢰가 쌓인 뒤 AI가 간호사의 판단과 환자와의 관계를 얼마나 대체하지 않고 보완하는 선에서 멈출지는 아직 지켜볼 필요가 있다. 분명한 것은 AI가 간호 현장에서 더는 가정이 아니라는 사실이며, 다음 단계의 성패는 새로운 도구의 수가 아니라 그 도구를 신뢰로 감쌀 수 있는 조직의 역량에 달려 있다.

FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q. 간호사들이 AI를 꺼리는 가장 큰 이유는 무엇인가요?

사용법을 몰라서가 아니라 AI가 내놓는 결과의 정확성을 믿기 어렵다는 신뢰 문제가 가장 큽니다. 2026년 맥킨지 조사에서 응답자의 33%가 정확도에 대한 불신을 상위 우려로 꼽았고, ‘사용법을 모른다’는 걱정은 2024년 3위에서 2026년 6위로 내려갔습니다.

Q. 병원에서 AI는 실제로 어떤 성과를 내고 있나요?

미국 머시 헬스는 생성형 AI 간호 계획을 도입해 교대 종료 기록 작성 시간을 83% 줄였고, 도입 30일 만에 85% 채택률을 기록했습니다. 스탠퍼드 병원은 15분마다 환자 데이터를 분석해 위험을 미리 알리는 방식으로 간호사와 의사의 협업을 앞당겼습니다.

Q. AI가 간호사의 일자리를 대체하게 되나요?

현재 조사에서 나타난 방향은 대체보다 ‘역할 재설계’에 가깝습니다. 반복적인 문서 작업이나 투약 관리는 AI가 돕고, 환자를 직접 살피고 판단하는 일은 간호사가 맡는 식으로 업무를 다시 나누는 흐름이며, 머시 헬스와 메이오 클리닉 사례에서는 간호사가 설계에 직접 참여했습니다.

기사에 인용된 리포트 원문은 맥킨지(McKinsey & Company)에서 확인할 수 있다.
리포트명: Ushering in the next era of frontline nursing with AI (2026년 5월 5일), Transparency and trust for AI in nursing (2026년 7월 8일)
이미지 출처: AI 생성 콘텐츠
해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.