Explaining women’s skepticism toward AI -여성의 AI 접근에 대한 '기피현상' 연구

[dhleepaul]

* 제목은 게재자가 약간 수정하여 올렸습니다. - 논문제목은 너무 길면 제목란에 모두 삽입할 수 없기 때문입니다. 양해바랍니다.  -dhleepaul

 임상 환경에서의 인공지능- 사진은 기사내용과 별개입니다.- dhleepaul

Journal Article

Explaining women’s skepticism toward artificial intelligence: The role of risk orientation and risk exposure Open Access

Sophie Borwein , 

Beatrice Magistro , 

R Michael Alvarez , 

Bart Bonikowski , 

Peter J Loewen 

Author Notes

PNAS Nexus, Volume 5, Issue 1, January 2026, pgaf399, https://doi.org/10.1093/pnasnexus/pgaf399

학술 논문

여성의 인공지능에 대한 회의론 설명: 위험 감수 성향과 위험 노출의 역할 오픈 액세스

소피 보르웨인 , 

베아트리체 마지스트로 , 

R 마이클 알바레즈 , 

바트 보니코프스키 , 

피터 J 로웬 

저자 노트

PNAS Nexus , 제5권 제1호, 2026년 1월, pgaf399, https://doi.org/10.1093/pnasnexus/pgaf399

게시됨:2026년 1월 20일

Abstract

본 논문은 직장에서의 인공지능(AI) 도입에 대한 태도에서 나타나는 성별 격차를 분석하고, 특히 위험 감수 성향과 위험 노출 정도의 성별 차이가 AI의 경제적 이점에 대한 회의론을 어떻게 부추기는지에 초점을 맞춘다. 본 연구는 자체적으로 수집한 설문조사 데이터를 활용한다.캐나다와 미국의 3,000명을 대상으로 한 설문조사 결과, 여성은 남성보다 인공지능(AI)을 더 위험하다고 인식하는 경향이 일관되게 나타났습니다. 이러한 성별 인식 차이의 주요 원인으로는 여성의 높은 위험 회피 성향과 AI 관련 위험에 대한 더 큰 노출 정도를 분석했습니다. 위험과 AI에 대한 태도 사이의 인과관계를 규명하기 위해, 순 고용 효과 발생 확률이 낮아질수록 여성의 AI 도입 지지율이 남성보다 더 급격하게 하락하는 것을 실험적으로 보여주었습니다. 또한, 개방형 질문에 대한 구조적 주제 모델링 분석을 통해 여성이 AI의 이점에 대해 더 큰 불확실성을 느끼고, 이점이 거의 없거나 전혀 없을 것으로 예상하는 경우가 더 많다는 것을 확인했습니다. AI가 기존의 성 불평등을 심화시킬 가능성을 고려할 때, 본 연구는 AI 정책 결정 과정에 여성의 관점을 반영하는 것이 매우 중요하다는 점을 강조합니다. 성별에 따른 위험을 고려하지 않은 정책은 고용 및 소득 불평등을 심화시킬 뿐만 아니라 AI 도입에 대한 정치적 반발을 초래할 수도 있습니다.

인공지능 , 성별 격차 , 위험 , 여론

인공지능(AI) 기술은 상당한 경제적 이익을 약속하지만, 일자리 감소와 불평등 심화 등 심각한 위험도 내포하고 있습니다. 모든 사람이 똑같이 혜택을 보는 것은 아닙니다. 본 연구는 여성이 남성보다 AI를 더 위험하게 인식한다는 사실을 발견했습니다. 이러한 차이는 여성이 위험을 더 회피하는 경향이 있고 AI 관련 고용 위험에 더 많이 노출되어 있다는 점에서 부분적으로 설명될 수 있습니다. 설문조사 실험을 통해 순 고용 증가 확률을 조작한 결과, AI 도입으로 인해 사라지는 일자리보다 더 많은 일자리가 창출될 확률이 낮아질수록 여성의 AI에 대한 지지도가 남성보다 더 급격하게 감소하는 것을 확인했습니다. 이러한 결과는 AI 정책 수립 시 성별에 따른 우려 사항을 고려하는 것이 중요하다는 점을 강조합니다. 이러한 고려가 없다면 AI는 기존의 성별 불평등을 악화시키고 여성의 경제적 기회를 줄이며 심지어 기술 자체에 대한 정치적 반발을 초래할 수도 있습니다.

소개

인공지능(AI) 기술은 경제, 사회, 정치 시스템에 상당한 이점과 중대한 과제를 동시에 제시합니다. AI 기술이 점점 더 정교해짐에 따라 혁신을 촉진하고 문제 해결 및 의사 결정 능력을 향상시키며 생산성을 높일 수 있는 기회를 제공합니다. 그러나 AI 기술의 도입은 잠재적인 일자리 감소, 데이터 프라이버시 및 편향과 관련된 윤리적 문제, 자율 의사 결정 시스템에 대한 기타 우려 사항 등 상당한 위험을 수반합니다. 더욱이 모든 집단이 AI의 위험과 이점에 동등하게 노출되는 것은 아니며, 이 기술은 기존의 사회경제적 불평등을 악화시킬 가능성도 있습니다( 1-5 ).

여성은 인공지능(AI)으로 인해 뚜렷한 분배적 영향을 받을 가능성이 높은 핵심 집단 중 하나입니다. 여성은 AI 기술로 인해 큰 변화를 겪을 수 있는 다양한 행정, 사무, 서비스 직종에 과도하게 집중되어 있습니다( 6-8 ). 동시에 과학, 기술, 공학, 수학 분야에서 여성의 참여율이 낮다는 것은 고임금 AI 관련 직종이나 리더십 직책에 대한 접근성이 떨어질 수 있음을 의미합니다. 결과적으로 AI의 발전은 기존의 성별 임금 격차를 더욱 확대할 수 있습니다( 9 ). 더욱이, 편향된 데이터셋으로 훈련된 AI 시스템은 채용, 대출, 의료 등 다양한 분야에서 차별을 조장하여 성 불평등과 고정관념을 강화하는 것으로 보고되었습니다( 3 , 10-12 ).

이러한 서로 다른 경험은 AI에 대한 태도의 성별 격차에 기여할 수 있습니다. 이전 기술 변화의 물결에 대한 이전 연구에서는 여성이 남성보다 자동화 기술의 경제적 도입에 대해 더 큰 회의적인 태도를 보인다는 것을 보여줍니다( 13 ). 그러나 이러한 이전 연구 결과에도 불구하고 기존 연구는 기술 변화에 대한 태도의 성별 차이를 유발하는 메커니즘을 완전히 설명하지 못했습니다.

본 연구에서는 기존에 간과되었던 한 가지 요인, 즉 위험에 초점을 맞춥니다. 우리는 위험의 두 가지 구성 요소 , 즉 위험 노출 과 위험 성향이 여성이 남성보다 인공지능의 이점에 대해 더 회의적인 이유라고 주장합니다. 첫 번째 구성 요소인 위험 노출은 여성이 인공지능 도입으로 인한 경제적 어려움 및 기타 결과에 대해 실제적이고 인지적으로 더 많이 노출되어 있음을 나타냅니다. 동시에, 연구에 따르면 개인이 위험한 상황에 접근하는 방식은 외부 환경 요인뿐만 아니라 위험한 선택을 하는 것에 대한 일반적인 허용도에도 달려 있습니다. 이것이 바로 위험의 두 번째 구성 요소, 즉 문헌에서 위험 성향 이라고 부르는 것입니다 . 여성은 남성보다 위험 성향이 일관되게 낮은 경향을 보이며( 14-17 ), 이는 불확실한 결과를 수반하는 기술에 대한 여성의 주저함을 더욱 강화할 수 있습니다.

본 연구는 위험 요인이 남성과 여성의 인공지능(AI)에 대한 태도에 어떻게 영향을 미치는지 분석하기 위해 미국과 캐나다의 약 3,000명을 대상으로 설문조사를 실시하고, 사전 등록된 설문조사 실험을 포함시켰습니다. 먼저, AI 위험에 대한 성별 인식 차이가 일반적인 위험 감수 성향(위험 지향성)과 직장 내 AI 노출 정도(위험 노출) 모두와 관련이 있음을 보여줍니다. 다음으로, 새로운 생성형 AI 기술을 도입한 기업의 순 고용 증가 확률을 조작하여 실험을 진행한 결과, 여성의 직장 내 기술 도입 지지는 남성보다 고용 혜택의 확실성에 더 크게 좌우됨을 보여줍니다. 마지막으로, 응답자들에게 자동화 및 AI의 가장 큰 위험과 이점이 무엇이라고 인식하는지 묻는 두 가지 개방형 질문에 대한 탐색적 분석을 통해 여성이 남성보다 AI의 경제적 이점에 대해 더 큰 회의감과 불확실성을 표현한다는 기존 연구 결과를 재확인합니다.

본 연구 결과는 중요한 사회적, 정치적 함의를 지닙니다. 인공지능 기술의 급속한 발전은 면밀한 검토가 필요한 실증적 현실을 보여줍니다. 최근 인공지능 시스템은 2023년 코딩 문제의 4.4% 해결률에서 2024년 71.7% 해결률로 향상되었으며( 18 ), 미국 근로자들의 직장 내 인공지능 도입률은 2025년 중반 46%에 달할 것으로 예상됩니다( 19 ). 그러나 이러한 도입률은 뚜렷한 성별 격차를 보이며( 20 , 21 ), 여성은 남성보다 생성형 인공지능 도구를 사용할 가능성이 약 20% 낮습니다( 21 ). 동시에 노동 시장에 미치는 영향은 여전히 ​​다양하고 불확실합니다. 일부 연구에서는 근로자의 생산성 향상을 보고하고 있지만( 22-24 ), 그 영향은 노출 유형에 따라 크게 다르며, "대체 노출"에 직면한 부문에서는 고용 및 임금 감소가 나타나고( 25 ), 특히 젊은 근로자에게 심각한 영향을 미칠 수 있습니다( 26 ). 여성은 AI의 혜택을 받을 수 있는 높은 보완 역할과 대체될 위험이 있는 높은 대체 역할 모두에서 AI에 대한 노출이 더 높습니다( 27 ). 그러나 AI의 장기적인 결과는 근본적으로 불확실합니다( 28 ).

이러한 불확실성에도 불구하고, AI에 대한 태도에서 나타나는 성별 차이는 여러 가지 이유로 중요합니다. 첫째, 여성의 AI 도입에 대한 낮은 지지가 AI 도구의 활용 부족으로 이어진다면( 20 , 21 ), 이는 AI 개발 과정에서 여성의 참여를 저해할 것입니다. 이는 AI 자체가 본질적으로 유익해서가 아니라, 이미 이러한 기술들이 개발 및 배포되고 있는 상황에서 여성이 이 과정에서 배제될 경우 여성의 의견이 시스템 설계에 반영될 가능성이 낮아지기 때문입니다. 둘째, 이미 여러 증거들이 AI 도입의 차별적 양상이 측정 가능한 격차를 초래하고 있음을 보여줍니다. Tang 등( 29 )은 ChatGPT 출시 이후 남성 연구자의 연구 생산성이 여성 연구자보다 6.4% 더 증가하여 기존의 격차가 더욱 확대되었음을 발견했습니다. AI가 궁극적으로 순이익을 가져다줄지 해악을 끼칠지는 알 수 없지만, 이러한 기술에 참여하는 사람들은 참여하지 않는 사람들과는 다른 기술, 네트워크, 기회를 축적하게 되며, 이는 기술의 궁극적인 성공 여부와 관계없이 새로운 직업적 분리 축을 만들어냅니다. 마지막으로, 성별이 AI에 대한 태도를 어떻게 형성하는지 이해하는 것은 민주적 거버넌스에 중요합니다. 왜냐하면 이러한 태도는 궁극적으로 AI에 대한 정책 대응에 영향을 미칠 것이기 때문입니다. 우리의 실험적 증거는 특히 순고용손실의 위험이 증가할 때 여성들이 AI 도입 속도를 늦추기 위한 정부 개입을 더 지지한다는 것을 보여줍니다. 이러한 성별 격차는 전략적 기회를 창출합니다. 정치인들은 여성 유권자의 표를 얻기 위해 보호 규제를 옹호하거나 선거에서 유리한 위치를 차지하기 위해 반AI 정서를 동원할 수 있습니다. AI가 점점 더 정치화됨에 따라 이러한 차이점은 기존의 정치적 구도를 재편할 수 있습니다( 30 ).

인공지능에 대한 태도에서 나타나는 위험과 성별 격차

경제 충격에 관한 정치경제학 문헌에서 여성이 남성보다 무역 및 기타 자유 시장 정책에 더 반대한다는 일관된 연구 결과(예: ( 31–36 ))에 부분적으로 동기를 부여받아, 최근 연구에서는 자동화 및 AI의 경제적 도입에 대한 태도에 상당한 성별 격차가 있음을 확인했습니다( 13 , 37 ). 현재까지 성별 격차에 대한 가장 철저한 조사에서 Borwein et al.( 13 )은 경제 충격에 대한 태도를 더 광범위하게 설명하는 것으로 여겨지는 다양한 요인과 기술 변화에 특정한 요인을 조사했습니다. 전자는 일반적인 노동 시장 불안정성, 불평등에 대한 태도, 이념적 자기 위치, 사회적 지위의 차이를 포함하며, 보다 기술 특정한 요인에는 직장 자동화에 대한 객관적 및 주관적 취약성, 기술에 대한 객관적 및 주관적 지식, 기술의 사회적(사회적) 위협에 대한 인식이 포함됩니다( 13 ). 검토된 광범위한 설명에도 불구하고 저자는 자동화 및 AI에 대한 태도에서 관찰된 성별 격차의 약 40%만 설명할 수 있으며, 특히 남성에 비해 여성의 평균 기술 지식 수준이 낮다는 몇 가지 요인만이 격차의 크기를 눈에 띄게 줄입니다( 13 ).

본 연구에서는 성별과 AI에 대한 연구에서 대부분 간과되어 온 남녀의 위험 지향성 및 위험 노출 정도의 차이가 직장에서의 AI 도입에 대한 태도 차이의 원인을 이해하는 데 중요한 단서를 제공할 수 있다고 제안합니다. 위험이란 어떤 행동이 손실이나 피해를 초래할 가능성을 의미하며, 다양한 대안이 불확실한 비용과 이익을 수반하는 상황에서 의사결정의 핵심 요소입니다( 38 , 39 ). 현재 AI 환경은 불확실성으로 가득 차 있기 때문에( 40 ) , 위험에 대한 인식이 AI에 대한 태도를 형성하는 데 중요한 역할을 할 것으로 예상합니다 . 경제학자들은 일반적으로 기술을 경제 성장의 핵심 동력으로 인식하고 있으며( 41-43 ), AI 기술의 광범위한 도입이 경제 생산량을 크게 확대할 수 있다는 낙관론이 상당합니다( 2 , 23 ). 그러나 근로자들은 기술 도입으로 인해 상당한 위협에 직면하기도 하는데, 이러한 기술은 일부 근로자의 기술을 보완하는 반면 다른 근로자의 기술을 불필요하게 만들어 상당한 경제적 혼란을 야기하는 경우가 많기 때문입니다( 25 , 26 , 41 ). AI는 의료 및 교육과 같은 분야에서 주요 혁신의 가능성과 같은 추가적인 잠재적 이점을 약속하지만 잘못된 정보의 확산, 환경 파괴, 개인 정보 및 보안에 대한 위협과 같은 위험도 약속합니다( 1 , 4 ).

이익과 손실이 예상되지만 불확실한 이러한 환경에서 시민들의 태도는 적어도 부분적으로는 그들이 일반적으로 위험에 어떻게 대처하는지를 반영할 것입니다( 44 ). 정치적 선호와 정책 결과에서 위험의 역할을 설명하는 연구들은 불확실성의 맥락에서 사람들의 의사 결정에 영향을 미치는 두 가지 핵심적인 위험 측면을 제시합니다. 첫째는 일반적인 성향으로 이해되는 개인의 기존 위험 회피 성향입니다. 둘째는 주어진 선택에 대한 잠재적 비용이나 이익(위험과 수익)으로 이해되는 개인의 위험 노출(또는 그에 대한 인식)입니다( 14 , 15 , 44 ). Ehrlich와 Maestas( 44 )를 따라, 우리는 이러한 위험 요소를 위험 지향 과 위험 노출 이라고 부릅니다 .

위험의 첫 번째 구성 요소인 위험 지향성은 개인의 전반적인 위험 감수 정도를 나타냅니다. 개인의 위험 지향성은 상황적 불확실성에 직면했을 때 이득과 손실을 어떻게 평가하는지를 결정하는, 비교적 안정적인 성격 특성으로 이해되는 경우가 많습니다( 45 , 46 ) . 위험 지향성은 종종 감각 추구 성향, 즉 새로움과 흥분을 제공하는 행동을 취하는 것에 대한 일반적인 선호도로 정의됩니다( 15 , 46 ). 중요한 것은 개인의 위험 지향성이 특정 사안에 국한되지 않는다는 점입니다. 영역에 따라 다소 차이가 있을 수 있지만, 주어진 결정과 관련된 위험의 정도를 넘어서 의사 결정 과정에 영향을 미치는 것으로 여겨집니다( 44 , 45 ).

동시에 특정 행동(예: 기술 채택)과 관련된 위험 수준 또한 위험이 의사 결정에 미치는 영향에 중요한 영향을 미치며, 이는 위험의 두 번째 구성 요소인 위험 노출 로 나타납니다 . 개인의 기본적인 위험 감수 성향이 불확실한 정책 결과에 대한 태도에 영향을 미치는 것처럼, 특정 정책에 대한 손실 대비 예상되는 이익 또한 영향을 미칩니다( 15 , 16 , 44 ). 무역 정책을 살펴보면, Ehrlich와 Maestas( 44 )는 일반적인 위험 회피 성향이 비슷한 노동자들을 비교하더라도 무역으로 인한 손실 가능성이 높은 노동자(저숙련 노동자)가 무역으로 인한 이익 가능성이 높은 노동자(고숙련 노동자)보다 무역에 대해 훨씬 덜 호의적이라는 것을 보여줍니다. 다시 말해, 후자 집단은 위험에 대한 내성이 있든 없든 무역으로부터 더 큰 개인적 이익을 인식하고 무역에 반대할 이유가 적습니다. 전자 집단은 훨씬 더 큰 손실을 인식하며, 이러한 인식은 기존의 위험 내성 부족으로 인해 더욱 증폭됩니다.

인공지능(AI)의 맥락에서 여성은 남성보다 위험 회피 성향이 더 강하면서도 동시에 위험에 더 많이 노출될 것으로 예상할 만한 이유가 있습니다. 위험 감수 성향의 차이를 조사한 연구들은 일관되게 여성이 남성보다 위험 회피 성향이 더 높다는 결과를 보여줍니다( 15 , 47-50 ). 이는 위험 회피 성향이 성별에 내재된 특성이라는 것을 의미하는 것이 아니라, 여성의 낮은 위험 감수 성향은 사회적 규범과 사회적 학습에서 비롯되는 중요한 요인으로 여겨집니다( 17 ). 특히, 여성이 신체적 폭력에 더 취약하다고 인식하는 경향이 있어 전반적인 위협에 더 민감하고 사회적 위험에 대한 민감도가 높아지는 것으로 생각됩니다( 51 , 52 ).

더 넓게 보자면, 사회적 역할 이론은 남성과 여성이 서로 다른 역할로 사회화되어 행동과 태도를 형성한다고 주장하며, 이는 일반적인 위험 회피 성향, 특히 AI에 대한 태도에서 나타나는 성별 차이를 설명하는 데 도움이 될 수 있습니다. 사회적 역할 이론의 틀 안에서, 전통적인 성 역할은 남성이 더 능동적이고, 적극적이며, 위험 감수에 개방적이어야 한다고 규정하는 반면, 여성은 공동체적이고, 신중하며, 잠재적 위험에 민감해야 한다고 가르칩니다( 53-55 ). 이러한 사회적으로 구성된 고정관념과 기대는 AI에 대한 서로 다른 반응을 초래할 수 있으며, 여성은 더 높은 위험을 인지하고 AI 도입에 대해 더 신중한 태도를 보이는 반면, 남성은 기술적 불확실성에 대한 더 높은 관용도를 보일 수 있습니다. 결과적으로, AI 위험 지향성에 대한 성별 격차는 단순히 개인적인 문제가 아니라, 더 광범위한 사회적 규범과 전통적인 성 역할의 실행에 깊이 뿌리내리고 있습니다.

위험 노출 측면에서 볼 때 , 생성형 AI의 경제적 승자와 패자에 대한 불확실성이 상당하지만( 2 ), 기존 증거들을 종합해 보면 남성이 여성보다 이 기술의 광범위한 사용으로 더 큰 이익을 얻을 가능성이 높다는 것을 알 수 있습니다. 한편으로 여성은 고등 교육 이수율에서 남성을 빠르게 앞지르고 있으며, 이를 통해 최근 컴퓨터화 시대에 가장 유익하다고 여겨지는 많은 기술을 습득할 수 있습니다( 56 ). 그러나 여성의 고등 교육 이수율이 높아지는 와중에도 남성은 기술 중심 분야와 직종을 계속해서 장악하고 있습니다. 성 역할 기대, 고정관념, 암묵적 편견, 제도적 장벽이 복합적으로 작용하여 남성은 과학, 기술, 공학, 수학(STEM) 분야로 진출하는 반면 여성은 이 분야에서 멀어지게 됩니다( 57 , 58 ). 기술 분야에서 남성의 지배력은 특히 기술 기업의 고위 경영진을 살펴보면 더욱 분명하게 드러납니다( 9 ). 여성이 중간 숙련도의 서비스 및 소매업에 집중되어 있다는 점은 AI 기술에 대한 여성의 취약성을 더욱 높이는 요인으로 여겨집니다( 8 ).

직업적 분리는 남성과 여성의 위험 노출 차이를 발생시키는 것 외에도 직장에서의 기술 경험의 차이를 만들어냄으로써 남성과 여성의 위험 인식에 더욱 영향을 미칠 가능성이 높습니다. 남성이 STEM 분야에 불균형적으로 많이 종사하는 것은 직장에서 AI 기술을 직접 경험할 수 있는 더 큰 기회를 제공하는 반면, 여성의 고용은 이러한 기회를 박탈하는 경우가 더 많습니다. 이러한 직업적 분리를 부분적으로 반영하여 여성은 생성형 AI를 포함한 AI 기술의 도입이 더디다고 보고합니다(( 20 , 21 , 59 ), 그림 참조).S6 ) 그리고 기술에 대한 자기 보고 및 객관적 지식 수준이 상당히 낮습니다( 13 , 20 ). AI에 대한 이러한 낮은 친숙도는 여성의 인지된 위험을 높일 수 있습니다. 연구에 따르면 알려지지 않은 것으로 판단되는 위험은 훨씬 더 신중하게 접근하기 때문입니다( 60 ).

이러한 통찰을 바탕으로, 우리는 여성이 남성보다 위험 회피 성향이 높고 인공지능 관련 위험에 더 많이 노출되어 있기 때문에 인공지능을 더 위험하다고 인식할 것이라는 가설을 세웠습니다.

•  
•  
•  

인공지능 도입의 결과, 특히 잠재적 이점에 대한 불확실성은 태도 형성에 있어 위험 인식의 중요성을 더욱 부각시킨다. 인공지능으로 인한 순 고용 증가 가능성이 낮아질수록, 일반적으로 위험 회피적인 사람들은 더욱 신중해질 것이다. 여성은 남성보다 위험 회피 성향이 높고 인공지능의 잠재적 위험에 더 많이 노출될 것으로 예상되는 만큼, 인공지능의 이점이 불확실해질수록 여성의 인공지능 지지도는 남성보다 더 급격하게 감소할 것으로 전망된다.

H2: AI 도입으로 인한 순고용 증가 확률이 감소함에 따라 여성은 남성보다 AI에 대한 지지를 더 크게 줄일 것이다.

데이터 및 방법

직장 내 AI에 대한 남성과 여성의 태도에 위험이 영향을 미치는지 검증하기 위해 2023년 11월 온라인 설문조사를 실시했으며, 이 설문조사에는 AI 관련 실험적 질문이 포함되었습니다. 설문조사 참여자는 설문조사 제공업체인 YouGov의 자발적 참여 패널에서 총 6,056명이었습니다. 응답자의 절반은 생성형 AI에 대한 질문에 답했고, 나머지 절반은 무작위로 무역 관련 질문에 답하도록 배정되었습니다. 본 논문에서는 생성형 AI 관련 질문에 답한 3,049명의 응답자만을 분석합니다. 표본에는 미국과 캐나다 응답자가 모두 포함됩니다. 미국과 캐나다의 AI 도입 정도와 규제 양상은 다르지만, 두 나라는 자유민주주의적 기반이 유사하고 노동 시장의 비정형화 수준과 자유주의적 복지 국가 제도가 비슷한 수준이라는 공통점을 가지고 있습니다( 61 ). 따라서 본 연구에서는 미국을 넘어 연구 결과를 일반화하기 위해 두 나라를 모두 분석 대상으로 삼았습니다 .

먼저, 인공지능의 위험성에 대한 인식에 성별 격차가 존재한다는 직접적인 증거를 제시하고, 이러한 격차가 위에서 언급한 두 가지 메커니즘, 즉 남성과 여성의 위험 지향성 및 위험 노출 정도의 차이와 어느 정도 관련이 있는지 살펴봅니다. 이를 위해, 생성형 인공지능의 위험이 개인과 공동체에 미치는 이점보다 크다는 데 동의하는 정도를 묻는 두 개의 11점 척도 문항의 평균값을 사용합니다. (d 참조)본 분석에 사용된 모든 설문 문항의 질문 문구에 대한 추가 자료입니다 .

설문 조사에서 개인의 위험 성향을 측정하는 일반적인 방법은 참가자에게 일련의 복권 선택지를 제시하는 것입니다( 62 , 63 ). 이러한 선택지는 다양한 수준의 위험과 보상을 제공하여 개인이 자신의 선택을 통해 위험에 대한 태도를 드러낼 수 있도록 합니다. 유사한 접근 방식을 사용하여, 우리는 응답자에게 1,000달러의 확정 당첨과 2,000달러 당첨 확률 50% 중 어느 것을 선호하는지 묻는 질문을 통해 남성과 여성의 위험 성향을 측정했습니다( 64 ). 위험 회피적인 사람들은 위험한 복권보다 확정된 1,000달러를 선호할 것이라는 가정이 있습니다. 반대로 불확실성에 끌리는 위험 추구자들은 더 큰 보상을 얻을 가능성을 위해 더 높은 위험을 감수할 의향이 있으며, 확실한 1,000달러보다 복권을 선호할 것입니다.

인공지능(AI) 관련 위험 노출을 측정하는 것은 다소 어렵습니다. 생성형 AI가 직장에 미치는 영향에 대한 불확실성이 크기 때문에 생성형 AI 노출에 대한 추정치는 실험적인 추정치에 그치는 경우가 많습니다. AI로 인한 일자리 변화에 대한 노출을 측정할 수 있는 확실한 지표가 없는 상황에서, 본 연구에서는 기술 변화로부터 근로자가 얼마나 잘 보호받을 수 있는지를 나타내는 지표로 고등 교육을 활용했습니다. 이전의 기술 변화와 최근 AI 발전 사이에는 중요한 차이점이 있다는 점, 특히 AI가 인지 작업에 더 많이 관여할 수 있다는 점이 두드러진다는 점을 인지하고 있지만, 교육 수준은 AI로부터 혜택을 받고 일자리 변화에 건설적으로 대응할 수 있는 능력을 나타내는 가장 적절한 지표 중 하나라고 생각합니다. 최근 연구에 따르면, 대학 교육을 받은 근로자는 인지 작업 비중이 높기 때문에 대학 교육을 받지 않은 근로자보다 AI 기술에 더 많이 노출되지만( 5 , 8 , 65 ), AI는 이 집단의 근로자에게 가장 보완적인 역할을 할 가능성이 높습니다( 8 ). 달리 말하면, 높은 노출이 반드시 더 교육받은 근로자의 높은 대체를 의미하는 것은 아닙니다. 이들은 특히 기술을 활용할 수 있는 기술을 보유하고 있는 경우 AI가 업무에 더 많이 통합됨으로써 생산성 향상을 경험할 가능성이 높습니다( 8 ).

분석을 보완하기 위해, 우리는 근로자의 기술 변화 노출에 대한 세 가지 다른 측정 방법을 조사하는 분석도 포함합니다. 그러나 우리는 현재 고용된 설문 응답자 중에서만 객관적인 직장 내 기술 변화 노출 측정 방법을 사용할 수 있으므로 표본 크기가 상당히 줄어들고 검정력 문제가 발생할 수 있음을 유의해야 합니다. 첫째, 우리는 Gallego et al.( 66 )이 개발한 작업 기반 객관적 기술 대체 노출 측정 방법인 자동화 위험이 낮은 작업(TLRA)을 조사합니다. 생성형 AI의 최근 발전 이전에 개발된 이 측정 방법은 근로자가 자신의 직무에서 자동화 위험이 낮다고 판단되는 작업에 얼마나 자주 참여한다고 보고하는지를 기반으로 기술 변화 노출을 포착합니다. 우리는 이 측정 방법을 역 코딩하여 값이 높을수록 기술 대체 노출이 더 크다는 것을 나타냅니다(즉, 자동화 위험이 낮은 작업을 덜 자주 수행하는 근로자가 이 측정에서 더 높은 점수를 받습니다). 둘째, 우리는 Felten et al.이 개발한 AI 직업 노출(AIOE) 지수를 사용하여 분석을 수행합니다. ( 65 ) (참고문헌 ( 8 )도 참조)은 최근 AI 응용 프로그램이 다양한 직업에 필요한 작업 및 기술과 얼마나 중복되는지를 측정합니다. 여기서 수치가 높을수록 AI에 대한 노출이 많음을 나타내지만, 이 측정은 작업자가 해당 기술에 의해 보완될지 또는 대체될지에 대해서는 고려하지 않습니다. 셋째, Pizzinelli et al.( 8 )이 개발한 AI 보완성 측정을 통합했습니다. 이 측정은 직업이 AI에 의해 대체되기보다는 증강될 가능성을 높이는 직업 특성을 평가하며, 수치가 높을수록 보완성이 더 크다는 것을 나타냅니다. f 첫 번째 측정은 이전 자동화와 관련된 실제 경험에 더 확고하게 기반을 두고 있는 반면, 나머지 두 측정은 AI가 직업에 미칠 수 있는 잠재적인 미래 영향을 반영하는 보다 실험적이고 미래지향적입니다.

다음으로, 위험이 남성과 여성의 AI에 대한 태도에 인과적으로 영향을 미친다는 것을 입증하기 위해, 기업의 AI 도입에 따른 위험도(예상되는 이익과 비용 측면)를 직접적으로 조작하는 설문 실험을 활용했습니다. 실험에서 응답자들은 기업이 생성형 AI 도구를 도입하기로 결정했다는 내용을 읽고, 그 도입이 기업 전체 고용에 순긍정적인 영향을 미칠 확률에 대한 정보를 무작위로 배정받았습니다. 확률은 완전 확실(100%), 중간-높은 확실성(70%), 동전 던지기(50%), 높은 위험(30%)으로 다양했습니다. 본 실험은 도입의 잠재적 이익과 위험을 모두 강조하여, 고용에 대한 순영향이 긍정적일 확률과 부정적일 확률을 모두 제시했습니다. 그런 다음 응답자들에게 기업의 생성형 AI 도입 결정을 지지하는지 물었습니다. 여성이 AI에 대한 위험 감수 성향과 위험 노출 정도가 더 높을 것으로 예상되므로, AI 기술의 잠재적 단점에 대한 정보에 더 잘 반응할 것으로 예상합니다. 달리 말하면, 순 경제적 이익이 불확실해질수록 인공지능 도입에 대한 남성과 여성의 태도 차이가 커질 것으로 예상합니다.설문 조사 실험에 대한 자세한 내용은 추가 자료를 참조하십시오.

마지막 분석에서는 남성과 여성이 AI의 이점과 위험에 대해 어떻게 생각하는지 살펴봅니다. 이를 위해 응답자에게 자동화 및 AI의 가장 큰 이점이 무엇이라고 생각하는지, 그리고 가장 큰 위험이 무엇이라고 생각하는지 묻는 두 가지 개방형 설문 문항을 사용했습니다. Roberts et al.( 67 )이 개발한 반자동 구조적 주제 모델링(STM) 접근 방식을 사용하여 개방형 응답을 분석했습니다. STM을 통해 응답에서 공통 주제를 식별하고 관심 있는 공변량과의 연관성을 조사할 수 있습니다. 남성과 여성이 서로 다른 주제에 대해 다른 정도의 관심을 기울이는지 확인하기 위해 성별에 대한 공변량을 포함했습니다. STM에서 연구자는 일반적으로 모델 진단과 해석 가능성 문제를 함께 고려하여 적절한 수의 잠재 주제를 결정합니다. 우리는 의미적 일관성, 배제율, 잔차 감소 사이에서 최적의 균형을 제공하는 15개의 주제를 가진 모델을 선택했습니다. 그림을 참조하십시오.S4 와자세한 내용은 S5를 참조하십시오.

연구 결과인공지능 위험에 대한 인식의 성별 격차

먼저 AI 위험 평가에서 성별 격차가 존재한다는 증거를 제시합니다. 그림 1은 AI의 위험성을 개인과 공동체 모두에서 이점보다 위험성이 더 크다고 인식하는지 여부에 따라 여성과 남성이 인지하는 AI의 평균 위험성을 보여줍니다(두 항목에 대한 답변은 평균값을 사용했습니다). 이 분석은 여성이 남성보다 평균적으로 AI를 더 위험하다고 인식한다는 것을 확인시켜 줍니다. 이점보다 위험성이 크다고 인식하는 비율은 여성이 남성보다 약 11% 더 높습니다. 이러한 격차의 실질적인 중요성을 측정하기 위해, 정책 채택에 영향을 미치는, 성별 격차가 잘 알려진 무역 위험에 대한 유사한 질문과 비교해 보았습니다( 68 ). 이 경우, 여성의 동의율은 남성보다 약 10% 더 높습니다.

그림 1.

인공지능에 대한 인지된 위험도(0~10), 남성과 여성. 참고: 이 그림은 연령대, 교육 수준, 국가, 그리고 응답자가 조작 검사를 통과했는지 여부를 통제한 선형 회귀 분석의 평균 주변 예측값을 보여줍니다. 관측치는 YouGov 설문조사 가중치를 사용하여 가중치를 부여했습니다. 표를 참조하십시오.회귀 분석표는 S2입니다 .

새 탭에서 열기슬라이드 다운로드

여성이 남성에 비해 인공지능(AI)을 더 위험하게 인식한다는 점을 확인한 후, 이러한 패턴을 설명할 수 있는 두 가지 미시적 메커니즘을 살펴봅니다. 첫째, 여성이 남성보다 위험 감수 성향이 더 높을 것으로 예상되며 , 이는 여성이 자동화 및 AI의 상대적 위험에 대해 더 큰 우려를 표명하게 하는 요인이 됩니다. 둘째, 여성이 남성보다 AI 관련 위험에 더 많이 노출 되어 있기 때문에 자동화 및 AI로 인한 잠재적 일자리 손실 위험에 대해 더 강한 우려를 나타내는 것입니다.

이러한 메커니즘을 검증하기 위해 그림 2 에서는 위험 감수 성향과 AI 노출도 모두에서 성별 격차가 존재하는지 살펴보았습니다. 그림의 왼쪽은 위험 감수 성향, 즉 더 큰 위험을 감수하는 이득(50% 확률로 2,000달러 획득)보다 더 작은 확실한 이득(1,000달러 보장)을 선호하는 남성과 여성의 비율을 나타냅니다. 이전 연구와 마찬가지로, 여성은 남성보다 잠재적 위험 회피 성향이 유의미하게 더 높은 것으로 나타났습니다.

그림 2.

남녀 간 위험 성향 및 위험 노출 분포. 참고: 그림은 남녀의 교육 수준에 따른 위험 성향(왼쪽)과 자동화 및 인공지능(AI) 노출(TLRA)(오른쪽)을 보여줍니다. 관측치는 YouGov 설문조사 가중치를 사용하여 가중치를 적용했습니다.

새 탭에서 열기슬라이드 다운로드

성별과 교육 수준에 따른 직장 내 기술 변화 노출을 보여주는 그림 2 의 오른쪽 패널은 몇 가지 패턴을 드러냅니다. 첫째, 대학 학위가 없는 근로자가 대학 학위가 있는 근로자보다 평균적으로 기술 변화에 더 많이 노출되어 있다는 명확한 증거를 제공합니다(TLRA 자동화 측정 기준 사용). 둘째, 대학 교육을 받은 그룹과 받지 않은 그룹 모두에서 여성이 남성보다 자동화 및 AI에 더 많이 노출되어 있음을 보여주는데, 이는 두 그룹의 고용 분야 차이를 반영합니다. 따라서 생성형 AI의 최근 발전이 이전 기술 도입 물결에서 혜택을 받았던 많은 근로자들에게도 혜택을 준다는 점을 고려할 때, 그림 2 는 여성이 남성보다 AI 위험 노출 점수가 더 높다는 것을 시사합니다. 이러한 결과를 뒷받침하기 위해 그림 2는 다음과 같습니다.S7은 또한 여성이 AI에 더 많이 노출되어 있고(AIOE로 측정), 보완적인 직종에 종사할 가능성이 약간 더 낮다는 것을 보여줍니다(보완성 지표로 측정). 여성의 낮은 위험 감수 성향과 더 큰 위험 노출은 AI의 경제적 도입에 대한 여성의 위험성 인식에 부분적으로 영향을 미치는 것으로 보입니다.

그림 3 에서는 응답자들에게 AI를 위험한 것으로 보는지 아니면 유익한 것으로 보는지 묻는 문항으로 돌아가, 위험 지향성과 위험 노출도 모두에서 성별 차이에 따른 응답 구조를 살펴봅니다. 위험 지향성을 살펴보기 위해 그림 3 의 상단은 위험 회피적인 응답자(즉, 작은 확실한 이득을 선호하는 응답자)들이 AI의 위험이 이점보다 크다고 생각하는 경향을 예측한 결과를 보여주고, 하단은 위험 추구적인 응답자(즉, 큰 불확실한 이득을 선호하는 응답자)들의 결과를 보여줍니다. 위험 노출도를 살펴보기 위해 교육 수준(여기서는 응답자가 대학 학위를 소지했는지 여부)에 따른 결과도 제시합니다. 본문 분석에서는 교육을 대리 변수로 사용하며, 그림 3에서는 TLRA, AIOE, 그리고 자동화 및 AI 노출의 상호보완성 측정치를 사용하여 데이터에서 더 작은 하위 집단의 근로자들을 대상으로 한 결과도 재현합니다.S8 부터S10 .

그림 3.

위험 성향 및 교육 수준에 따른 AI의 인지된 위험도(0~10), 남성과 여성. 참고: 이 그림은 연령대, 교육 수준, 국가, 그리고 응답자가 조작 검사를 통과했는지 여부를 통제한 선형 회귀 분석의 평균 주변 예측값을 보여줍니다. 관측치는 YouGov 설문조사 가중치를 사용하여 가중치를 부여했습니다. 표를 참조하십시오.회귀 분석표는 S3 에 있습니다.

새 탭에서 열기슬라이드 다운로드

먼저 위험 선호도에 초점을 맞춰 살펴보면, 그림 3 에서 볼 수 있듯이 특정 결과를 선호하는 응답자(즉, 위험 회피적인 응답자) 사이에서만 자동화 및 AI의 이점 대비 위험 평가에 성별 격차가 존재합니다. 위험을 수용하는 응답자 사이에서는 이러한 격차가 나타나지 않습니다. 위험을 수용하는 남녀 모두 위험을 수용하지 않는 응답자에 비해 AI로 인한 이점을 대비하는 위험을 더 적게 인식합니다.

또한 중요한 점은 위험 회피 성향을 가진 응답자들 사이에서 AI 노출은 남성과 여성 간에 AI 위험 평가 패턴의 차이와 관련이 있다는 것입니다. 전반적으로 교육 수준이 낮은 응답자들은 AI의 위험이 이점보다 크다고 생각하는 경향이 평균적으로 더 높습니다. 그림 3은 교육 수준이 높은 여성이 교육 수준이 낮은 여성보다 AI의 위험을 더 적게 인식하는 경향이 있음을 보여줍니다(통계적으로 유의미한 차이는 아니지만). 마찬가지로 교육 수준이 높은 남성도 교육 수준이 낮은 남성보다 AI의 위험을 더 적게 인식합니다. 그러나 두 교육 수준 범주(대학 교육 여부) 내에서 여성은 남성에 비해 AI의 위험을 이점보다 더 크게 인식합니다. 이러한 패턴은 교육 수준 범주 내에서 여성이 남성보다 AI에 더 많이 노출되어 있음을 반영하는 것으로 보입니다.S8 부터S10은 자동화 및 AI 노출에 대한 다양한 측정 방식에서 전반적으로 유사한 패턴을 보여줍니다. 모든 측정 방식에서 위험 회피적인 여성은 위험 회피적인 남성보다 AI 도입과 관련된 위험을 더 높게 인식합니다. 그러나 여성과 비교했을 때, 위험 회피적인 남성은 자신의 위험 노출 수준에 훨씬 더 민감하며, AI로부터 이익을 얻지 못하는 상황, 즉 작업 기반 자동화 측정에서 높은 노출도, 낮은 AIOE(즉, AI로 인해 이익도 손실도 발생하지 않을 가능성이 높은 직종에 종사하는 경우), 그리고 AI와의 상호보완성이 낮은 상황에서 AI와 관련된 위험을 더 높게 인식합니다.

이러한 연구 결과들을 종합해 보면, 여성들은 인공지능과 관련된 이점보다 위험을 더 높게 인식하는 경향이 있으며, 이러한 인식이 여성의 잠재적 위험 감수 성향과 위험 노출 경험에 부분적으로 기인한다는 잠정적인 증거를 제시한다.

실험적 증거

지금까지 우리는 여성이 남성보다 인공지능에 대해 더 양면적인 태도를 보이며, 이는 위험 감수 성향과 위험 노출 정도 모두와 관련이 있음을 서술적으로 보여주었습니다. 이번 설문 조사 실험은 응답자들을 인공지능 도입으로 인한 순 고용 증가 확률이 확실한 경우(100%)부터 매우 낮은 경우(30%)까지 다양한 시나리오에 무작위로 배정함으로써 이러한 메커니즘의 인과 관계를 검증할 수 있도록 합니다.

그림 4는 앞서 설명한 다양한 위험 시나리오에 걸쳐 기업의 AI 도입 결정에 대한 응답자들의 지지도를 보여줍니다. 30%는 순 고용 효과가 긍정적일 확률이 가장 낮은 경우를 나타내고, 100%는 긍정적인 효과가 확실히 나타날 것이라는 확신을 나타냅니다.

그림 4.

다양한 위험 수준에서의 AI 지지도(1~5), 남성과 여성. 참고: 그림은 연령대, 교육 수준, 국가, 그리고 응답자가 조작 검사를 통과했는지 여부를 통제한 선형 회귀 분석의 평균 주변 예측값을 보여줍니다. 표를 참조하십시오.회귀 분석표의 S4입니다 .

새 탭에서 열기슬라이드 다운로드

그림 4 에서 몇 가지 경향이 나타납니다 . 첫째, 남성과 여성 모두 AI 관련 위험에 민감하며, 두 집단 모두 AI 도입으로 인한 고용 증가 가능성이 낮아질수록 AI 도입에 대한 지지를 줄입니다. 그러나 데이터는 지지 감소 폭에 있어 뚜렷한 성별 차이를 보여줍니다. 위험 수준이 가장 높은 경우(고용 증가 가능성 30%), 여성의 AI 도입 지지율(5점 척도 2.63, 95% 신뢰구간: 2.52–2.74)은 남성(2.98, 95% 신뢰구간: 2.86–3.10)보다 유의미하게 낮습니다. 이는 약 13%의 차이입니다. 반면, 고용 증가가 완전히 확실한 경우(100%)에는 성별 격차가 크게 줄어들어 통계적으로 유의미하지 않습니다. 전반적으로, 본 연구 결과는 여성이 남성보다 AI 관련 위험을 더 심각하게 인식한다는 것을 시사합니다. 다시 말해, 여성이 남성과 같은 수준으로 AI를 지지하려면 AI가 확실한 이점을 가져다준다는 확신이 필요합니다.

위험과 이점에 관한 개방형 질문에 대한 텍스트 분석

마지막으로, 남성과 여성이 AI 기술의 위험과 이점에 대해 어떻게 생각하는지 알아보기 위해 설문조사에서 두 가지 개방형 질문에 대한 분석을 제시합니다. 하나는 응답자에게 자동화 및 AI의 가장 큰 이점이 무엇이라고 생각하는지 묻는 질문이고, 다른 하나는 가장 큰 위험이 무엇이라고 생각하는지 묻는 질문입니다. 두 분석 모두 15개의 서로 다른 토픽을 가진 구조적 토픽 모델(STM)을 사용했습니다. 그림에서 볼 수 있듯이,S11에서는 자동화 및 AI의 이점 과 관련된 15가지 주제를빈도 순으로 내림차순으로 나열하고, 각 주제에 속할 확률이 가장 높은 어간 추출 단어도 함께 보여줍니다.S12는 위험 과 관련된 모든 주제에 대해 동일한 분석을 보여줍니다.

자동화 및 인공지능의 이점 에 대한 질문에서 , 분석 결과 상당한 불확실성이 드러났습니다. 가장 흔한 응답("모름")은 이러한 불확실성을 명확하게 보여줍니다. 다른 응답들도 AI가 업무와 삶 모두에 다양한 잠재적 이점을 가져다줄 수 있다고 인식하고 있음을 보여줍니다. 예를 들어, 직장 효율성과 생산성 향상("효율성 및 비용 절감"), 일상 업무 및 생활의 편의성 증대("문제 해결 능력 향상" 및 "삶의 편의성 증진"), 그리고 과학 및 관련 분야의 발전("과학 및 의학 발전") 등이 있습니다. 그러나 자동화 및 AI의 이점에 대해 구체적으로 질문받았을 때에도, 사람들은 기술의 단점에 대해서도 상당한 우려를 표명했으며, 그 확신 정도는 다양했습니다("잘 모르겠음/이점 없음" 및 "이점 없음").

그림은 다음과 같습니다.S11은 전반적인 주제 분포를 보여주고, 그림 5 의 왼쪽 패널은일부 주제가 여성 또는 남성 응답자 사이에서 더 많이 나타나는 것을 보여줍니다. 특히 자동화 및 AI의 이점에 대한 불확실성을 표현하는 주제(예: "모르겠다")와 이점의 부재 또는 회의적인 태도를 나타내는 주제("확실하지 않음/이점 없음" 및 "이점 없음")는 남성 응답자보다 여성 응답자에서 유의미하게 더 많이 나타났습니다. 이러한 주제에 대한 대표적인 응답(즉, 해당 주제의 다른 응답에 비해 나타날 확률이 높은 응답)의 예로 는 여성 응답자가 "AI나 자동화에 대해 잘 몰라서 추측할 수 없다"거나 "실질적인 이점은 없다고 생각한다…"와 같은 진술을 한 경우가 있습니다.

그림 5.

자동화 및 AI의 이점: 주제별 빈도. 참고: 왼쪽 패널은 자동화 및 AI의 이점에 관한 질문에서 성별이 주제 빈도에 미치는 한계 효과를 보여줍니다. 오른쪽 패널은 위험에 대한 동일한 결과를 보여줍니다. 0의 왼쪽에 있는 주제는 남성에게서 더 많이 나타나고, 오른쪽에 있는 주제는 여성에게서 더 많이 나타납니다.

새 탭에서 열기슬라이드 다운로드

반면, 그림 5 의 왼쪽 부분 은 자동화 및 인공지능의 경제적 이점을 강조하는 주제가 여성 응답보다 남성 응답에서 더 많이 나타난다는 것을 보여줍니다. 잠재적 이점 중에서는 생산성 및 효율성 향상("효율성 및 비용 절감", "생산성 및 효율성"), 의학 및 과학 발전("과학 및 의학 발전"), 일상 업무 자동화를 통한 시간 절약("삶의 편리함"), 그리고 경제 프로세스 전반의 개선("프로세스 간소화", "프로세스 속도 향상", "다양한 이점", "일상 업무 자동화")을 강조하는 주제가 남성 응답에서 더 많이 나타납니다.

자동화 및 인공지능의 위험성 에 관한 두 번째 질문에서는 몇 가지 핵심 주제가 나타납니다(그림 참조).S12 ). 첫째, 많은 응답자들이 자동화가 일자리와 고용에 미칠 수 있는 잠재적 위험("대규모 일자리 손실", "경제적 불평등", "기술/일자리 상실", "일자리 빼앗기")과 더 나아가 인류 전체에 미칠 수 있는 위험("인간 상호작용 상실", "인간의 통제력 상실", "AI의 지각 능력 획득")에 대해 우려를 표명했습니다. 둘째, AI의 이점과 마찬가지로, 응답자들은 기술의 위험성에 대해 상당한 불확실성을 나타냈습니다("모르겠다"). 또한 응답자들은 자동화와 AI가 비윤리적이고 악의적이거나 불법적인 목적으로 사용될 가능성("개인정보 보호 및 데이터 편향", "허위/잘못된 정보", "불법/사악한 사용")에 대해서도 우려를 나타냈습니다.

그림 5 의 오른쪽 패널은 성별에 따른 주제 빈도 차이를 더욱 자세히 보여줍니다. 자동화 및 AI의 위험성에 대한 불확실성을 나타내는 주제("모르겠다")는 남성보다 여성에게서 더 많이 나타납니다. 또한 여성은 남성에 비해 자동화 및 AI의 경제적 단점을 강조하는 주제, 즉 일자리 감소 및 실업("일자리를 빼앗는다", "기술/일자리 손실", "대규모 일자리 감소")과 업무 및 사회적 상호작용 상실("인간 상호작용 상실")에 대한 우려를 강조하는 주제에 더 많은 비중을 둡니다. 반면, 자동화 및 AI의 악의적이거나 위험한 잠재적 사용을 강조하는 주제("AI가 자아를 갖게 된다", "인간을 조종한다", "허위/잘못된 정보")는 여성보다 남성의 응답에서 더 많이 나타납니다.

전반적으로, 우리는 텍스트 분석에서 두 가지 주요 패턴을 강조합니다. 첫째, 남성과 비교했을 때 여성의 응답은 AI의 이점과 위험에 대한 불확실성을 표현하는 주제와 AI가 상당한 이점을 창출할 가능성이 낮다는 것을 시사하는 주제에 더 많은 비중을 할애합니다. 여성이 AI의 이점과 위험에 대한 불확실성을 더 많이 표현하는 경향이 있는 것은 여성이 남성보다 확신이 없는 질문에 "모르겠다"라고 답할 가능성이 더 높다는 점을 부분적으로 반영할 수 있지만( 69 ), AI에 대한 진정한 불확실성을 포착하고 있다고 생각하는 몇 가지 이유가 있습니다. 첫째, 우리는 개방형 질문을 조사하고 있으므로 응답자가 전혀 모르는 질문에 대해 추측하기가 더 어렵습니다. 더 중요한 것은 그림에서 보고한 바와 같이,S14에서 응답자들에게 AI에 대한 몇 가지 사실적 질문을 했을 때, 남성은 여성보다 AI에 대한 객관적 지식 수준이 더 높았습니다. 따라서 우리는 여성이 AI의 위험과 이점에 대해 보고한 불확실성이 적어도 부분적으로는 실제 불확실성을 반영한다고 주장합니다. 문헌에서 위험에 대한 지식이 부족할수록 위험성에 대한 인식이 높아진다는 연구 결과( 60 )를 고려할 때, 우리는 여성이 AI의 위험과 이점에 대해 더 큰 불확실성을 보이는 것이 해당 기술에 대한 위험 태도의 성별 격차를 이해하는 데 중요하다고 주장합니다.

둘째, 남성은 여성보다 AI와 관련된 더 다양한 위험을 인식하는 반면, 더 많은 이점을 인식한다는 점에 주목합니다. 이러한 패턴은 그림 1에 정량화되어 있습니다.S13은 자동화 및 AI의 이점과 위험성에 대해 여성이 작성한 단어 수와 남성이 작성한 단어 수의 평균 차이를 보여줍니다.S13은 남성들이 상당한 양의 글을 썼다는 것을 보여줍니다 .남성 은 여성보다 자동화 및 AI의 이점에 대해 더 실질적인 단어를 사용했지만(텍스트 전처리 후 측정), 위험에 대해 남성과 여성이 쓴 단어 수의 차이는 유의미하지 않았습니다. 종합적인 위험 판단은 인지된 비용과 이점의 균형에 따라 달라지기 때문에, 이는 남성이 일반적으로 AI를 더 긍정적으로 보는 경향으로 이어질 가능성이 높습니다( 44 , 60 ). 이러한 패턴은 남성이 해당 기술에 더 익숙하여 위험 인식이 낮아진다는 점도 반영하는 것으로 보입니다( 60 ).

논의

대규모 언어 모델, 생성형 인공지능 및 관련 인공지능 기술의 급속한 발전은 정부가 이러한 혁신의 이점과 잠재적 위험을 규제해야 할 필요성 사이에서 균형을 맞추는 데 어려움을 야기합니다. 사회 구성원 모두가 이러한 기술의 이점에 대해 동일한 낙관론을 공유하는 것도 아니고, 그 혜택을 누리거나 잠재적 위험으로부터 자신을 보호할 수 있는 여건이 모두 같지도 않습니다. 정부가 규제 체계를 개발하는 과정에서 이러한 기술에 대한 다양한 집단의 인식을 고려해야 할 것입니다.

본 논문에서는 인공지능(AI)의 영향과 그에 대한 인식이 크게 다른 두 집단인 남성과 여성을 대상으로 연구를 진행했습니다. 관찰 분석을 통해 여성이 남성보다 AI를 더 위험하다고 인식한다는 사실을 확인했으며, 이러한 인식은 위험 회피 성향이 높고 AI로 인한 경제적 위험에 더 많이 노출된 여성에게서 특히 두드러지게 나타났습니다. 실험 결과는 이러한 관찰을 더욱 뒷받침했습니다. AI 도입으로 인한 순 고용 증가 가능성이 낮아질수록 여성은 남성보다 AI 도입에 대한 지지를 훨씬 더 크게 낮추는 경향을 보였습니다. 또한, 개방형 설문 조사를 통해 남성과 여성이 자동화 및 AI의 위험과 이점을 어떻게 인식하는지 살펴보았습니다. 텍스트 분석 결과, 여성은 AI의 이점에 대해 더 큰 불확실성을 표현하고 대규모 일자리 손실 위험에 대한 우려를 더 자주 제기하는 것으로 나타났습니다.

남성과 여성 간의 위험 인식 차이는 기업의 AI 활용에 대한 태도뿐만 아니라 정책 선호도에도 영향을 미칩니다. 그림에서 볼 수 있듯이,S15에서 우리는 여성이 특히 AI로 인한 일자리 증가가 불확실할 때 AI 도입 속도를 늦추기 위한 정부 개입을 더 지지하는 것으로 나타났습니다. 반면 남성의 정부 개입에 대한 지지는 다양한 위험 수준에 걸쳐 비교적 안정적으로 유지되었습니다. 이는 역사적으로 세계화와 같은 유사한 파괴적인 경제적 변화가 정치적 태도에 영향을 미쳐 인지된 위험을 관리하고 혜택을 분배하기 위한 규제 조치에 대한 요구를 증가시켜 왔다는 점에서 중요합니다. 무역 정치에 관한 연구는 여성, 특히 공직에 있는 여성이 경제적 위험이 높을 때 정부 정책을 보다 보호주의적인 방향으로 이끌 수 있음을 보여줍니다( 68 ). AI가 점점 더 중요한 정치적 쟁점이 됨에 따라 AI 위험 인식 및 정책 선호도에 대한 이러한 성별 차이는 AI 규제의 속도와 성격 모두에 영향을 미칠 수 있습니다.

본 연구 결과는 몇 가지 추가적인 함의를 지닙니다.

첫째, 인공지능 관련 정책을 설계하고 시행할 때 위험 인식에 있어 성별 차이를 고려해야 할 필요성을 강조합니다. 여성은 남성보다 인공지능을 더 위험하게 인식하고 규제 조치를 더 지지하는 경향이 있으므로, 정책 입안자들은 정책 논의에서 이러한 우려 사항들을 반드시 반영해야 합니다. 이를 위해서는 일자리 감소에 대한 강력한 보호 조치, 보상 제도, 인공지능 시스템의 성별 편향 감소 조치 등 인공지능 관련 위험을 완화하는 정책을 시행해야 할 것입니다.

중요한 점은, 우리 연구 결과가 시사하듯 여성이 남성보다 AI 도입에 대해 더 회의적이고 지지도가 낮을 ​​경우, AI 도입이 기존의 성 불평등을 심화시킬 수 있다는 것입니다. 이러한 AI 기술 도입의 불균등한 양상은 AI가 궁극적으로 약속된 이점을 제공하든 예상치 못한 결과를 초래하든 관계없이 지속될 새로운 형태의 직업적 분리를 야기할 수 있습니다. AI 기술이 직장을 계속해서 변화시키는 가운데, 남성과 여성 모두 이러한 기술 발전의 혜택을 동등하게 누리고 참여할 수 있도록 보장하는 것이 중요합니다. 이를 위해서는 여성의 AI 관련 분야 참여를 확대하기 위한 맞춤형 교육 및 훈련 프로그램, 기술 분야 리더십 직책의 성 다양성 증진 노력, 또는 AI 기술의 급속한 도입이 향후 몇 년 동안 초래할 수 있는 경제적 혼란을 완화하는 데 도움이 되는 정책 등이 필요할 수 있습니다.

메모

에이

Gingrich와 Kuo( 70 )는 또한 자동화 위험의 성별 차이를 정치적 선호도와 직접 연결하여 위험이 두 그룹 간의 투표 행동으로 다르게 변환됨을 보여줍니다.

비

문헌에서는 위험 지향성이 얼마나 일반적인 특성인지에 대해 약간의 의견 차이가 있습니다( 47 , 48 ). 그럼에도 불구하고 남성이 광범위한 영역에서 위험을 감수하는 경향이 더 크다는 것은 잘 알려져 있습니다( 47 , 49 ).

기음

YouGov의 표본 추출 방법론은 https://today.yougov.com/about/panel-methodology 에서 확인할 수 있습니다. 본 연구는 https://osf.io/ympvn 에서 사전 등록되었습니다 . 몇몇 부분에서 사전 분석 계획과 차이가 있었으며, 이러한 차이점은 본 보고서에 자세히 설명되어 있습니다.보충 자료 .

디

두 질문을 각각 따로 살펴보았을 때도 결과는 매우 유사합니다.

이자형

또한 Arntz et al.( 71 )을 참조하십시오. 그들의 측정은 이 논문을 기반으로 합니다.

에프

AIOE와 상호보완성 측정 모두에서 응답자는 2자리 ISCO-08 그룹 코드를 기준으로 매칭됩니다.추가 자료에서 두 가지 측정 방법에 대해 더 자세히 논의합니다.

g

물론 이것은 논쟁의 여지가 있습니다( 2 ). 그러나 AI의 분배적 결과가 아직 확정되지 않은 한, 노동자들이 기존 기술에 대한 믿음을 새롭게 등장하는 기술에도 적용할 수 있다고 가정하는 것이 합리적일 것 같습니다.

시간

우리는 주어진 주제(또는 주제 집합)를 가장 잘 대표하는 문서의 예를 제공하는 R STM 패키지( 67 )의 findThoughts() 함수를 사용하여 이러한 예제를 검색합니다.

감사의 말씀

유익한 피드백을 주신 Stephen Weymouth, Alexander Kuo, Tyler Romualdi, 그리고 CPSA 2025, EPSA 2025, MPSA 2025의 "캐나다 정치학의 방법론적 전환" 워크숍 참가자 여러분께 감사드립니다.

보충 자료

추가 자료는 다음에서 확인할 수 있습니다.PNAS Nexus 온라인.

자금 조달

본 연구는 캘리포니아 공과대학의 린데 과학·사회·정책센터(LCSSP)와 사회과학·인문학 연구위원회(SSHRC)(보조금: 430-2022-00107)의 지원을 받아 수행되었습니다.

저자 기여

개념 정립: SB, BM 방법론: SB, BM, RMA, BB, PJL 분석 및 시각화: SB, BM 자금 확보: SB, RMA, BM 프로젝트 관리: SB, BM 원고 작성: SB, BM 검토 및 편집: SB, BM, RMA, BB, PJL

논문 초고

이 원고는 다음 링크에서 사전 공개되었습니다: https://osf.io/preprints/osf/qzhvy_v3 .

연구 윤리

데이터 수집 및 분석 절차는 캘리포니아 공과대학교 기관윤리심의위원회(IRB)의 검토를 거쳐 면제 승인을 받았습니다(IR23-1355). 또한 브리티시컬럼비아대학교 연구윤리위원회(H2303070)의 검토 및 승인도 받았습니다. 모든 참가자는 명시적이고 충분한 정보를 제공받은 후 자발적으로 동의했습니다. 응답자에게는 YouGov에서 소정의 보상을 지급했습니다. 인터뷰 및 설문조사는 YouGov에서 진행했으며, YouGov는 참가자를 식별할 수 있는 정보가 포함되지 않은 데이터 세트를 제공했습니다.

데이터 가용성

이 논문에 보고된 결과를 재현하는 데 필요한 코드와 데이터는 Harvard Dataverse( https://doi.org/10.7910/DVN/LNFLY5 )에서 공개적으로 이용할 수 있습니다 .

구글 학술 검색

월드캣

저자 노트

SB와 BM은 이 연구에 동등하게 기여했습니다.

이해 충돌: 저자들은 이해 충돌이 없음을 선언합니다.

© 2026 저작권자. 미국 국립과학원 산하 옥스퍼드대학교 출판부에서 발행.

본 논문은 크리에이티브 커먼즈 저작자표시-비영리 라이선스( https://creativecommons.org/licenses/by-nc/4.0/ )에 따라 배포되는 오픈 액세스 논문입니다. 이 라이선스는 원저작물을 적절히 인용하는 조건 하에 비상업적 재사용, 배포 및 복제를 모든 매체에서 허용합니다. 상업적 재사용을 원하시는 경우, 재인쇄 및 번역 권한 관련 문의는 reprints@oup.com 으로 연락주시기 바랍니다 . 기타 모든 권한은 본 웹사이트 논문 페이지의 권한 링크를 통해 RightsLink 서비스를 이용하여 획득할 수 있으며, 자세한 내용은 journals.permissions@oup.com 으로 문의해 주십시오 .

보충 자료

pgaf399_보충_데이터 - PDF 파일

댓글

댓글 0개

댓글 추가