임상심리전문가의 관점에서 AI 심리상담의 장점과 문제점을 정리해 본다. AI는 더 이상 일상에서 동떨어진 생소한 존재가 아니다. AI에게 고민을 털어놓는 AI 심리상담도 낯선 일이 아니다. 개인적으로도 기술의 발달과 새로운 기술의 빠른 적용에 호의적인 편이어서 일상에서 AI를 많이 활용하려고 시도한다. 또한 실제로 상담하는 분들 중 대부분이 본인의 문제나 고민에 대해 AI와 한 번씩 대화를 해본 듯하다. AI와의 대화는 가벼운 질문이나 고민이라면 비용을 들이지 않고도 진행할 수 있고, 상대방이 사람이 아니기에 규범과 윤리로부터 비교적 자유롭다. 다만 전문가로서 자신의 심리적 어려움을 다루고자 AI를 사용하는 것에는 다소 우려되는 부분이 있다. 먼저 AI 심리상담의 장점을 살펴보자. 1. 연구로 본 AI 심리상담의 효과 최근 메타분석에서 챗봇이 우울과 불안 증상을 유의하게 줄였고, 특히 우울이 심한 사람에게서 효과가 두드러졌다는 보고가 있다(Sohn 등, 2026). AI 기반 대화형 에이전트의 효과를 분석한 메타분석에서도 우울 증상과 심리적 고통이 유의하게 감소했지만, 전반적인 심리적 안녕감에서는 유의한 개선이 확인되지 않았다(Li 등, 2023). 다만 효과성 연구 대부분이 정신건강 목적으로 설계되고 평가된 봇을 대상으로 했기에, 일상에서 흔히 사용하는 범용 AI에 그대로 적용하기는 어려울 소지가 있다. 더불어 효과의 범위가 제한적이거나 그 크기가 크지 않은 경향이 있어, 막연한 AI 활용이 전문적인 치료를 대신할 수 있다는 근거로 활용하기는 어렵다. 2. 상담의 문턱을 낮추는 역할 개인적으로 실제 증상의 완화보다는, 사회적 평판이나 효과에 대한 낮은 기대 때문에 정신과 혹은 심리센터를 방문하기를 꺼리던 사람이 AI와의 소통을 통해 상담과 유사한 효과를 경험하고 반감을 줄이는 데 주는 도움이 크다고 본다. 마음속에 숨겨두었던 생각과 고민을 표현하고, 상대방과 함께 논의하고 고민하는 경험은 그 자체로 큰 위안을 제공한다. 이것은 상담이 전제해온 힘이기도 하다. AI와의 대화에서도 비슷한 경험이 가능하다는 연구가 보고되고 있다. 대면 심리치료에 대한 자기 낙인이 높은 사람일수록 AI를 통한 심리치료에 더 긍정적인 태도를 보였다고 한다(Hoffman 등, 2024). 이 결과를 고려하면, 낙인을 우려하여 대면 치료를 꺼리던 사람이 AI와의 긍정적 경험을 통해 실제적인 도움을 구하게 될 가능성을 생각해볼 수 있다. 즉, 정신건강 전문가의 도움을 얻는 데 필요한 문턱을 낮추는 역할은 충분히 기대해볼 만하다. 하지만 임상심리전문가로서 AI와의 대화가 유발할 영향에 대한 우려 역시 존재한다. 1. 회피적 대처 방식의 강화 AI와의 상호작용은 장기적으로 회피적인 대처 방식을 강화할 수 있다. AI는 언제나 즉각 답하고, 불편한 기색을 내비치지 않으며, 거절하지 않는다. 이러한 편안함이 오히려 함정이 될 수 있다. 어려운 감정을 마주하는 대신 AI에게 털어놓고 곧바로 위안을 얻는 일이 반복되면, 문제를 직면하고 현실에 직접 개입하고 변화하려는 동기와 시도가 감소하기 쉽다. 현실에서 더 나은 삶을 살 수 있도록 도와주려는 입장에서는, 결국 쉽고 빠른 대안을 선택하는 성향이 공고해지지는 않을지 우려된다. 2. 비언어적 단서의 부재 상담에서의 상호작용은 말로만 이루어지지 않는다. 말의 속도, 목소리의 떨림, 표정, 침묵, 어떤 이야기에서 눈시울이 붉어지는지 같은 단서들이 내담자를 이해하고 공감을 제공하는 중요한 재료가 된다. 전문가는 비언어적 신호와 누적된 맥락을 함께 고려하여 반응하고, 이를 통해 내담자는 위안을 얻는다. 텍스트로만 이루어지는 AI와의 대화에서는 이러한 비언어적 교류가 없다. 단순히 본인의 주장이나 생각에 대한 긍정만이 공감과 이해라고 피상적으로 판단한다면, 결국 자기 폐쇄성과 경직성만 심화하기 쉽다. 3. 일방향적 유대감과 정서적 의존 AI는 아직 인간의 심리를 완벽하게 공감하지 못하며, 정서적인(인간적인) 관심을 기울이기도 불가능하다. 대규모 언어모델이 상담자를 대체할 수 있는지를 평가한 연구에서, 치료 동맹에 정체성과 책임 같은 인간적인 특성이 필요하다는 점이 한계로 지적되었다(Moore 등, 2025). 지지받는다고 느끼지만 상대방이 나를 기억하거나 언행에 책임지지 않는, 진심이 없는 존재라는 간극이 있다. 이는 일방향적 유대감을 형성하고, 종국에는 가상의 관계에서 좌절하게 만들 수 있다. 현실에서의 관계가 어려워 AI와의 관계에 기대려던 사람이 AI와의 관계에서도 좌절을 경험한다면, 오히려 외로움과 고립감을 깊게 하고 심리적 위기를 유발할 우려가 있다. 981명을 4주간 추적한 연구에서도, 챗봇을 자발적으로 더 많이 사용한 사람일수록 외로움, 실제 사람과의 교류, AI에 대한 정서적 의존, 문제적 사용 모두에서 더 나쁜 결과를 보였다(Fang 등, 2025). 해당 연구에서 AI를 신뢰하고 매력을 느낄수록 정서적 의존과 문제적 사용도 높았다는 결과도 확인된다. 심리적으로 취약한 사람의 경우 AI를 문제적으로 사용할 위험이 비교적 높을 가능성이 있어 보인다. 4. 개인정보와 비밀보장 개인정보와 비밀보장도 잊지 말아야 할 중요한 문제다. AI를 정신건강 관리 용도로 사용하는 사용자를 대상으로 한 질적 연구에서는 이용자들이 개인정보와 보안 위험을 잘못 이해하고 있으며 위험 인식도 부족하다고 언급한다. 연구진은 감정이나 심리적 고백이 금융이나 위치 정보 같은 눈에 보이는 정보에 비해 가볍게 여겨지는 경향을 '비가시적 취약성'이라고 불렀다(Kwesi 등, 2025). 전문가는 윤리 규정에 따라 상담 내용의 비밀을 보장할 책임이 있지만, AI 서비스는 같은 틀로 보호된다고 보기 어렵다. AI의 종류와 사용자 계약 내용에 따라 대화 내용이 서비스 개선이나 AI 학습에 활용될 수 있기에 주의가 필요하다(King 등, 2025). 5. 사용자의 믿음을 그대로 반영하는 동조 경향 무엇보다 AI는 사용자의 비합리적인 믿음과 전제를 그대로 반영해 편향된 반응을 보이기 쉽다. 앞서 언급한 연구에서 대규모 언어모델은 정신건강 문제를 가진 사람에 대한 낙인을 드러냈고, 자살과 같은 민감한 주제를 포함한 여러 상황에서 부적절하게 반응했다. 심지어 사용자의 망상적 사고를 부추기기도 했는데, 연구진은 이를 AI의 동조 경향 때문일 것으로 보았다(Moore 등, 2025). 정신건강전문가의 중요한 역할 중 하나는 내담자의 비합리적인 믿음을 함께 점검하고 다른 관점으로의 유연한 변화를 유발하는 것이다. 맞장구에 가까운 피상적 반응이 심리적 취약성을 더 공고하게 할 우려가 있다. 그렇다면 AI 심리상담을 어떻게 활용하면 좋을까? 정신건강 서비스에 반감이 드는 사람들이 AI를 통해 먼저 경험해보되, 그것이 전부는 아니라는 점을 알았으면 한다. 상담에서도 늘 강조하는 말인데, 정신건강 서비스는 비용이 드는 일이다. 심리센터나 정신과를 방문하기가 부담스러운 사람에게, AI를 통해 말로 꺼내는 경험을 먼저 해보는 것은 충분히 유용하다. 다만 AI가 제공하는 반응과 정신과 의사 및 임상심리전문가가 제공하는 서비스는 상이하다. 세상 모든 치료가 그렇듯, 심리치료 과정은 결코 행복하고 순탄하지 않다. 전문가는 언어적 표현뿐 아니라 비언어적 표현과 맥락, 보유한 심리적 지식을 모두 활용하며, 필요하다면 비합리적 신념을 지적하기도 한다. 막연한 AI 활용으로 심리적 문제가 더 깊어질 수 있다. 현재 심리적으로 위기라면, AI를 통해 혼자 해결하기보다는 정신건강 전문가를 찾아가 상태에 맞는 도움을 받기를 권한다. AI는 상담실로 가는 길을 열어주는 도구가 될 수 있지만, 그 길의 끝에서 당신을 기다리는 사람을 대신할 수는 없다. 참고문헌 Fang, C. M., Liu, A. R., Danry, V., Lee, E., Chan, S. W. T., Pataranutaporn, P., Maes, P., Phang, J., Lampe, M., Ahmad, L., & Agarwal, S. (2025). How AI and human behaviors shape psychosocial effects of extended chatbot use: A longitudinal randomized controlled study. arXiv. https://arxiv.org/abs/2503.17473 Hoffman, B. D., Oppert, M. L., & Owen, M. (2024). Understanding young adults' attitudes towards using AI chatbots for psychotherapy: The role of self-stigma. Computers in Human Behavior: Artificial Humans, 2(2). King, J., Klyman, K., Capstick, E., Saade, T., & Hsieh, V. (2025). User Privacy and Large Language Models: An Analysis of Frontier Developers' Privacy Policies. In Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society (Vol. 8, No. 2). Association for the Advancement of Artificial Intelligence. Kwesi, J., Cao, J., Manchanda, R., & Emami-Naeini, P. (2025). Exploring user security and privacy attitudes and concerns toward the use of general-purpose LLM chatbots for mental health. In Proceedings of the 34th USENIX Security Symposium. USENIX Association. Li, H., Zhang, R., Lee, Y.-C., Kraut, R. E., & Mohr, D. C. (2023). Systematic review and meta-analysis of AI-based conversational agents for promoting mental health and well-being. npj Digital Medicine, 6(1). Moore, J., Grabb, D., Agnew, W., Klyman, K., Chancellor, S., Ong, D. C., & Haber, N. (2025). Expressing stigma and inappropriate responses prevents LLMs from safely replacing mental health providers. In Proceedings of the 2025 ACM Conference on Fairness, Accountability, and Transparency. Association for Computing Machinery. Sohn, J.-S., Ha, B.-G., Park, S., Kim, J.-J., Lee, E., Oh, H., Lee, S., & Kim, E. (2026). Systematic review and meta analysis of chatbots in the management of depressive and anxiety symptoms. npj Digital Medicine, 9(1).