Research Problems

문제 의식

인공지능(AI) 기술의 급속한 발전은 전문직 종사자들의 업무 환경을 근본적으로 재편하고 있다. 생성형 AI는 법률 문서 검토, 게임 그래픽 생성, 교육 콘텐츠 설계에 이르기까지 전문직의 핵심 업무에 침투하고 있으나, 전문직 종사자들이 이 변화에 어떻게 적응하는지에 대한 체계적 이해는 아직 초보적 수준에 머물러 있다.

기존 연구의 한계

1. 기술 수용에 편중: 기존 연구들은 개인의 기술 채택 의사결정에 초점을 맞추어 왔으나(Cao et al., 2021; Jaiswal et al., 2022), 전문직 종사자가 AI에 직면하여 겪는 심리적, 인지적, 행동적 적응 과정을 포괄적으로 설명하지 못함

2. 선형 모델의 한계: AI에 대한 전문직 적응은 단순한 기술 수용을 넘어 전문적 정체성의 재구성(Rogers et al., 2017), 의미 형성(Weick, 1995), 직업적 경계 작업(Abbott, 1988)을 수반하는 복합적 과정이나, 기존 모델은 이를 선형적으로 처리

3. 직업군 간 차이 미탐구: 동일한 AI 기술이라도 직업군의 관할권 문화, 규제 환경, 기술 친화성에 따라 적응 경로가 체계적으로 달라지는 메커니즘에 대한 이해 부족

연구 문제

본 연구는 다음의 연구 문제를 탐색한다:

1. RQ1: A-PEM의 4단계가 실제 전문직 종사자들의 경험에서 어떻게 발현되는가?

2. RQ2: 단계 간 전이 메커니즘은 어떤 양상으로 작동하며, 특히 비순차적 경험이나 피드백 루프가 존재하는가?

3. RQ3: 직업군에 따른 A-PEM 진행 패턴의 차이는 무엇이며, 그 차이를 설명하는 조절 요인은 무엇인가?

기대 기여

1. 이론적 기여: A-PEM 4단계가 순차적이 아닌 동시적/순환적으로 경험된다는 실증적 근거를 제시하여, 기존 선형 기술 적응 모델에 대한 이론적 도전 수행

2. 실무적 기여: E(구상) 단계가 적응의 질적 차이를 결정하는 구조적 병목이라는 발견을 통해, 직업군별 맞춤형 적응 지원 전략의 설계에 근거 제공

3. 방법론적 기여: 질적 코딩, 코드 네트워크, STM의 방법론적 삼각 검증을 통해, AI 보조 질적 연구의 신뢰성 확보를 위한 새로운 접근 제안