도구가 어떻게 작동하는지 알면 그것을 더 현명하게 사용할 수 있습니다. 이 페이지는 LINC가 AI를 어떻게 사용하는지, 어디에 사람이 관여하는지, 여러분의 정보로 하지 않는 일은 무엇인지, 그리고 AI에 어떤 실제 한계가 있는지를 있는 그대로 설명합니다. 여기에는 작은 글씨로 숨겨둔 내용이 없습니다.

LINC의 어떤 부분이 AI인가

LINC의 일부는 AI로 작동합니다.

• 챗봇의 답변. 챗봇에 질문하기를 사용하면 AI가 답변을 작성합니다. AI는 이 사이트에 게시된 가이드를 근거로 질문에 답합니다.
• 짧은 가이드 요약. 많은 가이드 상단에 있는 쉬운 말 요약은 핵심 내용을 빠르게 전달하기 위해 AI가 생성합니다.
• 초벌 번역. LINC의 가이드는 먼저 기계로 다른 언어로 번역되며, 사람이 검토하기 전까지 번역된 각 가이드에는 기계 번역임을 표시합니다.

LINC의 어떤 부분이 사람인가

LINC의 근간은 사람이 작성하고 확인합니다.

• 가이드 내용. 이 사이트의 가이드는 미국에서 정신건강 진료를 받으려는 사람들을 위해 사람이 작성합니다. AI가 지침을 새로 만들어내는 것이 아니라, 사람이 쓴 내용을 바탕으로 작동합니다.
• 공동체 검토자. LINC가 서비스를 제공하는 공동체 출신 사람들이 번역된 가이드를 검토하여, 실제로 사람들이 말하고 이해하는 방식에 맞는 언어인지 확인합니다.

이러한 설계는 사람을 기반으로 두고 그 위에 AI를 활용하여 자료에 더 빨리, 더 쉽게 접근할 수 있도록 만든 것입니다.

AI는 무엇을 근거로 삼는가

챗봇은 인터넷 전체에서 답을 끌어오지 않습니다. 챗봇은 이 사이트의 가이드에 근거를 두고 있으며, 이는 사람이 여러분과 같은 상황을 위해 작성하고 검토한 자료를 바탕으로 답변을 구성한다는 뜻입니다. 이 덕분에 일반 챗봇보다 더 신뢰할 수 있는 근거에 가까운 답변을 하게 됩니다. 다만 이는 챗봇이 그 뒤에 있는 가이드만큼만 최신이고 완전하다는 뜻이기도 해서, 여전히 놓치거나 세부 사항을 틀리게 전달할 수 있습니다.

근거 기반 방식이 쉬운 말로 어떻게 작동하는지 설명하면 이렇습니다. 여러분이 질문을 하면, 챗봇은 먼저 가이드에서 관련된 부분을 찾은 다음 그 부분을 바탕으로 답변을 작성합니다. 이는 기억력 시험보다는 참고자료를 볼 수 있는 시험에 가깝습니다. 수십 건의 건강 AI 연구를 검토한 연구자들은 AI를 신뢰할 수 있는 원자료에 근거하도록 하면 지어낸 답변이 약 30~50퍼센트 줄어들고, 사람 검토자를 추가하면 훨씬 더 줄어든다는 사실을 밝혀냈습니다 (Basu & Huynh, 2026). 가장 좋은 경우라도 오류가 완전히 사라지지는 않으므로, 근거 기반 방식은 잘못된 답변의 가능성을 낮출 뿐 없애지는 못합니다. 그래서 LINC는 여전히 사람을 절차 안에 두고 있으며, 아래에 나오는 습관들도 여전히 중요합니다.

LINC가 하지 않는 일

도구에 대해 알아야 할 가장 중요한 사실 중 일부는 그 도구가 하지 않는 일입니다.

• 계정이 없습니다. LINC는 로그인이나 이름 제공을 요구하지 않습니다.
• 대화 내용을 저장하지 않습니다. LINC는 채팅 기록을 보관하지 않습니다. 메시지를 보내면 답변을 작성하기 위해 AI 제공업체로 전달되며, 해당 업체는 이를 자사 모델 학습에 사용하지 않습니다.
• 여러분의 메시지는 AI 학습에 사용되지 않습니다.
• 이민 당국과 아무것도 공유하지 않습니다. LINC는 여러분의 신원을 수집하지 않으며 이민 단속 기관과 정보를 공유하지 않습니다.

이러한 보호 장치가 있더라도, 좋은 습관은 여러분의 상황을 일반적인 말로 설명하고 이민 신분, 사건 번호, 신분증 번호 같은 식별 정보를 어떤 AI 도구에도 입력하지 않는 것입니다. 연방거래위원회(Federal Trade Commission, FTC)도 어떤 챗봇을 사용하든 같은 조언을 하는데, 입력한 내용은 무엇이든 그 챗봇을 운영하는 회사가 수집하거나 저장할 수 있기 때문입니다 (Federal Trade Commission, 2024). 더 자세한 내용은 건강을 위해 AI를 안전하게 사용하기를 참고하십시오.

AI가 가진 알려진 한계

이러한 한계는 힘든 순간에 갑자기 알게 되기보다 미리 알아두는 편이 낫습니다.

• 번역 품질은 언어마다 다릅니다. 연구자들은 AI의 답변이 영어 외의 언어에서 대체로 더 부정확하다는 사실을 측정했으며 (Jin et al., 2024), 온라인 텍스트가 적은 언어일수록 정확도 하락 폭이 가장 컸습니다. 한 연구팀이 응급실 안내문에 구글 번역을 시험한 결과, 스페인어에서는 약 94퍼센트가 정확한 의미를 유지했지만 아르메니아어에서는 55퍼센트에 그쳤고, 연구팀은 환자 안내문에 기계 번역만 단독으로 의존해서는 안 된다고 결론지었습니다 (Taira et al., 2021). 이것이 LINC의 각 번역을 사람이 검토하는 이유입니다. AI는 여러분의 언어에서 답변이 더 부정확할 수 있습니다를 참고하십시오.
• 챗봇이 틀릴 수 있습니다. 모든 AI 챗봇과 마찬가지로, 특히 전화번호, 주소, 비용, 자격 요건에 관해 확신에 찬 어조로 틀린 답을 줄 수 있습니다. 한 연구에서 의사들이 잘 알려진 네 가지 AI 챗봇의 답변을 검토한 결과, 5~13퍼센트는 실제 해를 끼칠 위험이 있을 만큼 안전하지 않았습니다 (Draelos et al., 2026). 확신에 찬 말투가 답이 맞다는 증거는 아닙니다. AI는 틀린 답을 줄 수 있습니다를 참고하십시오.
• 임상적 역할은 거부합니다. 챗봇은 진단을 내리지 않고, 특정 약물을 추천하지 않으며, 치료사 역할을 하지 않습니다. 그런 일은 면허를 가진 사람의 몫입니다. 챗봇이 확신하지 못할 때는 그렇다고 말하도록 설계되어 있으며, 연구에 따르면 AI가 자신의 불확실성을 표현하면 사람들이 그 답변을 더 적절하게 신뢰하는 데 도움이 됩니다 (Kim et al., 2024).

왜 이 모든 것을 알려드리는가

이 도구가 어떻게 작동하는지 솔직히 밝히는 것은 안전하게 사용하는 방법의 일부입니다. AI 비서에 관한 연구에 따르면, 도구가 무엇을 알고 무엇을 모르는지에 대한 명확한 신호는 사람들이 그 답변을 더 적절하게 신뢰하는 데 도움이 됩니다 (Kim et al., 2024). 이는 세계보건기구(World Health Organization, WHO)의 견해와도 일치하는데, 2024년 보건 분야 AI에 관한 지침에서 이러한 모델이 거짓되거나 부정확하거나 편향되거나 불완전한 답을 줄 수 있다고 경고하며 맹목적인 신뢰 대신 사람의 감독을 요구했습니다 (World Health Organization, 2024). LINC의 AI가 무엇을 위한 것이고 어디에서 부족한지를 여러분 자신의 말로 다시 설명할 수 있다면, 유용한 부분은 활용하고 중대한 부분은 사람에게 가져갈 수 있는 좋은 위치에 있는 것입니다. 그것이 바로 LINC를 사용하는 올바른 방식입니다.

LINC를 잘 사용하는 방법

몇 가지 간단한 습관만 있으면 안전을 지키면서 LINC의 좋은 점을 얻을 수 있습니다.

• 전화번호, 주소, 비용, 자격 요건은 모두 확인이 필요한 초안으로 여기십시오. 행동에 옮기기 전에 공식 출처로 확인하십시오. 위기 상황에서는 988로 전화하거나 문자를 보내고, findtreatment.gov에서 진료소를 찾거나 findahealthcenter.hrsa.gov에서 지역사회 보건센터를 찾고, 건강보험이나 소속 주의 메디케이드(Medicaid) 사무소에 보장 내용을 확인하십시오.
• 중대한 질문은 사람에게 가져가십시오. 이민 상황, 법적 문제, 의료 결정에 관한 것이라면 지역사회 보건요원이나 면허를 가진 전문가에게 물어보십시오. 연방거래위원회도 어떤 챗봇에 대해서든 같은 조언을 합니다. 답변을 신뢰할 수 있는 출처로 검증하고, 의료, 법률, 재정에 관한 조언을 챗봇 하나에만 의존하지 말라는 것입니다 (Federal Trade Commission, 2024). LINC는 출발점이지 최종 답이 아닙니다.
• 세부 정보는 일반적인 수준으로 유지하십시오. 유용한 도움을 받는 데 이름, 이민 신분, 사건 번호, 신분증 번호를 입력할 필요는 없습니다.
• 답변이 이상하다고 느껴지면 확인하십시오. 챗봇에게 어떤 가이드를 근거로 했는지 물어보고 그 가이드를 직접 열어보거나, 신뢰할 수 있는 출처와 비교해 정보를 따져보십시오 (MedlinePlus).

이러한 습관은 연구 결과와 일치합니다. 사람들은 AI 도구의 한계를 이해하고 중대한 주장을 확인할 때 그 도구를 더 적절하게 신뢰합니다 (Kim et al., 2024).

자주 묻는 질문

실제 사람이 제 메시지를 읽습니까? 아닙니다. 챗봇에 질문하기를 사용하면 AI가 그 자리에서 답변을 작성하며, 어떤 직원도 여러분의 채팅을 지켜보지 않습니다. AI가 근거로 삼는 가이드는 사람이 작성하고 확인했지만, 여러분이 입력한 내용을 사람이 읽지는 않습니다.

챗봇이 저 대신 988에 전화하거나 누군가에게 연락할 수 있습니까? 아니요. 챗봇은 여러분에게 글로 답변을 돌려줄 수만 있습니다. 전화를 걸거나, 메시지를 보내거나, 예약을 잡거나, 여러분을 대신해 위기상담전화에 연락할 수 없습니다. 위기 상황이라면 직접 988로 전화하거나 문자를 보내고, 즉각적인 위험이 있다면 911로 전화하십시오. 챗봇이 할 수 있는 일은 알맞은 전화번호를 찾도록 돕고 무슨 말을 할지 생각을 정리하도록 돕는 것입니다.

제가 LINC를 사용했다는 사실을 누가 알게 됩니까? LINC는 이름을 물어보지 않고 로그인을 요구하지 않으므로, 여러분과 연결된 계정도 저장된 채팅 기록도 없습니다. 여러분의 메시지는 이민 당국과 공유되지 않습니다. 다만 어떤 AI 도구를 쓰든, 챗봇을 운영하는 회사가 입력한 내용을 수집할 수 있으므로 개인 정보를 스스로 밝히지 않는 것이 현명한 습관입니다 (Federal Trade Commission, 2024). 이름, 신분, 사건 번호를 밝히지 않으면서도 LINC로부터 실질적인 도움을 받을 수 있습니다.

챗봇이 뭔가를 지어냈는지 어떻게 알 수 있습니까? 모든 구체적인 세부 사항을 확인이 필요한 것으로 여기십시오. 전화번호, 주소, 가격, 날짜, 자격 요건은 AI가 가장 자주 틀리는 부분입니다. 챗봇에게 답변이 어떤 가이드에서 나왔는지 물어보고 그 가이드를 직접 열어보십시오. 중요한 일이라면 행동에 옮기기 전에 findtreatment.gov나 MedlinePlus 같은 공식 출처로 확인하십시오. 이는 연방거래위원회가 어떤 챗봇의 답변에 대해서든 권장하는 것과 같은 방법입니다 (Federal Trade Commission, 2024).

출처

• Basu, S., & Huynh, B. (2026). Mitigating hallucinations in healthcare AI: A systematic review of evidence-based strategies. BMC Health Services Research. https://doi.org/10.1186/s12913-026-14851-1.
• Draelos, R. L., Afreen, S., Blasko, B., Brazile, T. L., Chase, N., Desai, D. P., Evert, J., Gardner, H. L., Herrmann, L., House, A. V., Kass, S., Kavan, M., Khemani, K., Koire, A., McDonald, L. M., Rabeeah, Z., & Shah, A. (2026). Large language models provide unsafe answers to patient-posed medical questions. NPJ Digital Medicine, 9(1). https://doi.org/10.1038/s41746-026-02428-5.
• Federal Trade Commission. (2024, September). Operation AI Comply: Detecting AI-infused frauds and deceptions. Consumer Advice. https://consumer.ftc.gov/consumer-alerts/2024/09/operation-ai-comply-detecting-ai-infused-frauds-and-deceptions.
• Jin, Y., Chandra, M., Verma, G., Hu, Y., De Choudhury, M., & Kumar, S. (2024). Better to ask in English: Cross-lingual evaluation of large language models for healthcare queries. Proceedings of the ACM Web Conference 2024 (WWW ‘24). https://doi.org/10.1145/3589334.3645643.
• Kim, S. S. Y., Liao, Q. V., Vorvoreanu, M., Ballard, S., & Vaughan, J. W. (2024). “I’m not sure, but…”: Examining the impact of large language models’ uncertainty expression on user reliance and trust. Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency (FAccT ‘24). https://doi.org/10.1145/3630106.3658941.
• MedlinePlus. Evaluating health information. U.S. National Library of Medicine. https://medlineplus.gov/evaluatinghealthinformation.html.
• Taira, B. R., Kreger, V., Orue, A., & Diamond, L. C. (2021). A pragmatic assessment of Google Translate for emergency department instructions. Journal of General Internal Medicine, 36(11), 3361-3365. https://doi.org/10.1007/s11606-021-06666-z.
• World Health Organization. (2024, January 18). WHO releases AI ethics and governance guidance for large multi-modal models. https://www.who.int/news/item/18-01-2024-who-releases-ai-ethics-and-governance-guidance-for-large-multi-modal-models.

LINC는 연구 시제품이며 의료 서비스나 법률 서비스가 아닙니다. 번역이 틀릴 수 있으며, 여러분에게는 무료로 자격을 갖춘 통역사를 요청할 권리가 있습니다. 중대한 사안은 지역사회 보건요원이나 신뢰하는 사람과 함께 처리하십시오. 위기 상황에서는 988로 전화하거나 문자를 보내고, 즉각적인 위험이 있다면 911로 전화하십시오.