온라인 리뷰를 기반으로 의사를 선택한 적이 있다면 Simon Fraser University의 새로운 연구에 나쁜 소식이 있습니다.
분명히 AI를 사용하지 않고 생성된 가짜 임상의 리뷰는 실제 리뷰보다 더 믿을만하게 읽혀집니다.
그렇다면 이 연구에서 정확히 무엇을 발견했을까요?
연구자들은 인도에서 수집된 35,000개의 의사 및 치과의사 리뷰(2015년부터 2017년 사이)를 검토했습니다. 여기에는 가정의학부터 피부과까지 다양한 전문 분야의 의사가 포함됩니다. 해당 샘플 내에서 무려 8,313개의 리뷰가 가짜였습니다. 즉, 리뷰 4개 중 거의 1개는 실제 환자가 작성한 것이 아닙니다.
그들을 관리하는 것은 의료 서비스 제공자이거나 진료소 직원이었습니다. 5,000개의 리뷰로 구성된 작은 샘플을 자세히 살펴보면 실제 문제가 드러났습니다. 가짜 리뷰는 증상, 진단, 약물 및 치료에 대한 훨씬 더 자세한 내용을 포함했기 때문에 실제 리뷰보다 오래 지속되었습니다.
그들은 또한 신뢰성에서 더 높은 점수를 얻었고 실제보다 더 많은 찬성표를 받았습니다. 수석 저자인 Aishwarya Deep Shukla는 실제 환자가 공개 플랫폼에서 자신의 병력이나 진단 세부 사항을 설명하는 것을 거의 원하지 않는다고 설명합니다. 이와 대조적으로 가짜 리뷰에는 이러한 망설임이 없습니다.
실제로 그것에 대해 무엇을 할 수 있습니까?
데이터 수집 당시에는 생성적 AI가 포함되지 않은 나쁜 관행이 있었지만, 2026년에는 챗봇에 쉽게 접근할 수 있게 되어 상황이 더욱 악화되고 있습니다. 진정한 환자가 진정한 리뷰를 작성하는 데 도움이 되는 동일한 도구는 악의적인 행위자가 대규모 리뷰를 생성하는 데도 도움이 됩니다.
Shukla가 고안한 수정 사항은 간단합니다. 확인된 약속에 리뷰를 연결하고, 인증되었지만 익명으로 리뷰 옵션을 제공하고, 플랫폼을 더욱 강력하게 조정하면 가짜 또는 AI 생성 리뷰의 확산을 억제하는 데 도움이 될 수 있습니다.
지금 당장 새로운 서비스 제공자를 찾고 있는 사람이라면 도움이 될 수 있는 몇 가지 습관이 있습니다. 첫째, 하나의 이야기에 집중하지 않고 가능한 한 많은 리뷰를 읽으십시오. 대부분의 내용이 정확히 같은 길이이고 동일한 구문이나 구조를 포함하고 있다면 제공자가 환자에게 특정 형식으로 리뷰를 공유하도록 요청하지 않는 한 정품이 아닐 가능성이 높습니다.
Shukla는 또한 비정상적으로 개인적인 의료 정보를 자동으로 공유하는 리뷰에 회의적인 자세를 유지하고 리뷰가 거의 없거나 전혀 없는 서비스 제공자를 삭제하지 말 것을 권장합니다. 대부분의 만족한 환자는 리뷰를 떠나는 일이 없기 때문입니다. 마지막으로 자격 증명, 추천, 자신의 직접적인 인상과 함께 리뷰를 평가해야 합니다. 이미 해당 시설에 가본 적이 있는 사람과 대화하는 것도 도움이 될 수 있습니다.
관련 정보는 아래 링크에서 확인하세요