본 연구는 경도 인지 장애 (MCI)에서 음성 표현 (speech representations)과 인지 평가의 계층적 구조 사이의 관계를 조사합니다. 5,754개의 독일어 신경심리학적 평가 녹음 데이터를 활용하여, 과제 (task), 영역 (domain), 전역 (global)의 세 가지 점수 수준에 걸쳐 6개의 인지 과제를 평가합니다. 우리는 수작업으로 제작된 음향 특징 (hand-crafted acoustic features)과 자기지도 학습 (Self-Supervised Learning, SSL) 임베딩 (embeddings)을 비교합니다. 결과에 따르면, SSL 표현은 일반적으로 낮은 수준에서는 수작업 특징보다 우수한 성능을 보이지만, MCI 분류에서는 이러한 경향이 역전됩니다. 또한, 과제별 제약 조건이 성능에 영향을 미칩니다. 응답의 자유도가 높은 과제는 계층적 수준이 높아짐에 따라 성능 희석 (performance dilution) 현상을 보이는 반면, 이는 '전문가형 (specialist)' 표현을 시사합니다. 반대로, 구조화가 잘 된 과제는 높은 수준으로 갈수록 성능이 향상되며, 이는 '범용 전문가형 (generalist)' 표현을 시사합니다. 이러한 발견은 자동화된 임상 음성 분석에서 과제 제약 조건과 평가 계층 구조 사이의 연관성을 보여줍니다.