Executive Summary

애플이 사람들의 건강 질문을 받는 연구를 미국에서 열었다. 2026년 11월 15일 발표한 'Apple Health AI Usage Study'다. 아이폰에 연구용 앱을 깔면 증상이나 질환을 묻고, 임상 AI 업체 오픈에비던스(OpenEvidence)가 『뉴잉글랜드 의학저널』과 『미국의사협회지』, 『네이처』 같은 문헌을 근거로 답한다. 참가자는 안정시 심박수와 활동량, 수면, 검사 결과 같은 헬스킷 기록을 원하는 만큼 골라 함께 낼 수 있고, 모집 상한은 21세 이상 20만 명이다.

보도자료에는 조건이 한 줄 붙어 있다. 이렇게 모인 연구 데이터를 AI 모델 학습에 쓰지 않겠다는 것이다. 건강 질문과 그 사람의 몸 기록을 짝지은 자료는 공개 시장에서 구하기 어려운 축에 든다. 애플은 그 자료를 20만 명 규모로 모으면서 학습으로 가는 문을 먼저 닫았다. 대신 보겠다고 적은 것은 답이 맞는지가 아니라, 사람들이 그 답을 얼마나 믿고 얼마나 이해하고 그래서 무엇을 하는지다.

1절부터 4절까지는 애플 발표와 보도, 그리고 6월 『네이처 메디슨』 논문에 남은 사실이다. 5절은 페블러스의 해석이다.

주요 수치

앞의 두 숫자는 이번 연구의 크기이고, 뒤의 두 숫자는 그 연구가 쓰는 도구가 받은 점수다. 둘을 나란히 두면 이 발표의 긴장이 보인다.

출처: 애플 뉴스룸 (2026.11.15) · Nature Medicine, "General-purpose large language models outperform specialized clinical AI tools on medical benchmarks" (2026.6.12).

20만 명

모집 상한

미국에 사는 21세 이상이 대상이고, 애플 인텔리전스를 쓸 수 있는 아이폰과 iOS 26 이상이 조건이다

12개월 이상

연구 기간

참가자는 그동안 매달 설문에도 답한다. 기간과 설문 주기는 애플 보도자료에 없고 복수 매체 보도로 알려졌다

62.6 : 88.0

헬스벤치 점수(100점 만점)

6월 『네이처 메디슨』 비교에서 오픈에비던스와 GPT가 받은 점수다. 전문가 답변과 얼마나 맞는지를 보는 시험이다

2.84

명료성 평균(4점 만점)

실제 의사 질의 100건을 임상의 12명이 가린 채 채점했을 때 오픈에비던스가 여섯 시스템 중 가장 낮았다

1

참가자가 되면 무엇부터 하게 되나

애플이 문을 연 것은 출시된 제품이 아닌 연구다. 앱스토어에 올라온 'Apple Health AI Usage Study' 앱을 깔고 동의 절차를 거치면 참가자가 되고, 그다음부터는 평소 궁금하던 것을 물으면 된다. 잠을 못 자는데 괜찮은지, 검사 수치가 무슨 뜻인지, 이런 증상이면 병원에 가야 하는지 같은 것들이다. 답은 오픈에비던스가 만들고, 근거가 된 동료심사 문헌의 인용도 화면에 함께 붙는다. 질문만 받는 앱은 아니어서, 운동이나 식단 계획을 짜는 기능도 들어 있다고 보도됐다.

조건은 미국 거주, 만 21세 이상, 애플 인텔리전스를 쓸 수 있는 아이폰(아이폰 15 프로 이후)과 iOS 26 이상이다. 모집 상한은 20만 명이고, 연구 기간은 12개월을 넘기며 참가자가 매달 설문에 답하는 것으로 보도됐다. 궁금한 것을 묻는 일만으로 끝나지 않는다는 뜻이다. 자해처럼 위험이 감지되는 질문에는 전문가 상담을 권하는 안전장치가 들어가 있다고 애플은 밝혔다.

데이터를 다루는 방식에도 줄이 여러 개 그어졌다. 애플의 설명에 따르면 질문은 식별 정보를 지운 뒤 제3자 보안 클라우드로 전달되고, 오픈에비던스는 질의와 응답을 24시간 안에 지우며 그 질의로 자사 모델을 학습시키지 않는다. 헬스킷 기록을 낼지, 설문에 답할지도 참가자가 정한다. 그리고 그 위에 보도자료 본문의 한 문장이 있다.

"Study data will not be used to train AI models."

연구로 모인 데이터를 AI 모델 학습에 쓰지 않는다는 뜻이다. 애플 보도자료가 프라이버시 항목에 못 박아 둔 문장이다.

한 가지는 갈라 둘 필요가 있다. 여기까지는 모두 애플이 밝힌 설계이고, 외부 감사가 확인해 준 내용은 아직 없다. 약속의 내용과 그 약속이 지켜졌다는 증거는 다른 자료이고, 뒤의 것은 아직 나온 적이 없다. 질문을 받아 두는 제3자 클라우드가 어디인지도 아직 이름이 나오지 않았다.

2

의사들이 쓰던 도구가 일반인 앞에 열린다

애플이 파트너로 고른 오픈에비던스는 소비자용 챗봇으로 자란 회사와 출발점이 다르다. 애플 보도자료도 이 회사를 "의료 전문가들이 널리 쓰는 선도적 임상 AI 플랫폼"이라고 소개한다. 진료 중인 의사가 근거를 빠르게 확인하려고 여는 도구이고, 답마다 출처 문헌을 달아 주는 구조도 거기에 맞춰져 있다.

페블러스는 지난 6월 이 회사를 한 편으로 다룬 적이 있다. 모델을 더 크게 키우는 대신 『뉴잉글랜드 의학저널』과 『미국의사협회지』, 코크란 같은 문헌을 라이선스로 들여와 해자를 만들었다는 이야기였다(미국 의사 40%가 쓰는 의료 AI의 해자는 라이선스로 들여온 의학 논문이다). 그 글의 주인공은 의사였다. 이번 연구에서 화면 앞에 앉는 사람은 일반인이다.

이 차이가 연구의 재료가 된다. 전문가용으로 다듬어진 답을 일반인이 받으면 무슨 일이 생기는가. 인용된 논문 제목이 신뢰를 올려 주는지, 아니면 읽히지 않고 넘어가는지 애플도 모른다. 어려운 말로 적힌 정확한 답과 쉬운 말로 적힌 덜 정확한 답 가운데 사람이 어느 쪽을 따르는지도 마찬가지다.

3

애플이 측정하겠다고 적은 네 가지

보도자료가 연구 목적으로 꼽은 항목은 넷이다. 사용자의 신뢰를 무엇이 만드는지, 답변의 품질은 어떠한지, 참가자가 그 답을 얼마나 이해하는지, 그리고 일상의 건강 행동으로 무엇이 이어지는지다. 숨불 데사이(Sumbul Desai) 애플 헬스·피트니스 부사장은 발표에서 "애플은 책임 있는 혁신이 과학적 엄밀함과 임상적 근거에서 출발한다고 믿는다"고 말했다. 이어 건강은 매우 개인적인 일이라며, 따로 연구를 여는 것이 "사람들이 일상에서 건강 AI와 어떻게 관계 맺고, 이해하고, 평가하는지를 알아보는 가장 사려 깊은 방법"이라고 덧붙였다.

넷 가운데 어느 것도 "답이 의학적으로 맞는가"를 직접 묻지 않는다. 품질 평가도 참가자 본인이 정확성과 구체성, 관련성을 매기는 방식이라 채점자가 일반인이다. 측정의 축이 모델 쪽이 아니라 사람 쪽에 서 있다.

헬스킷 기록을 선택 공유로 둔 까닭도 거기서 나온다. 애플은 개인 데이터가 더해졌을 때 경험이 어떻게 달라지는지 보려는 장치라고 설명한다. 수면과 심박을 알고 있는 답과 모르는 답을 같은 사람이 받아 보는 구조이니, 내 기록을 아는 답이 더 와닿는지를 20만 명 규모로 확인하는 설계인 셈이다.

보도자료는 그 넷 바깥에 한 줄을 더 적었다. 건강 AI가 참가자의 진료 준비를 돕는지도 확인하겠다고 했다. 자기 주치의를 만나러 가기 전에 무엇을 묻고 무엇을 챙길지 추리는 일이니, 연구가 보는 자리는 화면 안에서 끝나지 않고 진료실 문 앞까지 간다. 걱정스러운 증상이 보이는 질문에는 앱이 특정 의료진을 찾아가도록 안내한다는 설명도 보도로 전해졌다.

참가자가 내는 것 연구가 보는 것 가지 않는 곳 건강 질문 골라서 낸 헬스킷 기록 매달 답하는 설문 신뢰 답변 품질 이해 일상의 건강 행동 AI 모델 학습 24시간 뒤 질의 보관 › ✕ 가운데 칸의 네 항목은 모두 답을 받은 사람 쪽에서 일어나는 일이다
▲ 페블러스 원본 도식. 애플 보도자료의 설명을 참가자가 내는 것, 연구가 보는 것, 쓰지 않겠다고 밝힌 곳으로 나눠 그렸다. 가운데 칸은 측정 항목으로 꼽은 넷이고, 진료 준비는 그 바깥에 따로 적힌 항목이다
4

그 도구의 정확도는 아직 다투는 중이다

신뢰를 측정하는 연구가 쓰는 도구라면 그 도구의 성적이 궁금해진다. 올해 6월 12일 『네이처 메디슨』에 실린 뉴욕대 랭곤 의료원 연구진의 짧은 논문이 바로 그 비교를 했다. 전문 임상 도구 둘(오픈에비던스, 업투데이트 엑스퍼트 AI)과 범용 모델 셋(GPT-5.2, 제미나이 3.1 프로, 클로드 오퍼스 4.6)을 세 가지 시험에 세운 것이다. 마지막 시험에는 구글 검색의 AI 개요까지 더해져 비교 대상이 여섯이 됐다. 논문 제목부터 범용 모델이 전문 임상 AI를 앞선다고 적었다.

의사면허시험형 문제 500개에서는 다섯 시스템이 모두 88% 위에 모였다. 제미나이가 97.4%, GPT가 94.2%, 클로드가 90.2%였고 오픈에비던스는 89.6%, 업투데이트는 88.4%였다. 지식을 묻는 시험에서는 전문 도구도 가까이 따라붙는다.

벌어진 곳은 다른 두 시험이었다. 전문가 답변과의 일치를 보는 헬스벤치 500항목에서 GPT가 88.0점, 제미나이가 79.3점, 클로드가 77.0점을 받은 반면 오픈에비던스는 62.6점, 업투데이트는 61.3점에 머물렀다. 실제 진료 현장에서 나온 의사 질의 100건을 임상의 12명이 가린 채 채점한 결과도 비슷해서, 4점 만점에 제미나이 3.62, GPT 3.54, 클로드 3.52였고 오픈에비던스는 3.24, 업투데이트는 3.17이었다. 구글 검색의 AI 개요가 3.27로 두 전문 도구보다 높거나 같게 나온 대목도 논문이 따로 짚었다.

의사면허시험형 500문항 헬스벤치 500항목 89.6 오픈에비던스 94.2 GPT 차이 4.6점 — 비슷하다 62.6 오픈에비던스 88.0 GPT 차이 25.4점 — 벌어진다 오픈에비던스 GPT
▲ 페블러스 원본 도식. 『네이처 메디슨』(2026.6.12) 비교에서 오픈에비던스와 GPT의 점수차는 시험 종류에 따라 달라진다. 지식을 묻는 의사면허시험형 문제에서는 가깝지만, 전문가 답변과의 일치도를 보는 헬스벤치에서는 크게 벌어진다.

세부 항목에서 눈에 띄는 숫자가 하나 더 있다. 오픈에비던스의 명료성 평균이 2.84로 여섯 시스템 가운데 가장 낮았다. 논문 저자들은 이 결과를 지식의 문제가 아니라 전달의 문제로 읽었다. 업투데이트가 질의의 19%에 답하기를 거부한 것(범용 모델은 1~3%)도 같은 표에 있다.

논쟁은 여기서 끝나지 않았다. 발표 뒤 몇 주 사이 철회 요구와 방법론 반박이 이어졌고, 오픈에비던스 쪽은 설계가 편향됐다고 공개로 맞섰다. 뒤이어 나온 Real-POCQi 프리프린트는 오픈에비던스의 실제 질의와 전문 분야를 맞춘 채점자를 써서 반대 결론에 닿았다. 표준 벤치마크가 학습 과정에 섞여 들어갔을 가능성은 논문 저자들도 인정한 한계다. 지금 확실한 것은 어느 쪽이 더 정확한지가 아직 정리되지 않았다는 사실뿐이다.

애플의 연구는 이 논쟁과 별개로 돌아간다. 참가자가 매기는 것은 자신이 그 답을 어떻게 받아들였는지이기 때문이다. 명료성 점수가 가장 낮았던 도구 앞에 일반인 20만 명이 앉는다는 점만 기억해 두면 된다.

5

페블러스가 이 연구에 주목하는 이유

데이터를 다루는 쪽에서 보면 이번 발표에는 기본값을 거스르는 대목이 있다. 보통 이런 규모의 수집은 모델을 좋게 만들려고 한다. 질문과 그 사람의 몸 상태를 짝지은 자료라면 더욱 그렇다. 의도가 적힌 쪽과 상태가 적힌 쪽이 같은 사람 안에서 이어져 있는 자료는 돈으로 사기 어렵고, 동의 없이는 만들 수도 없다. 애플은 그런 자료를 모으면서 학습이라는 쓰임을 먼저 지웠다.

쓰임을 좁히면 참여가 넓어진다. 건강 질문을 꺼리게 만드는 것은 질문 자체보다 그 질문이 어디까지 흘러가는지 모른다는 불안이다. 학습에 쓰지 않겠다는 선언과 24시간 삭제는 그 불안을 덜어 더 많은 사람을 앉히려는 교환이다. 20만 명이라는 숫자는 그 계산이 맞아야 채워진다.

더 눈여겨볼 것은 측정의 축이 옮겨 간 자리다. AI-Ready Data를 둘러싼 논의는 대개 데이터가 모델을 얼마나 좋게 만드는지를 묻는다. 이번 연구가 묻는 것은 데이터가 사람을 얼마나 믿게 만드는지다. 두 물음의 답은 같지 않을 수 있다. 내 수면 기록을 알고 있는 답이 그렇지 않은 답보다 더 믿음직하게 느껴진다면, 그 믿음을 올린 것은 정확도가 아니라 익숙함이다.

그래서 이 연구의 결과는 두 갈래로 쓰일 수 있다. 사람이 무엇에 기대어 건강 조언을 받아들이는지 알아내면 더 이해하기 쉬운 설명을 설계할 수도 있고, 틀린 답을 더 잘 믿게 만드는 포장을 설계할 수도 있다. 같은 발견이 양쪽에 다 쓰인다. 4절의 논쟁이 정리되지 않은 상태에서 신뢰부터 측정한다는 점이 걸리는 이유도 여기에 있다.

내가 AI의 건강 조언을 믿는 근거는 무엇인가. 답에 적힌 내용인가, 아니면 그 답이 내 수면과 심박을 알고 있다는 느낌인가. 애플이 20만 명에게 물어 알아내려는 것이 이 질문의 답이고, 자기 답을 먼저 알아 두면 손해 볼 일은 없다.

R

참고문헌

공식 발표·보도

학술 논문