Executive Summary

조사의 틀부터 적어 둔다. 베세머 벤처 파트너스가 베인 앤드 컴퍼니와 함께 2026년 9월 30일 「2026 헬스케어 AI ROI 스코어카드」를 공개했다. 물은 대상은 임원 226명이고, 병원만이 아니라 병원·보험사·제약사 세 집단을 함께 묶은 수다. 물은 범위는 업무 65개이고, 보고서는 이를 작년 틀 위에서 돌리되 임상 AI와 투자 회수 쪽으로 범위를 넓혔다고 스스로 밝힌다. 뒤에 나오는 "임상 4%"는 세 집단을 섞은 값이 아니라 병원의 임상 업무 수치다. 대상군을 섞으면 그 자리에서 틀린다.

업무 분류도 같이 봐야 한다. 발표 자료 32~33쪽이 업무 65개를 집단별·경로별로 모두 펼쳐 놓는데, 병원의 임상 경로에 든 것은 일곱이다. 환자 분류, 진단 보조, 감별 진단 생성, 치료 추천, 수술 지원 및 로봇, 검사 결과 판독, 진료 공백 식별. 전부 환자 한 사람을 앞에 두고 내리는 판단이다. 반대로 요즘 "임상 AI"로 가장 많이 불리는 진료 기록 작성 보조(받아쓰기·주변음 청취)는 임상이 아니라 접수·안내 경로에 들어가 있고, 임상시험 환자 조율과 외래 안내, 추적 진료도 같은 쪽이다. 의료 코딩과 사전 승인, 거부·이의제기 관리는 수익주기 경로다. 그러니 "임상 4%"는 저 일곱 가지에 매겨진 수치다.

이 일곱은 대부분 올해 새로 들어온 자리다. 발표 자료 2쪽이 올해 조사를 "2025년과 같은 업무에 병원 임상 AI 업무 여섯 개를 더한 것"이라고 적기 때문이다. 일곱 가운데 여섯이 올해 처음 물어본 업무라는 뜻인데, 어느 하나가 작년부터 있던 업무인지는 발표 자료가 표시하지 않아 짚어 내지 못했다.

이 조사가 다른 의료 AI 조사와 갈리는 지점은 축이 둘이라는 데 있다. 하나는 얼마나 도입했는지이고, 다른 하나는 돈이 얼마나 돌아왔는지다. 그리고 거기에 세 번째 눈금이 붙는다. 그 일을 사람 승인 없이 기계가 끝까지 끌고 가는지다. 보고서는 이 세 번째 눈금을 "자율성이 실마리"라고 부르며, 영역 셋을 한 문장에 나란히 놓는다.

"병원 수익주기 업무에서는 응답자의 3분의 2가 이제 반자율 또는 완전자율 에이전트를 돌리고, 보험사 가입자 응대에서는 62%가 그렇게 한다. 병원 임상 업무에서 그 수치는 4%다. 일을 통째로 넘긴 자리에서, 그들이 넘긴 것은 행정 업무다." 원문: "Two-thirds of provider revenue cycle respondents now run semi- or fully autonomous agents, and 62% do so in payer member engagement. In provider clinical work, the figure is 4%. Where organizations have handed the work over entirely, they have handed over administrative work."

마지막 문장이 이 글의 출발점이다. 숫자 둘만 떼어 놓으면 청구 업무 혼자 기계에 넘어간 그림이 된다. 보고서의 수치는 그 그림을 받쳐 주지 않는다. 보험사의 가입자 응대가 62%이고, 발표 자료 22쪽을 열면 병원 접수·안내 업무도 49%가 같은 수준으로 돌아간다. 그 22쪽의 제목이 곧 보고서의 요약이다. "반자율·완전자율 에이전트가 행정 업무를 점점 더 가져가고 있다". 가름선은 행정과 임상 사이에 있다.

1.1자율성과 수익률을 한 판에 놓으면 임상 한 점이 혼자 떨어진다

보고서 본문은 영역 아홉의 회수 배수를 줄 세워 적어 뒀고, 발표 자료 22쪽은 같은 아홉의 자율성 비율을 막대로 싣는다. 영역 이름이 양쪽에서 똑같아 한 판에 겹쳐 놓을 수 있다. 가로는 그 업무를 기계가 사람 승인 없이 끌고 가는 비율이고, 세로는 임원들이 스스로 적어 낸 투자 대비 회수 배수다.

먼저 보이는 것은 왼쪽에 혼자 떨어진 점이다. 나머지 여덟이 31%에서 67% 사이에 흩어져 있는데 병원 임상만 4%다. 둘째로 보이는 것은 두 축이 같이 가지 않는다는 점이다. 보험사 청구 심사는 자율성이 31%로 아래에서 둘째인데 배수는 3.4배로 위에서 둘째다. 제약 상업·영업은 48%로 가운데쯤인데 배수는 2.6배로 아래에서 둘째다. 자율성이 높아서 돈이 돌아온다거나 돈이 돌아와서 자율성을 높였다는 단선 관계는 아홉 점 안에서 성립하지 않는다. 보고서 자신도 왼쪽 위 칸을 "회수는 증명됐는데 시장이 아직 안 움직인 자리"로 부르며 다음 물결이 거기서 온다고 본다.

셋째로, 이름에 "임상"이 붙은 칸이 하나 더 있다. 제약의 임상 개발은 36%다. 병원 임상의 아홉 배다. 임상시험 설계와 환자 모집, 자료 관리와 규제 대응도 임상이라는 이름을 달고 있는데 그쪽은 행정 칸들 사이에 섞여 있다. 보고서가 그은 선은 행정과 임상이고, 병원과 보험사 안에서는 그 선이 맞는다. 다만 아홉을 다 놓고 보면 혼자 떨어진 칸은 병원 임상 하나다. 앞 절에 적은 일곱 가지 환자 앞 판단이 거기 든다.

1.2배수는 전부 3배 언저리에 모여 있다

수익률만 떼어 놓고 보면 영역 사이 차이가 생각보다 작다. 보고서가 적은 값은 모두 2.3배에서 4.0배 사이에 들어가고, 보고서 자신도 "조사한 모든 업무가 기업 구매자가 대개 요구하는 3배 문턱을 넘거나 그 가까이에 온다"고 덧붙인다. 즉 이 조사에서 임상의 수익률은 낙제가 아니다. 뒤처진 쪽은 맡긴 정도다.

보고서 본문의 영역별 실현 배수 목록. 보고서는 전체 평균을 3.5배로 적고, 회수 기간은 예상 약 24개월에 견줘 실제로는 약 12개월이었다고 덧붙인다. 보고서 표현으로 "지난 2년간 승인된 거의 모든 AI 예산이 회수 기간을 절반만큼 틀리게 잡고 세워졌다".

가장 높은 배수와 가장 낮은 배수의 비는 두 배가 안 된다. 그런데 진료비 청구 업무와 병원 임상 업무 사이의 자율성 비는 열여섯 배가 넘는다. 돈이 돌아온 정도로는 설명되지 않는 간격이 자율성 쪽에 있다는 뜻이다.

깔린 정도로도 설명되지 않는다. 발표 자료 7쪽이 업무를 도입 단계별로 쪼개 싣는데, 병원 안에서 전면 적용·운영 단계에 들어간 비율은 접수·안내 14%, 수익주기 10%, 임상 9%다. 보험사 쪽은 가입자 응대 10%, 청구 심사 5%, 네트워크 관리 4%이고, 제약사는 임상 7%, 전임상 6%, 상업·영업 3%다. 아홉 칸을 전면 적용 비율로만 줄 세우면 병원 임상 9%는 위에서 넷째다. 이 수치와 자율성 수치는 분모도 묻는 것도 달라 그대로 빼서 비교할 값은 아니지만, 적어도 "임상에는 아직 AI가 안 깔려서 자율성이 낮다"는 설명은 이 조사 안에서 서지 않는다. 깔린 정도로는 수익주기 10%와 병원 임상 9%여서 사실상 같은 자리인데, 맡긴 정도만 그 두 업무 사이에서 열여섯 배 벌어져 있다.

보고서는 그 간격의 이유를 4절에서 다룰 네 가지로 돌린다. 그 전에, 이 조사에서 가장 센 반전이 수익률도 자율성도 아닌 인력 쪽에 있다.

보고서는 AI가 실험 단계를 지났다는 가장 분명한 증거로 수익률이 아니라 인력 계획을 든다. 조사에 응한 조직의 절반이 AI를 직접적인 이유로 이미 인원을 줄였거나 6개월 안에 줄일 계획이라고 답했다. 줄이는 폭은 평균 8~13%다.

이 수치는 한 번 잘못 옮겨져 돌았다. 보도 한 곳이 이를 "전체 인력의 8~13%"로 적었는데, 보고서 원문은 "해당 업무 인력"이다. 발표 자료 24쪽이 설문 문항을 그대로 싣고 있어 이 점은 다툴 여지가 없다. 문항은 "해당 기능·부서의 인원이 평균 얼마나 줄었거나 줄어들 것인가"라고 묻는다. 전사 인력을 물은 적이 없다. 같은 쪽의 업무별 값은 가입자 응대 8.00%에서 보험사 청구 처리 13.28%까지 걸쳐 있고, 본문의 "8~13%"는 그 양 끝이다.

줄이겠다고 답한 자리가 어디인지가 이 절의 핵심이다. 보고서의 문장은 짧다. "감축은 수익을 따라간다". 감축을 보고한 병원 가운데 73%가 수익주기·의료비 청구 업무를 지목했다. 그 업무가 이 조사에서 수익률 1위(4.0배)이자 자율성 1위(67%)인 바로 그 업무다. 보험사 쪽도 같은 모양이어서 청구 처리 71%, 가입자 응대 68% 순이다.

발표 자료 25쪽 전체. 쪽 제목은 "인력 감축은 행정 업무에 몰려 있고, 직접 임상 업무는 거의 영향을 받지 않는다"다. 자율성 칸은 1절의 아홉 영역 가운데 같은 이름의 경로가 있는 자리에만 적었고, 나머지는 보고서가 그 업무의 자율성을 따로 재지 않은 자리다. 보험사 청구 처리는 감축 지목 2위(71%)인데 자율성은 31%다 — 맡긴 정도보다 줄이겠다는 계획이 앞서 있다.

제약사는 아예 줄이겠다는 응답이 가장 적다(44%). 보고서는 그 이유를 "제약은 보험사와 병원 관계를 규정하는 행정 중복을 덜 지고 있기 때문일 것"이라고 적되, 바로 뒤에 "우리 자료가 이를 직접 검증하지는 않는다"고 덧붙인다. 보고서가 자기 추측에 검증 안 됐다는 꼬리를 단 자리는 이 한 군데다. 규모로 쪼개면 모양이 또 달라서, 발표 자료 23쪽을 보면 줄였거나 줄일 계획이라는 응답이 병원은 규모와 거의 무관하게 52~64%인데, 제약사는 작을수록 적고(소형 30%, 대형 51%), 보험사는 중간 규모가 69%로 가장 높고 대형이 36%로 가장 낮다.

2.1그런데 보고서가 다음 문단에서 그 그림을 뒤집는다

여기까지만 읽으면 "AI가 의료 행정직을 밀어낸다"로 닫힌다. 보고서 자신이 바로 다음 문단에서 그 결론을 막는다.

"실제로 의료계에는 덜어 낼 행정 인력이 남아돌지 않는다. 오히려 AI가 겨냥하고 있는 바로 그 기능에서 사람이 모자란다. 게다가 고령화된 인력 구조가 같은 격차를 더 느린 시계로 이미 벌리고 있다." 원문: "In reality, healthcare has no surplus of administrative workers to shed. It has a shortage in the exact functions AI is being pointed at, and an aging workforce that is already set to widen the same gap on a slower timeline."

보고서는 이어 의료 코더 부족을 약 30%로, 평균 자격 코더 연령을 50세 초과로, 자격 취득 기간을 6~18개월에 숙련까지 1~2년 더로 적는다. 세 수치를 모두 미국의사협회(AMA)에 귀속하는데, 이 세 줄에만 출처 링크가 없다. 직접 대조한 결과 부족률 30%는 미국의사협회 발 수치로 업계에 반복 인용되지만, 평균 연령과 자격 취득 기간은 미국전문코더협회(AAPC) 쪽에서 같은 꼴로 돌아다니는 서술에 더 가깝다. 어느 쪽 1차 문서도 직접 열지 못해 오류로 단정하지는 않는다. 다만 같은 업계 안에서 부족률 추정이 꽤 벌어진다는 점은 적어 둘 만하다 — 미국전문코더협회는 2025년에 전국 코딩 인력 격차를 12%로 발표했다. 30%와 12%는 기관도 방법도 다른 두 수치다.

인력난 자체는 기관 1차로 확인된다. 미국병원협회가 2026년 3월 낸 「Costs of Caring 2026」을 보면 2024년 기준 병원 한 곳이 행정·청구 업무에만 평균 64명을 두고 있고, 이는 전체 병원 고용의 약 6.5%다. 같은 보고서가 그 부담의 방향도 짚는다. 사전 승인, 청구 거부, 반복되는 서류 요구가 병원으로 하여금 큰 규모의 청구·코딩·심사·이의제기 팀을 두게 만들면서 "동시에 임상의를 환자 곁에서 끌어낸다". 병원이 2025년 한 해 이미 제공한 진료의 대금을 받아 내려고 쓴 돈을 430억 달러로, 거부된 청구를 뒤집는 데만 쓴 돈을 180억 달러로 추산한다.

그래서 보고서는 감축을 재배치 문제로 다시 세운다. 행정 업무의 상당 부분을 임상 훈련을 받은 사람이 하고 있다는 점(사전 승인과 이용 심사에 붙은 간호사가 그렇다)을 들어, 대기열을 에이전트가 가져갔을 때 물어야 할 것은 절감액만이 아니라 그 역량이 어디로 가느냐라고 묻는다. 보고서의 예시 문장은 이렇다. "이용 심사 간호사를 돌봄 관리로 되돌리면, 한 비용 부서의 인원 감축이 조직이 지금 채용하지도 못하는 기능의 여력으로 바뀐다."

그런데 보고서가 가리킨 그 행선지가 같은 조사의 감축 목록 안에 있다. 위 표의 병원 칸을 다시 보면 돌봄 조율이 40%다. 감축을 보고한 병원의 다섯에 둘이 돌봄 조율을 영향받는 기능으로 지목했다는 뜻이다. 발표 자료가 쓴 이름은 "Care Coordinator"이고 보고서 본문이 행선지로 적은 말은 "care management"여서 두 낱말이 같은 자리를 가리키는지는 발표 자료만으로 확인되지 않는다. 다만 보고서가 "지금은 채용조차 못 하는 기능"이라고 적은 쪽과, 응답자들이 줄이겠다고 지목한 쪽이 같은 이름으로 한 장 안에 나란히 있다.

1절의 세로축으로 돌아간다. 보고서는 그 축이 무엇인지를 "스코어카드 읽는 법" 항목에 직접 적어 뒀다. "세로축은 실현된 투자 회수율, 즉 이미 쓴 돈에 대한 자기보고 회수 배수다." 임원이 설문에 적어 낸 값이라는 뜻이다. 보고서 스코어카드 그림의 가로축에도 비슷한 단서가 붙는다. 그쪽 가로축은 1절 도식에 쓴 자율성이 아니라 "전반적 도입률"인데, "아직 시작하지 않음"을 0%로 "도입·전면 적용"을 80%로 환산한 가중평균이다. 그래서 그 그림의 가로 좌표를 평범한 도입률로 읽으면 안 된다.

수익률이 자기보고라는 지적 자체는 이 글이 처음 하는 말이 아니다. 업계 매체 한 곳이 보고서 공개 직후 "ROI 수치는 설문에 응한 임원들의 자기보고이지 독립적으로 감사된 재무 결과가 아니다"라고 적었고, "수익주기 AI가 정확히 4.0배를 낸다"가 업계의 법칙이 되어서는 안 된다고 덧붙였다. 베세머가 보고서에 이름이 나오는 회사들의 투자자라는 지적도 같은 글에 있다.

이 글이 들여다보려는 것은 그 다음 칸이다. 자기보고는 모든 영역에서 똑같이 작동하지 않는다. 그리고 그렇게 적은 것은 외부 비평이 아니라 보고서 자신이다.

"어떤 편익이 가장 중요하냐고 물었을 때, 임원들은 행정 업무와 임상 업무에 대해 서로 다른 가치의 원천을 이야기한다. 이 차이가 둘 사이 투자 회수율 격차의 대부분을 설명한다." 원문: "When asked which benefits matter most for each activity, executives describe different sources of value for administrative and clinical work. This difference explains most of the ROI gap between them."

그 "서로 다른 가치"가 무엇인지도 보고서가 이어서 밝힌다. 행정 쪽에서 꼽힌 것은 처리 속도와 늘어난 수입이고 인건비 절감이 바로 뒤를 따른다. 보고서의 표현으로 "1년 예산 안에 들어오고, 특정 시스템에 귀속되는" 편익들이다. 임상 쪽은 다르다. 보고서는 임상 AI의 회수가 "의사결정 최적화와 품질 향상에 몰려 있고, 인건비 절감과 수입 증가는 거의 잡히지 않는다"고 적는다.

왼쪽 두 칸은 보고서 축자다. 오른쪽 두 칸의 조건은 보고서가 행정 쪽 편익에만 붙인 수식어이고, 임상 쪽에는 그 수식어가 붙지 않았다. 빈칸을 "아니다"로 바꿔 읽지 않으려고 이렇게 적었다.

3.1같은 유보를 보고서는 제약에만 달았다

보고서는 제약사가 세 집단 가운데 가장 이른 단계에 있는 이유를 이렇게 쓴다. "제약이 가장 이른 것은 신약 개발의 시계가 1년짜리 측정 창을 압도하는 탓에 가치를 귀속시키는 일이 진짜로 어렵기 때문이다." 수치가 낮은 이유를 성과가 아니라 측정으로 돌린 유보다. 보고서는 이 유보를 제약 영역에 달았고, 임상 영역에는 달지 않았다.

그런데 보고서 자신의 문장을 따라가면 임상 쪽에도 같은 조건이 서 있다. 의사결정의 질은 1년 예산 안에 숫자로 떨어지지 않고, 특정 시스템 하나에 귀속시키기도 어렵다. 그러면 4.0배와 2.9배 사이의 간격 가운데 얼마만큼이 값어치의 차이이고 얼마만큼이 셈의 차이인지가 갈리지 않는다. 여기서 "2.9배는 착시다"로 닫으면 근거보다 멀리 가는 것이다. 이 조사로 말할 수 있는 데까지는 가를 수 없다까지다.

자기보고와 측정이 얼마나 갈릴 수 있는지를 같은 사람들에게서 재 본 실험이 하나 있다. 숙련 개발자 16명에게 오픈소스 과제 246건을 주고 AI 도구 사용 여부를 무작위로 갈랐더니, 도구를 쓴 쪽이 19% 느렸다. 실험 전 이들은 AI가 24% 빠르게 해 줄 것이라 예상했고, 느려진 것을 직접 겪은 뒤에도 20% 빨라졌다고 답했다. 이 실험은 소프트웨어 개발 현장의 것이고 표본도 작다. 의료 임원들의 배수에 그대로 옮겨 붙일 수치가 아니다. 다만 자기보고가 측정과 어긋날 때 어느 방향으로 어긋나는지를 보여 준 몇 안 되는 기록이다.

그러면 임상이 막힌 진짜 이유도 측정이나 데이터인가. 보고서의 답은 그쪽이 아니다. 보고서가 임상 정체의 이유로 든 것은 넷이고, 데이터나 기록의 정형성은 그 넷에 없다. 아래 표가 보고서가 적은 그대로다. 총괄 문장은 이렇다. "모델 성능 때문이 아니라 신뢰·책임·수가 때문에 막혀 있다".

보고서 "임상 AI를 막는 네 가지" 절. 참고로 36%는 보고서 안에서 책임 항목과 규제 항목에 같은 문장으로 두 번 적힌다. 그리고 보고서는 이 제동 장치의 이름을 세 자리에서 서로 다르게 부른다. 도입부는 "신뢰·책임·수가", 요지 목록은 "책임·수가·규정 준수", 본문은 "네 가지"다. 이 글은 본문의 넷을 따른다.

이 넷 가운데 책임과 수가는 데이터로 풀리는 문제가 아니라는 점을 먼저 적어 둔다. 사고가 났을 때 법적 책임을 누가 지느냐는 제도가 정하고, 보험이 값을 쳐 주느냐도 제도가 정한다. 기록을 아무리 잘 남겨도 그 둘은 그대로 남는다.

4.177%는 무시율이 아니라 절반 넘게 무시하는 사람의 비율이다

네 수치 가운데 가장 많이 인용된 것이 77%다. 보고서는 이를 불신의 증거로 읽되, 변호도 함께 단다. "77% 무시는 비이성적 조심성이 아니다. 위험을 몸으로 지는 전문가의 예측 가능한 행동이다." 그런데 인용이 거듭되는 사이 이 수치의 단위가 미끄러진다. 발표 자료가 붙인 말은 "응답자의 77%가 임상 제안을 절반 넘게 무시한다"이다. 제안 백 건 가운데 일흔일곱 건이 버려진다는 뜻이 아니라, 자기 무시율이 절반을 넘는다고 답한 사람이 열에 여덟 가까이 된다는 뜻이다. 그리고 보고서는 이 수치를 비교 대상 없이 둔다. 임상 현장에는 AI 이전부터 기계가 띄우는 경고가 있었고, 그 무시율이 얼마였는지는 20년 넘게 측정돼 왔다.

규칙 기반 임상의사결정지원의 경고 무시율을 종합한 체계적 문헌고찰이 있다. 2000년 1월부터 2019년 3월까지의 연구 23편을 모은 것으로, 약물 상호작용·알레르기·중복 처방·용량·신기능 등 열두 종류의 경고를 다룬다. 결론 문장은 짧다. "평균 무시율의 폭은 46.2%에서 96.2%였다." 같은 고찰에서 그 무시가 적절했던 비율도 29.4%에서 100%까지 걸쳐 있다. 약물 상호작용 경고만 따로 모은 2024년 메타분석은 무시율을 90%로 추정한다.

그러면 이 폭에 맞댈 것은 77%가 아니다. 77%는 사람을 센 수이고 폭은 무시율을 잰 값이라 단위부터 다르다. 맞댈 수 있는 것은 설문이 그은 선, 곧 "절반 넘게"의 50%다. 그리고 위 폭은 거의 전부가 50% 위에 있다. 임상의가 제안의 절반 넘게를 넘긴다는 것은 20년치 문헌이 평균으로 적어 온 값에 겨우 닿거나 못 미치는 수준이라는 뜻이다. 열에 여덟 가까이가 그 선을 넘었다는 사실이 AI에만 생긴 일로 보이지 않는 까닭이 여기 있다.

그래서 77%를 임상 현장이 AI에만 보이는 거부 반응으로 읽기는 어렵다. 기계가 띄우는 경고를 대부분 넘기는 것은 AI 이전부터 있던 임상 현장의 기본값에 가깝다. 보고서의 변호가 오히려 더 정확한 쪽이고, 변호의 근거는 보고서가 든 것보다 넓다. 물론 두 자료는 잰 방법이 다르다. 경고 무시율은 시스템 로그에서 센 값이고 77%는 임원이 설문에 적은 값이다. 설문이 그은 선이 문헌 폭의 아래쪽에 있다는 것까지가 이 대조로 말할 수 있는 전부다.

4.2"규제 경로가 없다"는 수식어를 떼면 거짓이 된다

세 번째 제동 장치의 문장은 이렇다. "적응증을 가리지 않는 임상 지능에 대해 확립된 규제 경로가 없고, 반자율·완전자율 임상 AI에 대해 정해진 시판 후 감시 체제도 없다." 두 절을 나눠 확인하면 판정이 갈린다.

앞 절은 수식어가 떠받치고 있다. 자율 AI 진단의 허가 전례는 이미 있다. 미국 식품의약국이 2018년 4월 11일 IDx-DR의 신규 분류 신청을 승인했고, 이는 임상의 해석 없이 선별 판정을 내리는 미국 최초의 자율 AI 진단 시스템이다. 그 승인이 "망막 진단 소프트웨어 기기"라는 새 기기 유형을 만들었고, 식품의약국은 2026년 9월 기준 AI가 들어간 의료기기를 1,600건 넘게 허가했다고 밝힌다. 그러니 "규제 경로가 없다"를 수식어 없이 옮기면 틀린다. 없는 것은 경로가 아니라, 적응증을 가리지 않는 범용 임상 지능에 맞는 경로다. 전례는 당뇨망막병증 하나에서 출발한 좁은 길이다.

뒤 절은 대체로 맞다. 확정된 것은 2024년 12월 4일 최종 지침이 된 사전 승인 변경 관리 계획 하나인데, 이 지침은 구속력이 없고 다루는 것도 허가 후 모델 변경의 사전 승인이지 성능 감시 의무가 아니다. 수명주기 관리 지침은 2025년 1월 공개된 초안이고, 실사용 성능 측정은 아직 의견을 구하는 논의 문서다. 의무적 성능 감시 규칙은 확인되지 않았다.

조사 안에서도 이 불확실성이 가장 큰 제동 장치로 잡힌다. 발표 자료 9쪽은 "지난 12개월 안에 규제·규정 불확실성 때문에 계획한 AI 도입을 미루거나 취소한 적이 있는가"를 업무별로 묻는데, 보고서는 그 답을 두고 규제·규정 불확실성을 도입 지연과 취소의 최대 요인으로 꼽는다. 같은 쪽에서 조직의 72%가 AI 거버넌스 위원회를 두고 있어 구매와 조달, 배치 결정이 그 위원회를 거친다는 것도 같은 쪽에 있다. 실험이 흩어져 있던 2025년과 달리 결정이 한 곳으로 모였다는 뜻이고, 그 한 곳이 보는 것이 규제 불확실성이다.

4.3한국은 "사람이 확인하는 구조"를 수가 공식에 이미 박아 뒀다

네 번째 제동 장치인 수가에서 보고서는 이렇게 닫는다. "사람이 개입하는 구조가 당장 값을 받을 수 있는 구조다." 미국 쪽 수치로는 완전자율 진료에 값을 치를 뜻이 없다는 응답이 48%, 사람이 확인하는 진료에 반대가 5%다. 보험사가 값을 치를 뜻을 보인 좁은 영역은 1차·예방 진료와 AI 진단 보조가 각 44%, 복약 관리가 43%이고, 발표 자료 30쪽에는 원격 환자 감시 37%, AI 보조 분류 35%, 정신·행동 건강 지원 35%, 만성질환 관리 35%가 더 있다.

본문이 두 갈래로 적은 이 질문을 발표 자료 29쪽은 네 단으로 나눠 물었다. 첫째, AI가 정보를 띄우고 임상의가 모든 결정을 내리고 승인하는 진료. 둘째, AI가 할 일을 추천하고 임상의가 검토해 확정하는 진료. 셋째, AI가 임상 결정을 내리고 사람이 사후에 비동기로 검토하는 진료. 넷째, 사람 검토가 요구되지 않는 채 AI가 결정하고 실행하는 진료. 본문이 옮긴 48%와 5%는 이 사다리의 양 끝 두 단이고, 가운데 두 단의 수치는 발표 자료가 그래프로만 싣고 숫자를 적지 않아 읽지 못했다. 다만 셋째 단의 정의는 적어 둘 만하다. 사람이 빠지는 것이 아니라 사람이 나중에 본다는 설계이고, 5.3절에서 이 문장을 다시 쓴다.

한국 독자에게는 보고서의 그 닫는 문장, 곧 사람이 개입하는 구조라야 당장 값을 받는다는 말이 전망이 아니라 이미 적용된 규칙이다. 2023년 12월 26일 건강보험정책심의위원회가 AI 혁신의료기술의 요양급여를 의결하면서, AI 분야는 진단 보조 성격임을 고려해 "영상전문의가 판독하는 경우의 10% 수준"에서 제품별로 보상하기로 정했다. 병리검사 2,920원, 특수영상진단 1,810원, 내시경·초음파 1,180원, 그 밖에 310원이다. 사람이 읽는다는 전제 위에 얹는 가산 구조다. 미국의 자율 당뇨망막병증 검사 코드가 임상의 해석을 대체하는 쪽에 값을 매긴 것과 설계가 정반대다.

심사하는 쪽도 같은 원칙을 먼저 적었다. 건강보험심사평가원이 2026년 9월 1일 자로 AI 의료영상 판독 결과를 진료비 심사 업무에 처음 적용하면서, 내부 운영·윤리 기준을 먼저 만들어 "최종 판단은 사람이 수행한다"는 원칙을 명시하고 AI 판독 결과만으로 지급이나 삭감을 결정하지 않는다고 밝혔다. 첫 적용 분야는 무릎 퇴행성관절염이고 척추·요로결석으로 넓힐 계획이다. 참고로 식약처 허가를 받은 AI 의료기기 549건 가운데 건강보험이 적용되는 것은 49건으로 8.9% 수준이라는 집계가 있다. 다만 이 집계는 학회 자료를 매체 보도로 받은 것이라 원문을 직접 확인하지 못했다. 한국에서 사람 없이 AI 단독으로 판정하는 진료에 붙는 수가는 찾지 못했다.

보고서는 신뢰 항목에서 한 걸음 더 나간다. 임상의에게 무엇이 있으면 믿겠느냐고 물었고, 그 답을 "구체적이고 만들 수 있는 것"이라고 적었다. 본문이 추려 적은 것은 네 가지인데, 발표 자료 28쪽을 열면 같은 문항의 선택지가 여덟이다. 본문은 위에서 넷까지만 옮기고 나머지 넷을 적지 않았다. 여덟을 다 놓으면 아래와 같다.

발표 자료 28쪽. 주황으로 표시한 위 네 항목만 보고서 본문에 옮겨져 있고, 아래 넷은 발표 자료에만 있다. 오른쪽 칸은 왼쪽 항목을 업무 쪽 말로 옮긴 것이고, 보고서에 있는 문장이 아니다. 참고로 환자별 성능 데이터는 발표 자료가 48%, 본문이 47%로 한 점 다르다 — 이 글은 그래프에 적힌 값을 따랐다.

여덟을 나란히 놓으면 공통점이 하나 보인다. 더 정확한 모델을 달라는 항목이 하나도 없다. 그리고 가장 많이 꼽힌 위의 넷은 전부 그 일이 끝난 뒤에 남아 있어야 하는 자료를 달라는 요구다. 검증 근거도, 추천 이유도, 환자별 성능도, 기존 기록과의 연결도, 모델을 바꿔서 생기는 것이 아니라 그 일의 기록이 어떻게 남게 설계돼 있느냐에서 온다. 다섯째와 여섯째는 결이 조금 다르다. 동료·전문과의 지지는 사람들의 판단에 달린 것이고, 더 풍부한 환자 맥락은 산출물 뒤가 아니라 입력 쪽을 가리킨다.

제도를 고쳐 달라는 두 항목이 하필 맨 아래다. 명확한 책임 소재 틀이 19%, 그 업무에 대한 규제 승인이 11%다. 4절에서 본 대로 보고서가 임상 정체의 이유로 든 네 가지 가운데 둘이 바로 책임과 규제인데, 같은 조사에서 임상의 본인에게 "무엇이 있으면 믿겠느냐"고 묻자 책임이 일곱째, 규제가 여덟째로 돌아왔다. 둘 다 1위인 검증 근거의 3분의 1에 못 미친다.

그렇다고 임상의가 책임 문제를 대수롭지 않게 본다는 뜻은 아니다. 책임을 따로 물은 문항이 있고 거기서는 58%가 담당 임상의가 1차 책임을 진다고 답했다. 두 문항이 묻는 것이 다르다. 이 문항이 물은 것은 무엇이 장벽이냐가 아니라 무엇이 생기면 지금보다 더 믿겠느냐다. 그 물음에 임상의가 돌려준 답이 제도 정비가 아니라 증빙이었다. 제도는 임상의가 만들 수 있는 것이 아니고, 기록은 그가 쓰는 시스템이 만들 수 있는 것이다.

5.1보고서는 같은 층을 두 절에서 따로 부르고 잇지 않는다

보고서의 마지막 절이 임상의의 요구 목록을 다시 집는다. 의료 바깥에서 에이전트를 운영하는 팀들이 모델 주위에 표준처럼 갖춘 층, 곧 평가와 성능 감시와 안전장치와 에이전트 조율이 "임상의가 AI 산출물을 믿기 위해 필요하다고 말한 것과 거의 그대로 겹치고, 규제 당국이 결국 시판 후 감시에서 요구할 것과도 겹친다"고 적는다.

그런데 보고서는 같은 층을 전혀 다른 절에서 한 번 더 부른다. 조직들이 자체 개발을 접은 이유를 적는 자리다. 보고서는 실패가 만드는 데 있지 않았다고 본다. "내부 팀은 동작하는 최소 제품을 만들 수 있다. 그것을 운영 신뢰도로 돌리고, 감시하고, 바뀌는 모델에 맞춰 유지하고, 감사에서 책임지고 설명할 수 있는 팀은 더 적다." 2026년 조사에서 조직의 61%가 자체 개발 도구의 절반 이하만 아직 쓰고 있다고 답했고, 32%는 4분의 1도 못 살아남았다고 답했다. 그 결과가 시장 쪽 숫자로도 찍혀서, 최근 개발한 AI 솔루션 가운데 자체 개발 몫은 16%포인트 줄고 의료 전문 AI 벤더 몫이 12%포인트 늘었다. 구매자의 42%가 벤더 정리를 마쳤거나 진행 중이다. 보고서의 요약은 "구매자는 역량을 고르는 단계에서 구현을 사는 단계로 옮겨 갔는데 시장의 대부분은 아직 앞엣것을 팔고 있다"이다.

그런데 돈은 그 층으로 가지 않는다. 발표 자료 8쪽이 내년 증분 AI 투자가 어디로 가는지를 묻는데, 검증된 업무의 확대 적용이 35%, 기존 업무 흐름에 끼워 넣는 작업이 20%로 절반을 넘는다. 기반 시설과 데이터, 연산이 13%, 인력과 역량이 12%, 플랫폼과 기반 모델 사용료가 11%다. 그리고 AI 거버넌스·위험·규정 준수가 8%, AI 보안과 개인정보 보호가 1%다. 보고서가 임상 신뢰의 조건이자 자체 개발을 죽인 원인으로 두 번 지목한 층이, 내년 예산에서는 끝에서 두 칸이다.

한 가지 더 적어 둔다. 마지막 절이 임상의의 요구를 다시 셀 때, 괄호 안에 든 것은 셋이다. 검증 근거, 추천 이유, 환자별 성능뿐이다. 전자의무기록 연동(44%)이 빠져 있다. 본문이 옮긴 넷 가운데 유일하게 모델 바깥의 기존 시스템과 맞물려야 하는 항목이고, 평가·감시 층을 잘 짓는다고 저절로 생기지 않는 항목이기도 하다. 빠진 자리가 하필 거기다.

5.2정형 코드와 자유 서술은 한쪽 방향으로만 겹친다

진료 기록이 코드로 잘 안 잡힌다는 말을 할 때 "임상 기록의 80%는 비정형"이라는 수치가 흔히 따라붙는다. 이 글은 그 수치를 쓰지 않는다. 한 의학 학술지 리뷰가 이를 "자주 언급되지만 증명된 적 없는 추정"이라 부르고, 그 주장의 뿌리가 의료가 아니라 기업 데이터 쪽에 있다는 지적도 나와 있다.

대신 실제로 세어 본 연구가 있다. 네덜란드 1차 진료 전자기록 데이터베이스에서 환자 180만 명의 기록을 2021년 1월부터 2024년 1월까지 모아, 자유 서술에서 뽑은 임상 개념과 정형 코드로 적힌 개념을 의미 유사도로 맞대 본 것이다. 결과는 양방향이 비대칭이다. 정형 코드로 적힌 개념 가운데 자유 서술에 대응물이 있는 것은 42%(방문 단위로는 25%)인데, 반대로 자유 서술에서 뽑은 개념 가운데 정형 코드에 대응물이 있는 것은 13%(방문 단위 7%)에 그쳤다.

이 연구는 네덜란드의 가정의 기록이고 미국 병원의 임상 노트가 아니다. 숫자를 그대로 옮겨 쓸 수는 없다. 다만 방향은 분명하다. 정형 코드에 적힌 것은 서술에도 대체로 나타나지만, 서술에 적힌 것의 대부분은 코드로 돌아오지 않는다. 임상 판단에서 실제로 쓰인 정보가 나중에 기계가 읽을 수 있는 자리에 남는 비율이 낮다는 뜻이다.

5.3청구 업무가 먼저 자동화된 것은 정답이 있어서가 아니다

그러면 반대쪽은 어떤가. 진료비 청구 업무는 표준 코드 체계와 검증 규칙이 있으니 기계가 건별로 정오를 판정할 수 있는 일이라고 말하고 싶어진다. 확인해 보면 절반만 맞다.

맞는 쪽부터 적는다. 청구와 지급은 전자 거래로 표준화돼 있고, 2025년 기준 청구 상태 조회는 81%, 지급은 78%가 전자로 오간다. 거절에는 사유 코드가 붙는다. 그래서 청구 한 건마다 바깥에서 판정이 돌아오고, 그 판정이 코드로 기록에 남는다.

틀리는 쪽이 여기다. 그 판정이 맞는다는 보장은 없다. 뉴욕주의 외부 이의제기 약 5만 1,000건을 2019년부터 2025년까지 분석한 연구가 2026년 4월 학술지에 실렸는데, 이의제기 끝에 거절이 뒤집힌 비율이 2019년 38%에서 2025년 약 53%로 올랐다. 보험사별 편차도 커서 약 36%에서 85%까지 벌어진다. 공적 보험 자료에서도 같은 모양이 보여서, 이의제기된 사전 승인 거절의 뒤집힌 비율이 메디케어 어드밴티지 67%, 메디케이드 관리의료 47%, 거래소 플랜 43%로 보고된다. 보고서 자신도 거부·이의제기 관리를 병원의 1위 고충으로 78%에 올려 두고, 양쪽이 같은 분쟁에 거울처럼 마주 선 상태를 "AI 대 AI 전투"라고 부른다. 발표 자료 26쪽의 병원 고충 일곱은 거부·이의제기 78%, 사전 승인 61%, 과소지급 관리 48%, 임상 문서·보험사 규정 준수 46%, 보험사 계약 관리 44%, 메디케이드·메디케어 등록 40%, 의료 코딩 37% 순이다. 가장 먼저 기계에 넘어간 의료 코딩이 꼴찌에 있는데, 넘겨서 덜 아픈 것인지 원래 덜 아파서 먼저 넘긴 것인지는 이 조사로 알 수 없다.

4.3절에서 적어 둔 사다리의 셋째 단이 여기서 쓰인다. 보고서가 임상 쪽 선택지로 제시한 "AI가 결정하고 사람이 사후에 비동기로 검토하는" 구조는, 청구 업무에서는 이미 기본값이다. 기계가 코드를 붙여 내보내면 보험사가 나중에 판정을 돌려주고, 틀렸다 싶으면 이의제기로 한 번 더 돌린다. 임상 쪽에서 같은 단이 아직 설문의 선택지로만 남아 있는 까닭을 보고서는 책임과 수가로 든다. 그 앞에 한 칸이 더 있다. 그 "나중"을 맡아 줄 바깥 자체가 없다.

다만 같은 자료가 반대쪽으로도 읽힌다. 보고서는 이 판정 왕복 자체를 없애야 할 낭비로 본다. 연 1조 달러의 행정비 가운데 2,600억 달러를 낭비로 치면서, 그 대부분이 한 조직 안의 비효율이 아니라 "두 조직이 서로를 상대로 일하는 비용"이라고 부른다. 그리고 닫는 문장은 이렇다. "유인이 맞고 실시간 지급이 되면 이 일의 대부분은 아예 필요 없을 것이다. 가까운 값어치는 자동화에 있고, 1조 달러짜리 값어치는 그 업무 흐름을 불필요하게 만드는 데 있다." 이 글이 자율성의 조건으로 꼽은 판정 회신이, 보고서에게는 없어져야 할 중복이다. 둘이 모순은 아니다. 판정이 돌아오니 자동화가 먼저 되었다는 읽기와, 그 판정 왕복이 애초에 없었어야 한다는 읽기가 같은 자료 위에 같이 선다는 점만 적어 둔다.

판정이 건별로 돌아오느냐는 이 구분은 보고서가 한 말이 아니라 이 글의 해석이다. 보고서가 든 네 가지 제동 장치를 대체하지도 않는다. 다만 왜 그 네 가지가 하필 임상 쪽에만 걸렸는지를 설명하는 한 칸은 된다. 믿음은 결과를 나중에 판정할 수 있을 때 쌓이고, 책임은 판정 기록이 있을 때 나눠지고, 시판 후 감시도 수가 심사도 결국 그 기록을 요구한다. 같은 균열을 다른 쪽에서 본 글로는 의사·간호사 설문으로 본 검증 기준 격차가 있다. 그 글은 현장 인력이 무엇을 검증으로 치는지를 봤고, 이 글은 구매와 투자 쪽 임원이 무엇을 회수로 치는지를 본다.

앞 다섯 절은 보고서가 적은 것을 따라갔다. 이 절은 그 수치를 인용하기 전에 같이 알아 둘 것들이다. 판정하려는 것이 아니라, 알고 읽게 두려는 것이다.

6.1작년과 올해는 같은 자로 잰 두 해가 아니다

보고서는 전년 대비 수치를 열 개 넘게 직접 맞댄다. 치료 의사결정 전망이 84%에서 71%로, 보험사 계약 관리가 19%에서 37%로, 자격 심사와 등록이 35%에서 56%로, 사전 승인이 32%에서 46%로 적히는 식이다. 그 비교가 서 있는 두 해의 기반이 아래처럼 다르다.

발표 자료 2쪽. 마지막 줄의 축자는 "2025년과 같은 업무에 병원 임상 AI 업무 여섯 개를 더한 것"이다. 아마존웹서비스는 2025년판 표지에 공동 파트너로 적혀 있었고 2026년판 본문에는 한 번도 나오지 않는다.

늘어난 여섯이 전부 병원 임상이라는 점이 이 글에 직접 걸린다. 이 보고서의 주제가 임상과 행정의 격차인데, 임상 쪽 문항이 올해 늘었다. 그러니 "두 해의 응답자 수와 문항 범위와 공동 수행 기관이 모두 달라졌고, 보고서는 그 위에서 백분율을 직접 맞댄다"까지가 정확한 서술이다. 보고서 자신도 "작년 틀 위에서 돌리되 임상 AI와 투자 회수 쪽으로 범위를 넓혔다"고 적는다. 수치가 틀렸다고 말할 근거는 없다.

6.2같은 67%에 분모가 두 개 붙어 있다

1절에서 쓴 67%와 4%를 그대로 인용하려면 분모를 골라야 한다. 보고서가 두 가지로 적기 때문이다. 요지 목록은 "솔루션의 67%가 반자율·완전자율 에이전트로 돌아간다"로 적고, 본문은 "수익주기 응답자의 3분의 2"로 적는다. 4% 쪽이 가장 구체적으로 적힌 자리는 "병원 임상 솔루션의 4%만"이다. 그런데 같은 수치를 담은 발표 자료 22쪽 그래프의 축 라벨은 "% of respondents", 곧 응답자다.

둘은 다른 분모다. 한 응답자가 여러 솔루션을 돌릴 수 있으니 같은 현상에서 두 수가 나올 수 있다. 이 글은 본문에서 "도입한 일 가운데"라는 한 가지 표현으로 통일해 썼고, 분모가 두 가지로 적혀 있다는 사실 자체를 여기 적어 둔다. 인용할 때 두 표현을 한 글 안에서 섞으면 같은 수가 다른 것을 센 것처럼 읽힌다.

6.3조사 결과와 저자의 어림산이 같은 문단에 있다

보고서에서 가장 크게 인용되는 두 숫자는 조사로 잰 값이 아니다. "의료 시스템이 행정에 연 1조 달러쯤 쓰고 대부분이 인건비인데, 거기서 대략 10%를 잡으면 1,000억 달러의 인건비 이동이 시사된다"는 문장이 그렇다. 1조 달러는 출처 링크 없이 인용한 외부 추정이고, 1,000억 달러는 거기에 10%를 곱한 보고서 자신의 산술이다. 반면 영역별 배수와 자율성 비율, 신뢰·책임·규제·수가의 응답률은 모두 설문 집계다. 두 종류를 같은 줄에 두면 어느 쪽이 측정된 값인지 구분이 사라진다.

보고서가 링크를 단 다섯 수치도 원문과 대조했다. 2036년까지 의사가 최대 8만 6,000명 부족하다는 미국의과대학협회 전망은 정확하다. 행정 낭비 2,600억 달러는 원문의 2,650억 달러를 내림한 근사치다. 전임상이 연구개발비의 25%를 차지한다는 수치는 원문이 세 가지 기준으로 6.8%·27.0%·40.2%를 제시한 것 가운데 하나에 가깝고 보고서는 어느 기준인지 밝히지 않았다. 나머지 둘은 원문과 어긋난다. 의약품 지출 연 5,000억 달러의 출처 글이 실제로 추산한 값은 2016년 기준 4,800억 달러이고, 제약 연구개발비 1,500억 달러의 출처 기사가 적은 값은 상위 16개 기업의 1,590억 달러다. 업계 전체가 아니다.

6.4표본 설계와 응답률은 두 해 모두 공개된 적이 없다

226명이 병원·보험사·제약사에 각각 몇 명씩인지, 언제 조사했는지, 어떻게 뽑았는지, 응답률과 오차범위가 얼마인지, "실현 투자 회수율"을 임원이 어떤 문항과 척도로 답했는지가 공개 페이지에도 발표 자료에도 적혀 있지 않다. 발표 자료 31쪽이 응답자 구성을 업종·의료 직군·하위 업무·기관 유형·부서·직위·매출 규모 일곱 축의 그래프로 싣기는 하지만 어느 축에도 수치가 함께 적혀 있지 않고, 조사 기간·표집 방법·응답률·신뢰구간은 어느 쪽에도 없다. 2025년판도 같은 수준이다. 그러니 이 조사의 수치는 모집단 추정치가 아니라 응답한 226명이 적어 낸 값의 집계로 읽는 것이 맞다.

발표 자료에서 전환율 수치 하나는 조건이 더 좁다. "임상 AI는 접수·안내 AI와 비슷한 비율로 개념검증에 도달하지만 전면 적용으로는 그 절반 비율로만 넘어간다"는 27쪽 그래프에 주석이 붙어 있다. 이 문항을 받은 사람은 병원 응답자의 약 절반뿐이고, 복수 선택이라 합이 100을 넘는다. 참고로 보도 한 곳은 이 "절반 비율"을 "약 50%의 확률로 전면 적용에 이른다"로 옮겼는데, 원문은 확률이 아니라 행정 AI 전환율 대비 비율이다.

6.5이해관계는 본문에 적혀 있다

벤처캐피털이 자기가 투자하는 영역의 투자 회수율을 조사해 발표했다. 그리고 그 사실을 본문에 적었다. 보고서는 이 국면의 승자로 Abridge와 SmarterDx를 들면서 같은 문장에 "우리 포트폴리오 회사"라고 쓰고, Qventus를 공동 개발과 도입 지원을 제공한 쪽으로 함께 든다. Qventus에는 그 라벨이 직접 붙지 않지만, 같은 페이지 저자 소개란이 공동 저자가 Qventus 이사회에 앉아 있다고 적고 Qventus 자사 페이지도 투자자로 베세머를 표시한다. 페이지 하단에는 투자 자문으로 읽지 말라는 고지도 붙어 있다. 숨긴 것이 아니라 적은 것이다.

한 가지만 덧붙인다. 세 회사가 무슨 일을 하는지를 자사 설명으로 확인하면, Abridge는 임상 기록 작성에서 출발해 청구 코딩으로 넓혔고, SmarterDx는 청구 코딩과 수익 정합성을 하고, Qventus는 수술 일정과 병상 흐름 같은 병원 운영을 한다. 보고서가 "임상은 아직 4%"라고 적은 그 임상, 곧 진단과 치료 결정 쪽에 있는 회사는 셋 중 없다. 셋 다 행정 쪽이거나 임상 현장에서 행정 산출물을 만드는 쪽이다. 이 갈래는 이 글이 혼자 세운 것이 아니라 보고서 자신의 분류이기도 하다. 1절에 적은 대로 발표 자료 32~33쪽은 진료 기록 작성 보조를 접수·안내 경로에, 의료 코딩을 수익주기 경로에 넣어 뒀다. 이것을 모순의 증거로 읽을 필요는 없다. 보고서의 분류와 포트폴리오의 위치가 같은 쪽을 가리킨다는 사실 서술까지다.

마지막으로 조사 주체. 설문 도구 자체는 베인의 것이어서 발표 자료의 모든 출처 줄이 "Bain GenAI Survey (N=226)"로 적혀 있지만, 2026년판은 베세머 한쪽에서만 공개됐다. 베인 사이트에 2026년판 자체 페이지는 확인되지 않았고, 2025년판이 양쪽에 따로 올라와 있던 구조가 올해는 재현되지 않았다. 참고로 베인이 2026년에 자기 이름으로 낸 의료 AI 조사가 따로 하나 더 있는데 공동 수행 기관도 표본도 다른 별건이라, 두 조사를 섞어 인용하지 않도록 적어 둔다. 국내 매체가 이 보고서를 다룬 기사는 검색 범위에서 찾지 못했다.

페블러스 관심의 이유

먼저 이해관계를 밝힌다. 페블러스는 이 보고서와 조사 기관, 거명된 회사들과 이해관계가 없다. 다만 다른 자리를 하나 적고 간다. 페블러스 역시 도입 효과의 상당 부분을 고객사의 자기보고로 받고 있고, 아래 적는 세 가지 점검을 정식 절차로 두고 있지 않다. 남의 자기보고를 읽는 글이니 우리 자리부터 적는다.

우리가 검사하던 자리의 반대쪽이다

페블러스가 DataClinic과 AI-Ready Data에서 하는 일은 모델에 들어가기 전의 데이터를 검사하는 일이다. 결측, 중복, 분포, 라벨 일관성. 이 조사가 비추는 자리는 반대쪽이다. 임상의가 믿겠다며 요구한 여덟 가운데 가장 많이 꼽힌 넷은 입력의 품질이 아니라 산출물의 증빙이었다. 입력이 아무리 깨끗해도 출력이 맞았는지를 뒤에 판정할 수 없으면 그 일은 자율로 넘어가지 않는다. 5절에서 본 청구와 임상의 차이가 그 자리에 정확히 놓인다. 다만 이 조사는 그 차이를 재지 않았다.

수익률 순위는 귀속 가능성의 순위이기도 하다

이 조사에서 가장 조용한 문장은 수익률 자체에 관한 것이다. 보고서는 세로축을 임원이 스스로 적어 낸 배수로 정의했고, 두 영역의 격차를 "무엇을 가치로 치느냐의 차이"로 설명했다. 행정 쪽 가치는 1년 예산 안에 들어오고 특정 시스템에 귀속되는 것인데, 임상 쪽 편익에는 보고서가 그 수식어를 붙이지 않았다. 그러면 품질 지표로 재던 계보와 귀속과 추적이 여기서는 성과 보고의 눈금으로 되돌아온다. 뒤집으면 이렇다. 결과를 시스템에 귀속시킬 수 있게 기록해 두지 않은 조직은 자기 AI가 얼마를 벌었는지 증명할 방법이 없다. 벌었는지 아닌지가 아니라, 증명할 수 없다는 것이 문제다.

당장 할 수 있는 일이 셋 있다

첫째, AI를 넣으려는 업무를 "결과가 맞았는지 나중에 누가 판정하는가"로 갈라 본다. 청구가 받아들여졌는지, 심사를 통과했는지처럼 건별로 바깥이 판정을 돌려주는 일과, 판정자가 없고 담당자의 판단으로 남는 일은 다른 일이다. 5절에서 본 대로 그 판정이 꼭 옳아서가 아니다. 돌아온다는 것, 그리고 기록에 남는다는 것이 차이를 만든다.

둘째, 자율에 맡기고 싶은 일이라면 임상의들이 가장 많이 요구한 네 가지를 우리 업무 말로 바꿔 물어 본다. 이 일에 검증 근거가 있는가. 산출물에 이유가 붙는가. 대상별로 쪼갠 성능을 따로 볼 수 있는가. 기존 기록 체계에 그대로 들어가는가. 네 번째가 보고서의 마지막 절에서 빠졌던 바로 그 항목이고, 대개 가장 늦게 손대는 항목이기도 하다.

셋째, 우리가 보고하는 AI 효과 숫자의 분모와 귀속을 확인한다. 비용 절감처럼 특정 시스템에 붙는 편익만 세고 있다면, 그 숫자는 성과의 크기가 아니라 셀 수 있었던 것의 크기다. 자기보고 수치를 다루는 문제는 설문 응답과 기준이 어긋나는 자리에서 한 번 다룬 적이 있다.

같은 성능이라도 뒤에 판정할 수 있는 일에서 먼저 넘어간다

AI 도입을 가를 때 쓰는 말은 대개 모델 쪽에 있다. 정확도, 성능, 모델 선택. 이 조사가 여는 칸은 다르다. 같은 성능이라도 결과를 뒤에 판정할 수 있는 일과 그럴 수 없는 일에서 도입이 갈린다. 그리고 그 판정 가능성은 모델을 바꿔서 얻어지지 않는다. 그 일의 기록이 어떻게 남게 설계돼 있느냐에서 온다. 페블러스가 한국어로 먼저 언어화할 수 있는 것은 이 구분이다. 데이터가 모델에 들어갈 준비가 됐는가와, 모델이 한 일을 뒤에 판정할 준비가 됐는가는 다른 검사다. 앞엣것에는 도구가 있고, 뒤엣것은 아직 대부분 사람의 기억과 회의록에 있다.

참고문헌

이 글의 대상 — 1차

• 1.Sofia Guerra & Steve Kraus, The 2026 Healthcare AI ROI Scorecard, Bessemer Venture Partners Atlas, 2026-09-30. 본문 전문을 로컬 사본으로 확인했다. 베인 앤드 컴퍼니의 Caitlin Dowling·Eric Berger, 베세머의 Mehr Suri가 조사에 참여했다고 적혀 있다.
• 2.Bessemer Venture Partners & Bain & Company, The 2026 Healthcare AI ROI Scorecard(발표 자료 35쪽, PDF), 2026-10-01 생성. 위 Atlas 페이지에 내려받기 가능한 상태로 붙어 있다. 본문이 인용한 것은 2쪽(두 해 기반 비교와 "병원 임상 AI 업무 여섯 개 추가"), 7쪽(업무별 도입 단계 분포), 8쪽(거버넌스 위원회 72%와 내년 증분 투자 배분), 9쪽(규제 불확실성에 따른 지연·취소 문항), 22쪽(업무별 자율성 아홉 칸, 축 라벨 "% of respondents"), 23쪽(규모별 감축 계획), 24쪽(감축 폭 문항 축자와 업무별 값), 25쪽(감축 지목 업무 열둘), 26쪽(병원·보험사 고충 목록), 27쪽(전환율과 그 주석), 28쪽(임상의 신뢰 조건 여덟), 29쪽(자율성 네 단과 보험사 지불 의향), 30쪽(보험사 지불 의향 일곱 영역), 31쪽(응답자 구성), 32~33쪽(업무 65개 전체 목록과 병원 업무별 정의)이다. 모든 쪽의 출처 줄이 "Source: Bain GenAI Survey (N=226)"로 적혀 있다. ⚠️ 32쪽 하단에는 "CONFIDENTIAL TRADE SECRET & NOT FOR DISTRIBUTION"이라는 문구가 남아 있다. 같은 PDF가 공개 페이지에서 아무 제약 없이 내려받히는 상태라 공개 자료로 다뤘지만, 그 쪽을 인용할 때는 알고 쓰는 편이 낫다.
• 3.Bessemer Venture Partners, The Healthcare AI Adoption Index(2025년판), 2025-04. 응답자 400명 이상, 업무 59개(보험사 22·제약 19·병원 18), 공동 파트너에 아마존웹서비스 명시. 2026년판 본문은 전년 응답자를 408명으로 적는다. · 베인 쪽 2025년판 자체 페이지. 2026년판에 대응하는 베인 자체 페이지는 확인되지 않았다(직접 조회 시 404).
• 4.Shania Kennedy, Health AI offers solid ROI but threatens workforce cuts, TechTarget, 2026-10-08. ⚠️ 이 기사의 두 표현은 쓰지 않았다 — "전체 인력의 8~13%"(원문은 "해당 업무 인력")와 "약 50%의 확률로 전면 적용에 이른다"(원문은 행정 AI 전환율의 절반). 발표 자료 24쪽·27쪽이 두 곳을 모두 반증한다. 단계별 분포 수치도 합이 100이 아니어서(병원 89%, 보험사 93%) 쓰지 않았다.
• 5.RevCycleAI, 2026-10 — ROI 수치가 임원 자기보고이지 독립 감사된 재무 결과가 아니라는 지적, "4.0배가 업계의 법칙이 되어서는 안 된다"는 문장, 그리고 발표 주체의 투자 관계 지적. 3절에서 선행 지적으로 귀속했다.

보고서 바깥에서 확인한 것 — 학술

• 6.Kim, J., 외, Appropriateness of Overridden Alerts in Computerized Physician Order Entry: Systematic Review, JMIR Medical Informatics, 2020. 연구 23편(2000-01~2019-03), 경고 열두 종, 중환자실·교육병원·대학병원 등. 축자: "The range of average override alerts was 46.2%-96.2%." 무시의 적절성은 29.4~100%. 4.1절의 비교 기준이다.
• 7.Felisberto, M., 외, Override rate of drug-drug interaction alerts in clinical decision support systems: A brief systematic review and meta-analysis, Health Informatics Journal, 2024. 약물 상호작용 경고에 한정한 통합 무시율 90%(95% 신뢰구간 85~95%), 연구 11편·처방 570,776건. 이질성이 매우 커(I²=100%) 단일 대푯값으로 읽지 않았다.
• 8.Seinen, T. M., Kors, J. A., van Mulligen, E. M., & Rijnbeek, P. R., Using Structured Codes and Free-Text Notes to Measure Information Complementarity in Electronic Health Records, Journal of Medical Internet Research, 2025-02-13, DOI 10.2196/66910(선행 preprint: medRxiv, 2024-10-29, DOI 10.1101/2024.10.28.24316294). 네덜란드 1차 진료 데이터베이스 IPCI, 환자 180만 명, 2021-01~2024-01. 정형→서술 대응 42%(방문 25%), 서술→정형 대응 13%(방문 7%). 5.2절의 수치다. ⚠️ 네덜란드 가정의 기록이라 미국 병원 임상 노트에 그대로 옮기지 않았다.
• 9."임상 기록의 80%는 비정형"이라는 추정을 검증된 적 없는 통설로 지적한 Frontiers in Medicine 리뷰. ⚠️ 이 글은 해당 추정을 쓰지 않기로 한 근거로만 인용했고, 리뷰 원문의 서지 사항은 확정하지 못했다.
• 10.METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, 2025-07-10. 숙련 개발자 16명·과제 246건 무작위 대조. AI 사용 시 19% 느려짐, 사전 예상 24% 빨라짐, 경험 후에도 20% 빨라졌다고 응답. ⚠️ 소프트웨어 개발 대상이고 표본이 작다 — 3.1절에서 의료 수치로 환산하지 않고 자기보고와 측정이 갈리는 방향의 사례로만 썼다.
• 11.Brown University·University of Texas at San Antonio·University of Chicago 공동 연구, JAMA, 2026-04-15 — 뉴욕주 외부 이의제기 약 51,000건(2019~2025). 거절이 뒤집힌 비율 38%→약 53%, 재택간호 78% 초과, 처방약·치과 50% 초과, 보험사별 약 36~85%. 5.3절의 반대 증거다.

제도·기관 — 1차

• 12.U.S. Food and Drug Administration, De Novo DEN180001 (IDx-DR), 2018-04-11 — 임상의 해석 없이 선별 판정을 내리는 미국 최초의 자율 AI 진단 허가. Class II, 신설 규정 21 CFR 886.1100, 근거 임상 1차 진료 10개 기관 900명. 적응증은 당뇨망막병증 하나다.
• 13.U.S. Food and Drug Administration, Artificial Intelligence-Enabled Medical Devices — 2026년 9월 기준 1,600건 초과 허가. 같은 페이지가 실사용 성능 측정을 아직 의견 수렴용 논의 문서로 올려 두고 있다. ⚠️ FDA 자신이 목록이 전수가 아니라고 밝혀 둔다.
• 14.U.S. Food and Drug Administration, 사전 승인 변경 관리 계획(PCCP) 최종 지침, 연방관보 2024-12-04 — 구속력 없는 지침이고, 다루는 것은 허가 후 모델 변경의 사전 승인이지 성능 감시 의무가 아니다. · 수명주기 관리 지침, 2025-01-07 게재 — 초안이다. 4.2절의 판정 근거다.
• 15.American Hospital Association, Costs of Caring 2026, 2026-03-11(4쪽) — 2024년 기준 병원당 행정·청구 인력 평균 약 64명, 전체 병원 고용의 약 6.5%. 행정 부담이 임상의를 환자 곁에서 끌어낸다는 축자. 2025년 대금 회수 지출 430억 달러, 거절 청구 뒤집기 180억 달러. 자료원은 병원 6,200여 곳 대상 연례 조사다.
• 16.CAQH, 2025 CAQH Index, 2026-02-19 공개 — 청구 상태 조회 전자화 81%, 지급 78%, 전자 사전 승인 40%. 보험 가입자의 63%를 포괄하는 600여 기관 자료. ⚠️ 이 지수는 거래 전자화율을 재지 자동 심사 통과율을 재지 않는다 — 5.3절에서 그 구분을 지켰다. · CAQH 연구 브리프 — 정형 행정 거래에 드는 인건 시간 연 830억 달러, 그중 97%를 의료기관이 부담.
• 17.KFF, 2025년 보험사 사전 승인 공개 자료 분석(CMS-0057-F에 따라 2026-03-31까지 공시) — 이의제기된 거절의 뒤집힌 비율이 메디케어 어드밴티지 67%, 메디케이드 관리의료 47%, 거래소 플랜 43%. 보험사별 편차가 크다.
• 18.AMA CPT 92229(2021-01-01 발효) 및 CPT Appendix S의 AI 서비스 세 등급(보조·증강·자율, 2022-01-01 편입, 개정판 2027-01-01 발효). 자율 등급의 정의 축자는 원저자 논문(R. A. Frank 외, npj Digital Medicine, 2022-12)에서 확보했다 — AMA 공식 페이지는 직접 조회가 막혔다(HTTP 403).
• 19.보건복지부 제21차 건강보험정책심의위원회, 2023-12-26 — AI 혁신의료기술 보상을 "영상전문의가 판독하는 경우의 10% 수준"으로 의결. 병리검사 2,920원·특수영상진단 1,810원·내시경 및 초음파 1,180원·그 밖 310원. ⚠️ 복지부 보도자료 원문 URL을 확인하지 못해 전문지 보도 세 곳(메디칼업저버·팜뉴스·메디파나)을 교차 대조했다.
• 20.건강보험심사평가원, AI 의료영상 판독 결과의 진료비 심사 적용(2026-09-01) — 내부 운영·윤리 기준에 "최종 판단은 사람이 수행한다"를 명시하고 AI 판독만으로 지급·삭감을 결정하지 않는다고 밝혔다. 첫 적용 분야는 무릎 퇴행성관절염. · 보건복지부 고시 「보건의료데이터 용어 및 전송 표준」(2023-09-15 시행, 고시 제2024-256호로 개정) — 핵심 정보 14종을 77개 항목으로 세분화.
• 21.보고서가 인용한 외부 수치의 원문: AAMC 「The Complexities of Physician Supply and Demand: Projections From 2021 to 2036」(13,500~86,000명 범위의 상한) · Sahni·Carrus·Cutler, JAMA, 2021-11-02(연간 행정비 9,500억 달러의 약 28%인 2,650억 달러, 2019년 지출 기준) · Yu·Atteberry·Bach, Health Affairs Forefront, 2018-07-31(2016년 기준 4,800억 달러) · BioSpace, 2026-03-25(상위 16개 기업의 2025년 연구개발비 1,590억 달러) · JAMA Network Open, 2024-06-28(비임상 비중 6.8%·27.0%·40.2% 세 기준). 6.3절의 대조 결과다.

페블러스 블로그 인접 글

• 22.병을 찾는 AI와 기록을 쓰는 AI의 검증 기준 격차(5.3절 — 같은 균열을 현장 인력 설문에서 본 글) · 청구 AI가 병원비를 올렸다는 주장의 검증(같은 영역이되 이 글과 묻는 것이 다르다 — 그 글은 청구 AI의 결과를, 이 글은 청구 업무가 왜 먼저 자율로 넘어갔는지를 본다) · 자기보고 응답과 기준이 어긋나는 자리(페블러스 관심의 이유) · 임상 자율성이 실제로 허가된 한 칸 · 임상 AI의 외부 검증 문제 · 같은 수에 분모가 둘 붙는 자리(6.2절)