[의료트렌드③] AI가 의사를 대신하는 게 아니다…병원 수익과 진료 속도를 함께 바꾸는 ‘뒷단 혁신’이 시작됐다

[KtN 정석헌기자]의료 현장에서 AI를 말하면 대개 화려한 장면부터 떠오른다. 영상 판독을 돕고, 진단을 보조하고, 신약 개발을 앞당기는 기술이 먼저 거론된다. 기술 기업의 홍보 문구도 대개 그런 쪽으로 쏠린다. 그러나 병원이 당장 체감하는 변화는 조금 다른 데서 시작된다. 진료실 안에서 의사가 환자와 마주 앉아 있는 시간보다, 진료 전후의 문서와 조정, 확인과 전달에 더 많은 에너지를 빼앗기는 현실이 있기 때문이다. 병원을 지치게 만드는 병목은 눈에 띄는 최전선보다, 사람 손이 끊임없이 붙는 뒷단에서 더 자주 생긴다.

2026년 2월 맥킨지 보고서 ‘Solving the healthcare access challenge’는 이 점을 비교적 선명하게 짚었다. 의료 접근성 위기를 풀려면 단순히 의사를 더 뽑거나 진료 칸을 더 늘리는 데서 벗어나야 한다는 진단이었다. 보고서는 병원 안의 시간과 역할 배치가 이미 비효율적으로 흘러가고 있다고 봤다. 의사 일정의 10%에서 30%는 불필요하거나 다른 방식으로 더 효율적으로 처리할 수 있는 방문에 쓰이고, 의사들이 환자 진료에 쓰는 시간 가운데 평균 42%는 다른 팀원이 맡을 수 있다고 봤다. 여기에 차트 작성과 문서화가 임상 시간의 11%를 차지한다는 조사 결과까지 더해진다. 병원 바깥에서는 의사가 모자란다고 하고, 병원 안에서는 의사 시간이 새고 있는 셈이다.

이 대목에서 AI는 ‘판단을 대신하는 기계’가 아니라 ‘시간을 돌려놓는 도구’로 등장한다. 보고서가 유망 사례로 제시한 것도 AI 서기, 인바스켓 관리, 약 리필, 방문 전 계획, 사전 승인, 질 관리 보고, 의뢰 관리였다. 이름만 보면 화려하지 않다. 하지만 병원 운영을 실제로 붙들고 있는 일들은 대개 이런 종류다. 환자가 진료실에 들어오기 전 필요한 검사가 빠졌는지 확인하고, 진료 뒤 약 처방 연장 요청과 검사 결과 문의를 분류하고, 보험 심사에 필요한 서류를 채우고, 다른 병원이나 다른 진료과로 넘기는 의뢰 내용을 정리하는 일이다. 이런 작업이 흐트러지면 외래는 밀리고, 같은 설명이 반복되고, 의료진은 퇴근 뒤까지 컴퓨터 앞에 붙들린다.

AI 서기는 그 가운데서도 가장 피부에 와 닿는 변화로 꼽힌다. 구조는 단순하다. 진료실에서 오가는 대화를 기술이 듣고, 이를 차트 초안 형태로 정리해 준다. 의사는 그 내용을 검토하고 수정한다. 지금까지는 의사가 환자를 보면서 동시에 손으로 적거나, 진료가 끝난 뒤 기억을 더듬어 다시 써야 했다. 짧은 외래일수록 이 문서 작업은 더 큰 부담이 된다. 환자 한 명당 몇 분씩만 더 들여도 하루 끝에는 상당한 시간이 쌓인다. 차트가 늦어지면 검사와 처방, 다음 일정도 함께 밀린다. 이 과정을 자동화하면 의사는 모니터보다 환자를 더 오래 바라볼 수 있고, 퇴근 뒤 문서 작업도 줄일 수 있다. 기술 도입의 효과가 진료 질과 노동 강도 완화, 두 방향으로 한꺼번에 나타나는 구조다.

인바스켓 관리 역시 겉보기에 소박하지만 병원 운영에서는 무게가 큰 영역이다. 외래가 끝난 뒤에도 의사와 간호사에게는 수많은 메시지가 쌓인다. 검사 결과 확인 요청, 약 처방 연장, 경미한 증상 문의, 진료 일정 변경, 각종 행정 서류가 한데 뒤엉켜 들어온다. 이 가운데 무엇이 시급하고 무엇이 반복 업무인지 분류하는 데도 시간이 든다. 사람이 일일이 들여다보면 중요도가 다른 일이 한 줄로 쌓이고, 정작 우선 처리해야 할 일이 늦어진다. AI가 이 과정을 먼저 정리해 주면 업무의 우선순위가 잡힌다. 반복성이 높은 요청은 초안 형태로 미리 정리할 수 있고, 긴급성이 있는 문제는 더 빨리 드러난다. 의사 입장에서는 단순 반복 업무에 덜 끌려가고, 환자 입장에서는 답을 기다리는 시간이 짧아진다.

약 리필과 사전 승인도 병원 현장을 크게 지치게 만드는 일이다. 만성질환 환자의 약 처방 연장은 자주 일어나지만, 그렇다고 모두 가볍게 넘길 수는 없다. 최근 검사 결과와 복용 이력, 이상 반응 여부를 살펴야 한다. 보험 심사에 들어가는 사전 승인 업무도 마찬가지다. 필요한 근거를 차트에서 찾아내 서류에 옮기는 과정이 복잡하고, 조금만 어긋나도 다시 보완 요청이 들어온다. 진료실 안에서 가장 숙련된 판단을 해야 할 사람이 이런 서류와 씨름하고 있으면 병원 전체의 효율은 떨어질 수밖에 없다. AI는 이런 업무에서 기록을 추출하고 형식을 맞추는 데 힘을 낼 수 있다. 병원이 원하는 것은 판단을 통째로 넘기는 일이 아니라, 손이 많이 가는 정리 작업을 줄이는 일이다. 같은 한 시간이더라도 어디에 쓰이느냐에 따라 병원 흐름이 달라진다.

방문 전 계획, 이른바 프리비짓 플래닝은 더 직접적으로 접근성 개선과 연결된다. 병원 외래가 밀리는 까닭 가운데 하나는 준비가 덜 된 방문이 적지 않기 때문이다. 필요한 검사가 빠져 있거나, 이전 기록이 충분히 정리되지 않았거나, 어느 과에서 어느 문제를 먼저 다룰지 방향이 흐린 채로 외래가 잡히기도 한다. 환자는 병원까지 왔지만 그날 실제로 진료가 완결되지 못하고, 검사와 재방문 일정이 다시 붙는다. 한 사람의 지연이 다른 사람의 대기까지 함께 늘리는 구조다. 보고서가 “잘못 준비된 방문과 잘못 연결된 방문이 그 환자뿐 아니라 비슷한 서비스를 기다리는 다른 환자까지 늦춘다”고 짚은 대목은 그래서 중요하다. AI가 환자 기록을 미리 훑어 빠진 검사나 준비물을 확인하고, 필요한 자료를 앞단에서 갖춰 놓으면 외래 한 칸의 가치가 달라진다. 단순히 빨라지는 것이 아니라, 헛걸음이 줄어든다.

병원 경영진이 이런 기술에 눈을 돌리는 이유는 편의만이 아니다. 사람을 더 뽑는 일보다 빠르게 효과를 내기 쉬운 데다, 기존 인력이 버틸 수 있는 시간을 늘려 주기 때문이다. 맥킨지 보고서는 2025년 의사 설문에서 응답자의 35%가 번아웃을 호소했다고 전했다. 번아웃은 감정의 문제가 아니라 구조의 문제다. 환자를 보는 시간 외에 너무 많은 일이 의사와 간호사에게 붙어 있기 때문에 생긴다. 보고서는 또 기술 지원을 통해 간호 인력의 시간 가운데 약 20%를 직접 환자 돌봄으로 돌릴 수 있다는 조사도 함께 언급했다. 의료기관 입장에서는 인력 부족을 무조건 신규 채용으로만 풀 수 없는 상황에서, 기존 인력이 본래 해야 할 일에 더 오래 남게 하는 것이 곧 생존 전략이 된다.

다만 기술을 들여온다고 병원이 곧장 달라지는 것은 아니다. 오히려 순서가 잘못되면 더 빠르게 같은 비효율을 반복할 가능성이 크다. 진료 흐름은 그대로 둔 채 도구만 얹으면, 병원은 이전보다 더 많은 메시지와 데이터를 더 빠르게 처리하게 될 뿐이다. 무엇을 자동화할지보다 먼저 따져야 할 일은 어떤 업무가 꼭 필요한지, 어떤 업무가 중복되는지, 누가 맡는 것이 가장 적절한지다. AI 서기를 들여와도 차트 검토 기준이 제각각이면 다시 손이 많이 간다. 인바스켓 자동 분류를 해도 누가 무엇을 최종 처리하는지 정리되지 않으면 혼선이 생긴다. 방문 전 계획 시스템을 도입해도 예약 단계의 분류가 부정확하면 결국 잘못된 환자가 잘못된 진료실로 들어간다. 기술보다 구조가 먼저라는 원칙이 여기서 다시 드러난다.

이 때문에 의료 AI의 실제 승부처는 알고리즘의 정교함만이 아니라 병원의 업무 재설계 역량에 달려 있다. 진료실 안팎에서 어떤 일이 반복되고, 어디서 병목이 생기고, 어느 구간에서 가장 값비싼 시간이 낭비되는지를 먼저 잡아내야 한다. 병원마다 답이 조금씩 다를 수밖에 없는 이유다. 대학병원은 다학제 기록 요약, 중증 환자 경로 정리, 수술 전후 관리와 의뢰 흐름 같은 영역에서 효과가 클 가능성이 높다. 진료과가 많고 환자 복잡도가 높아 정보가 흩어지기 쉽기 때문이다. 반면 의원은 예약 관리, 재진 유도, 만성질환 추적, 약 리필, 검사 결과 안내처럼 반복성과 연속성이 큰 업무에서 효과를 먼저 체감하기 쉽다. 같은 AI라도 한쪽은 복잡도를 줄이는 도구이고, 다른 한쪽은 운영의 속도를 높이는 도구가 된다.

환자 경험의 변화도 무시할 수 없다. 병원은 종종 기술을 내부 효율의 언어로 설명하지만, 환자가 체감하는 것은 훨씬 단순하다. 진료가 더 빨라졌는지, 설명이 덜 끊기는지, 같은 내용을 여러 번 말하지 않아도 되는지, 약이나 검사 결과를 덜 늦게 받는지다. AI가 문서와 조정 업무를 덜어 내면 의사는 환자를 볼 때 고개를 덜 숙이게 되고, 환자는 짧은 진료 시간 안에서도 자신이 더 제대로 들여다보이고 있다는 인상을 받을 수 있다. 반대로 기술이 들어왔는데도 안내는 여전히 복잡하고, 대기와 재방문이 줄지 않고, 같은 서류를 몇 번씩 내야 한다면 환자에게 남는 것은 차가운 자동화의 인상뿐이다. 의료 AI가 병원 내부 업무 개선을 넘어 환자 신뢰와 연결되는 까닭도 여기에 있다.

경계할 대목도 있다. 보고서는 디지털과 AI 기반 스케줄링 도구를 넓게 쓸수록 환자 연결 결과와 대기시간의 편향을 살펴야 한다고 적었다. 기술이 효율만 앞세우면 특정 집단에게 불리한 경로가 고착될 수 있다는 뜻이다. 예약이 쉬운 사람만 더 빨리 연결되고, 설명이 필요한 환자나 디지털 접근성이 낮은 환자는 뒤로 밀릴 수 있다. 병원은 새 도구를 들여오면서 동시에 감시 체계도 함께 갖춰야 한다. 기술은 중립적으로 작동하는 것처럼 보이지만, 실제로는 병원이 미리 설정한 기준과 흐름을 그대로 증폭하는 성격이 강하다. 기준이 거칠면 결과도 거칠어진다. 의료에서 편향은 곧 접근성의 격차로 이어질 수 있다.

결국 병원에서 AI를 둘러싼 진짜 변화는 진단의 화려한 혁신보다 운영의 조용한 재편에 가깝다. 차트 작성에 쓰는 11%의 시간, 의사 일정 속 10%에서 30%의 비효율 방문, 다른 팀이 맡을 수 있는 42%의 업무를 다시 들여다보는 일은 거창한 구호보다 훨씬 현실적이다. 병원은 늘 바쁜데도 중요한 환자에게 시간이 부족하다고 말해 왔다. 그 모순을 푸는 출발점이 바로 여기 있다. AI는 의사의 자리를 빼앗는 기술이 아니라, 의사가 있어야 할 자리를 다시 확보하는 기술로 쓰일 때 가장 큰 힘을 낸다. 의료 현장의 혁신은 거대한 선언보다, 진료 뒤편에 쌓여 있던 수많은 손일을 하나씩 덜어내는 순간부터 시작된다. 환자가 체감하는 변화도 결국 그 뒤에 따라온다.