스탠퍼드 헬스 AI 위크: 의료 현장의 AI 도입과 효과 측정, 신뢰를 둘러싼 리더들의 목소리

핵심 메시지

• AI가 환자에게 주는 긍정적 영향은 이미 나타나고 있지만, 그 효과를 국가 단위로 어떻게 '측정'할지에 대한 연구는 아직 부족하다.
• 환자를 연구 설계 테이블에 앉혀, 정작 그들에게 중요한 결과를 기준으로 연구 질문을 세워야 한다.
• 대기업의 AI 도입은 규제와 중간 관리층의 장벽을 뚫는 문제이며, '천 송이 꽃을 피우자'는 식의 광범위한 실험 뒤 성과에 자원을 집중하는 방식이 소개됐다.
• 범용 클라우드 모델부터 도메인 특화 에이전트, 핵심 IP를 지키는 온프렘·온데스크까지 계층적으로 배치하는 전략이 강조됐다.

쉽게 이해하기

스탠퍼드 의대에서 열린 헬스 AI 위크 현장에서 진행된 팟캐스트 시리즈로, 진행자 매트와 저스틴이 산업·의료·생명과학 리더들과 나눈 대화를 엮었다. 초반에는 AI가 환자의 지식 접근과 정보 격차 해소에 이미 긍정적 영향을 주고 있다는 데 공감하면서도, 그 영향을 어떻게 측정할지가 큰 과제로 제기된다. 임상의와 의료 시스템 대상 연구는 많지만 정작 '환자의 AI 사용'에 대한 데이터는 거의 수집되지 않고 있다는 지적이다.

조직 도입 사례로는 170년 역사에 3만 명 규모의 대형 제약사 이야기가 나온다. 챗GPT 초기 모델이 등장했을 때 많은 제약사처럼 법무·프로세스로 둘러싸 옥죄는 대신, 약 천 명의 임원에게 먼저 도구를 쥐여주고 '천 송이 꽃을 피우자'는 식으로 아이디어를 퍼뜨렸다. 좋은 사례에는 자원을 투입하고, 성과와 비용·수익을 지속적으로 점검하며 중간 관리층의 장벽을 돌파하는 것이 관건이라고 말한다.

기술 배치 전략에서는 '역삼각형' 비유가 등장한다. 일반 지식은 범용 클라우드 API에 맡기되, 도메인에 특화될수록 자체 에이전트를 만들고, 환자 데이터나 핵심 IP처럼 민감한 영역은 온프렘·온데스크로 잠가서 소유해야 한다는 것이다. 모든 작업에 가장 크고 비싼 클라우드 모델을 쓸 필요는 없으며, 오픈소스 모델을 온프렘에서 돌리는 선택지도 중요하게 다뤄진다.

도입과 신뢰 이야기도 이어진다. 의료진이 없어서는 안 될 만큼 잘 만든 도구를 '그냥 써보게' 하는 것이 첫걸음이고, 잘 자리 잡은 솔루션은 더 이상 'AI'라 불리지 않고 그냥 '내 진료 노트 도구'처럼 문제 해결책으로 인식된다. 임상시험 매칭을 세 번의 클릭으로 끝내는 'Hope Pathways' 같은 단순화 사례, 그리고 AI를 향한 대중의 부정적 인식(한 여론조사에서 절반이 해가 더 크다고 답한 반면 순긍정은 10%에 불과)과 그 격차를 좁혀야 한다는 문제의식으로 마무리된다.

주요 인사이트

• 의료 AI의 다음 관문은 성능 자랑이 아니라 '환자에게 실제로 어떤 결과를 주는가'를 국가 단위로 측정하는 연구 인프라를 세우는 일이다.
• 혁신을 법무와 프로세스로 옥죄기보다, 통제 가능한 범위에서 광범위하게 실험하고 성과에 자원을 몰아주는 방식이 대기업 도입의 현실적 해법으로 제시된다.
• 모든 문제에 최대 모델을 쓰는 대신, 범용 클라우드-도메인 에이전트-온프렘/온데스크로 이어지는 계층적 배치가 비용과 데이터 주권을 동시에 잡는다.
• 잘 스며든 AI는 더 이상 'AI'라 불리지 않는다는 점이, 역설적으로 성공적 도입과 사용자 신뢰의 신호가 된다.
• 실리콘밸리의 기술 낙관과 대중의 불신 사이 격차는 마케팅이 아니라 현장에서 체감되는 실질적 성과로 좁혀야 한다는 지적이 나온다.

자주 묻는 질문

관련 AI 소식