AI는 의료 관련 논의를 지배하고 있지만 MIT의 보고에 따르면 생성형 AI 이니셔티브 중 95%가 결과를 제공하지 못하고 있습니다. 물론 기술은 어려운 과제이지만 우리를 방해하는 것은 기술이 아닙니다. 다른 모든 신기술과 마찬가지로 이를 적용하는 방법을 이해하는 것이 채택의 진정한 장벽입니다.
기존의 디자인 방법은 도움이 되지 않습니다. 사용자 중심 디자인은 사람들이 자신이 원하는 것을 알고 있다고 가정하지만, AI의 경우 사람들은 무엇이 가능한지 거의 알지 못합니다. 반면에 기술 우선 접근 방식은 종종 아무도 가치를 두지 않는 솔루션을 생성합니다. 여기에 가장 어려운 문제를 먼저 해결하려는 경향이 있으며, 왜 그렇게 많은 노력들이 규모를 확장하기 전에 중단되는지는 명확합니다.
의료 서비스는 AI를 활용하여 운영 효율성을 높이고 결과를 개선할 수 있는 새로운 방법을 구상하는 데 도움이 되는 다른 접근 방식이 필요합니다.
기존의 자동화가 의료 분야에서 실패하는 이유
기존의 자동화는 모든 프로세스 단계를 사전에 매핑했습니다. 이는 예측 가능한 작업에 유용하지만 의료 서비스는 거의 예측할 수 없습니다. 어떤 환자도 동일하지 않으며, 어떤 두 사례도 정확히 동일한 경로를 따르지 않습니다. 새로운 정보와 환경 변화로 인해 계획은 지속적으로 변화해야 합니다. 이러한 다양성 때문에 경직된 워크플로는 무너집니다.
의료 서비스는 클래식 음악이라기보다 재즈와 더 비슷하게 운영됩니다. 즉, 미리 결정된 순서가 아닌 구조적인 즉흥 연주입니다.
적응형 자동화가 의료 분야에서 어떻게 작동하는지
적응형 자동화는 경직된 워크플로를 목표, 컨텍스트 및 사용 가능한 도구를 이해하는 지능형 에이전트로 대체합니다. 이러한 에이전트들은 서로 그리고 사람들과 협력하여 실시간으로 계획, 실행 및 조정합니다. 그들은 일상적인 단계를 처리하고, 예외를 표시하며, 판단이 필요할 때 사람의 승인을 요청합니다.
주요 차이점은 예외에 의해 파괴되는 대신에 시스템이 적응한다는 것입니다.
예: 병원 퇴원 프로세스
서류상, 퇴원은 간단해 보입니다: 재활 침대를 찾고, 약물을 조정하고, 승인을 받고, 실험실 검사를 하고, 지침을 제공합니다. 실제로는
복잡성:
-
환자 A는 복잡한 단계 체크리스트를 통해 재활치료가 필요합니다
-
환자 B는 완전히 다른 경로를 통해 집에 돌아갑니다.
-
전문가가 가정용 심장 모니터와 같은 요구 사항을 추가합니다.
-
비정상적인 실험 결과는 전체 계획을 방해하거나 탈선시킬 수 있습니다.
적응형 자동화의 대응 방식입니다.
-
일정 예약 에이전트는 올바른 순서로 컨설팅을 정렬합니다.
-
물류 에이전트는 필요할 때 장비를 준비합니다
-
실험실 담당자는 실험실을 모니터링하고 결과가 비정상일 경우 프로세스 변경 사항을 제안합니다.
-
케이스 관리자는 각 단계를 검토하고 승인한 후 직접 진행시킵니다.
워크플로는 각 환자에게 유연하게 적용되면서 임상의가 적극적으로 통제합니다. 시스템은 예외와 싸우는 대신에 예외를 포용합니다.
의료 AI가 지금 작동할 수 있는 이유
수십 년 동안 컴퓨팅은 결정론을 추구했습니다. 동일한 입력, 동일한 출력. 의료 서비스는 그런 식으로 작동하지 않습니다.
오늘날의 AI 모델은 결정적이지 않지만 유용한 결과물에 편향되어 있습니다. 복원력과 탄력성, 메시지 기반의 최신 이벤트 기반 플랫폼과 결합함으로써 우리는 마침내 대규모 적응형 자동화를 안정적으로 구현할 수 있는 인프라를 갖추게 되었습니다.
실제 작동을 확인하세요.
제가 최근 진행한 웨비나 “의료 자동화의 미래“에서 저는 적응형 자동화가 의료 업계의 일상적인 복잡성을 어떻게 해결하는지 보여줍니다. 에이전트들이 임상의의 작업을 조정하여 사무적 부담을 줄이고 더 나은 결과를 얻는 동시에 임상의가 주도권을 유지하는 모습을 볼 수 있습니다.
이 기술이 현재 어디에 적합한지, 그리고 실제 운영에서 어떻게 측정 가능한 결과를 가져올 수 있는지에 대한 실질적인 견해를 보려면 [ watch the full webinar here ].
