병원 문을 열기 전부터 AI를 만나는 환자들이 있습니다. 중국 국가위생건강위원회가 낸 『위생건강업계 인공지능 응용 시나리오 참고 지침』에는 병원이 도입할 만한 사례로 '스마트 사전 문진(智能预问诊)'이 나옵니다. 환자가 진료실 문을 열기 전에, 음성 인식과 자연어 이해와 이미지 인식을 묶은 시스템이 텍스트나 음성으로 사람과 대화하듯 증상과 현재 병력, 과거 병력, 이전 검사 결과를 묻습니다. AI는 이 대화에서 핵심 정보를 뽑아 표준화된 형식의 병력 문서를 만들어 둡니다.

의사가 환자를 마주하기도 전에 병력 초안이 이미 준비되어 있는 것이고, 이 문서가 진료의 출발점이 됩니다.

같은 지침은 '스마트 진료 상담(智能就医咨询)'이라는 이름으로 병원 안내 창구도 바꿔 놓았다고 설명합니다. 예전에는 사람이 앉아 있던 안내 데스크와 콜센터 자리에, 지식베이스를 바탕으로 환자 질문에 답하는 시스템이 들어왔습니다. 여기에 사람 얼굴과 목소리를 정교하게 흉내 낸 가상 디지털 휴먼 기술까지 얹히면서, 병원 측은 이것이 환자의 불안을 낮추는 온도 있는 시각적 상호작용이라고 설명합니다. 화면 속 인물이 웃는 얼굴로 안내 문구를 읽어 주는 방식이 실제로 환자를 얼마나 안심시키는지는 이 지침만으로 가늠하기 어렵습니다.

다만 병원 쪽에서 그런 효과를 기대하고 이 기술을 들여놓았다는 사실은 분명합니다.

진료실로 들어온 뒤에도 AI는 사라지지 않습니다. AI 헬스케어를 다룬 한 웨비나 영상은 환자와 의사 사이에 놓인 'AI 기반 보조 인터페이스'를 소개합니다. 이 인터페이스는 환자에게서 나온 증상을 모두 모아 깔끔한 요약본으로 정리해 의사에게 건넵니다. 의사는 환자가 자리에 앉는 순간 이미 요약된 정보를 손에 쥐고 있으니, 빠진 부분만 추가로 확인하면서 몸을 살피는 진찰과 치료 계획에 시간을 더 쓸 수 있다고 설명합니다. 같은 영상은 이 시스템이 적절한 전문의를 찾아 진료 예약을 잡는 일까지 돕는다고 말합니다.

중국 병원 현장을 다룬 다른 영상 자료 중에는 AI가 300개가 넘는 병원에 이미 들어가 있다고 소개하는 것도 있습니다. 이 영상은 환자와 의사가 나누는 대화를 AI가 실시간으로 듣고 받아 적으며, 대화 속에 담긴 의학 정보를 전자의무기록 시스템에 자동으로 분류해 넣는 장면을 보여 줍니다. 도입된 병원 수는 이 영상이 내놓은 숫자이고, 다른 자료에서 같은 숫자를 확인하기는 어렵습니다. 그래서 이 책은 300개라는 숫자를 확정된 사실이 아닌 그 영상이 내놓은 숫자로만 다룹니다. 다만 그 영상이 짚은 배경 하나는 여러 자료에서 반복해 나오는 이야기와 맞닿아 있습니다.

의사 한 명이 환자를 한 시간 진료하기 위해 서류 작업에 두 시간을 쓴다는 이야기입니다. 진료를 마친 뒤에도 모니터와 자판 앞에 붙잡혀 있던 의사의 시간을, AI가 대화를 받아 적고 정리하는 일을 넘겨받으면서 크게 줄여 놓았다는 것이 그 영상의 결론입니다.

환자가 AI 앞에서 마음을 여는 조건은 무엇일까요. 저장대학교 의과대학과 스룬룬쇼 병원 연구진이 발표한 체계적 문헌고찰이 이 질문에 정면으로 답합니다. 이 논문은 전 세계 아홉 개 데이터베이스를 뒤져 나온 7,452편의 문헌 가운데 61편을 골라 분석했습니다. 정성 연구 20편, 정량 연구 35편, 혼합 방법 연구 6편이 그 안에 들어 있습니다. 혼합 방법 평가 도구로 매긴 방법론 품질 점수는 평균 4.4점이었습니다. 연구진은 환자가 AI를 받아들이는 과정을 기술 수용, 상황에 따른 조절, 윤리적 안전성이라는 세 층위로 설명합니다.

여기에 기술 수용 이론인 UTAUT2와 행동 과학 이론인 TDF를 겹쳐 놓고, 환자가 AI를 받아들이거나 밀어내는 조건을 골라냈습니다.

먼저 눈에 띄는 조건은 성과에 대한 기대입니다. 환자들은 AI가 진단을 더 효율적이고 정확하게 해 준다고 느낄 때 마음을 엽니다. 대기 시간이 줄고 자신에게 맞춘 치료를 받을 수 있다는 기대가 이 느낌을 뒷받침합니다. 사회적 영향력도 큰 몫을 합니다. 신뢰하는 병원이나 담당 의사가 AI 사용을 권하고 보증해 줄 때 환자의 마음은 훨씬 쉽게 움직입니다. 여기에 더해, 디지털 기기에 익숙한 가족이 옆에서 건강 보고서를 풀어 설명해 주거나 기기 조작을 도와줄 때도 수용이 늘어난다고 이 논문은 짚습니다.

반대로 개인정보가 새 나갈지 모른다는 걱정, AI가 틀린 판단을 내려도 누가 책임지는지 불분명하다는 불안은 환자를 뒤로 물러서게 만드는 조건으로 정리됩니다. 결국 환자가 AI 진료를 받아들이느냐 마느냐는 기술 성능 하나로 결정되지 않습니다. 그 기술을 소개하는 사람과 주변 관계, 그리고 문제가 생겼을 때 책임질 사람이 있는지가 함께 얽혀 결정된다는 뜻입니다.

이 그림을 병원 안에서 일하는 사람들 쪽으로 옮겨 보면 다른 모습이 나타납니다. 중국 간호사를 대상으로 한 조사 연구는 나이나 근무 연차보다 개인의 혁신성이 AI에 대한 태도를 더 크게 가른다는 결과를 내놓았습니다. 새로운 것을 먼저 써 보려는 성향이 강한 간호사일수록 AI에 우호적이었고, 세대나 경력에 따른 뚜렷한 격차는 나타나지 않았습니다.

쓰촨대학교 화시병원을 포함한 여러 기관이 함께한 연구는 의대생의 성격 특성과 AI 태도 사이의 관계를 살폈습니다. 전국 29개 성 168개 대학의 의대생 1,062명을 조사한 이 연구는 생성형 AI를 임상 의사결정에 쓰는 일에 대해 학생들이 어떤 인식을 갖고 있는지 보여 줍니다. 앞으로 병원에서 환자를 마주할 이 학생들의 태도는 몇 년 뒤 진료실에서 AI가 어떤 자리를 차지할지 미리 보여 주는 자료입니다.

이런 모습이 대도시 대형 병원에서만 벌어지는 일은 아닙니다. 장쑤성 난퉁시의 자원 부족 현급 병원 간호사 449명을 조사한 연구는 다른 현실을 드러냅니다. AI를 받아들일 준비가 되어 있는지 물은 이 조사는 교육 기회조차 없는 현장의 사정을 낱낱이 보여 줍니다. 대도시 대형 병원에서 AI 서기가 서류 작업을 대신하고 디지털 휴먼이 환자를 맞이하는 동안, 현급 병원 간호사들은 AI를 다뤄 볼 교육조차 받지 못한 채 하루하루 일하고 있다는 뜻입니다.

이런 격차가 왜 생기는지 병원 경영 쪽에서 짚은 글도 있습니다. 중국병원협회 정보전문위원회, 곧 CHIMA가 낸 칼럼에서 루팅주안은 중소형 병원이 놓인 상황을 진단합니다. DRG·DIP 지불 제도 개혁과 의약품 집중 조달 정책이 동시에 밀려들면서 중소 병원은 수입 구조 자체가 흔들리는 위기를 겪고 있습니다. 여기에 대형 공립 병원이 우수한 의료 인력과 핵심 진료 자원을 끌어당기는 힘, 이 글이 '무지개 효과(虹吸效应)'라고 부르는 현상까지 겹칩니다. 그 결과 중소 병원은 인재 부족, 기술 취약, 경험 부족이라는 세 가지 벽에 동시에 부딪힙니다.

AI 도입 이전에 병원을 유지하는 일 자체가 버거운 곳이 적지 않다는 뜻입니다.

정보를 다루는 부서 사정은 더 힘겹습니다. 같은 CHIMA 칼럼 시리즈에서 황하오는 기층 병원 정보과의 인력난을 '1인 정보과(一个人的信息科)'라는 말로 요약합니다. 정보과 주임 한 사람이 전산망을 고치는 일부터 통계를 뽑는 일까지 병원 전체 정보화를 혼자 짊어지는 곳이 실제로 있습니다. 이런 병원이 AI 전문 인력을 새로 뽑으려 해도 대도시 병원이나 기업이 주는 임금과 견주면 격차가 워낙 커서 사람을 데려오기 어렵습니다.

그래서 황하오가 제안하는 방향은 사람을 더 뽑는 쪽이 아닌 AI 도구 스스로가 '가상 군단'처럼 정보과 업무의 일부를 나눠 맡도록 하자는 쪽입니다. 사람이 부족한 자리를 기술로 메우자는 이야기인데, 이 발상 자체가 현급 병원이 처한 현실을 거꾸로 보여 줍니다.

세 가지 모습을 나란히 놓아 보면 환자 경험과 원격 의료라는 주제 안에 서로 다른 속도로 움직이는 두 세계가 함께 담겨 있습니다. 한쪽에는 사전 문진을 AI가 처리하고 디지털 휴먼이 안내를 맡고 AI 서기가 진료실 서류 작업을 대신하는 병원이 있습니다. 다른 한쪽에는 간호사가 AI를 써 볼 교육 기회조차 얻지 못하고 정보과 직원 한 명이 병원 전산을 홀로 떠받치는 병원이 있습니다.

환자가 AI 진료를 받아들이는 조건을 다룬 연구가 말했듯, 기술을 받아들이느냐 마느냐는 성능 하나가 아닌 그 기술을 소개하고 뒷받침하는 사람과 조직이 얼마나 준비되어 있느냐에 달려 있습니다. 대도시 대형 병원과 현급 병원 사이에 놓인 이 격차는 중국 병원 AI 전환을 하나의 흐름으로 뭉뚱그려 말할 수 없게 만드는 뚜렷한 이유입니다.

저장대학교와 스룬룬쇼 병원 연구진이 제시한 세 층위 가운데 본문에서 다루지 않은 부분은 '상황에 따른 조절' 층위입니다. 이 문헌고찰은 같은 환자라도 병의 무게에 따라 AI를 대하는 태도가 달라진다고 말합니다. 가벼운 증상을 상담할 때는 AI 문진이나 챗봇을 편하게 받아들이는 환자도 암이나 만성 중증 질환처럼 삶을 좌우하는 진단 앞에서는 사람 의사의 얼굴을 마주 보고 설명을 듣고 싶어 했습니다. 진단이 가벼울수록 AI에 자리를 내주고 무거울수록 사람을 찾는 이 갈림은 UTAUT2가 말하는 성과 기대나 사회적 영향력만으로는 설명되지 않습니다.

나이가 많거나 디지털 기기를 다뤄 본 경험이 적은 환자 집단에서 이 경향이 더 강하게 나타난다는 서술도 이 논문에 들어 있습니다. 스마트 사전 문진이나 디지털 휴먼 안내가 모든 진료 단계에서 같은 정도로 받아들여지지는 않는다는 뜻이며, 병원이 AI를 어디까지 앞세울지 정할 때 병의 중증도를 고려해야 한다는 뜻이기도 합니다.

윤리적 안전성이라는 세 번째 층위도 볼 만합니다. 이 문헌고찰은 환자가 AI 앞에서 걱정하는 지점을 개인정보 유출 하나로 좁혀 두지 않습니다. 의료 데이터가 어디에 저장되고 누가 열람하는지 불투명하다는 점, AI가 내놓은 판단의 근거를 환자가 이해할 길이 없다는 점, 오진이 났을 때 병원과 개발사와 의사 가운데 누가 책임을 지는지 정해진 바가 없다는 점을 따로따로 장벽으로 꼽습니다. AI의 판단 과정을 환자가 알아들을 말로 설명해 주는 절차, 곧 설명 가능성이 확보될 때 수용도가 올라간다는 서술도 나옵니다.

성과와 관계만큼이나 투명성과 책임 소재가 갖춰져야 환자가 마음을 놓는다는 뜻입니다.

간호사를 대상으로 한 단면 조사 연구를 조금 더 들여다보면, 혁신성이라는 변수는 기술수용모델의 틀 안에서 지각된 유용성과 지각된 사용 용이성을 함께 끌어올리는 방식으로 작동한다고 나옵니다. 새로운 도구를 먼저 시도해 보려는 성향이 강한 간호사일수록 AI가 업무에 쓸모 있다고 느끼는 정도와 다루기 쉽다고 느끼는 정도가 함께 높았고, 이 두 인식이 결국 AI를 실제로 쓰려는 의도로 이어졌습니다.

나이나 근무 연차에서 뚜렷한 차이가 나타나지 않았다는 앞선 서술과 겹쳐 보면, 병원이 간호사 집단의 AI 수용도를 끌어올리려 할 때 연차별로 다른 접근을 짤 필요보다는 새로운 도구를 실험해 볼 기회 자체를 늘리는 쪽이 더 효과적일 수 있습니다.

의대생의 성격 특성을 다룬 다기관 연구는 성실성이나 개방성 같은 성격 요인이 AI를 향한 태도와 이어진다는 결과를 내놓았습니다. 새로운 경험에 열려 있는 성향을 지닌 학생일수록 생성형 AI나 임상 보조 도구를 향한 태도가 우호적이었습니다. 성격이라는 개인 요인이 교육 과정만큼이나 미래 의료진의 AI 태도를 가르는 변수가 될 수 있다는 뜻입니다. 전국 29개 성 168개 대학 의대생을 조사한 연구는 여기에 더해, 생성형 AI를 임상 의사결정에 쓰는 일을 두고 학생들 사이에 기대와 우려가 함께 있다고 밝힙니다.

진단 보조로서는 쓸모를 인정하면서도, AI의 판단을 그대로 따르다 임상 추론 능력 자체가 무뎌질지 모른다는 걱정이 같은 설문 안에서 함께 나타났습니다.

난퉁시 현급 병원 간호사를 대상으로 한 조사는 준비도를 가르는 조건을 조금 더 구체적으로 짚습니다. AI를 향한 태도 자체는 나쁘지 않은데도 실제 준비도 점수가 낮게 나온 이유로, 병원 안에 AI 교육 프로그램이 없다는 점과 AI 도구를 접해 볼 기회 자체가 드물다는 점을 듭니다. 마음은 열려 있어도 손에 쥐어 본 적이 없어 준비되지 못한 상태라는 뜻입니다. 도시 대형 병원과 현급 병원 사이의 격차는 태도의 격차가 아닌 접근 기회의 격차에서 비롯된다고 볼 수 있습니다.

스마트 사전 문진이 병력 초안을 만드는 방식을 조금 더 들여다보면, 이 시스템이 처리하는 데이터가 한 가지 형태만은 아님을 알 수 있습니다. 음성으로 들어온 증상 서술과 텍스트로 입력된 과거력, 이미지로 첨부된 이전 검사 결과가 한데 묶여 표준화된 병력 문서로 재구성됩니다. 이 과정에서 AI가 하는 일은 대화를 그대로 옮겨 적는 일이 아닙니다. 환자가 두서없이 늘어놓은 말 가운데 임상적으로 의미 있는 항목만 추려 정해진 항목표에 채워 넣는 일입니다. 병원 쪽에서 이 기능을 반기는 이유도 여기에 있습니다.

의사가 진료실에서 처음부터 병력을 물어야 했던 시간을 문진 단계에서 흡수해 버리기 때문입니다. 다만 이 지침 문서는 이 시스템이 얼마나 정확하게 핵심 정보를 뽑아내는지, 오류가 생겼을 때 누가 그 문서를 다시 검토하는지는 밝히지 않습니다. 병력 초안이 준비되어 있다는 사실과 그 초안이 믿을 만하다는 사실은 다른 이야기입니다.

독자 대상 안내가 등장하는 지점을 사람 얼굴로 흉내 낸 화면이 실제로 환자를 안심시키는지, 아니면 사람 대신는 사실을 알아챈 환자가 오히려 거리감을 느끼는지, 결과는 반대로 갈릴 수 있습니다. 지침은 이 기술을 환자의 불안을 낮추는 시각적 상호작용이라고 설명하지만, 실제 반응은 그렇게 단정할 수 없습니다. 환자 수용성을 다룬 체계적 문헌고찰을 보면 성과에 대한 기대와 사회적 영향력이 갖춰져 있어야 환자가 새로운 인터페이스를 편하게 받아들입니다. 디지털 휴먼이라는 형태 하나만으로 그 조건이 자동으로 채워지지는 않습니다.

전자의무기록에 대화를 자동 분류해 넣는 서기형 AI를 두고도 같은 물음이 남습니다. 의사와 환자의 대화를 실시간으로 받아 적어 정리하는 기능은 서류 작업 시간을 줄여 준다는 설명과 함께 소개됩니다. 하지만 그 받아쓰기가 의학 용어를 얼마나 정확히 구분하는지, 환자가 흘려 말한 말까지 기록에 남기지는 않는지는 해당 영상 자료만으로는 확인할 길이 없습니다. 진료실 안의 AI가 의사의 시간을 벌어 준다는 주장과, 그 결과물이 실제 의무기록으로 쓰일 만큼 정확하다는 주장은 서로 다른 문제입니다.

사전 문진이든 안내 창구든 진료실 보조든, 병원이 들여놓은 AI 도구 하나하나는 저마다 성과 기대와 사회적 신뢰와 책임 소재라는 같은 세 가지 조건 앞에 다시 섭니다. 기술이 진료 단계 어디에 자리 잡든 그 자리를 지키게 하는 힘은 결국 환자와 의료진이 그 도구를 얼마나 믿고 쓸 준비가 되어 있느냐는 물음으로 되돌아옵니다.

인용된 연구들이 쓴 방법론을 한 걸음 물러나 보면 결론을 읽는 방식이 달라집니다. 저장대학교와 스룬룬쇼 병원 연구진의 체계적 문헌고찰은 정성 연구와 정량 연구, 혼합 방법 연구를 함께 묶어 종합했습니다. 서로 다른 방법으로 얻은 결과를 나란히 놓고 비교했다는 뜻이며, 이 때문에 개별 연구 하나하나가 밝힌 수치를 그대로 더하거나 평균 내어 말할 수는 없습니다. 정성 연구는 환자가 느끼는 감정과 맥락을 깊이 파고들고, 정량 연구는 특정 변수 사이의 상관관계를 통계로 보여 줍니다. 서로 다른 질문에 답하는 셈입니다.

혼합 방법 평가 도구로 매긴 평균 4.4점이라는 품질 점수도 61편 모두가 같은 수준으로 탄탄하다는 뜻은 아닙니다. 이 문헌고찰이 채택 기준을 얼마나 까다롭게 세웠는지를 보여 주는 숫자로 읽는 편이 맞습니다.

간호사와 의대생을 다룬 조사들도 대부분 단면 조사, 곧 한 시점에 설문을 돌려 얻은 자료입니다. 혁신성이 높은 간호사일수록 AI 태도가 우호적이라는 결과나, 성실성과 개방성이 높은 의대생일수록 AI를 향한 태도가 좋다는 결과는 두 변수가 같은 방향으로 움직인다는 사실을 보여 줄 뿐, 어느 쪽이 원인이고 어느 쪽이 결과인지까지 가려내지는 못합니다. 애초에 AI에 호감을 가진 사람이 스스로를 혁신적이라 답했을 가능성도, 혁신적인 성향이 AI 태도를 밀어 올렸을 가능성도 같은 자료 안에 함께 들어 있습니다.

난퉁시 현급 병원 간호사 449명을 조사한 연구 역시 특정 지역, 특정 시점의 표본을 다룬 결과이므로 이 수치를 중국 전역 현급 병원의 사정으로 곧바로 넓혀 말하기는 어렵습니다. 전국 29개 성 168개 대학의 의대생을 조사한 연구는 표본 지역이 넓다는 점에서 결이 다르지만, 이 역시 응답 시점의 인식을 담은 자료일 뿐 실제 임상 현장에서 AI를 써 본 뒤의 경험을 담은 자료는 아니었습니다.

반대되는 근거도 함께 함께 보아야 합니다. 환자 수용성을 다룬 문헌고찰은 성과 기대와 사회적 영향력이 수용을 끌어올린다고 밝히면서도, 같은 논문 안에 이와 반대로 작동하는 요인들을 나란히 적어 두었습니다. AI 도입 초기에 접한 부정적 사례나 언론 보도가 이후의 태도를 오래 붙들어 놓는다는 서술, 그리고 사회적 영향력이 오히려 압박으로 느껴져 환자가 등을 돌리게 만드는 경우도 있다는 서술입니다.

병원이나 의료진이 AI 사용을 권할 때, 그 권유가 선택지를 넓혀 주는 것으로 읽히는지 아니면 다른 선택지가 없다는 압박으로 읽히는지에 따라 같은 권유가 정반대 결과를 낳을 수 있습니다. 태도와 준비도, 그리고 방법론이 지닌 이런 한계를 함께 놓고 보아야 두 세계의 격차가 숫자 하나로 정리될 수 없는 문제라는 점이 더 뚜렷해집니다.

스마트 사전 문진이 만들어 내는 병력 초안 뒤편에는 데이터 형식을 다루는 문제가 하나 더 있습니다. 음성, 텍스트, 이미지라는 서로 다른 입력을 하나의 표준 항목표에 눌러 담는 작업은 정보를 압축하는 과정이기도 합니다. 환자가 부수적으로 흘린 말, 정해진 항목표에 들어맞지 않는 서술은 이 압축 과정에서 빠지기 쉽습니다. 의사 앞에 병력 초안이 놓여 있다고 해서 그 초안에 누락이 없다는 뜻은 아니어서, 진료 현장에서는 여전히 의사가 초안을 다시 훑어 빠진 항목을 채웁니다.

디지털 휴먼 안내 창구를 향한 환자 반응도 한 방향으로만 흐르지 않습니다. 환자 수용성 문헌고찰이 짚은 사회적 영향력이라는 조건은 사람 형상을 흉내 낸 화면 자체가 아닌, 그 화면 뒤에 신뢰할 만한 병원과 의료진이 있다는 확신에서 나옵니다. 화면이 정교할수록 오히려 사람 대신는 사실을 알아챈 순간 거리감이 커지는 경우도 같은 문헌에 함께 적혀 있습니다. 병원이 디지털 휴먼을 들여놓는 결정과, 그 창구가 실제로 환자 불안을 낮추는지 검증하는 절차는 서로 다른 일입니다.

서기형 AI가 진료실 대화를 받아 적어 전자의무기록으로 옮기는 과정도 같은 물음을 남깁니다. 의사의 서류 작업 시간을 줄여 준다는 설명과, 그 결과물이 의무기록으로 쓰일 만큼 정확하다는 설명은 별개의 주장입니다. 의학 용어를 얼마나 정확히 구분하는지, 환자가 지나가듯 언급한 내용까지 기록에 남기는지는 해당 자료만으로 확인할 길이 없어, 이 책은 그 정확도를 확정된 사실로 다루지 않습니다.

방법론을 한 걸음 물러나 보면 인용한 연구들의 결이 다시 드러납니다. 간호사와 의대생을 다룬 조사는 대부분 한 시점 설문에 기댄 단면 조사이며, 혁신성이나 성격 특성과 AI 태도가 같은 방향으로 움직인다는 결과는 상관관계를 보여 줄 뿐 인과관계를 가려내지 못합니다. 난퉁시 현급 병원 간호사 449명이라는 표본, 전국 168개 대학 의대생 1,062명이라는 표본도 각각 특정 지역과 특정 시점의 응답이어서, 이를 중국 전역이나 특정 시기 이후로 곧바로 넓혀 말하기는 어렵습니다.

환자 수용성 문헌고찰은 성과 기대와 사회적 영향력이 수용을 끌어올린다는 서술과 나란히, 반대로 작동하는 조건도 적어 둡니다. AI 도입 초기에 접한 부정적 사례나 언론 보도가 이후의 태도를 오래 잡아 놓는다는 서술, 의료진의 권유가 선택이 아닌 압박으로 읽힐 때 환자가 오히려 등을 돌린다는 서술입니다. 같은 조건이 정반대 결과를 낳을 수 있다는 이 사실은, 이 장이 다룬 두 세계의 격차가 기술 하나로 메워지지 않는다는 점을 다시 보여 줍니다.

스마트 사전 문진이 병력 초안을 만들어 내는 지점과, 환자가 그 초안을 신뢰하는지 여부는 서로 다른 층위에 놓여 있습니다. 위생건강업계 지침이 소개하는 이 시스템은 병원 쪽 업무 효율을 기준으로 설계된 기능이며, 환자 입장에서 그 초안이 자신의 상태를 얼마나 정확히 담아냈는지 확인할 절차는 지침 문서 안에 따로 나와 있지 않습니다. 환자 수용성 체계적 문헌고찰이 짚은 설명 가능성이라는 조건을 이 지점에 겹쳐 보면, 병력 초안을 AI가 만들었다는 사실 자체보다 그 초안이 어떤 근거로 구성되었는지를 환자가 확인할 수 있느냐가 더 중요한 물음으로 남습니다.

초안이 빠르게 준비된다는 편의와, 그 초안의 근거를 환자가 검증할 길이 없다는 불투명성은 같은 시스템 안에 나란히 자리 잡고 있습니다.

디지털 휴먼 안내 창구를 둘러싼 논의에서도 비슷한 틈이 보입니다. 병원이 이 기술을 들여놓는 이유는 환자 응대 인력을 줄이면서도 안내 품질을 유지하려는 데 있다고 짐작할 수 있지만, 이 짐작을 뒷받침할 구체적 근거는 지침 문서 안에 나와 있지 않습니다. 환자 수용성 문헌고찰이 밝힌 대로, 신뢰하는 의료진이 새 인터페이스를 권할 때 수용이 늘어난다는 조건을 뒤집어 보면, 병원이 아무 설명 없이 안내 창구를 화면으로 바꿔 놓을 경우 오히려 낯섦이 커질 가능성도 함께 있습니다.

이 가능성을 뒷받침하거나 반박할 자료는 이 장이 다룬 소스 안에서 확인되지 않으므로, 이 책은 이를 확정된 결과로 다루지 않습니다.

간호사와 의대생을 다룬 조사들이 공통으로 남긴 여백도 함께 보아야 합니다. 혁신성이나 성격 특성이 AI를 향한 태도와 이어진다는 결과는 병원이 교육 프로그램을 설계할 때 참고할 실마리이지만, 이 결과가 실제 임상 현장에서 AI 도구를 써 본 뒤의 만족도나 오류 경험까지 담고 있지는 않습니다. 태도를 물은 시점과 실제 사용 경험 사이에 놓인 간극은 이 장에 인용된 어떤 연구도 직접 메우지 못합니다. 이는 태도 조사 결과를 실제 도입 성과로 곧바로 옮겨 읽을 때 주의가 필요하다는 뜻이기도 합니다.

SOURCE 스마트 사전 문진을 다룬 지침 문서 뒤편에는 이 시스템이 왜 병원 업무 흐름 안으로 들어왔는지를 배경이 하나 더 있습니다. 진료 대기 시간을 줄이는 일과 의사의 문진 부담을 줄이는 일은 얼핏 같은 목표처럼 보이지만, 실제로는 서로 다른 이해관계에서 출발합니다. 병원 경영 쪽에서는 회전율을 높여 더 많은 환자를 받을 수 있다는 계산이 앞서고, 의사 쪽에서는 반복되는 문진 대화에서 벗어나 진찰과 판단에 시간을 쓰고 싶다는 바람이 앞섭니다.

지침 문서는 이 두 이해관계를 나누지 않고 하나의 효율성 이야기로 묶어 두었지만, 병원마다 이 기술을 받아들이는 속도와 방식이 다른 까닭은 이 둘을 나누어 볼 때 더 잘 보입니다.

환자 수용성 문헌고찰이 다룬 조건들을 스마트 사전 문진에 겹쳐 보면 또 다른 모습이 드러납니다. 이 문헌고찰은 환자가 새로운 인터페이스를 처음 마주하는 순간, 곧 첫 만남에서의 경험이 이후 태도 전체를 좌우하는 경우가 많다고 말합니다. 문진 단계에서 AI가 던지는 질문이 환자의 실제 상태와 어긋나거나 반복적으로 느껴지면, 그 뒤에 이어지는 진료 상담이나 서기형 AI 같은 다른 자리에서도 환자가 방어적인 태도를 보일 가능성이 높아진다는 뜻입니다.

앞부분에서 다룬 여러 AI 도구는 서로 다른 기능처럼 보이지만, 환자에게는 병원 방문 전체가 하나로 이어진 경험이라는 사실을 함께 생각해 볼 필요가 있습니다.

정보과 인력난을 다룬 CHIMA 칼럼으로 다시 돌아가면, 이 인력난이 환자 경험에 미치는 영향은 눈에 잘 띄지 않는 자리에서 나타납니다. 정보과 직원 한 명이 병원 전산을 홀로 떠받치는 곳에서는 스마트 사전 문진이나 디지털 휴먼 같은 시스템을 들여놓았다 해도 오류가 생겼을 때 이를 점검하고 고칠 사람이 따로 없습니다. 환자 눈에는 매끄럽게 작동하는 화면 뒤에서, 실제로는 문제가 생겨도 오래 방치될 수밖에 없는 약한 구조가 놓여 있는 셈입니다.

대도시 대형 병원과 현급 병원 사이의 격차는 그래서 AI 도구를 들여놓았는지만으로는 가늠할 수 없고, 그 도구를 유지하고 고칠 사람이 있는지까지 함께 물어야 온전히 드러납니다. SOURCE