[의료] 병원 행정 인력의 AI 활용 교육 — 서류 업무 60% 자동화

1. 병원 소개와 행정 업무의 현실

서울 소재 한빛종합병원(가명)은 300병상 규모의 종합병원으로, 의사 65명, 간호사 180명, 행정 인력 85명 등 총 약 400명의 직원이 근무하고 있습니다. 연간 외래 환자 약 28만 명, 입원 환자 약 1.2만 명을 진료하며, 16개 진료과를 운영하고 있습니다.

이번 AI 교육 프로젝트의 대상은 행정 인력 85명이었습니다. 원무과, 보험심사팀, 의무기록실, 경영기획팀, 총무팀, 홍보팀 등 다양한 행정 부서가 포함되었습니다. 의료진(의사, 간호사)은 의료 AI의 별도 영역으로 분류하여 이번 프로젝트에서는 제외했습니다.

한빛종합병원 행정 인력이 직면한 가장 큰 문제는 '서류의 바다'였습니다. 건강보험심사평가원 심사 자료, 의료 질 평가 보고서, 환자 안내문, 각종 증명서 발급, 회의록, 내부 공문 등 하루에 처리해야 할 문서가 산더미처럼 쌓여 있었습니다. 특히 보험심사팀은 매월 약 8,000건의 진료비 청구 건에 대한 심사 이의신청 서류를 작성해야 했고, 이것이 가장 큰 업무 부담이었습니다.

2. 의료 AI 도입의 특수한 과제: 윤리와 개인정보

의료기관의 AI 도입은 다른 산업보다 훨씬 엄격한 제약 조건이 있습니다. 한빛종합병원 프로젝트에서 식별된 핵심 과제는 다음과 같습니다.

과제 1: 환자 개인정보 보호. 병원은 환자의 진료 기록, 검사 결과, 처방 내역 등 최고 수준의 민감 정보를 다룹니다. 개인정보보호법과 의료법에 따라, 이러한 정보를 외부 AI 서비스에 입력하는 것은 원천적으로 금지됩니다. 따라서 AI 활용 범위를 '환자 비식별 업무'로 엄격히 제한해야 했습니다.

과제 2: 의료 AI 윤리 기준. AI가 생성한 문서가 환자의 진료나 치료에 직간접적으로 영향을 미칠 수 있는 영역에서는 특별한 윤리적 고려가 필요합니다. 예를 들어 AI가 작성한 환자 안내문에 부정확한 의료 정보가 포함된다면 심각한 문제가 발생할 수 있습니다.

과제 3: 의료 전문 용어의 정확성. 의료 분야의 전문 용어는 일반적인 한국어와 다른 고유한 맥락을 가집니다. 범용 AI가 의료 용어를 부정확하게 사용하면 업무 활용이 불가능합니다. Claude는 긴 문서 분석과 정확한 한국어 의료 용어 사용에서 비교적 높은 성능을 보여 주력 도구로 선정되었습니다.

3. 교육 프로그램 설계와 단계별 실행

교육은 2024년 6월부터 11월까지 6개월간 진행되었습니다. 85명의 행정 인력을 3개 그룹으로 나누어 순차적으로 교육했으며, 각 그룹은 6회차(격주 1회, 3개월) 교육을 이수했습니다.

교육에서 가장 호응이 좋았던 부분은 3회차의 보험심사 업무 지원이었습니다. 보험심사팀 직원들은 매일 수십 건의 이의신청서를 작성하는데, 이 업무가 극도로 반복적이면서도 건강보험심사평가원의 심사기준을 정확히 인용해야 하는 전문성이 요구되는 작업이었습니다. Claude가 관련 심사기준을 즉시 검색하고 이의신청서 초안을 생성하는 것을 본 직원들은 "이건 진짜 우리에게 필요한 것"이라며 높은 관심을 보였습니다.

4. 핵심 적용 사례: 서류 업무 60% 자동화

사례 1: 보험심사 이의신청서 자동 초안 생성

보험심사팀 15명은 월 약 8,000건의 진료비 청구 건 중 삭감된 건에 대한 이의신청서를 작성합니다. 기존에 건당 평균 40분이 걸리던 작업이 Claude 도입 후 15분으로 단축되었습니다. Claude에 삭감 사유와 해당 진료 항목(비식별 처리)을 입력하면, 관련 심사기준과 판례를 인용한 이의신청서 초안이 생성됩니다. 담당자는 초안을 검토하고 실제 환자 사례에 맞게 수정하여 제출합니다.

이 워크플로우의 핵심 성과는 단순히 시간 단축을 넘어, 이의신청 인용률(신청이 받아들여지는 비율)이 향상된 것입니다. AI가 관련 심사기준을 빠짐없이 인용하고 논리적인 구조로 신청서를 작성하면서, 인용률이 기존 42%에서 58%로 향상되었습니다.

사례 2: 환자 안내문 다국어 제작

홍보팀은 주요 질환별 환자 안내문을 제작하고 관리합니다. 기존에 의료진이 초안을 작성하고 홍보팀이 편집하는 2~3주의 과정이 필요했으나, Claude를 활용하여 의료진의 핵심 메시지를 환자 친화적인 안내문으로 변환하는 시간을 크게 단축했습니다. 또한 외국인 환자 대응을 위해 안내문의 영어, 중국어, 베트남어 번역도 AI로 초안을 생성하여 효율성을 높였습니다.

사례 3: 의료 질 평가 보고서 작성 지원

경영기획팀은 건강보험심사평가원의 의료 질 평가에 대응하기 위해 방대한 보고서를 작성해야 합니다. Claude를 활용하여 기존 데이터의 트렌드 분석, 개선 계획 초안 작성, 벤치마크 병원과의 비교 분석 등을 자동화했습니다. 분기별 보고서 작성에 2주가 걸리던 것이 3일로 단축되었습니다.

5. 의료 AI 윤리 가이드라인 수립 과정

한빛종합병원은 프로젝트를 통해 자체 '의료 행정 AI 윤리 가이드라인'을 수립했습니다. 이 가이드라인은 6개월간의 실제 활용 경험을 바탕으로 만들어진 실용적인 문서로, 다음과 같은 핵심 원칙을 포함합니다.

이 가이드라인은 한빛종합병원만의 자산이 아니라, 국내 중소 규모 병원들이 참고할 수 있는 모범 사례로 주목받고 있습니다. 대한병원협회에서 이 가이드라인을 기반으로 표준안을 개발하는 것을 검토하고 있다는 소식도 있습니다.

6. 정량적 성과와 직원 반응

직원들의 반응도 매우 긍정적이었습니다. 교육 만족도 조사에서 4.5점/5.0점을 기록했으며, "업무 부담이 확실히 줄었다"는 응답이 78%, "앞으로도 지속적으로 활용하겠다"는 응답이 85%에 달했습니다.

보험심사팀 최모 팀장(50대)은 "20년 넘게 이의신청서를 썼는데, AI가 심사기준을 빠짐없이 찾아주니까 오히려 제가 놓치던 근거들을 발견하게 됩니다. 인용률이 올라간 건 당연한 결과입니다"라고 말했습니다.

7. 의료기관 AI 교육의 교훈과 확산 계획

한빛종합병원 사례에서 도출된 핵심 교훈입니다.

교훈 1: 의료기관에서 AI 교육의 대상은 행정 인력부터 시작하는 것이 현실적이다. 의사와 간호사 대상 AI 교육은 의료 행위와의 관계, 의료사고 책임 문제 등 복잡한 이슈가 있습니다. 반면 행정 인력은 상대적으로 안전하게 AI를 도입할 수 있으며, 즉각적인 효율화 효과를 얻을 수 있습니다.

교훈 2: 개인정보 보호 체계가 AI 활용의 전제 조건이다. 의료기관에서 단 1건의 개인정보 유출 사고도 치명적인 결과를 초래할 수 있습니다. 철저한 비식별 처리와 입력 전 확인 절차가 없으면 AI 도입 자체가 불가능합니다.

교훈 3: AI 활용 범위를 명확히 하는 것이 중요하다. "어디까지 AI를 쓸 수 있고, 어디서부터는 안 되는지"를 명확히 해야 직원들이 안심하고 AI를 활용할 수 있습니다. 모호한 가이드라인은 오히려 AI 활용을 저해합니다.

한빛종합병원 김태호 행정원장(가명)은 이렇게 평가합니다. "AI 도입에서 가장 걱정했던 것은 환자 정보 보안이었습니다. 하지만 명확한 가이드라인과 철저한 교육을 통해 6개월간 단 1건의 사고도 없이 운영할 수 있었습니다. 행정 효율이 60% 향상된 것은 물론이고, 직원들의 업무 만족도도 크게 올라갔습니다. 이제 다음 단계로 간호 행정 업무까지 AI를 확대할 계획입니다."