성장 중인 병원에서 가장 먼저 무너지는 곳은 진료실이 아니라 접수대일 때가 많습니다. 전화는 계속 울리고, 의뢰서는 팩스로 쌓이고, 직원은 보험·일정·환자 연락을 오가며 하루를 보냅니다. 이제 질문은 "AI를 쓸 것인가"가 아니라 "어떤 업무를 먼저 맡겨도 되는가"입니다.
최근 TechCrunch는 미국 의료의 병목이 여전히 팩스와 전화 기반 백오피스에 있다는 문제를 Basata 사례로 다뤘습니다.1 Basata는 의료기관의 의뢰, 접수, 예약, 후속 연락을 AI 에이전트로 자동화하는 회사로, 2,100만 달러 규모 시리즈 A 투자를 유치했다고 밝혔습니다.2 중요한 점은 투자 금액보다 방향입니다. 의료 AI의 관심이 진단 보조에서 운영 흐름 재설계로 이동하고 있습니다.
AI보다 먼저 그려야 할 것은 '병목 지도'다
Basata가 겨냥하는 문제는 "문서를 디지털화하자"가 아닙니다. 팩스로 들어온 의뢰서를 읽고, 환자 정보를 추출하고, EHR에 차트를 만들고, 환자에게 전화해 예약까지 잡는 흐름 전체입니다. 회사는 이 과정을 통해 환자 첫 연락 시간이 몇 주에서 몇 분으로 줄어든다고 주장합니다.2
여기서 의료기관이 배워야 할 첫 기준은 명확합니다. AI 벤더를 보기 전에 병목을 먼저 표시해야 합니다.
예를 들어 다음 중 어디가 실제 병목인지 분리해야 합니다.
팩스 의뢰서 분류와 누락 확인
신규 환자 차트 생성
보험 및 사전승인 확인
예약 가능 시간 조율
부재중 전화와 콜백
검사 후 후속 안내
이 구분 없이 "생산성 향상"을 약속하는 AI를 사면, 기존 업무 위에 또 하나의 확인 업무가 생길 수 있습니다. 반대로 병목이 명확하면 파일럿의 성공 기준도 선명해집니다. "AI가 똑똑한가"가 아니라 "미처리 의뢰 건수가 줄었는가", "첫 연락까지 시간이 단축됐는가", "직원이 예외 처리에 더 집중하게 됐는가"를 보면 됩니다.
진짜 난이도는 정상 경로가 아니라 예외 처리다
의료 행정 자동화가 어려운 이유는 양식 인식 때문만은 아닙니다. 문제는 예외입니다. 의뢰서에 필수 정보가 빠져 있고, 보험사마다 요구 서류가 다르고, 환자는 전화를 받지 않거나 설명을 이해하지 못합니다. 전문과별로 필요한 문진·검사·예약 규칙도 다릅니다.
Basata가 "전문과별 AI 에이전트"와 EHR 연동을 강조하는 이유가 여기에 있습니다.3 단순 OCR이나 콜봇으로는 의료기관의 실제 흐름을 끝까지 처리하기 어렵습니다. 특히 심장내과, 비뇨기과, 소화기내과처럼 의뢰와 검사, 사전 확인이 복잡한 전문 진료에서는 일반적인 자동응답보다 업무 맥락 이해가 더 중요합니다.
따라서 벤더 평가 질문은 이렇게 바뀌어야 합니다.
"정확도가 몇 퍼센트인가요?"보다 "정보가 빠진 의뢰서는 어디로 보내나요?"가 중요합니다.
"EHR과 연동되나요?"보다 "차트 생성 후 사람이 검토할 지점은 어디인가요?"가 중요합니다.
"24시간 전화 응답이 되나요?"보다 "환자가 화를 내거나 임상 질문을 하면 어떻게 중단하나요?"가 중요합니다.
AI는 정상 케이스에서는 쉽게 좋아 보입니다. 구매 전에는 반드시 예외 로그, 에스컬레이션 규칙, 감사 추적 기능을 확인해야 합니다.
직원을 대체하는가, 관제탑을 주는가
Basata는 자신들이 관리자를 대체하려는 것이 아니라 지원하려는 것이라고 설명합니다.2 투자사 Basis Set Ventures도 Basata의 강점으로 현장 행정직과 함께 제품을 만든 점을 꼽았습니다.3 이 관점은 중요하지만, 그대로 믿기보다는 운영 설계로 검증해야 합니다.
자동화가 잘못 들어오면 직원은 편해지지 않습니다. AI가 처리한 결과를 전부 다시 확인하고, 오류를 고치고, 환자 불만까지 떠안는 "AI 감독자"가 될 수 있습니다. 그러면 인력 절감도, 환자 경험 개선도 제한적입니다.
좋은 설계는 역할을 바꿉니다. 직원이 팩스를 읽고 전화를 반복하는 대신, 대시보드에서 병목을 보고 예외만 처리합니다. 환자 경험이 나쁜 지점, 보험 거절, 긴급 의뢰, 반복 미응답 케이스를 우선순위로 다룹니다. 즉 AI의 목표는 사람을 없애는 것이 아니라 행정팀을 콜센터에서 운영 관제탑으로 옮기는 것입니다.
30일 파일럿은 작게, 지표는 냉정하게
Basata는 지금까지 50만 명 이상 환자 업무를 처리했고, 최근 한 달에만 10만 명을 처리했다고 밝혔습니다.2 또한 고객 추천을 통한 신규 매출 비중이 높다고 설명합니다.2 이는 시장 반응을 보여주는 신호이지만, 각 병원의 성공을 보장하지는 않습니다.
도입을 검토한다면 30일 파일럿이 현실적입니다. 한 번에 접수, 예약, 콜센터, 사전승인까지 모두 맡기지 말고 하나의 흐름을 고릅니다. 예를 들어 "심장내과 신규 의뢰 팩스 → 환자 첫 연락 → 예약 완료"처럼 끝이 분명한 업무가 좋습니다.
파일럿 전에는 기준선을 잡아야 합니다. 현재 하루 평균 의뢰 건수, 미처리 백로그, 첫 연락까지 걸리는 시간, 예약 전환율, 직원 투입 시간, 오류율을 기록합니다. 이후 AI가 처리한 건과 사람이 처리한 건을 비교합니다. 특히 "자동 처리율"만 보지 말고 "사람에게 넘어온 예외가 줄었는지"를 봐야 합니다.
마지막 결정은 세 가지 중 하나여야 합니다. 확대, 보류, 재협상. 확대는 시간이 실제로 줄고 오류가 관리 가능한 경우입니다. 보류는 직원 피드백이 나쁘거나 예외 부담이 커진 경우입니다. 재협상은 제품은 유망하지만 연동, 보고서, 책임 범위가 불명확한 경우입니다.
Basata의 사례가 말해주는 변화는 단순합니다. 의료 AI의 다음 전장은 진료실 안의 초고난도 판단만이 아닙니다. 환자가 의사를 만나기 전, 팩스와 전화 사이에서 멈춰 있는 운영 흐름입니다. 병원 리더라면 지금 봐야 할 것은 "AI가 사람처럼 말하는가"가 아니라 "우리 병원의 병목을 끝까지 줄이는가"입니다.
참고
1The fax machine is the bottleneck in US healthcare, and VCs are starting to notice
2Basata Raises $21M Series A to Rebuild the $1T Operational Layer of American Healthcare
3Basata's $21M Series A and the Defense of Healthcare Admins
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.