의료계는 거대언어모델(LLM)을 임상 업무에 통합하며 급격한 디지털 전환을 겪고 있다. 그중 가장 주목받는 기술은 의사와 환자의 대화를 듣고 자동으로 임상 기록을 생성하는 'AI scribe'다. 이 시스템은 의사의 엄청난 행정 업무 부담을 줄여 번아웃을 방지하고, 환자 진료에 더 집중할 수 있도록 돕겠다는 목표를 제시한다.

그러나 병원과 클리닉이 이를 대규모로 도입하면서, 해당 도구들이 실제로 미치는 경제적 영향에 대한 의구심이 커지고 있다. 최근 보건 데이터 연구 기업인 Trilliant가 발표한 보고서는 AI scribe 도입이 진료비 인상과 연관이 있다는 결과를 제시해 큰 논쟁을 불러일으켰다. 얼핏 효율성을 높이는 도구가 왜 가격을 올리는지 이해하기 어렵지만, 이는 복잡한 의료 환경에서 상관관계와 인과관계를 구분해야 한다는 중요한 교훈을 시사한다.

병원 청구 관행이 불투명한 상황에서, 단순히 두 현상이 같은 방향으로 움직인다고 해서 한쪽이 원인이라고 단정할 수는 없다. 이에 대해 Peterson Health Technology Institute와 같은 기관의 전문가들은 이번 연구의 방법론에 의문을 제기한다. 새로운 기술 도입이 병원 청구 체계나 보험 관행의 제도적 변화와 맞물리는 경우가 많아, 소프트웨어 도입이 초래한 재정적 영향을 분리하기 어렵다는 지적이다.

초기 기술 도입 단계에서는 과장된 기대가 신뢰할 수 있는 데이터보다 앞서 나가는 경우가 많다. 따라서 우리는 '효율성'이라는 마케팅 문구 뒤에 숨은 경제적 결과를 냉철하게 살펴봐야 한다. 의료처럼 행정적으로 복잡하고 재정적으로 불투명한 분야에서는 기술 도입이 단순히 기록의 디지털화에 그치지 않고, 노동 비용 구조까지 완전히 뒤바꿀 수 있기 때문이다.

앞으로 기술이 가져온 실제 효율성과 단순한 가격 인상을 구분하기 위해서는 엄격한 벤치마킹과 투명한 데이터 분석이 필수적이다. 기술 자체가 비용을 절감한다는 가정을 무비판적으로 수용하기 전에, 제도가 주는 영향과 기술적 요인을 명확히 분리해야 한다. 이는 AI와 공공 정책의 접점을 탐구하는 이들에게 무엇보다 중요한 시사점을 던져준다.

요즘 병원에서는 AI 비서(LLM)가 의사를 대신해 환자와의 대화를 듣고 진료 기록을 자동으로 작성해 주는 기술을 많이 쓰고 있습니다. 의사가 서류 작업에 시달리지 않고 환자 진료에 더 집중할 수 있게 도와주려는 취지인데, 최근 이 AI 비서를 도입한 병원의 진료비가 오히려 올랐다는 연구 결과가 나와 큰 논란입니다. 보통 효율성이 좋아지면 비용은 줄어들어야 하는데, 왜 반대 현상이 나타났는지 의아해하는 사람들이 많습니다.

일부 전문가들은 이 연구 결과가 성급하다고 지적합니다. 병원 비용이라는 게 단순히 AI를 썼다고 오르는 것이 아니라, 보험 처리 방식이나 병원 내부 운영 시스템 등 복잡한 요소들이 얽혀 있기 때문입니다. 마치 요리사가 최고급 칼을 새로 샀다고 해서 당장 요리 가격이 오르는 게 아닌 것과 비슷합니다. 새로운 기계를 샀을 때의 비용과 식당 운영비 변화를 구분하기 어려운 것처럼, AI 도입이 실제 물가 상승의 원인인지 판단하기에는 아직 데이터가 부족한 상황입니다.

결국 우리가 기억해야 할 점은 AI가 단순히 컴퓨터 프로그램 업데이트 같은 것이 아니라는 사실입니다. 기술 하나가 도입되면 병원이라는 거대한 조직의 일하는 방식과 돈의 흐름이 통째로 바뀔 수 있습니다. 따라서 AI가 정말로 병원 비용을 낮추는 데 도움이 되는지, 아니면 오히려 복잡한 비용 문제를 만드는지 제대로 따져볼 필요가 있습니다. 기술이 도입되었다고 무조건 효율적일 것이라고 믿기보다는, 투명한 데이터를 통해 꼼꼼히 확인하는 지혜가 필요합니다.