의료 서비스 제공자와 보험사 간의 갈등이 새로운 국면에 접어들었다. 블루크로스 블루실드 협회(Blue Cross Blue Shield Association)가 인공지능이 의료비를 인위적으로 부풀리고 있다는 데이터를 공개했기 때문이다. 그동안 보험 업계는 병원들이 AI 소프트웨어를 활용해 실제 진료 내용보다 높은 등급으로 청구하는 '업코딩'을 자행하고 있다는 의혹을 제기해 왔다. 보고서에 따르면 AI 기반 코딩으로 인한 불필요한 지출 규모는 약 6억 6,300만 달러에 달하며, 이는 보험사가 관련 영향력을 구체적인 수치로 증명한 첫 번째 사례다.

특히 산후 출혈 사례를 분석한 결과, 진단 코드 건수는 폭발적으로 증가했으나 실제 치료율은 정체된 상태였다. 이러한 불일치는 AI 도구가 환자 기록을 샅샅이 뒤져 보험사로부터 더 높은 환급을 받을 수 있는 미세한 지표들을 찾아내고 있음을 시사한다. 병원 측은 이러한 도구가 복잡한 진료 사례에 대해 청구의 정확성을 기하기 위한 수단이라고 주장하지만, 보험사들은 이를 환자 치료 결과의 개선 없이 수익만을 올리려는 전략으로 간주하고 있다.

이에 대응하여 많은 보험사가 이른바 '눈에는 눈, 이에는 이' 전략으로 자체적인 자동 감사 프로그램을 도입하기 시작했다. 이 시스템은 의심스러운 청구 패턴을 식별하며, 임상적으로 정당성이 입증되지 않을 경우 지급액을 즉각 삭감한다. 이러한 알고리즘 군비 경쟁은 AI가 행정 효율화를 위한 표준 도구로 자리 잡는 과정에서 비용 투명성과 의료비 지출의 지속 가능성에 새로운 위험을 초래할 수 있음을 보여준다.

의료 서비스 제공자와 보험사 간의 갈등이 새로운 국면에 접어들었다. 블루크로스 블루실드 협회(Blue Cross Blue Shield Association)가 인공지능이 의료비를 인위적으로 부풀리고 있다는 데이터를 공개했기 때문이다. 그동안 보험 업계는 병원들이 AI 소프트웨어를 활용해 실제 진료 내용보다 높은 등급으로 청구하는 '업코딩'을 자행하고 있다는 의혹을 제기해 왔다. 보고서에 따르면 AI 기반 코딩으로 인한 불필요한 지출 규모는 약 6억 6,300만 달러에 달하며, 이는 보험사가 관련 영향력을 구체적인 수치로 증명한 첫 번째 사례다.

특히 산후 출혈 사례를 분석한 결과, 진단 코드 건수는 폭발적으로 증가했으나 실제 치료율은 정체된 상태였다. 이러한 불일치는 AI 도구가 환자 기록을 샅샅이 뒤져 보험사로부터 더 높은 환급을 받을 수 있는 미세한 지표들을 찾아내고 있음을 시사한다. 병원 측은 이러한 도구가 복잡한 진료 사례에 대해 청구의 정확성을 기하기 위한 수단이라고 주장하지만, 보험사들은 이를 환자 치료 결과의 개선 없이 수익만을 올리려는 전략으로 간주하고 있다.

이에 대응하여 많은 보험사가 이른바 '눈에는 눈, 이에는 이' 전략으로 자체적인 자동 감사 프로그램을 도입하기 시작했다. 이 시스템은 의심스러운 청구 패턴을 식별하며, 임상적으로 정당성이 입증되지 않을 경우 지급액을 즉각 삭감한다. 이러한 알고리즘 군비 경쟁은 AI가 행정 효율화를 위한 표준 도구로 자리 잡는 과정에서 비용 투명성과 의료비 지출의 지속 가능성에 새로운 위험을 초래할 수 있음을 보여준다.