|
국내 의원급 의료기관 수가 약 3만7천 개소에 이르면서, 1차 의료 시장의 경쟁 환경도 한층 치열해지고 있다. 진료의 질이 일정 수준 이상 평준화되면서, 환자가 병원을 선택하고 다시 방문하는 기준 역시 진료 결과를 넘어 ‘경험’의 영역으로 이동하고 있다는 분석이 나온다.
이 같은 변화 속에서 병·의원 대상 AI 솔루션 도입도 빠르게 확산되고 있다. 예약 자동화, 메시지 발송, 챗봇 응대 등 다양한 기능이 현장에 적용되고 있지만, 실제로 병원 경영 성과로 이어지는 사례는 제한적이라는 평가도 함께 제기된다.
환자 경험 기반 CRM 솔루션 ‘리비짓(Re:Visit)’을 운영하는 모션랩스는 이러한 현상의 원인을 AI 활용 방식 자체에서 찾고 있다. 모션랩스는 병원이 환자와 소통하는 모든 과정을 데이터로 축적하고, 이를 경영 판단에 활용할 수 있도록 설계된 AI 기반 환자 경험 관리 솔루션을 제공하고 있다.
글로벌 컨설팅 기업 맥킨지 헬스케어는 의료 분야를 포함한 AI 도입 사례 분석에서, 기술을 단순히 도입하는 것만으로는 의미 있는 성과를 기대하기 어렵고, AI가 실제 업무 흐름과 의사결정 구조에 통합되지 않으면 효과는 제한적일 수 있다고 지적해 왔다. 특히 기존 프로세스 위에 기능을 덧붙이는 방식이 아니라, 업무 방식 전반의 재설계와 변화관리가 함께 이뤄져야 한다는 점을 강조한다.
이와 관련해 모션랩스 이우진 대표는 “병원에서 AI는 무언가를 대신해주는 자동화 도구가 아니라, 환자 경험 데이터를 해석해 의사결정을 돕는 도구여야 한다”고 말했다. 이어 “AI 메시지를 보낸다고 환자 경험이 관리되는 것은 아니며, 중요한 것은 그 과정에서 어떤 데이터가 쌓이고, 그 데이터가 병원 운영과 경영 판단에 어떻게 연결되느냐”라고 덧붙였다.
실제 모션랩스는 현재까지 약 500만 건 이상의 환자 커뮤니케이션 데이터를 축적해 왔으며, 리비짓 유료 도입 병원 수 역시 400개소를 넘어섰다. 최근에는 의원급 의료기관을 넘어 대학병원급 의료기관에도 솔루션이 도입되며, 환자 경험 데이터를 보다 복잡한 의료 환경에서도 구조화·해석하는 사례를 확대하고 있다.
모션랩스에 따르면 현재 다수의 병원 AI 솔루션은 기능 제공에 초점이 맞춰져 있다. 그러나 실제 병원 현장에서는 환자의 반응, 재방문 패턴, 커뮤니케이션 맥락과 같은 환자 경험 데이터가 구조화되지 못한 채 흩어지는 경우가 많아, AI 도입 효과가 제한적으로 나타난다는 설명이다.
이 대표는 “국내 1차 의원 시장은 규모는 크지만, 데이터 기반 경영 인프라는 아직 초기 단계”라며 “AI의 역할은 진료를 대체하는 것이 아니라, 환자 경험이라는 비정형 데이터를 병원 경영 언어로 바꾸는 데 있다”고 강조했다.
모션랩스는 이러한 관점에서 병원이 환자와 소통하는 모든 과정을 데이터로 축적하고, 이를 병원 운영과 경영 전략에 연결하는 방향으로 AI를 설계하고 있다. 단기적인 자동화 효율보다, 장기적으로 병원 경영에 실질적으로 기여할 수 있는 데이터 구조를 만드는 것이 목표라는 설명이다.
<끝> | 
