AdventHealth가 ChatGPT for Healthcare를 굴리는 방식: "채택 자체가 제품"

AdventHealth의 ChatGPT for Healthcare 도입 사례에서 가장 흥미로운 문장은 기술 스펙이 아니라 정의 자체에 있다. Chief AI Officer Rob Purinton은 "AI를 healthcare에 도입할 때 가장 어려운 부분은 사람들이 안전하고 일관되게, 그리고 규모 있게 쓰게 만드는 것"이라며 "우리는 일찌감치 adoption을 product로 다루기로 결정했다"고 말한다. 9개 주에 걸친 병원 시스템에서 격리된 파일럿을 아무리 굴려도 진짜 변화는 오지 않는다는 판단이었다. 이 정의가 운영 디테일에 그대로 박혀 있다. AdventHealth는 사용량을 "메시지/사용자/영업일"이라는 단위로 추적한다. 주말과 공휴일을 빼서 baseline을 고정하고, 매출 KPI처럼 target과 trend를 정기적으로 본다. 효과 측정은 자가 보고를 쓰지 않고, EHR에 박혀 있는 timestamp로 계산한다. Purinton의 표현 그대로 "process에 baked in된 measure를 선호한다"는 원칙이다. 가장 측정이 잘 된 use case는 utilization management — physician advisor가 케이스 하나에 평균 10분이 들던 차트 리뷰·기준 대조·rationale 작성을, 구조화된 요약과 초안으로 압축한다. 의사는 최종 판단에만 책임을 진다. OpenAI 선택 이유도 명확하다. "데모가 아니라 enterprise infrastructure가 필요했다"는 말이 본문에 그대로 나온다. reasoning capability, structured outputs, governance controls 세 가지를 한 묶음으로 평가했고, ChatGPT Enterprise에서 출발해 regulated environment용 safeguard가 더해진 ChatGPT for Healthcare로 단계적으로 옮겨갔다. 교육은 중앙집중 트레이닝 대신 domain peer group으로 굴렸다. 재무는 재무끼리, HR은 HR끼리 prompt와 workflow를 공유하는 구조다. 대형 병원에서 "AI 정책으로 금지 → 직원이 몰래 chatbot을 쓰는" 간극을 메우는 현실적인 답이다. 결과는 administrative task 시간 80% 감소. 10분 리뷰가 2분이 되고, 그게 주당 1000건씩 쌓이면 추가 채용 없이도 실질적인 capacity가 나온다는 계산이다. 본문에는 저녁마다 차트를 정리하던 의사가 "pajama time"에서 빠져나와 정규 시간 안에 일을 마치고 가족과 시간을 보내게 됐다는 일화가 따라붙는다. 다음 단계는 patient access, clinical decision support, 새 care delivery model이라고 한다. 진짜 시험은 여기서 시작된다. documentation-heavy 영역에서 검증된 80%라는 숫자가 임상 판단 인접 영역으로 옮겨갈 때 같은 governance 강도가 유지될 수 있는가, 그리고 본문이 명시적으로 던져 놓고 미뤄둔 질문 — "확보한 capacity를 어디에 재투자할 것인가" — 에 어떤 답이 붙는가다.