AI에게 답을 묻던 한의사, 이제 분석·검증까지 ‘실무’ 맡긴다

[한의신문] 챗봇에 질문을 던져 답을 얻는 AI 활용을 넘어 목표에 따라 스스로 판단·실행하고 결과까지 검증하는 ‘AI 에이전트’가 한의 진료·학술 현장에 접목되고 있다. 대한약침학회(회장 안병수)는 12일 온라인(ZOOM)을 통해 제3회 K-MEDI 포럼 1회차를 개최, 한의사가 진료·연구 업무에 필요한 AI 에이전트를 직접 설계·구축하는 실습에 나섰다.

한의사 회원 110여 명이 수강한 이날 포럼에는 카카오엔터테인먼트 AI서비스플래닝팀 출신 최유리 강사(전 대한약침학회 국제학술팀장)가 ‘한의사를 위한 AI 에이전트 구축 입문’을 주제로 강연에 나서며 AI 활용을 △자동화 △AI 워크플로우 △AI 에이전트로 구분하고, Claude Code·Codex 등 코딩 에이전트를 활용한 실제 구축 과정을 소개했다.

◎ “모든 업무에 에이전트 필요 없다”…판단·검증이 ‘분기점’

최 강사는 업무 성격에 맞는 AI 구조 선택을 주문했다. △자동화는 조건 충족 시 정해진 행동 실행(예약 하루 전 안내문자 발송) △AI 워크플로우는 정해진 순서에서 AI 처리(진료기록→SOAP 형식 변환) △AI 에이전트는 입력→판단→행동→검증을 거쳐 결과에 따라 다음 경로를 변경(논문 검색 결과 부족→검색전략 변경·재조사)하는 구조다.

선택 기준도 명확히 했다. △AI 없이 규칙만으로 가능한가 △실행 순서가 미리 정해져 있는가 △판단·검증 결과가 다음 행동을 바꾸는가를 순차적으로 확인, 마지막 단계까지 필요한 업무에 에이전트를 적용하는 방식이다. 핵심은 AI 사용 여부가 아닌 ‘판단과 검증에 따른 업무경로 변경’이다.

에이전트 설계 원칙으로는 ‘GATE’를 제시했다. △Goal(목표·무엇을 완성할 것인가) △Assess(판단·정보 충분성 및 추가 근거 확인) △Take action(행동·증례 구조화·자료 검토·문헌 분류·발표목차 작성) △Evaluate(검증·근거 및 출처·누락정보·의료인 추가검토 필요 여부 확인)의 4단계다. 비식별 증례를 학술발표 자료로 만드는 경우에도 결과 생성에서 끝나는 것이 아니라 근거·출처와 누락 여부까지 재검증하고 필요시 다시 행동하도록 설계해야 한다는 설명이다.

◎“텍스트 답변과 실제 결과물은 다르다”…코딩 에이전트 활용

ChatGPT·Gemini 등 일반 채팅형 AI와 Claude Code·Codex 같은 코딩 에이전트의 차이도 짚었다. 일반 AI가 대화창을 중심으로 코드 예시·실행법·오류 해결법을 텍스트로 제시한다면 코딩 에이전트는 프로젝트 폴더 전체를 작업공간으로 삼아 △파일 생성·수정 △명령어 직접 실행 △오류 확인·수정·재실행 △웹앱·문서·이미지·파일 생성까지 수행한다.

최 강사는 “결과를 텍스트로 전달받는 것과 웹앱·문서·파일 형태의 결과물을 직접 받는 것은 실무 활용도에서 큰 차이가 있다”고 강조했다. 사람이 ‘어떻게 만들지’를 AI에 묻던 방식에서 목표와 기준을 제시하고 실제 프로젝트의 구현·실행을 맡기는 방식으로의 전환이다.

◎ 환자정보 AI에 넣어도 될까?…“데이터 따라 사용환경 구분”

병원 업무에 AI를 연결하기 위한 API(Application Programming Interface)는 ‘처방전’에 비유했다. 그는 “서로 다른 시스템이라도 정해진 양식이 있으면 소통이 가능한 것으로, API 역시 서로 다른 프로그램을 연결하는 정해진 양식”이라고 설명한 데 이어 API는 일반 구독요금과 별도로 사용량에 따라 비용이 청구되는 구조도 소개됐다.

특히 의료기관의 AI 활용에서는 데이터 보안을 강조했다. 그에 따르면 일반 요금제에서는 LLM 제공업체가 데이터를 최대 30일까지 보관할 수 있고 해외 서버로 전송·처리될 수 있어 진료기록 등 민감정보의 국외 이전 요건 검토가 필요하다. 반면 기업용(Enterprise) 계약에서는 제로 데이터 보관(ZDR) 옵션이 제공되는 경우가 많아 △데이터 유출 방지 △법적 책임 대응 △직원 계정 해킹·접근권한 설정 오류 등 내부 위험 관리에 활용할 수 있다는 설명이다.

데이터별 활용환경도 구분했다. △환자 개인정보 포함 작업은 Enterprise·의료특화 AI 계약 검토 △비식별 자료·논문 검색·일반 콘텐츠 작성은 일반 요금제 활용 △로컬 LLM은 의료특화 AI 개발이 가능하지만 개발영역인 만큼 초보자에게는 비추천 등이다. 실제 환자를 식별할 수 있는 정보는 기관 승인·보안 검토 없이 개인용 AI에 입력해서는 안 된다는 점도 강조됐다.

◎ 논문 PDF 넣자 추출→요약→표 작성…오류까지 스스로 판단

강연 후반부에는 Codex를 활용한 에이전트 구축 실습이 이어졌다. 역할은 △사람(목표와 기준) △Codex(설계·구현·실행)으로 나눴다. 사용자가 △자동화 업무 △입력·결과물 △GATE 판단조건 △검증기준을 정의하면 Codex가 △GATE 구조 분석 △프로젝트 파일 생성 △실행·테스트 △오류 수정 △결과물 저장 △파일 읽기 △한국어 웹 UI 구현을 맡는 방식이다.

논문 분석 에이전트는 ‘PDF 확인→텍스트 추출→논문 요약→정보 구조화→표 생성→저장’으로 구성됐다. 각 단계에는 GATE 판단을 삽입했다. △PDF 상태에 따른 직접 추출·OCR·중단 선택 △논문 유형(RCT·관찰연구·문헌고찰·증례보고·기타)에 따른 처리기준 적용 △완료조건 검증 △실패 시 원인(요약 누락·항목 오류·표 오류·저장 오류) 판별 및 해당 단계 재처리 등이다. 정해진 순서만 실행하는 워크플로우와 달리 자료 상태·논문 유형·검증 결과에 따라 처리경로를 바꾸는 구조다.

◎ “코딩보다 목표·기준 설계”…한의원 뉴스레터까지 자동화

에이전트 제작용 프롬프트도 공개됐다. ‘원하는 최종 결과물을 자동화 파이프라인으로 만들고 싶다’는 목표와 함께 결과물·업무단계를 정의하고, AI가 자동화·워크플로우·에이전트 중 적합한 구조를 판단해 웹 UI까지 구현하도록 요청하는 방식이다.

예시로는 매주 월요일 발송하는 한의원 뉴스레터가 제시됐다. △독자=내원환자 △분량=800~1000자 △구성=이번 주 핵심 질병 1가지+한 줄 요약+한의원 정보 △처리=키워드 수집→초안 작성→문체 정제→파일 저장 등 목표와 완료조건을 구체화했다.

실습은 ‘폴더 구조 확인→프로젝트 폴더 전체 열기→계획 확인→구현 요청→실행·테스트’로 마무리됐다. Codex가 AGENTS.md·README.md와 입력 PDF를 먼저 읽도록 한 뒤 실제 시스템·한국어 웹 UI 구현 및 파일·웹 화면 테스트까지 수행하는 방식이다. 최 강사는 이를 통해 한의사가 코딩 전문가가 되는 것보다 진료·학술 업무를 ‘목표-판단-행동-검증’으로 분해하고 기준을 명확히 설계하는 역량이 중요하다는 점을 제시했다.

한편 K-MEDI 포럼 2회차는 오는 19일 열리며, 1회차에서 익힌 워크플로우를 증례 발표 준비·논문 검토 등 한의원 현장에서 활용할 수 있는 완성형 에이전트로 확장하는 실습이 진행될 예정이다.

자세한 일정 및 참여 안내는 대한약침학회(pharmacopuncture.co.kr) 및 AJ탕전원(ajpharmacopuncture.co.kr) 공식 홈페이지를 통해 확인할 수 있다.