헬스케어 및 생명과학 임원진을 위한 에이전틱 AI의 10가지 핵심 질문

이 기사에 따르면, 2026년까지 에이전틱 AI(agentic AI)는 기업 시스템에서 현실이 될 것이지만, 이를 안전하고 효과적으로 적용하려면 헬스케어 및 제약 기업의 리더들이 10가지 핵심 질문에 답해야 한다. 첫째, 어떤 워크플로(예를 들어 임상시험 분석, 사전승인, 수익주기 관리)가 에이전트 도입으로 혜택을 볼 수 있는지 파악하고, 주기 시간 단축, 생산성 및 정확도 향상 등 성공 지표를 설정해야 한다. 둘째, 전자건강기록(EHR, Electronic Health Record), 검사 데이터, 영상, 보험 및 상업 시스템 등 서로 다른 데이터 소스를 통합하는 신뢰할 수 있고 잘 관리된 데이터 기반이 필수적이다. 그렇지 않으면 에이전트는 불완전하거나 부정확한 답변을 내놓게 된다. 거버넌스는 데이터 접근뿐 아니라 에이전트의 행동도 아울러야 한다. 즉 어떤 시스템을 호출할 수 있는지, 어떤 데이터를 가져올 수 있는지, 어떤 결정을 제안할 수 있는지, 그리고 어떤 단계에서 수동 확인이 필요한지를 규정해야 한다. 새로운 데이터 사일로를 만드는 것은 피해야 하며, 아키텍처는 데이터를 중복 저장하지 않고도 에이전트가 기업 데이터에 안전하게 접근할 수 있도록 설계되어야 한다. 환각(hallination) 현상을 방지하기 위해서는 검증된 소스, 역할 기반 접근 제어, 그리고 결론의 출처에 대한 투명성이 요구된다. 보안, 프라이버시, 감사 가능성(HIPAA, 즉 건강보험 이동성 및 책임에 관한 법률(Health Insurance Portability and Accountability Act); GxP, 즉 우수 실무 기준(Good x Practice); FedRAMP, 즉 연방 위험 및 인가 관리 프로그램(Federal Risk and Authorization Management Program))은 실제 운영 환경에 배포하기 위한 필수 요건이다. 전략적으로는 특정 벤더에 종속되는 것을 피하고, 조직이 자체 데이터에 대한 통제권을 유지하면서 특정 작업에 적합한 모델을 선택할 수 있어야 한다. 또한 비용 투명성도 필요하다. 즉 각 다단계 에이전트 호출에 얼마의 비용이 드는지 추정하고 그에 맞춰 예산을 설정할 수 있어야 한다. 위탁연구기관(CRO, Contract Research Organization), 제약회사, 병원, 보험사 등 서로 다른 조직 간 협업을 위해서는 에이전트가 통제권을 잃지 않으면서도 안전한 데이터 공유를 지원해야 한다. 마지막으로, 인프라가 개별 팀마다 부담이 되어서는 안 되며, Snowflake AI Data Cloud와 같은 완성된 플랫폼을 활용해 도메인 전문가들이 머신러닝 운영(MLOps)이 아니라 자신의 전문 분야에 집중할 수 있도록 하는 것이 바람직하다.