병원 문의 응대 자동화 사례: 원장 상담 기록 학습 6주
병원 문의 응대 자동화를 가상의 치과 예시 시나리오로 정리했습니다. 원장 상담 기록을 AI에 학습시켜 원장 스타일로 답하게 만드는 6단계와 진단·효과 단정 차단, 응급 이관, 섀도 운영 같은 주의점을 Before/After로 보여 드립니다.
진료 상담 기록을 AI가 학습하면 원장 스타일로 1차 문의에 답하는 상담 에이전트를 만들 수 있습니다. 다만 결과를 가르는 것은 AI 성능보다 기록 정리, 답하지 않을 범위 설정, 원장 검수 루프입니다. 이 글은 가상의 치과 예시 시나리오로 병원 문의 응대 자동화의 과정과 주의점을 정리합니다.
예시 시나리오: 어떤 치과가 어떤 문제를 겪었나요?
아래는 이해를 돕기 위한 예시 시나리오이며, 실제 병원이나 실측 수치가 아닙니다. 서울 외곽 주거 상권의 치과의원을 가정합니다. 원장 1명, 실장·코디네이터·위생사 등 직원 7명 규모입니다.
문의는 전화, 네이버 톡톡, 카카오톡 채널로 들어옵니다. 임플란트·교정 비용, 치료 기간, 통증, 예약 변경이 대부분입니다. 진료 중에는 실장이 응대하고, 밤에 온 메시지는 원장이 퇴근 후 직접 답했습니다.
이 치과가 겪던 문제는 다음과 같습니다.
- 같은 질문에 직원마다 다른 답이 나갔습니다.
- 원장은 밤늦게까지 휴대폰으로 메시지에 답했습니다.
- 신입 코디네이터는 "원장님께 여쭤볼게요"를 반복했습니다.
- 답이 늦어진 문의는 다른 치과 예약으로 이어지기도 했습니다.
왜 직원마다 상담 답변이 달라졌을까요?
원장의 판단 기준이 머릿속과 대화창에만 있었기 때문입니다. 문서화된 기준이 없으니 직원은 각자 기억에 의존했습니다.
기준이 여러 곳에 흩어져 있었다
원장 답변은 카톡 대화, 상담 차트 메모, 구두 지시로 나뉘어 있었습니다. 실장은 자주 받는 질문만 외우고, 예외는 그때그때 판단했습니다. 같은 비용 질문에도 범위와 표현이 조금씩 달랐습니다.
답하면 안 되는 질문의 경계가 없었다
"사진 보내드리면 임플란트가 필요한지 알 수 있나요?" 같은 질문이 대표적입니다. 원장은 늘 내원 진단을 권했지만, 직원은 가능성을 언급하기도 했습니다. 이 경계가 불명확하면 AI도 똑같이 흔들립니다.
일반 챗봇은 원장 화법을 몰랐다
이전에 써 본 FAQ 챗봇은 정해진 문장만 반복했습니다. 환자의 불안을 먼저 받아 주는 원장 특유의 화법이 빠져 있었습니다. 결국 환자는 전화를 다시 걸었습니다.
원장 상담 기록을 AI에 학습시킨 6단계는 무엇인가요?
핵심은 기록을 그대로 넣지 않고, 질문 유형별 기준 문서로 다시 정리해 학습시키는 것입니다. 시나리오의 치과는 진단 2주, 구축 5주를 거쳤다고 가정합니다.
1단계. 상담 기록 수집과 가명 처리
최근 상담 대화와 차트 메모를 모으되 이름·연락처·주민번호는 먼저 지웁니다. 환자를 특정할 수 있는 사진과 날짜 조합도 제거합니다. 데이터가 국내에서 처리되는지도 이 단계에서 확인합니다.
2단계. 질문 유형 분류
모은 대화를 유형별로 묶습니다. 예시 분류는 다음과 같습니다.
- 비용·결제(비급여 항목 안내 방식)
- 치료 기간·내원 횟수
- 통증·부작용에 대한 걱정
- 예약 변경·취소
- 진단이 필요한 질문(사진 판독 요청 등)
3단계. 원장 기준 문서화
유형마다 원장이 "이렇게 답한다, 여기까지만 답한다"를 한 장으로 씁니다. 실장이 초안을 쓰고 원장이 고치는 방식이 빠릅니다. 원장이 실제로 쓴 말투 예시 문장도 유형별로 몇 개씩 붙입니다.
4단계. 금지 범위와 이관 규칙 설정
진단·처방·효과 단정은 AI가 답하지 않도록 막습니다. 이런 질문은 원장 상담이 필요하다고 안내하고 담당자에게 넘깁니다. 출혈이 멈추지 않음, 호흡 곤란 같은 표현은 즉시 전화 연결이나 119 안내로 보냅니다.
5단계. 섀도 운영
약 2주간은 AI가 답안만 만들고 실장이 확인한 뒤 발송합니다. 고친 답변은 고친 이유와 함께 기록합니다. 이 기록이 기준 문서를 보완하는 재료가 됩니다.
6단계. 단계적 오픈과 주간 검수
야간 문의, 예약 변경처럼 위험이 낮은 유형부터 자동 발송을 엽니다. 비용 상담은 그다음이고, 진단성 질문은 끝까지 사람이 맡습니다. 원장은 매주 샘플 대화를 훑어보고 기준을 고칩니다.
AI가 원장 스타일로 답할 때 무엇을 막아야 하나요?
가장 경계할 것은 원장처럼 보이는 확신입니다. 말투가 자연스러울수록 환자는 AI 답변을 원장 진단처럼 받아들이기 쉽습니다.
- AI 고지: 첫 응답에서 AI 상담 도우미임을 밝힙니다.
- 효과 단정 금지: "거의 안 아파요" 같은 표현은 기준 문서에서 뺍니다. 의료광고법상 오인 표현과 겹칠 수 있습니다.
- 비용 안내 방식: 항목별 범위와 "진단 후 확정"을 함께 씁니다. 할인·이벤트 문구는 최신 고시를 확인하세요.
- 오래된 기록 제외: 가격·장비가 바뀌기 전 대화는 학습에서 뺍니다.
- 원무 DB 분리: 환자 질의는 별도 영역에서 처리하고 확정 정보만 연동합니다.
EMR 연동은 제품마다 허용 범위가 다른 것으로 알려져 있습니다. 연동이 어렵다면 예약 요청 접수까지만 자동화하세요. 확정은 직원이 해도 반복 응대 부담은 충분히 줄어듭니다.
바뀐 하루: 실장 업무는 어떻게 달라졌나요?
실장의 일은 답을 쓰는 사람에서 답을 검수하는 사람으로 바뀌었습니다. 아래 표는 예시 시나리오의 가정이며 실제 측정치가 아닙니다.
| 시간대·업무 | Before | After(예시) |
|---|---|---|
| 오전 진료 전 | 밤사이 쌓인 메시지에 하나씩 답장 | AI 야간 응대 목록 확인, 이관 건만 회신 |
| 진료 중 | 전화·톡 응대로 접수 대기 지연 | 반복 문의는 AI 1차 응대, 실장은 내원 환자 집중 |
| 비용 문의 | 직원마다 범위·표현이 다름 | 원장 기준 문서 기반의 동일한 안내 |
| 신입 교육 | 선배 답변을 어깨너머로 학습 | 기준 문서와 AI 답안으로 응대 기준 학습 |
| 퇴근 후 | 원장이 휴대폰으로 직접 답변 | 원장은 주 1회 샘플 검수만 진행 |
남는 과제도 있었습니다. 기준 문서를 갱신하지 않으면 AI 답변은 금세 낡습니다. 그래서 직원 1명을 기준 관리 담당으로 정했습니다.
우리 병원에 적용하려면 무엇부터 확인해야 하나요?
먼저 원장의 답변 기록이 얼마나 남아 있는지 확인하세요. 기록이 적다면 학습보다 기준 문서 작성이 먼저입니다.
- 채널별 반복 질문 상위 유형을 뽑았는가
- 원장이 "AI가 절대 답하지 말 것"을 직접 정했는가
- 응급 표현 목록과 연결 담당자, 시간대를 정했는가
- 상담 데이터의 가명 처리와 처리 위치를 확인했는가
- 섀도 운영 기간과 검수 책임자를 정했는가
- 응답 대기 시간, 실장 전화 건수, 노쇼 같은 현장 지표를 정했는가
마지막 항목이 성패를 가릅니다. 대화가 자연스러운지보다 현장 부담이 줄었는지로 판단해야 합니다. 직원이 AI 답안을 고치는 법을 익혀야 운영이 이어집니다. 이 역량은 병원 실무자 AI 강습 같은 실습형 교육으로 준비하면 빠릅니다.
자주 묻는 질문
Q. 상담 기록이 거의 없는 신규 개원의도 가능한가요?
가능합니다. 학습할 기록 대신 원장 인터뷰로 기준 문서를 먼저 만듭니다. 개원 후 쌓이는 대화를 검수하며 원장 스타일에 가깝게 다듬습니다.
Q. 원장이 여러 명이면 누구 스타일에 맞추나요?
병원 공통 기준을 먼저 정하고, 원장별 차이는 진료 영역별로 나눕니다. 예를 들어 교정 문의는 교정 담당 원장 기준을 따르게 합니다. 서로 충돌하는 기준은 도입 전에 합의해야 합니다.
Q. AI 답변으로 민원이 생기면 책임은 누구에게 있나요?
환자 응대의 최종 책임은 병원에 있다고 보는 것이 일반적입니다. 그래서 AI 고지, 이관 규칙, 대화 로그 보관을 처음부터 갖춥니다. 구체적인 법적 판단은 최신 규정과 법률 자문으로 확인하세요.
정리
- 원장 스타일 학습의 핵심은 원본 기록이 아니라 유형별 기준 문서입니다.
- 진단·효과 단정은 막고, 응급 표현은 즉시 사람에게 넘깁니다.
- 섀도 운영과 주간 검수를 거쳐 위험이 낮은 유형부터 엽니다.
저희 SOLVER는 진단부터 구축, 운영까지 한 팀이 이 과정을 맡습니다. 관련 글은 SOLVER 테크블로그에서 더 보실 수 있습니다. 우리 병원 기록 상태로 어디까지 가능한지 궁금하시면 무료 진단 신청으로 문의 유형부터 함께 살펴보겠습니다.