Key Takeaways (핵심 요약)

• 한 병원 경영진은 헬스케어 AI 에이전트가 "때로는 15일에서 16일까지 걸리던" 보험 청구 이의신청 절차를 하루 이틀로 단축시켰다고 말합니다. 이 에이전트는 거절 통지서를 읽고 필요한 서류를 스스로 준비합니다 (HealthTech Magazine, 2026).
• Deloitte가 실시한 헬스케어 기술 리더 100명 대상 설문조사에 따르면, 병원의 80% 이상이 수익 주기 관리와 임상 운영 분야에서 헬스케어 에이전틱 AI를 도입하고 있습니다 (Deloitte).
• 보험 청구 거절 건수는 계속 증가하고 있습니다. 현재 의료기관의 41%가 청구 건의 10% 이상이 거절된다고 답했으며, 이는 2022년의 30%에서 늘어난 수치입니다. 하지만 실제로 AI를 도입해 이 문제에 대응하고 있는 곳은 14%에 불과합니다 (Experian Health).
• 투자수익(ROI)에 대한 평가는 엇갈립니다. McKinsey의 2026년 설문조사에 따르면 AI로 인한 실질적인 수익 효과를 체감하는 기업은 전체의 37%에 불과하며, 이는 2025년과 거의 동일한 수준입니다. MIT의 Project NANDA는 생성형 AI 파일럿 프로젝트의 95%가 측정 가능한 성과를 내지 못했다고 밝혔으며, Gartner는 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 중단될 것으로 예측합니다. 주된 이유는 불명확한 수익성과 "에이전트 워싱(agent washing)" 현상이며, 기술 자체의 결함 때문이 아닙니다.
• 앞서가는 조직들에게는 공통점이 있습니다. 기존 프로세스에 도구를 덧붙이는 방식이 아니라, 업무 방식 자체를 바꾸는 방식으로 헬스케어 수익 주기 자동화를 구축했다는 점입니다. 이 차이가 이틀 만에 끝나는 이의신청 절차와 답보 상태에 머무는 파일럿 프로젝트를 가르는 기준이 됩니다.

서론 (Introduction)

수년간 보험 청구 거절과 이의신청 처리는 병원 재정을 조용히 갉아먹어 왔습니다. 이의신청 한 건에 16일이 걸리기도 했으며, 간호사가 서류를 찾는 동안 결제는 보류 상태로 남았습니다. Hackensack Meridian Health에서는 현재 AI 에이전트가 거절 통지서를 읽고 무엇이 누락되었는지 파악해 서류를 준비한 뒤 간호사의 승인을 받도록 전달합니다. "때로는 15일에서 16일까지 걸리던" 절차가 이제는 하루 이틀 만에 끝납니다. 이는 McKinsey, Deloitte, Gartner, MIT의 데이터가 뒷받침하는 헬스케어 보험 청구 자동화라는 더 큰 흐름의 일부이며, 같은 데이터는 뚜렷한 격차도 보여줍니다. AI에 투자한 대부분의 기업은 여전히 별다른 성과를 거두지 못하는 반면, 소수의 조직은 크게 앞서 나갑니다. 이 기사는 그 결과가 어떻게 만들어지는지, 그리고 이를 재현할 수 있는 조직을 가르는 요인은 무엇인지 다룹니다.

보험 청구 이의신청 병목 현상: 16일이 표준이 된 이유

보험 청구 거절 건수는 수년째 증가해 왔으며, 이에 대응하기 위해 만들어진 이의신청 절차는 애초에 이렇게 많은 물량을 처리하도록 설계되지 않았습니다. Experian Health의 세 번째 연례 State of Claims 설문조사 결과, 현재 의료기관의 41%가 10% 이상의 청구 거절률을 겪고 있으며, 이는 2022년의 30%에서 늘어난 수치로, 주로 누락되거나 잘못된 청구 데이터와 승인 관련 오류 때문입니다. 그 결과 가장 숙련된 인력들의 시간을 잡아먹는 수작업 부담이 발생합니다. 간호사와 코더는 모든 거절 통지서를 일일이 읽고, 저마다 규정이 다른 보험사 포털을 통해 서류를 제출하며, 오래된 이의신청 건을 추적할 체계적인 방법도 없습니다.

이런 부담에도 불구하고 AI 기반 헬스케어 자동화는 예상만큼 빠르게 자리 잡지 못했습니다. Experian Health의 조사에 따르면 67%가 AI가 청구 처리를 개선할 수 있다고 믿지만, 실제로 도입한 곳은 14%에 그쳤으며, 이 소수 그룹 중 69%는 AI 덕분에 청구 거절이 줄었거나 재제출 성공률이 높아졌다고 답했습니다.

반전의 내막: AI 에이전트가 16일을 48시간으로 압축하는 방법

이 사례는 Hackensack Meridian Health에서 나왔습니다. 이 병원의 최고 AI 책임자인 Sameer Sethi는 HealthTech Magazine과의 인터뷰에서 이를 "오토메이션 플러스(automation plus)"라고 표현했습니다.

"저희는 이제 더 많은 이의신청을 처리하고 있습니다." Sethi는 이렇게 말했습니다. "저희의 전체 이의신청 절차는 때로는 15일에서 16일까지 걸렸습니다. 지금은 하루 이틀 만에 처리합니다."

• 에이전트가 하는 일. AI 기반 보험 청구 거절 관리를 위해 구축된 에이전트는 거절 통지서를 읽고, 어떤 서류가 누락되었는지 파악하고, 수정된 패킷을 준비해 간호사의 최종 승인을 받도록 전달합니다.
• 사람의 검토가 남는 이유. 사람은 여전히 결과물을 확인하며, 에이전트는 그 앞에 있던 느린 작업만 없앨 뿐입니다.
• 같은 패턴이 다른 곳에서도. Deloitte Center for Health Solutions는 MUSC Health가 사전 승인 건의 40%를 사람의 개입 없이 AI 에이전트로 완료하고 있다는 사실을 확인했습니다.
• 왜 지금 가능해졌는가. IDC의 Mutaz Shegewi는 이를 더 큰 성숙 곡선의 일부로 설명하며, IT 시스템을 먼저 안정화시키는 것이 "더 발전된 자동화의 토대를 마련한다"고 말합니다.
• 처리 기간을 실제로 압축하는 요인. 거절 통지서 속 비정형 텍스트를 읽고, 이를 보험사 규정과 대조하고, 전자의무기록에서 적절한 근거 자료를 가져와, 사람이 파일을 열어보기도 전에 제출 가능한 패킷을 완성하는 에이전트입니다.

한 병원을 넘어서: 헬스케어 에이전틱 AI에 대한 기업 데이터

Hackensack Meridian의 성과만으로도 훌륭한 사례가 될 수 있습니다. 이를 더 의미 있게 만드는 것은 Deloitte의 광범위한 미국 헬스케어 기술 경영진 100명 대상 설문조사가 같은 패턴이 업계 전반으로 확산되고 있음을 보여준다는 점입니다. 응답자의 61%가 이미 에이전틱 AI 프로젝트를 구축 중이거나 예산을 확보한 상태이며, 98%는 최소 10%의 비용 절감을 기대합니다. 헬스 시스템의 80% 이상이 임상 운영과 AI 기반 수익 주기 관리를 위해 에이전틱 AI를 우선순위로 두고 있으며, 헬스 플랜의 70%는 청구 관리를 위해 이를 우선시합니다.

Deloitte의 2026 US Health Care Outlook Survey는 C-suite 경영진 120명을 대상으로 진행되었으며 같은 방향을 가리킵니다. 80% 이상이 에이전틱 AI와 헬스케어 분야의 생성형 AI가 올해 실질적인 가치를 제공할 것으로 기대합니다. Google Cloud의 헬스케어 AI 리서치에서도 응답자의 44%가 이미 환자 경험 개선을 위해 에이전틱 AI를 활용하고 있는 것으로 나타났으며, 이는 더 큰 흐름인 병원 워크플로우 자동화의 한 부분입니다.

ROI 격차: 일부 헬스 시스템만 성과를 내는 이유

이런 도입 설문조사에서 나타나는 낙관적인 분위기는 실제 성과에 대한 훨씬 냉정한 수치들과 대비됩니다.

• McKinsey의 최신 Global Survey on AI. 조직의 거의 90%가 정기적으로 AI를 사용하고 44%는 완전한 규모로 운영하지만, 실질적인 수익 개선 효과를 체감한다고 답한 기업은 37%에 불과하며, 이는 2025년과 사실상 동일한 수준입니다. "AI 고성과 기업"은 전체의 6%뿐이며, 이 중 거의 4분의 3이 고성과 기업답게 AI를 중심으로 워크플로우를 재설계했고, 그 외 기업은 4분의 1에 그쳤습니다.
• MIT의 Project NANDA. The GenAI Divide: State of AI in Business에 따르면 생성형 AI 파일럿 프로젝트의 95%가 이익에 측정 가능한 영향을 미치지 못했으며, 이는 수백억 달러 규모의 투자에도 불구한 결과입니다. 성공한 5%는 워크플로우에 맞게 적응하는 시스템을 구축했고, 실패한 95%는 실제 업무 방식에 맞지 않는 범용 도구를 사용합니다.
• Gartner의 전망. 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 중단될 것이며, 주된 원인은 늘어나는 비용과 불명확한 가치이지 모델 결함이 아닙니다. Gartner는 이를 "에이전트 워싱"이라 부릅니다.
• Deloitte의 2026 Healthcare CFO Survey. 조직의 44%가 "AI 스케일러"에 해당하지만, 정기적으로 재무적 영향을 측정하는 곳은 18%에 불과합니다.

고성과 기업 vs. 정체된 도입 기업

고성과 기업과 정체된 도입 기업은 실제 운영 방식에서 뚜렷하게 갈립니다. 고성과 기업은 AI 에이전트를 중심으로 프로세스를 재설계하고, 여러 부서에 걸쳐 다수의 에이전트를 운영하며, 재무적 영향을 추적하고 보고하고, 자사의 워크플로우에 맞게 구축된 도구를 선택하며, 디지털 예산의 20% 이상을 꾸준히 투자합니다. 반면 정체된 도입 기업은 기존 프로세스 위에 AI를 추가하고, 좁은 문제 하나를 해결하는 단일 도구에 그치며, 효과가 있다고 가정할 뿐 거의 확인하지 않고, 범용적인 일률적 도구에 의존하며, 쉽게 중단되는 소규모 파일럿 예산을 유지합니다.

기업이 청구 자동화를 확장할 때 직면하는 공통 과제

좋은 의도를 가진 기업들도 보험 청구 거절 자동화를 소규모 테스트에서 전면 도입으로 확대할 때 동일한 문제에 부딪힙니다.

• 정돈되지 않은 데이터. 거절 통지서와 보험사 포털은 형식이 제각각이며, MIT는 이를 확장의 가장 큰 걸림돌로 지목합니다.
• ROI 측정 책임자의 부재. 대부분의 AI 스케일러가 재무적 영향을 일관되게 추적하지 않습니다.
• 기존 업무 방식 고수. 고성과 기업과 그 외 기업 사이의 가장 뚜렷한 차이는 워크플로우 재설계에서 나타납니다.
• 벤더들의 과장된 마케팅. Gartner의 "에이전트 워싱" 문제가 청구 소프트웨어 시장에서 직접적으로 나타납니다.
• 취약한 관리 체계. 사람의 검토 단계를 너무 이르게 없애면 속도 향상 효과는 크지 않으면서 리스크만 높아집니다.

수익 주기 및 청구 담당 리더를 위한 전략적 제언

• 조직 전체를 한 번에 자동화하기보다, 발생 빈도가 높은 거절 유형 하나부터 시작하십시오
• 파일럿이 끝난 후가 아니라 첫 주부터 재무적 영향을 측정하십시오
• 모든 이의신청 제출 전 명확한 사람의 검토 단계를 유지하십시오
• Gartner의 에이전트 워싱 경고 신호를 기준으로 벤더를 평가하십시오
• 소프트웨어 구매뿐 아니라 워크플로우 재설계를 위한 예산도 마련하십시오

결론 (Conclusion)

16일을 2일로 단축한 결과는 실재하고, 문서로 입증되었으며, 재현 가능합니다. 하지만 저절로 이루어지지는 않습니다. 이는 읽고, 대조하고, 정리하는 서류 중심의 업무를 에이전트가 맡고, 사람이 여전히 최종 승인을 하는 한 가지 설계상의 선택에서 비롯됩니다. McKinsey, Deloitte, Gartner, MIT의 데이터는 모두 같은 결론을 가리킵니다. 가장 많은 파일럿을 운영하거나 가장 많은 돈을 투자한 조직이 답이 아니라, 실제 업무 방식을 기꺼이 재설계하고, 처음부터 재무적 영향을 측정하며, 벤더에게 실질적인 기준을 요구하는 조직이 그 답입니다. 4년 연속 거절률이 증가하는 것을 지켜보는 수익 주기 담당 리더들에게, 이 조합이야말로 실제 성공 사례와 답보 상태에 머무는 실험을 가르는 기준이 되었습니다.

병원을 위한 AI 솔루션

보험 청구 거절과 이의신청 업무에 시달리는 의료기관이라면, 국내 500개 이상의 의원 및 병원에서 신뢰받는 CareAI에서 검증된 시작점을 찾아보시기 바랍니다. 서울대학교병원과 세브란스병원을 포함한 주요 의료기관에 도입된 CareAI는 실시간 EMR 연동과 24시간 AI 콜봇을 통해 원무 업무 부담을 최대 50%까지 줄이면서도 최종 결정은 의료진이 직접 내릴 수 있도록 설계되어 있습니다. 수익 주기 관리와 임상 운영 전반에 걸친 AI 솔루션이 궁금하시다면 메이크봇(Makebot)을 방문해 보세요.