Artificial Intelligence Implementation and Governance in Healthcare: A Qualitative Study of Cybersecurity Professionals

병원과 클리닉들은 의사들의 의사결정을 돕고, 환자 기록을 관리하며, 건강 결과를 예측하기 위해 점점 더 인공지능에 의존하고 있습니다. 이러한 도구들은 강력하지만, 민감한 개인 정보를 보유한 복잡한 디지털 시스템 내에서 작동합니다. 새로운 건물이 사람들이 입주하기 전에 견고한 기초가 필요하듯, 이러한 디지털 시스템 역시 환자 진료를 온전히 신뢰받기 위해서는 강력한 규칙과 보호책이 필요합니다. 문제는 단순히 기술 그 자체만이 아니라, 그 기술을 사용하는 조직에 관한 것입니다. 병원이 이러한 도구들을 안전하게 사용하는 능력은 그 병원의 리더십, 직원, 그리고 자원에 달려 있습니다. 만약 병원이 어떻게 감시할 것인지, 혹은 누가 책임을 질 것인지에 대한 계획 없이 새로운 시스템을 도입한다면, 그 기술는 도움이 되기보다 위험이 될 수 있습니다. 여기서 디지털 보안을 지키는 사람들이 등장합니다. 이들은 데이터의 도난이나 부패로부터 데이터를 보호하는 방법을 이해하는 전문가들이며, 환자들이 의료진에게 두는 신뢰를 깨뜨리지 않으면서 인공지능을 도입하는 방법을 이해하는 데 있어 이들의 관점은 매우 중요합니다.

한 연구팀은 보안 전문가들이 의료 분야에 인공지능을 도입하는 과정을 정확히 어떻게 바라보는지 이해하기 위해 조사를 시작했습니다. 연구진은 의료 시스템 내부 또는 주변에서 사이버 보안, 데이터 인프라, 또는 디지털 보안 분야에서 근무하는 20명의 전문가를 인터뷰했습니다. 인터뷰는 2025년 5월에서 8월 사이에 진행되었으며, 각 대화는 45분에서 60분 정도 지속되었습니다. 연구진은 전문가들에게 그들의 역할, 의료 기술에 대한 경험, 그리고 조직이 인공지능의 위험을 어떻게 다루고 있는지에 대해 질문했습니다. 목표는 기술 자체를 테스트하는 것이 아니라, 시스템을 안전하게 유지할 책임이 있는 사람들의 목소리에 귀를 기울이고, 그 업무를 더 쉽거나 어렵게 만드는 실질적인 환경을 이해하는 것이었습니다.

인터뷰 결과, 의료 분야에서 인공지능의 성공은 조직의 준비도, 직원 교육, 시스템 모니터링, 가용 자원, 그리고 구체적인 안전 전략이라는 다섯 가지 연결된 영역에 달려 있음이 밝혀졌습니다. 전문가들의 이야기에서 반복되는 주제는 새로운 기술이 도착하는 속도와 조직이 이를 안전하게 관리할 역량을 구축하는 속도 사이의 긴장이었습니다. 흔히 병원들은 기술을 먼저 도입한 뒤, 시스템이 이미 운영 중인 상태에서야 보안과 규칙을 생각하곤 합니다. 한 전문가는 이러한 접근 방식이 역방향이라며, 집이 이미 지어진 후에 기초를 쌓으려는 것에 비유했습니다. 보안이 사후 고려 사항이 되면, 환자의 데이터를 위험에 빠뜨릴 수 있는 피할 수 있는 약점이 생겨납니다.

준비도는 단순히 적절한 컴퓨터를 갖추는 것 이상의 의미를 가집니다. 이는 리더들의 명확한 계획, 여러 부서에 흩어져 있지 않은 데이터 관리 방식, 그리고 직원들이 왜 이러한 규칙이 중요한지 이해하는 문화를 포함합니다. 만약 리더십이 사이버 보안을 핵심 운영 요소로 보지 않는다면, 인공지능은 장기적인 관리가 필요한 대상이 아니라 그저 또 하나의 단기 프로젝트가 되어 버립니다. 마찬가지로, 직원들이 새로운 도구가 왜 중요한지 이해하지 못한다면, 아무리 좋은 프로세스가 있더라도 그들은 안전 절차를 따르지 않을 것입니다.

교육은 기술적 규칙과 일상 업무 사이를 잇는 결정적인 가교로 부각되었습니다. 전문가들은 안전은 단 한 번의 세션으로 가르칠 수 있는 것이 아니라고 강조했습니다. 기술과 위협은 항상 변화하기 때문에, 직원들은 정기적으로 재교육을 받아야 합니다. 가장 효과적인 교육은 긴 강연보다는 주로 비공식적인 대화나 짧은 워크숍을 통해 이루어지는, 지속적이고 적응 가능한 형태였습니다. 보안 전문가들은 종종 복잡한 기술적 개념을 바쁜 일정의 의사와 간호사들이 사용할 수 있는 쉬운 용어로 번elt해야 합니다. 만약 지침이 너무 복잡하면 직원들은 이를 무시하게 되고, 시스템은 안전하지 않게 됩니다.

시스템이 가동되면 지속적인 모니터링이 필수적입니다. 보안은 설정해 두고 잊어버리는 것이 아닙니다. 전문가들은 정기적인 점검, 테스트, 그리고 문제가 발생했을 때 어떤 일이 일어나는지 검토하는 루틴을 설명했습니다. 이 과정은 조직이 실수를 통해 배우고, 환자 진료에 영향을 미치기 전에 문제를 해결할 수 있게 해줍니다. 또한 문제가 생겼을 때 누가 통지를 받아야 하는지, 얼마나 빨리 대응해야 하는지에 대한 명확한 규칙도 필요합니다. 이러한 종류의 감독은 보안 팀, IT 인력, 그리고 임상 리더들이 협력하여 시스템을 안전하게 유지하는 책임을 공유할 때 가장 잘 작동합니다.

그러나 이 모든 일을 수행할 수 있는 능력은 자원에 크게 좌우됩니다. 인터뷰에서는 대형 병원과 소규모 클리닉 사이의 극명한 차이가 강조되었습니다. 대형 병원은 전담 보안 팀과 고급 도구를 갖출 여력이 있지만, 소규모 클리닉은 이미 업무가 과중한 단 한 명의 IT 담당자에게 의존하는 경우가 많습니다. 이러한 격차는 환자가 받는 보호 수준이 어디에서 진료를 받느냐에 따라 달라질 수 있음을 의미합니다. 일부 조직은 보안 관리를 위해 외부 업체에 의존해야 하며, 이는 자신들의 시스템에 대한 통제력을 제한할 수 있습니다. 전문가들은 이러한 재정적, 인력적 차이가 의료 시스템 전반에 걸쳐 불균등한 안전 수준을 만든다고 지적했습니다.

위험을 관리하기 위해 전문가들은 현실 세계에서 작동하는 실질적인 전략들을 설명했습니다. 그들은 인공지능을 추가하기 전에 암호화 및 엄격한 접근 제어와 같은 강력한 데이터 보호부터 시작할 것을 제안했습니다. 또한 시스템이 라이브 상태가 될 때까지 기다리지 말고, 프로젝트 초기 단계부터 보안 팀을 참여시켜야 한다고 강조했습니다. 또 다른 핵심 전략은 시스템이 결국 실패할 것이라는 가정을 바탕으로 설계하여, 다운타임이나 침해 상황에 대비해 환자 진료가 중단되지 않도록 미리 계획하는 것입니다. 이러한 접근 방식은 행정직부터 임상 직원까지 모두가 안전을 유지하는 데 역할을 수행하도록 보장하는, 다양한 부서 간의 협업에 의존합니다.

이 연구는 안전한 인공지능이 단순히 기술적인 문제가 아니라 조직적인 문제임을 시사합니다. 이는 리더십, 교육, 모니터링, 그리고 자원이 모두 함께 작동하는 조율된 노력을 필요로 합니다. 이러한 조율이 없다면, 동일한 안전 규칙이라도 병원의 역량에 따라 매우 다른 결과를 초래할 수 있습니다. 연구진은 인공지능이 안전하고 공정하기 위해서 의료 조직이 보안 전문가를 조기에 참여시키고, 위험을 감지하고 대응할 수 있는 프로세스를 구축하며, 모든 병원이 동일한 자원을 가지고 있지 않다는 점을 인정해야 한다고 결론지었습니다. 이러한 조직적 조건에 집중함으로써, 의료 시스템은 환자 정보를 더 잘 보호하고 새로운 기술이 새로운 위험을 초래하지 않으면서 진료를 개선할 수 있도록 할 수 있습니다.