Enterprise AI Readiness in Healthcare: Development and Preliminary Evaluation of a Five-Domain Survey Framework

병원과 의료 시스템은 기계가 데이터를 통해 학습하고 결정을 내릴 수 있게 하는 컴퓨터 과학의 한 분야인 인공지능을 점점 더 많이 활용하고 있습니다. 이러한 도구들은 의사들이 질병을 더 빠르게 진단하고, 병원 자원을 더 효율적으로 관리하며, 의료진의 행정적 부담을 줄이는 데 도움을 줄 것으로 기대됩니다. 그러나 단순히 새로운 소프트웨어 프로그램을 구매하거나 테스트한다고 해서 병원이 전체 운영 전반에 걸쳐 이를 효과적으로 사용할 준비가 되었다는 것을 의미하지는 않습니다. 기술을 보유하는 것과 그 기술을 안전하고 공정하며 규모 있게 사용할 수 있는 조직적 역량을 갖추는 것 사이에는 상당한 차이가 있습니다. 자동차가 작동하기 위해 엔진뿐만 아니라 운전자, 연료, 도로, 그리고 교통 법규가 필요한 것처럼, 인공지능 시스템도 성공을 위해 뒷받침되는 환경이 필요합니다. 적절한 리더십, 데이터 품질, 교육된 직원, 그리고 명확한 규칙이 없다면 아무리 진보된 도구라도 실패하거나 해를 끼칠 수 있습니다.

캘리포니아 주립대학교의 아즈말 아미니(Ajmal Aminee)가 수행한 최근 연구는 "기업 AI 준비도(Enterprise AI Readiness)"를 측정하는 새로운 방법을 개발함으로써 이러한 격차를 탐구합니다. 연구자는 병원이 시작한 인공지능 프로젝트의 개수를 세는 대신, 리더들에게 다섯 가지 특정 영역에 걸친 조직의 전반적인 준비 상태를 평가하도록 요청했습니다. 이 연구는 병원, 의료 센터 및 기술 기업의 리더 150명을 대상으로 설문 조사를 실시한 후, 이들 중 28명을 대상으로 심층 인터뷰를 진행했습니다. 연구의 목표는 이러한 영역에서의 병원의 준비도가 인공지능의 구현 방식, 사용 확대의 용이성, 그리고 실제적인 이점을 체감하는 정도와 실제로 연결되는지를 결정하는 것이었습니다. 연구 결과에 따르면, 많은 조직이 전략과 거버넌스 측면에서는 서류상으로 강력해 보이지만, 직원을 교육하고 이러한 도구를 일상적인 환자 진료에 통합하는 실무적인 작업에서는 어려움을 겪는 경우가 많은 것으로 나타났습니다.

연구자는 다섯 가지 상호 연결된 준비도 축을 기반으로 프레임워크를 구축했습니다. 첫 번째는 리더십 및 전략으로, 경영진이 인공지능 노력을 이끌 수 있는 명확한 계획과 지식을 갖추고 있는지를 살펴봅니다. 두 번째는 데이터, 기술 및 인프라로, 병원이 깨끗하고 접근 가능한 데이터와 이러한 도구를 실행하는 데 필요한 컴퓨터 시스템을 보유하고 있는지 검토합니다. 세 번째 축은 인력 및 조직 준비도로, 의사, 간호사 및 행정직원들이 기술을 이해하고 사용할 준비가 되어 있다고 느끼는지에 초점을 맞춥니다. 네 번째 영역은 거버넌스, 보안 및 책임 있는 인공지능으로, 조직이 환자의 개인정보를 보호하고 편향을 방지하며 책임을 보장하기 위한 규칙을 갖추고 있는지 확인합니다. 마지막 축은 임상 통합 및 평가로, 도구가 환자의 워크플로에 원활하게 부합하는지, 그리고 병원이 실제로 결과가 개선되고 있는지 추적할 수 있는지를 측정합니다.

연구자가 설문 응답을 분석했을 때, 준비도는 이 다섯 가지 영역에 걸쳐 고르게 분포되어 있지 않았습니다. 리더십 및 전략적 준비도는 5점 만점에 평균 3.89점으로 가장 높은 점수를 받았습니다. 이는 병원 경영진이 인공지능의 중요성을 일반적으로 인지하고 있으며 전략 수립을 시작했음을 시사합니다. 거버넌스와 보안 또한 3.71점으로 비교적 양호한 점수를 기록하여, 많은 조직이 이러한 기술을 감독하기 위한 위원회와 정책을 수립했음을 나타냅니다. 그러나 점수는 보다 실무적인 구현 측면에서 크게 떨어졌습니다. 인력 준비도는 평균 3.34점을 기록했고, 임상 통합 및 평가는 3.29점으로 가장 낮은 점수를 받았습니다. 이러한 패턴은 흔한 경향을 보여줍니다. 즉, 병원들은 계획을 세우고 규칙을 정하는 데는 능숙하지만, 직원들을 교육하고 이러한 도구를 복잡한 실시간 환자 진료 흐름 속에 녹여내는 데는 준비가 덜 되어 있다는 것입니다.

연구는 또한 이러한 준비도 점수가 실제 성공 여부에 영향을 미치는지 조사했습니다. 데이터에 따르면 전반적인 준비도와 세 가지 핵심 성과 사이에는 강한 연관성이 있었습니다: 인공지능의 성공적인 구현, 다른 부서로의 확장 용이성, 그리고 조직이 실질적인 가치를 얻고 있다고 느끼는지 여부입니다. 다섯 가지 영역 모두에서 높은 점수를 받은 조직은 이러한 도구를 배포하고 규모를 확장하는 데 있어 더 큰 성공을 보고했습니다. 구체적으로, 리더십 및 전략적 준비도는 구현 성공과 가장 강력한 독립적 연결 고리를 가졌으며, 임상 워크플로에 도구를 통합하는 능력도 그 뒤를 바짝 쫓았습니다. 이는 상층부의 명확한 비전이 매우 중요하지만, 그것만으로는 충분하지 않으며, 도구가 최전선에 있는 사람들에 의해 사용 가능해야 함을 나타냅니다.

숫자를 더 잘 이해하기 위해 연구자는 설문에 참여한 리더들과 대화를 나누었습니다. 인터뷰는 설문 결과를 확인시켜 주었지만 중요한 맥락을 추가했습니다. 많은 리더는 자신들이 야심 찬 전략과 공식적인 위원회를 가지고 있음에도 불구하고, 일상적인 현실은 종종 더 어렵다고 인정했습니다. 그들은 서로 소통하지 못하는 파편화된 데이터 시스템, 직원들을 위한 구체적인 교육 부족, 그리고 새로운 도구가 기존의 환자 루틴을 방해하지 않으면서 자연스럽게 녹아들게 만드는 것의 어려움 등을 언급했습니다. 한 리더는 소규모 파일럿 프로젝트에서 전체 규모의 시스템으로 넘어가는 데는 단순히 기술이 작동한다는 것을 증명하는 것 이상의 것이 필요하며, 신뢰할 수 있는 데이터, 명확한 소유권, 그리고 지속적인 지원이 필요하다고 말했습니다. 또 다른 리더는 거버넌스가 승인 단계에서 멈추는 경우가 많으며, 도구가 배포된 이후의 모니터링이나 성과에 대한 책임 추궁에는 주의를 덜 기울인다고 지적했습니다.

연구는 "AI 준비"가 되는 것이 단일 사건이 아니라 역량을 구축하고 정렬해 나가는 연속적인 과정이라고 결론짓습니다. 병원이 새로운 기술을 채택하는 것만으로는 충분하지 않으며, 직원 교육을 보장하고, 데이터를 깨끗하게 관리하며, 규칙을 집행하고, 워크플로를 적응시켜야 합니다. 연구는 많은 의료 조직이 현재 전략과 거버넌스 측면에서는 앞서 있지만, 인공지능을 실제로 작동하게 만드는 데 필요한 인간적, 운영적 작업 측면에서는 뒤처져 있다고 제언합니다. 이 연구는 이러한 격차를 식별하기 위한 유용한 프레임워크를 제공하지만, 저자는 결과가 자기 보고식 인식에 기반하고 있으므로 시간이 지남에 따라 추가적인 검증이 필요하다고 경고합니다. 그럼에도 불구하고, 이 연구 결과는 의료 리더들에게 명확한 메시지를 전달합니다. 인공지능의 잠재력을 실현하려면 기술 그 자체를 넘어, 이를 뒷받침하고 역량을 갖춘 통합된 조직을 구축하는 데 집중해야 한다는 것입니다.