이 영상은 스탠퍼드 대학의 호스트들과 유나이티드헬스 그룹(UnitedHealth Group)의 최고 AI 변혁 책임자인 Syed Mohiuddin 박사가 모여, 2025년 현재 AI가 의료 현장과 개인의 삶을 어떻게 근본적으로 변화시키고 있는지 논의합니다. 환자들이 AI를 의사만큼 신뢰하는 비율이 1년 만에 급증하면서, 의료의 중심이 단순한 '질병 치료'를 넘어 일상적인 '예방과 건강 관리'로 이동하고 있음을 심도 있게 다룹니다. 특히 과거 정부 주도의 하향식 변화가 아닌, 소비자와 의료진이 자발적으로 AI를 선택하고 요구하는 상향식(Bottom-up) 변화가 의료 산업의 비용 절감과 혁신을 이끌 것이라고 강력하게 전망합니다.


1. 2025년, 달라진 일상: AI가 의사를 대신하다?

대화의 시작은 아주 흥미로운 개인적인 경험담으로 문을 엽니다. 의사이기도 한 Syed 박사는 자신의 일상에서 의료적인 궁금증이 생겼을 때, 동료 의사들에게 전화를 거는 횟수가 확연히 줄었다고 고백합니다.

과거에는 가족이나 지인이 아프면 바로 전문의 친구에게 전화를 걸었겠지만, 이제는 AI에게 먼저 물어보는 것이 일상이 되었습니다. AI가 1차적인 정보를 걸러주고, 정말 복잡하고 중요한 문제일 때만 사람 전문가를 찾는다는 것이죠. 이는 의료 전문가들조차 AI를 '의료 상담의 1차 관문'으로 활용하고 있음을 보여줍니다.

"전체적인 질문 양은 5배에서 10배 정도 늘어났어요. 사소한 궁금증들에 대해 바로바로 답을 얻을 수 있으니까요. 반면, 전문의에게 직접 연락하는 횟수는 50%나 줄었습니다. 생산성이 10배에서 20배는 늘어난 셈이라고 할 수 있죠."

이러한 변화는 비단 전문가들만의 이야기가 아닙니다. 영상에서 인용된 베인(Bain)의 설문조사 결과는 놀라운 수치를 보여줍니다. 2024년에서 2025년 사이, 'AI를 나의 의사로 받아들이는 데 편안함을 느낀다'고 답한 소비자의 비율이 11%에서 약 30%로 1년 만에 급증했습니다.

"이 수치는 정말 강력합니다. 단 1년 만에 2.5배가 증가한 거예요. (중략) 이제 환자들도 AI를 선택하기 시작했습니다. 이런 추세라면 내년에는 이 숫자가 50%가 될지도 모릅니다. 보통 매우 느리게 움직이는 의료 시스템에서 이런 변화 속도는 정말 엄청난 것입니다."


2. '아픈 뒤 치료(Sick Care)'에서 진정한 '건강 관리'로

참석자들은 AI가 의료 시스템의 고질적인 문제인 공급 부족접근성 문제를 해결할 열쇠라고 봅니다. 환자는 의사를 만나기 위해 몇 주를 기다려야 하고, 막상 만나도 진료 시간은 15분에 불과합니다. 그렇다면 나머지 364일의 시간은 누가 관리해 줄까요?

Syed 박사는 미래의 의료가 개인 맞춤형 LLM(거대언어모델)을 통해 완전히 달라질 것이라고 설명합니다. 모든 환자가 자신만의 AI 에이전트를 가지게 되면, 병원 밖에서도 식단, 운동, 대사 상태 등을 실시간으로 관리받을 수 있게 됩니다. 이렇게 되면 의사는 단순한 관리가 아닌, 정말 전문적인 판단이 필요한 고난도 케이스에 집중할 수 있게 됩니다.

"우리는 AI 에이전트가 개개인의 '아픈 뒤 치료(Sick care)' 그 이상의 것을 돕는 세상으로 가고 있습니다. '그래, 나는 당뇨가 있지만 내 대사 상태에 딱 맞는 식단 조언을 손끝에서 바로 받을 수 있어.'라고 말하는 세상이죠."

"AI는 제 진료 범위를 확장해 줍니다. 행정적인 업무나 위험도가 낮은 질문들은 AI가 처리하고, 저는 제가 의학을 사랑하게 된 이유인 '어려운 케이스를 해결하고 환자에게 최선의 치료를 제공하는 일'에 더 집중할 수 있게 되니까요."

즉, AI는 의사를 대체하는 것이 아니라, 의사가 '진료의 사령탑(Quarterback)'으로서 더 효율적으로 일할 수 있도록 돕는 든든한 파트너가 되는 것입니다. 🤝


3. 정책 변화 없이도 일어나는 자발적 혁신

보통 의료계의 변화는 정부의 정책이나 보상 체계(수가)가 바뀌어야 일어난다고 생각하기 쉽습니다. 하지만 호스트 Justin은 현재의 AI 도입은 정책 변화 없이도 자연스러운 수요(Pull)에 의해 일어나고 있다고 지적합니다.

Menlo Ventures의 보고서에 따르면, 현재 의료 AI 투자의 상당 부분은 행정 업무 자동화(서기, 코딩, 청구 등)에 집중되어 있습니다. 하지만 참석자들은 이것이 빙산의 일각일 뿐이라고 말합니다.

현재는 병원과 보험사가 비용 절감을 위해 행정적인 부분에 AI를 도입하고 있지만, 앞으로 3~5년 내에는 임상 AI(Clinical AI)가 폭발적으로 성장할 것이라고 예측합니다. 이는 단순히 행정 처리를 돕는 것을 넘어, 환자의 데이터를 분석해 정밀 의료를 제공하고 임상 결과를 개선하는 핵심적인 역할을 하게 될 것입니다.

"지금 보고서에 나오지 않은 카테고리들이 정말 많습니다. 저는 임상 AI 분야가 3~5년 안에 거대해질 것이라고 생각합니다. 단순히 공급자의 생산성을 높이는 것을 넘어, 더 많은 데이터와 더 나은 데이터를 연결하여 확장 가능한 정밀 의료를 실현하게 될 것입니다."

Syed 박사는 특히 유나이티드헬스 그룹과 같은 거대 기업의 목표가 '비용을 낮추면서(Deflationary) 더 많은 사람에게 혜택을 주는 것'이라고 강조합니다. AI를 통한 효율화가 결국 의료 비용을 낮추는 데 기여할 것이라는 긍정적인 전망입니다. 📉


4. 5년 뒤, 의료 산업은 완전히 달라진다

토론의 막바지에 Syed 박사는 매우 강력한 'Hot take(도발적인 예측)'를 내놓습니다. 그는 향후 5년 안에 의료 산업이 지금과는 완전히 다른 모습이 될 것이며, 기존 방식을 고집하는 기업들은 설 자리를 잃게 될 것이라고 경고합니다.

그 변화의 중심에는 바로 '환자(시민)'가 있습니다. 과거의 의료 혁신(예: 전자의무기록 도입)이 정부 주도로 위에서 아래로(Top-down) 강요된 것이었다면, 이번 AI 혁신은 소비자가 더 나은 경험을 찾아 직접 선택하는 아래에서 위로(Bottom-up)의 혁신이기 때문입니다.

"이 산업은 5년 안에 완전히 달라질 겁니다. (중략) 기존 기업들이 역사적으로 해왔던 방식만 고집한다면 그들의 역할은 현저히 줄어들 것입니다. 왜냐하면 이 생태계에서 가장 중요한 사람은 바로 환자, 즉 시민들이기 때문입니다. 그들이 선택할 것이고, 그들에겐 선택할 수 있는 옵션이 생길 것입니다."

"변화를 만들고 싶다면, 사용자에게 당신이 제공하는 것이 '의미 있게 더 낫다'는 것을 보여줘야 합니다. 단순히 돈을 쏟아붓거나 규제를 들이밀어서는 안 됩니다. (중략) 저는 이번 변화가 아래에서 위로(Bottoms up) 올라오고 있기 때문에 과거와는 다르다고 느낍니다."


마치며

이번 에피소드는 의료 AI가 단순히 의사의 업무를 돕는 도구를 넘어, 환자의 삶을 주도적으로 관리하는 파트너로 진화하고 있음을 보여주었습니다.

참석자들은 모두 "이번에는 정말 다르다"고 입을 모았습니다. 환자와 의사가 AI의 편리함과 유용함을 직접 체감하고 강력하게 요구하고 있기 때문입니다. 2025년, 우리는 의료 서비스가 공급자 중심에서 소비자 중심으로, 치료 중심에서 예방 중심으로 근본적으로 재편되는 역사적인 순간을 목격하고 있습니다. 🏥✨

함께 읽으면 좋은 글

함께 읽으면 좋은 글

HarvestAI한국어

에이전트가 ‘코딩’하고, 연구가 ‘루프’를 돌기 시작한 시대: 안드레이 카파시 대담 요약

안드레이 카파시는 최근 몇 달 사이 코딩 에이전트의 도약으로 인해, 사람이 직접 코드를 치기보다 “에이전트에게 의도를 전달하는 일”이 핵심이 됐다고 말합니다. 그는 이 흐름이 오토리서치(AutoResearch)처럼 “실험–학습–최적화”를 사람이 거의 개입하지 않고 굴리는 자율 연구 루프로...

2026년 3월 21일더 읽기
HarvestAI한국어

아이들의 장난: 샘 크리스가 바라본 실리콘밸리의 '에이전시'

이 글은 2026년을 기준으로 샌프란시스코 실리콘밸리의 독특한 사회 현상과 새로운 계급으로 떠오르는 '높은 에이전시(highly agentic)'를 가진 사람들을 탐구합니다. 특히, 논란의 중심에 있는 스타트업 '클루리(Cluely)'의 공동 창업자 로이 리(Roy Lee)와 젊은 사업가...

2026년 2월 22일더 읽기
Harvest건강한국어

라이프로그 데이터 기반 가상 연속 혈당 측정 및 예측을 위한 딥러닝 프레임워크

이 연구는 실제 혈당 측정 데이터 없이 음식 섭취와 운동 기록 등 라이프로그(Life-log) 데이터만으로 현재와 미래의 혈당을 예측하는 '가상 연속 혈당 측정(V-CGM)' 딥러닝 모델을 제안했습니다. 171명의 건강한 성인 데이터를 바탕으로 개발된 이 모델은 LSTM 기반의 인코더-디코...

2026년 2월 2일더 읽기