흉부 엑스레이 판독 보조 소프트웨어를 켠 첫 주에 문제는 영상의학과가 아니라 응급실에서 먼저 생긴다. 야간 당직 전공의가 화면의 낮은 위험도 표시를 보고 추가 검사를 미뤘고, 이튿날 아침 판독 전문의는 이미 귀가한 환자의 영상에서 다른 소견을 적는다. 도입 심의에서 오간 말은 민감도와 특이도뿐이었다. 그 표시를 누가 뒤집을 수 있는지, 뒤집은 판단을 어느 기록에 남기는지, 뒤집지 않아 생긴 결과는 누구의 몫인지는 문서 어디에도 없었다.
의료진 AI 교육은 판독 보조 화면의 조작법을 익히는 과정이 아니라, 임상 의사결정의 각 지점에서 AI 출력이 어디까지 관여하고 최종 판단의 책임은 누가 지는지를 직군별로 확정한 뒤 그 경계를 반복해 연습시키는 훈련이다. 도구 사용 숙련도가 아니라 경계 인식이 학습 목표다.
기업교육 관점의 결론은 분명하다. 성능 검증이 끝난 날이 아니라 책임 경계가 문서로 확정되고 그 경계를 직군별로 연습한 날이 도입 가능 시점이다. 이 순서를 바꾸면 조직은 도구를 먼저 배포하고 사고가 난 뒤에야 권한표를 그리게 된다.
판독 보조를 켜기 전에 확정할 것은 정확도가 아니라 최종 서명자다
도입 검토는 대개 성능 지표에서 시작해 성능 지표에서 끝난다. 그러나 검증 데이터에서 얻은 평균 성능은 눈앞의 이 환자, 이 영상, 이 촬영 조건에 대한 보증이 아니다. 장비가 바뀌고 촬영 프로토콜이 조정되고 환자군의 유병률이 달라지면 같은 모델이 다른 오류 분포를 낸다. 성능이 좋을수록 그 사실이 잘 보이지 않는다는 점이 더 어렵다.
임상에서 먼저 답해야 할 질문은 다르다. AI 출력이 개입하는 결정이 무엇이고, 그 결정의 최종 서명자가 누구이며, 서명자가 AI와 독립된 근거를 실제로 볼 수 있는가다. 판독 보조의 표시를 뒤집으려면 원본 영상과 이전 검사, 임상 정보에 접근할 권한이 있어야 한다. 접근 권한이 없는 사람에게 확인 책임만 지우면 그 확인은 형식이 된다.
교육 이전에 업무 설계가 선행되어야 하는 이유가 여기에 있다. 어느 결정을 AI가 제안하고, 어느 결정을 사람이 승인하며, 어떤 조건에서 보조 기능을 끄고, 누가 재개를 판정하는지 먼저 적는다. 판독 시간이 이미 빡빡하게 잡혀 있다면 확인에 필요한 시간도 표준 업무량에 반영해야 한다.
임상 워크플로에서 AI가 들어오는 다섯 지점은 책임자가 서로 다르다
의료기관에 들어오는 AI는 하나가 아니다. 실제로는 서로 다른 성격의 결정 지점에 각기 다른 도구가 붙는다. 지점마다 오류가 드러나는 시점과 책임 구조가 다르므로 하나의 교육으로 묶으면 어느 쪽도 정확해지지 않는다.
| 개입 지점 | AI 출력의 성격 | 최종 판단 책임 | 오류가 드러나는 시점 | 교육에서 검증할 행동 |
|---|---|---|---|---|
| 선별 | 위험군 후보 명단 | 진료과와 검진 담당 | 수개월 뒤 재내원 | 명단에서 빠진 사유를 설명하는가 |
| 우선순위 | 대기 순서와 긴급도 | 응급·외래 배정 책임자 | 대기 중 악화 시점 | 순서를 올릴 근거를 말할 수 있는가 |
| 판독 보조 | 병변 후보와 위험도 | 판독·주치의 | 다음 검사나 병리 확인 | 표시를 무시한 판단을 기록하는가 |
| 처방 점검 | 상호작용·용량 경고 | 처방 의사와 약사 | 투약 후 이상반응 | 경고를 넘긴 이유를 남기는가 |
| 문서화 | 요약과 초안 문장 | 기록 작성자 | 분쟁·심사 단계 | 생성 문장을 검증하고 수정하는가 |
지점을 이렇게 나누면 교육 대상과 평가 과제가 자동으로 갈라진다. 판독 보조에서 필요한 능력은 병변 후보를 다시 보는 눈이고, 처방 점검에서 필요한 능력은 경고를 넘길 때 근거를 남기는 습관이며, 문서화에서 필요한 능력은 그럴듯한 문장을 의심하는 태도다. 같은 조직 안에서도 요구되는 판단이 다르다.
특히 우선순위와 문서화는 조용히 넘어가기 쉽다. 대기 순서 조정은 임상 결정이 아니라 운영으로 취급되고, 요약 초안은 검증 없이 서명되는 일이 잦다. 두 지점 모두 환자에게 도달하는 결과를 바꾸므로 교육 범위에서 빠지면 안 된다.
정확도가 높아질수록 사람의 확인은 조용히 느슨해진다
자동화 편향은 사람이 게을러서 생기는 문제가 아니라 잘 작동하는 시스템 옆에서 나타나는 구조적 반응이다. 권고가 대체로 맞으면 확인 시간이 줄고, 확인이 줄면 어긋난 사례를 발견할 기회도 줄어든다. 성능이 나쁜 도구보다 성능이 좋은 도구에서 이 문제가 더 크게 나타난다는 점이 설계상의 역설이다.
EU 인공지능법 제14조는 고위험 AI 시스템에 인적 감독을 요구하면서, 감독자가 갖춰야 할 조건을 행동 단위로 열거한다. 시스템의 역량과 한계를 이해할 것, 출력에 자동으로 의존하거나 과도하게 의존하려는 경향을 스스로 인지할 것, 출력을 올바르게 해석할 것, 사용하지 않기로 결정하거나 출력을 무시·번복·역전할 것, 필요하면 개입하거나 중단시킬 것. 자동화 편향을 법 조문이 직접 지목했다는 점은 교육 설계자에게 중요한 신호다.
그렇다면 교육 자료는 정상 작동 화면 위주로 구성하면 안 된다. 모델이 확신을 갖고 틀린 사례, 사람이 잘못 뒤집은 사례, 양쪽 모두 판단이 어려운 경계 사례를 같은 비중으로 다뤄야 한다. 평가 항목도 정답률이 아니라 근거를 비교한 흔적과 불확실을 불확실이라고 표시한 기록으로 잡는다.
유럽 보건 시스템의 AI 준비도를 점검한 세계보건기구 유럽지역사무처의 2026년 분석도 같은 방향을 지목한다. 인력 교육의 공백은 AI 과의존과 임상 판단의 침식, 산출물을 비판적으로 평가하기 어려운 상태로 이어진다. 교육을 늘리지 않은 채 도구만 늘리면 감독은 이름만 남는다.
놓친 소견은 몇 달 뒤에 돌아오고 그때는 학습으로 되돌리기 어렵다
제조 현장에서 불량은 검사 공정에서 비교적 빨리 드러난다. 임상은 다르다. 위양성은 즉시 확인되지만 위음성은 재내원, 타 기관 검사, 병리 결과, 사후 검토처럼 긴 경로를 지나 늦게 발견된다. 이 시차 때문에 실무자는 자기가 놓친 사례를 좀처럼 다시 만나지 못하고, 학습 신호가 조직에 도달하지 않는다.
교육 설계자가 손대야 할 지점은 강의가 아니라 회수 경로다. 놓친 사례를 되돌리는 통로를 미리 만들어 두지 않으면 사례집은 언제까지나 위양성 중심으로 채워진다.
- 재검사나 재내원에서 이전 판단과 달라진 건을 자동으로 묶어 원래 판단자에게 보낸다.
- 병리·수술 확진 결과를 이전 영상 판독과 대조하는 정기 검토 자리를 만든다.
- 외부 의뢰 판독과 내부 판단이 갈린 사례를 익명화해 교육 사례로 전환한다.
- 사망·중대사건 검토에서 AI 출력의 관여 여부를 별도 항목으로 남긴다.
- 회수된 사례는 개인 책임 추궁이 아니라 다음 분기 교육 내용으로 연결한다.
이 경로를 처벌과 붙여 놓으면 보고가 먼저 사라진다. 놓친 사례를 드러낸 사람이 불이익을 받는 조직에서는 기록이 정리되고 학습 재료가 남지 않는다. 회수의 목적은 책임자를 찾는 데 있지 않고, 어떤 신호를 어떤 조건에서 놓쳤는지 다음 사람에게 전달하는 데 있다.
환자 고지는 동의서 문구가 아니라 3분짜리 설명 능력이다
경제협력개발기구와 국제노동기구가 함께 낸 2026년 보고서는 의료 AI의 기회와 함께 위험을 분명히 적는다. AI가 전문가의 개입 없이 결정을 내리기 시작하면 돌봄이 비인간화되고 환자 신뢰가 무너질 수 있으며, 미국에서는 다섯 명 중 세 명이 의료 AI를 불편하게 여긴다. 신뢰는 기술 성능이 아니라 설명받은 경험에서 만들어진다.
OECD·ILO 원문 12쪽 Box 1.2. 기술 도입이 숙련 요구를 오히려 늘릴 수 있다는 노르웨이 보건인력위원회의 관찰과 의료 AI의 비인간화 위험을 같은 상자 안에서 다룬다. 미국의 인식 수치를 한국 환자의 태도로 옮기지 않고, 고지와 설명을 교육 항목으로 세워야 한다는 근거로 사용한다.
문제는 누가 설명하느냐다. 실제 현장에서 환자의 첫 질문은 진료실이 아니라 접수 창구와 검사실에서 나온다. “이거 기계가 보는 건가요”라는 물음을 가장 먼저 받는 사람은 원무 직원과 방사선사이지 판독 전문의가 아니다. 설명 책임을 의사에게만 두면 첫 접점에서는 아무 답도 나오지 않거나 부정확한 답이 나간다.
설명 훈련은 짧고 구체적이어야 한다. 이 도구가 무엇을 보조하고 무엇을 결정하지 않는지, 최종 판단은 누가 하는지, 원하지 않으면 어떤 선택지가 있는지, 결과를 다시 확인하고 싶을 때 누구에게 요청하는지를 세 문장 안에서 말하는 연습이다. 직군별로 답변 범위를 나누고, 자기 범위를 넘는 질문을 어디로 넘길지도 함께 정한다.
의사에게만 열린 교육 명단으로는 판독실의 동선이 바뀌지 않는다
교육 대상을 정할 때 조직은 결정권이 가장 큰 직군부터 떠올린다. 유럽연합 회원국의 실제 운영 기록에서도 같은 경향이 나타난다. 재직자 AI 교육을 제공한다고 답한 회원국은 27개국 중 7개국인 26%에 그치고, 양성 단계 교육은 6개국인 22%다. 둘 다 갖춘 나라는 벨기에·덴마크·에스토니아·핀란드 네 곳뿐이다.
WHO 유럽지역사무처 원문 14쪽 Table 2. 재직자 교육을 제공하는 일곱 나라의 직군별 포함 여부를 표시한다. 더 넓은 유럽지역 50개국 기준으로는 재직자 교육을 제공하는 12개국 전부가 의사를 대상에 넣었지만, 의료기사는 42%인 5개국, 지역사회 보건 인력은 17%인 2개국에 머문다.
이 분포가 만드는 결과는 예측 가능하다. 의사만 새 규칙을 알고 나머지 직군은 예전 절차를 그대로 따르면 워크플로는 바뀌지 않는다. 검사실에서 촬영 조건이 달라졌는데 그 변화가 모델 입력에 영향을 준다는 사실을 아무도 모르고, 원무에서 환자 질문에 답하지 못하며, 병동에서는 경고가 뜬 처방이 왜 그대로 나갔는지 확인할 사람이 없다.
교육 대상을 넓히는 일은 예산 문제로만 다뤄지곤 하지만 실제로는 설계 문제다. 유럽지역 기준으로 여섯 개 이상 직군을 교육한 나라는 12개국 중 4개국이고, 네 개 이하만 교육한 나라가 5개국이다. 넓히기로 결정한 조직과 그렇지 않은 조직의 차이는 자원보다 도입 범위를 어떻게 인식했는지에 있다.
간호·의료기사·약제 인력이 임상 인력 유입의 다수를 차지한다
의료진을 의사와 동의어로 쓰는 습관은 인력 구조와 맞지 않는다. 잉글랜드 보건 부문의 우선 직업 진입 경로를 정리한 2026년 자료를 보면, 간호·조산 전공에서 1만6,130명이 우선 직업으로 들어가고 그 비율이 93%다. 의학·치의학은 6,380명에 80%, 보건연합직은 6,780명에 63%, 약리·독성·약학은 1,720명에 60%, 의과학은 2,450명에 43%다.
Skills England 원문 19쪽 Table 4. 보건 부문 우선 직업으로 들어가는 주요 교육 경로와 인원, 진입 비율을 정리한다. 잉글랜드의 인력 통계이므로 국내 채용 계획으로 환산하지 않고, 임상 인력의 구성이 의사 한 직군으로 수렴하지 않는다는 구조적 근거로 읽는다.
이 표의 일곱 경로가 보건 우선 직업 진입자의 85%를 차지한다. 숫자 자체보다 구성비가 말하는 바가 중요하다. 임상 현장에서 AI 출력을 실제로 처음 마주하는 사람은 통계적으로 의사보다 간호 인력과 검사·촬영 인력일 가능성이 높다. 교육 명단을 직급 순으로 짜면 이 다수가 마지막에 들어오거나 아예 빠진다.
같은 자료는 보건 부문이 영국 평균보다 높은 숙련을 요구하는 핵심 역량으로 경청과 문제 해결·의사결정을 지목한다. 두 항목 모두 4.3으로 평균 3.7보다 높다. 임상 AI 교육이 도구 조작이 아니라 판단과 의사소통을 다뤄야 한다는 방향이 역량 구조에서도 확인된다.
인적 감독 요건은 이수증이 아니라 권고를 거부한 기록으로 증명된다
규제가 요구하는 인적 감독을 교육으로 옮길 때 가장 흔한 오류는 이수 여부를 증거로 삼는 것이다. 강의를 들었다는 사실은 감독 능력을 보여주지 않는다. 제14조가 열거한 조건은 모두 행동이므로 평가도 행동으로 설계해야 한다.
| 규정이 요구하는 감독 능력 | 교육에서 만드는 증거 | 실패로 판정하는 신호 |
|---|---|---|
| 역량과 한계 이해 | 이 도구가 다루지 않는 조건을 말한다 | 한계를 성능 수치로만 설명한다 |
| 자동화 편향 인지 | 권고와 자기 판단이 갈린 사례를 재현한다 | 불일치 경험을 기억하지 못한다 |
| 출력의 올바른 해석 | 위험도 표시의 의미와 범위를 구분한다 | 확률 표시를 확진으로 다룬다 |
| 거부·번복 권한 행사 | 권고를 뒤집고 근거를 기록한 건이 있다 | 거부 사례가 한 건도 없다 |
| 개입과 중단 | 보조 기능을 끄고 절차를 이어간다 | 중단 후 대체 절차를 모른다 |
마지막 행이 특히 중요하다. 보조 기능을 껐을 때 진료가 멈추면 실무자는 끄지 않는다. 도구 없이 진행하는 절차, 대체 확인 방법, 지연 발생 시 연락 체계가 함께 준비되어야 중단 권한이 실제 권한이 된다.
거부 기록이 한 건도 없는 부서는 잘 운영되는 부서가 아니라 점검이 필요한 부서다. 반대로 거부가 지나치게 잦다면 태도 문제로 결론짓기 전에 도구의 경고 기준이나 표시 방식이 현장 조건과 어긋나지 않는지 확인한다. 두 방향 모두 교육이 아니라 설계로 해결해야 하는 신호일 수 있다.
기술이 시간을 벌어 준다는 기대는 훈련이 빠지면 반대로 간다
도입 결재 문서에는 절감될 시간이 적힌다. 그러나 노르웨이 보건인력위원회의 관찰은 다른 그림을 보여준다. 기술 개발이 의료 서비스를 실제로 더 생산적으로 만든 사례는 드물었고, 오히려 기술 혁신이 노동과 숙련 요구를 늘리는 경우가 많았다. 그 이유 가운데 하나로 지목된 것이 기술을 쓸 훈련을 인력에게 주지 않았다는 점이다.
독일의 보건·돌봄 디지털화 전략에서도 비슷한 교환이 나타난다. 원격진료 도입은 행정 업무의 빈도를 줄이지만, 그 대신 디지털 활용 능력과 시간 관리, 돌봄 제공 역량에 대한 요구를 높인다. 업무가 사라지는 것이 아니라 다른 종류의 숙련으로 옮겨 간다.
같은 보고서는 고등교육을 받은 보건·돌봄 인력이 자기 자격보다 낮은 수준의 업무에 상당한 시간을 쓴다는 점도 지적한다. 이 여유를 회수하려면 업무를 다른 직군으로 옮기는 재배치가 필요하고, 재배치는 옮겨 받는 쪽의 훈련이 충분할 때만 품질을 유지한다. 도입 계획서의 절감 시간 옆에 교육 시간과 감독 시간을 함께 적어야 계산이 맞는다.
한국 병원은 교육 대상자 명부를 진료 동선 순서로 다시 짜야 한다
국내 의료기관의 교육 운영은 인증과 평가 대비에 맞춰 이수율 중심으로 굳어져 있다. 필수 교육 목록에 한 과정을 더 얹는 방식으로 임상 AI를 다루면, 전 직원이 같은 영상을 보고 같은 시험을 치른 뒤 각자 원래 하던 대로 일한다. 이수율은 채워지고 동선은 그대로다.
명부를 직급이나 부서가 아니라 환자가 지나가는 순서로 다시 그리면 빠진 자리가 보인다. 접수와 원무에서 첫 질문을 받고, 간호 인력이 상태를 확인하며, 방사선사와 임상병리사가 검사 조건을 정하고, 판독과 진료에서 판단이 이뤄지며, 약제에서 처방이 점검되고, 마지막에 기록이 남는다. 각 자리에서 AI 출력을 보는가, 그 출력을 바꿀 수 있는가, 이상을 발견하면 누구에게 말하는가를 채워 넣는다.
위탁 인력과 야간·주말 근무조를 같은 표에 넣는 일도 미룰 수 없다. 검사실 운영이나 원무 업무를 외부에 맡긴 경우 계약서에 교육 요건이 들어 있지 않으면 그 자리는 비어 있게 된다. 평일 주간에만 전문가 자문이 가능하다면 야간에 발생한 불일치는 다음 날 아침까지 판단이 보류되므로, 당직 시간대의 연락 체계와 임시 권한을 별도로 정해야 한다.
판독 보조 도입 준비도는 여섯 개의 기록으로 판정한다
확산 여부는 만족도 조사나 이수율이 아니라 실제 남은 기록으로 판정한다. 다음 여섯 항목은 도구 성능과 무관하게 조직의 통제 능력을 보여준다.
- 권고 거부 건수와 사유: 뒤집은 판단이 기록됐는가, 부서별 편차가 설명되는가.
- 불확실 표시 비율: 판단을 보류하고 추가 확인을 요청한 건이 정상 범위에 있는가.
- 회수된 위음성 건수: 늦게 발견된 사례가 원래 판단자에게 도달했는가.
- 직군별 교육 도달률: 접수·검사·간호·약제·기록까지 동선 전체가 채워졌는가.
- 중단 후 대체 절차 소요시간: 보조 기능을 껐을 때 진료가 지연 없이 이어졌는가.
- 환자 질문 응답 기록: 첫 접점에서 나온 질문에 누가 어떻게 답했는가.
확장을 멈춰야 하는 조건도 미리 정해 둔다. 승인자가 AI와 독립된 근거를 볼 수 없거나, 진료량 압박이 확인 시간을 반복해서 잠식하거나, 거부 기록이 한 건도 없거나, 놓친 사례가 판단자에게 돌아오지 않는다면 성능이 아무리 좋아도 운영 준비가 끝난 것이 아니다.
임상 AI 교육의 목표는 사용법 습득이 아니라 책임 소재를 아는 것이다
의료 현장의 AI 위험은 사람이 빠지는 데서만 오지 않는다. 사람을 남겨 두되 판단할 정보와 시간, 권한을 주지 않은 채 책임만 지우는 구조가 더 자주 문제를 만든다. 화면을 확인했다는 서명은 독립된 근거를 비교하고, 불확실을 불확실이라 말하고, 필요하면 도구를 끄고, 적절한 사람에게 넘길 수 있을 때에만 통제가 된다.
교육 담당자가 준비할 것은 전 직원 공통 과정이 아니다. 개입 지점별로 책임자를 그리고, 직군별 판단 과제를 만들고, 위음성 회수 경로를 열고, 환자 설명을 첫 접점 인력까지 훈련시키고, 거부와 중단이 실제로 일어나는지 기록으로 확인하는 일이다. 교육공학은 진료 흐름 안에서 연습과 피드백이 일어나게 설계하고, 인사 데이터는 정확도와 사람의 통제 행동을 함께 본다.
마지막 질문은 직원이 도구를 쓸 줄 아는지가 아니다. 권고가 틀렸거나 불확실할 때 누가 어떤 근거로 그것을 뒤집고, 뒤집지 않은 판단은 어디에 남으며, 그 판단이 다음 교대와 다음 버전의 학습으로 이어지는가다. 이 질문에 답할 수 있을 때 판독 보조는 시범 도구를 넘어 진료 체계의 일부가 된다.
함께 읽을 글
- AI 리터러시 교육의 기준: 한 번의 특강보다 반복 훈련이 성과를 만든다
- AI 시대 기업교육의 성패는 강의 수가 아니라 성과-학습 루프에 달려 있다
- 중간관리자 AI 교육이 없으면 AI 도입은 팀장 앞에서 멈춘다
출처
- OECD/ILO, Flexible Learning Pathways into Healthcare Occupations, Getting Skills Right, 2026: https://www.oecd.org/en/publications/flexible-learning-pathways-into-healthcare-occupations_a114f653-en.html
- WHO Regional Office for Europe, Artificial intelligence is reshaping health systems: state of readiness across the European Union, 2026: https://www.who.int/europe/publications/i/item/WHO-EURO-2026-12707-52481-81471
- Skills England, Sector Skills Needs Assessment: Health and Adult Social Care, 2026: https://assets.publishing.service.gov.uk/media/6a185b0d65bc5f798327f4c9/sna_health_and_adult_social_care.pdf
- European Union, Regulation (EU) 2024/1689 (Artificial Intelligence Act), 2024: https://eur-lex.europa.eu/eli/reg/2024/1689/oj