# ChatGPT에 건강을 맡길 수 있을까, OpenAI가 말하는 신뢰의 조건

> 2026-10-20 · a16z · 큐레이션 김태우
> https://challengekim.com/insights/chatgpt에-건강을-맡길-수-있을까-openai가-말하는-신뢰의-조건
> 원문: https://www.youtube.com/watch?v=9n0MI4D7TCM

## 핵심 요약

- OpenAI에 따르면 매주 3억 명 이상이 ChatGPT에 건강·웰니스 관련 질문을 한다. 연구진이 주목하는 역할은 진료 전후의 정보 공백을 메우고 환자가 의료 체계를 이용하도록 돕는 것이다.
- 의료 전문 데이터를 범용 모델의 학습 단계마다 통합해, 범용 모델의 추론 능력 향상과 의료 전문 학습의 이점을 함께 얻는 전략을 취한다.
- **신뢰의 기준은 사용자를 안심시키는 답변과 다르다.** 위험한 상황에서는 사용자가 원하지 않더라도 진료 필요성을 알리고, 근거가 부족하면 불확실성을 드러내도록 평가한다.
- 의료 정보를 제공하는 것과 실제 의료를 제공하는 것은 구분한다. OpenAI는 진료 전반을 직접 맡기보다 의료기관·스타트업과의 협력을 통해 현장 적용을 지원하겠다는 입장이다.
- 의료 지능의 가격 하락만으로 전체 의료비가 줄어드는 것은 아니다. 비용 절감에는 업무 흐름과의 통합, 배포, 실제 활용의 확대가 필요하다.

## 진료 사이의 공백을 메우는 AI

a16z 대담에 출연한 OpenAI의 의료 AI 연구 책임자는 회사가 건강 분야에 투자하는 목표를 두 가지로 설명했다. 신뢰할 수 있는 의료 지능을 무료 또는 거의 무료로 제공해 건강 관리의 기본 수준을 높이고, 이전에는 불가능했던 일을 가능하게 해 의료의 한계를 넓히는 것이다.

그에 따르면 매주 3억 명 이상이 ChatGPT를 건강·웰니스 질문에 사용하며, 이들 대부분은 무료 이용자이고 미국 밖에 있다. 사람들이 묻는 내용은 증상에 대한 정보만이 아니다. 진료를 준비하고, 의사에게 들은 설명을 이해하고, 후속 조치를 정리하는 데도 AI를 사용한다. 전문의를 만나기까지 수주나 수개월이 걸리고 실제 진료는 짧게 끝나는 상황에서, 연구진은 특히 **진료와 진료 사이**에 AI가 도움을 줄 수 있다고 본다.

연구 책임자는 심한 피로와 과민 증상을 보이던 어린 아들의 진료 과정에서 AI를 활용한 한 가족의 사례를 소개했다. 그의 설명에 따르면 AI는 휴가 중이던 가족에게 상황을 심각하게 받아들이고 검사를 받도록 거듭 제안했고, 아이는 이후 공격적인 형태의 백혈병으로 진단받았다. 가족은 이후에도 검사 결과를 이해하고 치료 과정을 따라가는 데 AI를 활용했다고 한다. 이는 그가 소개한 개인의 경험이며, AI의 일반적인 진단 성능을 입증하는 결과로 제시된 것은 아니다.

## 의료 전용 모델보다 범용 모델 안의 전문 학습

OpenAI의 접근은 의료용 소형 모델을 별도로 만드는 대신, 범용 모델에 의료 전문 학습을 통합하는 것이다. 연구 책임자는 지난 1년간의 모델에서 학습 단계마다 전문 의료 데이터를 추가했다고 설명했다. 세계 여러 지역의 의사들과 협력해 얻은 데이터도 여기에 포함된다.

그가 보는 장점은 범용 모델의 규모, 추론 능력, 전반적인 성능 개선을 의료 분야에서도 활용할 수 있다는 점이다. 별도로 분리한 작은 전문 모델은 범용 최첨단 모델의 빠른 발전 속도를 따라가지 못할 수 있다는 판단이다. 의료 평가와 학습 데이터를 범용 모델 개발에 함께 반영해 두 방향의 이점을 얻겠다는 전략이다.

개인화도 주요 과제다. 연구진이 지향하는 것은 의료 이력과 사용자의 맥락을 이해하는 능동적인 건강 보조 도구다. 연구 책임자는 이를 의사나 의사에 대한 접근을 대체하는 것으로 보지 않는다고 선을 그었다. 건강 정보를 연결해 활용하는 소비자용 기능에 대해서는 해당 정보를 안전하게 다루고, 학습 데이터나 광고 타기팅에 사용하지 않는다고 설명했다.

## 안심시키기보다 안전을 우선하는 평가

환자는 증상을 설명하면서도 실제로는 괜찮다는 말을 듣고 싶어 할 수 있다. 그러나 의학적으로 필요한 답변은 그 기대와 다를 수 있다. 연구 책임자는 이런 충돌에서 안전을 우선한다고 밝혔다. 위험을 알리거나 진료를 받도록 안내해야 하는 상황을 평가와 학습에 반영한다는 설명이다.

판단 기준을 소수 의사에게만 맡기지도 않는다. OpenAI는 여러 국가와 언어, 수십 개 전문 분야에 걸친 수백 명의 전문가 네트워크를 구축했다고 한다. 의사들 사이에도 이견이 존재하므로, 한두 명의 판단에 의존하기보다 여러 전문가의 지식을 모아 평가와 학습 데이터를 구성하려는 취지다.

답변의 수준을 사용자에게 맞추는 능력도 신뢰의 일부다. 일반 환자, 복잡한 치료 과정을 오래 경험한 환자, 의료진에게 필요한 설명은 서로 다르다. 연구 책임자는 2025년 5월 공개한 의료 응답 평가 도구 HealthBench에도 사용자에 따라 전문 용어와 설명 수준을 조절하는 항목이 포함됐다고 설명했다.

정신건강에서는 안전 확보와 긍정적인 도움을 함께 측정하려 한다. 자격을 갖춘 정신건강 전문가들과 까다로운 상황에서의 모델 행동 기준을 정하고, 업계가 함께 사용할 평가 도구를 만들었다는 것이다. 다만 그는 이 분야에서는 신체 건강보다 전문가 사이의 의견 차이가 더 크다고 인정했다.

## 합의가 전달되지 않는 문제와 합의가 없는 문제

의학적 정확성을 다룰 때 연구 책임자는 두 문제를 구분했다. 하나는 이미 형성된 의학적 합의가 실제 진료에 충분히 반영되지 않는 경우다. 다른 하나는 연구 자체가 진행 중이어서 아직 확실한 답이 없는 경우다.

그는 기존 연구에서 진료 지침이 일상적인 진료에 정착하기까지 연구에 따라 5\~17년이 걸린다는 결과가 있었다고 언급했다. OpenAI는 의료진이 진료 중 최신 의학 문헌을 확인하고 질문에 답을 얻도록 해 이런 지연을 줄이려 한다. 이를 수주나 수일, 나아가 수시간으로 압축하는 것이 지향점이지, 이미 달성한 결과라는 설명은 아니다.

반면 근거 자체가 부족하다면 모델은 그 사실을 인정해야 한다. 정보를 찾아본 뒤에도 충분한 자료가 없음을 파악하고, 답변에서 불확실성을 분명히 드러내도록 학습하고 평가한다는 입장이다. 논쟁적인 주제에서도 전문가를 통해 응답 기준을 정하는 접근을 취한다.

ChatGPT의 답변과 의사의 판단이 충돌하는 경우에 대해서도 AI가 우선한다는 답은 하지 않았다. 연구 책임자는 다른 의사의 의견을 구하는 등 의료 현장에서 이견을 다루는 방식과 비슷하게 접근해야 한다고 설명했다.

## 의료 정보에서 실제 진료로 이어지는 연결

처방, 검사, 대면 진찰은 정보 제공만으로 해결되지 않는다. 진료에는 문진과 신체적 상호작용, 공감, 지원, 법적 책임도 결합돼 있다. 연구 책임자는 AI가 이 모든 것을 제공할 수 있거나 제공하게 될 것이라고 보지 않는다고 말했다.

OpenAI가 맡으려는 역할은 환자가 필요한 진료를 찾고 예약과 이동 경로를 정리하도록 돕는 조정자에 가깝다. 실제 의료 제공은 의료기관과 스타트업 등 협력사에 크게 의존한다. 당뇨병 환자의 검사 수치 변화나 복약 문제를 감지해 의료진의 검토가 필요한 지점을 알리는 능동적 보조도 그가 기대하는 방향이다.

현장 적용에서는 데이터와 업무의 단절이 장애물이다. 그는 의료 소프트웨어가 모두 곧바로 AI와 연결될 것이라고 기대해서는 안 된다고 설명했다. 오래된 시스템도 많아, AI가 컴퓨터 화면을 조작하는 기능이 연결의 한 방법이 될 수 있다는 전망이다.

구체적인 사례로는 Epic과의 연동을 들었다. 의료 전문가가 ChatGPT에서 Epic을 활용하거나, Epic의 업무 화면 안에서 사이드바 형태로 ChatGPT를 이용하는 방식이다. UCSF는 이 연결을 통해 진료 기록 검토 등에 활용하는 초기 도입 기관으로 소개됐다. 연구 책임자는 Advent Health가 AI를 활용한 여러 행정 업무에서 비용을 약 80% 줄였다고 보고했다고도 전했다. 이 수치는 해당 업무의 비용 절감 보고이며 병원 전체 의료비가 그만큼 감소했다는 뜻은 아니다.

## 의료 지능이 저렴해져도 의료비는 저절로 줄지 않는다

연구 책임자는 일정 수준의 의료 지능을 이용하는 비용이 크게 내려갈 것으로 예상했다. 다만 의료 지능이 아직 전체 의료 지출에 거시적인 영향을 미쳤다고 보지는 않는다고 밝혔다.

그가 비용 절감 가능성을 보는 분야는 만성질환 관리, 문서 작성, 행정 업무 등이다. 그러나 **저렴한 지능은 비용 절감의 전제 조건이지 충분조건은 아니다.** 모델을 현장 업무에 통합하고, 실제 가치가 있는 과제에 배포하며, 활용 규모를 키워야 한다는 설명이다.

진행자는 의료기관과 보험사의 청구·심사 AI가 서로 경쟁하면서 지출이 늘어나는 문제를 제기했다. 연구 책임자는 이런 경쟁이 단기적인 마찰일 수 있다고 봤다. 그가 제시한 이상적인 방향은 양측이 진료에서 실제로 일어난 일에 관한 정보를 공유하고, 이를 바탕으로 AI가 심사를 돕는 방식이다. 이는 현재 정착된 운영 체계가 아니라 그가 바람직하다고 보는 구상이다.

의료 스타트업에 대해서는 모델의 성능이 계속 좋아질 것을 전제로 제품을 설계하라고 말했다. AI 자체의 현재 한계에 기대기보다, 에이전트와 컴퓨터 조작 기능의 발전을 활용해 실제 진료 제공과 연결하는 일에 무게를 둔 것이다.

## 새로운 발견의 가능성과 남아 있는 검증 병목

AI가 기존 진료를 보조하는 사례로 연구 책임자는 Penda Health와의 실험을 소개했다. 의료진의 업무 중 잠재적인 문제를 알려주는 보조 도구를 배치했고, 모델이 자주 지적한 패턴 중 하나는 항생제 과다 사용이었다고 설명했다. 개별 환자의 상황뿐 아니라 항생제 내성이라는 더 넓은 문제를 함께 고려하도록 돕는 사례다.

그는 장기간의 진료 기록과 여러 데이터를 통합하면 사람이 놓칠 수 있는 건강 위험을 발견할 가능성도 있다고 봤다. 전자의무기록, 보험 청구 자료 등 이미 축적된 데이터에서 충분히 활용되지 못한 통찰을 찾는 것도 기대하는 방향이다. 다만 의료에서 인간의 예상을 뛰어넘는 발견이 본격적으로 나타나는 단계는 아직 초기라고 평가했다.

향후 5\~10년에 대해서는 AI가 새로운 치료 표적과 분자 후보를 제안하고, 후보의 우선순위를 정하거나 임상시험을 더 원활하게 진행하는 데 기여할 수 있다고 전망했다. 이미 제안되는 약물 후보가 임상시험에서 검증할 수 있는 규모보다 많다는 것이 그의 설명이다. 새로운 아이디어를 만드는 것만큼 **무엇을 먼저 검증하고 어떻게 검증할지**가 중요해진다는 관점이다. 로봇을 통한 의료는 기술뿐 아니라 비용 보상 체계와 산업 통합의 문제도 있어 더 긴 시간이 걸릴 것으로 예상했다.

이 대담에서 OpenAI가 제시한 신뢰의 조건은 정확한 답변 하나로 끝나지 않는다. 불확실성을 인정하고 안전을 우선하며, 환자와 의료진의 실제 업무에 연결돼야 한다는 것이다. 의료 정보의 접근성을 높이는 일과 진료 체계 전체를 개선하는 일 사이에는 여전히 통합과 검증의 과제가 남아 있다.

---

원문을 바탕으로 AI 가 한국어로 요약·재구성한 글입니다. 인용·수치는 원문 링크에서 확인해 주세요. [원문 링크](https://www.youtube.com/watch?v=9n0MI4D7TCM)