돌봄 인프라의 자동화: Exactrx CEO Athena Doshi와의 대화

배경 및 소개

최근 의료 현장에서 AI를 활용해 행정 업무를 자동화하려는 시도가 빠르게 늘고 있습니다. 특히 진료 자체보다 보험 청구, 서류 검토, 승인 지연 같은 운영 문제가 의료기관의 수익성과 환자 접근성을 동시에 흔들고 있는데요. 이 글은 Techstars 2025에 참여한 미국 테네시 기반 의료기술 스타트업 Exactrx의 공동창업자이자 CEO인 Athena Doshi와의 대화를 바탕으로, 왜 이런 문제가 중요해졌는지, 그리고 Exactrx가 어떤 방식으로 이를 풀고 있는지 보여줍니다. 단순히 AI를 붙이는 수준이 아니라, 의료 운영의 기반 자체를 다시 설계하려는 시도라는 점에서 흥미롭습니다. 이는 HCI와 AI가 의료 현장에서 만날 때 무엇이 핵심 가치가 되는지 잘 드러내는 사례라고 볼 수 있습니다.

주요 내용

Athena Doshi는 생리학과 신경과학을 전공했고, 인간 상호작용 설계(human interaction design)를 공부한 뒤 처음부터 의료와 기술의 접점에 관심을 가져왔다고 설명합니다. 대학 시절에는 탄자니아와 인도의 공중보건 단체들이 자체 프로그램을 빠르게 시작할 수 있도록 돕는 공중보건 SaaS를 만들었고, 이후에는 Omada Health와 Heartbeat Health에서 디지털 헬스 제품과 임상 연구를 경험했는데요. 이런 경로를 통해 의료가 실제로 어떻게 작동하는지, 어디에서 비효율이 생기는지 현장에서 배웠다고 말합니다. 개인적으로는 이 대목이 꽤 중요하다고 보이는데, 의료기술은 책상 위에서 설계한 이상적인 흐름보다 현장 제약을 얼마나 정확히 읽어내느냐가 성패를 좌우하기 때문입니다.

Exactrx의 출발점도 흥미롭습니다. 처음에는 정밀의료 플랫폼을 만들려 했지만, 의료기기 기업들과 만나고 학회에 참석하면서 더 큰 문제를 발견했다고 하는데요. 바로 외래 중심 의료기관이 수익을 내기 어려울 정도로 행정 업무가 복잡하다는 점입니다. 그래서 회사는 반복적이고 수작업이 많은 진료비 청구와 진료 운영 과정을 자동화하는 방향으로 피벗했습니다. 핵심은 ‘자율 체크리스트(autonomous checklists)’인데, 이는 단순히 답변을 내는 챗봇이 아니라, 문제를 단계별로 추론하고 필요한 도구를 사용해 실행까지 수행하는 에이전트형 AI(agentic AI)라고 설명합니다. 진료가 끝나면 시스템이 전자의무기록(EMR)에서 문서를 불러오고, 보험사별 규칙에 맞춰 코드를 검증하며, 빠진 정보를 찾아 요청을 라우팅한 뒤, 제출 가능한 청구서를 만들어 준다는 점에서 의미가 있습니다. 즉 직원이 직접 서류를 하나하나 맞추는 대신 검토자로 역할이 바뀌는 구조인데, 이는 의료 행정의 노동 강도를 크게 낮출 수 있다는 점에서 주목할 만합니다.

이 회사가 겨냥하는 대상은 의료기관을 지원하는 경영지원조직(MSO)과 외래수술센터 같은 진료기관입니다. 보험사와 직접 연결되지는 않지만, 보험사의 명확한 지침을 활용해 처음부터 서류를 맞게 제출하도록 돕는 방식인데요. 여기서 중요한 난점은 보험 규정이 자주 바뀌고, 문서가 여러 EMR에 흩어져 있다는 점입니다. Exactrx 팀은 이를 해결하기 위해 의료진을 직접 따라다니며 업무 흐름을 관찰했고, 의료 청구 수업까지 들으며 도메인 전문성을 쌓았다고 합니다. 또한 일반적인 AI 모델은 실행할 때마다 결과가 흔들릴 수 있지만, Exactrx는 복잡한 의료 데이터를 분해해 개별 작업으로 처리하는 구조를 택해 환각(hallucination)을 줄였다고 설명합니다. 그 결과 복잡한 의료 사례에서도 기준 수준 정확도 96%를 달성했고, 별도 복잡한 연동 없이 시스템에 사용자로 추가되는 방식이라 도입 속도도 빠르다고 합니다. 이는 의료 AI에서 ‘똑똑해 보이는 응답’보다 ‘실제로 승인되는 정확한 결과’가 더 중요하다는 사실을 잘 보여줍니다.

결론 및 시사점

Athena Doshi의 이야기는 의료 AI의 가치가 화려한 대화형 기능보다 운영 효율과 실행 신뢰성에 있다는 점을 분명하게 보여줍니다. Exactrx가 해결하려는 문제는 단순한 청구 자동화가 아니라, 지연과 거절 때문에 환자 치료가 늦어지는 구조 자체입니다. 행정 비용이 연간 1,660억 달러에 이르고, 여전히 30%가 넘는 사례가 지연 또는 거절된다는 점을 생각하면, 이 문제는 의료기관의 재무 성과와 환자 경험을 동시에 좌우하는 핵심 과제라고 볼 수 있습니다. 또한 Exactrx가 빠른 정확도, 낮은 통합 부담, 현장 밀착형 도메인 이해를 차별점으로 내세운다는 점은 의료 현장에서 AI가 자리 잡기 위해 무엇이 필요한지 잘 시사합니다. 다만 보험 규정 변화와 다양한 시스템 간 파편화는 앞으로도 지속적인 부담이 될 가능성이 크고, 따라서 기술 자체뿐 아니라 운영 적응력도 함께 증명해야 한다는 한계가 있습니다. 그럼에도 불구하고, 이런 접근은 의료기관이 ‘기술 같은 마진’을 확보하는 데 실질적인 해법이 될 수 있다는 점에서 충분히 의미가 있습니다.