헬스케어 ‘데이터 사일로’ 해소가 AI 확산의 전제…텔러스헬스 통합 효과 주목

헬스케어 업계가 오랫동안 감수해온 ‘데이터 사일로’ 문제가 이제는 더 이상 방치할 수 없는 과제로 떠올랐다. 보험사, 의료기관, 환자별로 정보가 흩어진 구조가 인공지능(AI) 도입의 가장 큰 걸림돌이 되고 있어서다.

캐나다의 데이터 이동성 관련 입법과 미국 메디케어·메디케이드 서비스센터(CMS)의 새 표준 의무화 등 규제 변화가 이어지면서 의료 데이터 통합의 필요성은 한층 커졌다. 텔러스헬스의 파와드 샤이크 글로벌 사업개발 부사장은 2026년 들어 이런 분절 구조가 ‘더는 용납될 수 없는’ 수준에 이르렀다고 진단했다. 그는 코로나19 시기 드러난 운영 실패가 데이터 단절의 비용을 분명히 보여줬다고 말했다.

AI 확산 전제는 ‘데이터 준비도’

텔러스헬스의 의료 데이터 정비 작업은 AI 전략보다 보고 체계 개선에서 출발했다. 지난 5년간 12건의 인수합병을 거치며 회사 내부에는 거래마다 서로 다른 레거시 시스템이 쌓였고, 200개가 넘는 국가와 지역에서 운영되는 구조 속에 데이터는 11개 출처로 흩어져 있었다.

회사는 마스터데이터관리와 메타데이터 관리, 사전 구축 자동화 커넥터를 활용해 이를 단일 플랫폼으로 통합했다. 그 결과 고객 보고서 작성 시간은 80% 줄었고, 상담 인력 1인당 연간 약 15시간을 절감하는 효과를 냈다. 단순한 데이터 이전이 아니라 AI 운영이 가능한 기반을 새로 깐 셈이다.

퀀티파이의 사우라브 미슈라 구글클라우드 사업 글로벌 총괄은 이 프로젝트를 기존의 데이터 통합 과제와는 다른 차원의 작업으로 평가했다. 그는 글로벌 헬스케어 플랫폼의 ‘새 신경망’을 만드는 일에 가깝다며, 데이터 기반 전문성, 고급 플랫폼 엔지니어링 역량, 그리고 의료정보 보호에 대한 산업 이해가 핵심이라고 설명했다.

통합 플랫폼 위에서 AI 활용 사례 확산

퀀티파이는 자체 AI 기반 소프트웨어 엔지니어링 에이전트 ‘코데이라(Codeaira)’를 활용해 구축 속도를 높였다고 밝혔다. 기반이 마련된 뒤 텔러스헬스는 특정 업무 문제를 해결하는 재사용형 데이터 제품을 만들기 시작했고, 이는 AI 에이전트를 실무에 적용하는 확장형 실험 공간으로 이어졌다.

대표 사례 중 하나는 의료 제공자 지급 처리 자동화다. 같은 마이크로서비스 구조를 적용해 외부 제3자 제공업체를 아예 대체했다. 또 다른 사례는 의사 수신함 관리다. 병원 현장에서 전자팩스와 각종 문서 첨부파일이 밀려드는 환경에서 환자와 문서를 자동 매칭하고, 기존 프로필이 없으면 새로 생성하는 방식으로 업무를 줄였다.

샤이크 부사장은 이렇게 정리된 데이터를 바탕으로 AI 에이전트를 학습시킬 수 있는 단계에 들어서자 활용 사례가 빠르게 늘고 있다고 말했다. 특히 의사 수신함 자동화는 관련 처리 부담을 절반 수준으로 낮추는 성과를 냈다고 강조했다.

헬스케어 AI 경쟁, 결국 데이터 구조가 좌우

이번 사례는 헬스케어 AI 도입이 단순히 모델 성능의 문제가 아니라는 점을 보여준다. 의료 현장에서는 민감한 개인정보와 복잡한 규제, 기관별로 다른 시스템 구조가 얽혀 있어 ‘데이터 준비도’ 자체가 경쟁력을 좌우할 가능성이 크다.

결국 의료 AI의 확산은 새로운 서비스를 얼마나 빨리 내놓느냐보다, 흩어진 정보를 얼마나 안전하고 표준화된 방식으로 연결하느냐에 달려 있다는 해석이 나온다. 팬데믹 이후 헬스케어 업계가 맞이한 변화의 핵심도 바로 이 지점에 있다.