SAS, ‘SAS 이노베이트 2025’에서 인간-AI 상호작용 가능한 AI 에이전트 등 혁신 기술 공개   SAS(쌔스)가 5월 6일부터 9일(현지시간)까지 미국 플로리다주 올랜도에서 열린 연례 컨퍼런스 ‘SAS 이노베이트 2025(SAS Innovate 2025)’에서 최신 AI 및 데이터 분석 기술 혁신과 다양한 비즈니스 사례를 선보였다. SAS 이노베이트는 전 세계 산업 전문가와 오피니언 리더들이 한자리에 모여 인사이트를 공유하는 자리다. 투명한 의사결정을 위한 맞춤형 인간-AI 상호작용 지원 ‘AI 에이전트’ 공개 인간의 개입 없이 AI 시스템이 스스로 의사결정을 내리고 조치를 취하는 시대가 점차 다가오고 있다. 이러한 AI 에이전트의 빠른 발전에 발맞춰 SAS는 책임 있는 혁신(responsible innovation)을 기반으로 에이전틱 AI(agentic AI)의 미래를 구축하고 있다. SAS는 자사의 데이터 및 AI 플랫폼 SAS 바이야(SAS® Viya®)에서 구동되는 SAS 인텔리전트 디시저닝(SAS® Intelligent Decisioning)을 통해 AI 에이전트를 설계, 배포, 확장할 수 있도록 지원한다고 발표했다. 이는 인간과 AI 간의 자율성 균형을 맞추고, 의사결정 과정에 대한 설명 가능성과 거버넌스를 확보하는 데 중요한 역할을 할 것으로 기대된다. 의사결정 시 윤리적 기준을 반영하는 AI 에이전트 첨단 기술 리서치 기관인 더 퓨처럼 그룹(The Futurum Group)의 AI 소프트웨어 및 도구 부문 닉 페이션스(Nick Patience) 부사장은 "SAS의 에이전트 기반 AI 접근 방식은 자율적인 의사결정과 윤리적 거버넌스 간의 중요한 균형을 맞추고 있다"라며, "SAS의 지능형 에이전트는 단순한 기술적 진보를 넘어 책임감 있는 엔터프라이즈 AI 도입을 위한 실용적인 프레임워크로서, 이는 조직이 빠르게 진화하는 환경에서 경쟁 우위를 확보하는 데 필수적인 요소"라고 강조했다. SAS 바이야의 에이전틱 AI 프레임워크는 AI 에이전트의 설계 및 제공 방식을 정의하는 세 가지 핵심 요소를 기반으로 한다. 첫째, 의사결정이다. SAS는 강력한 결정론적 분석(deterministic analytics)과 대규모 언어 모델(LLM, Large Language Models)의 유연성 및 추론 능력을 결합한 하이브리드 접근 방식을 채택하고 있다. 이를 통해 SAS 고객은 규제 산업에서 요구되는 비즈니스 기준과 규칙을 준수하면서 더욱 정확하고 신뢰할 수 있는 결과를 도출하는 AI 에이전트를 구축할 수 있다. 둘째, 인간과 AI의 균형이다. SAS는 업무의 복잡성, 리스크, 비즈니스 목표에 따라 AI 에이전트의 자율성과 인간 개입 수준을 기업이 직접 조정할 수 있도록 지원한다. AI 에이전트는 반복적인 데이터 기반 작업에서 완전히 자율적으로 운영될 수 있으며, 인간은 감독, 윤리적 판단, 전략적 방향을 제시하는 역할을 수행할 수 있다. 셋째, 거버넌스다. SAS의 내장된 거버넌스 프레임워크를 활용하여 기업은 윤리 기준과 데이터 프라이버시를 준수하면서 비즈니스 가치 및 규제 심사에 부합하는 AI 에이전트를 구축할 수 있다. SAS 바이야가 이끄는 에이전틱 AI(agentic AI)의 미래 SAS 바이야는 데이터 수집 및 분석부터 AI 에이전트 구축, 배포, 모니터링에 이르기까지 AI 에이전트 여정의 모든 단계를 포괄적으로 지원한다. 또한, 지속적인 성과 추적, 거버넌스 및 보안을 보장하며, 제품 수명주기 전반에 걸쳐 효율적인 방식으로 AI 에이전트를 관리할 수 있도록 돕는다. SAS는 수십 년간 축적해온 신뢰성 있는 거버넌스 경험을 바탕으로 모든 에이전트에 감사 가능성(auditability), 편향 탐지, 규제 준수 기능을 제공한다. 향후 SAS는 에이전틱 AI 로드맵에 따라 SAS 바이야에 코파일럿 생산성 어시스턴트를 통합할 계획이라고 밝혔다. 이를 통해 사용자는 더욱 빠르고 스마트하게 수작업을 줄이고, 기업 논리에 기반하여 업무를 수행할 수 있을 것으로 기대된다. 더불어 SAS는 자사의 뛰어난 산업 전문성을 바탕으로 데이터 엔지니어링, 공급망 최적화 등 다양한 업종별 워크플로우에 쉽게 통합할 수 있는 사전 구성된(pre-packaged) 산업 특화 지능형 에이전트도 제공할 예정이다. 이는 기업들이 통제력과 신뢰성을 유지하면서 비즈니스 가치 실현을 가속화하는 데 기여할 것으로 보인다. 마리넬라 프로피(Marinela Profi) SAS 글로벌 AI 시장 전략 부문 리드는 “SAS 바이야는 단순히 행동하는 에이전트를 넘어, 분석, 비즈니스 규칙, 적응성에 기반하여 목적성 있는 의사결정을 내리는 에이전트를 구축한다”며, “거버넌스를 준수하며 의사결정에 집중한 SAS의 통합 프레임워크를 통해 AI 에이전트가 기업의 핵심 차별화 요소로 자리 잡을 것”이라고 전망했다. SAS, 비즈니스 병목 해소 위한 맞춤형 AI 모델 공개 SAS는 산업별 솔루션에 대한 10억 달러 투자의 일환으로 새로운 AI 모델 포트폴리오를 발표했다. 각 산업별로 즉시 적용 가능하거나, 고객 데이터를 기반으로 맞춤형 학습이 가능한 AI 모델들은 다양한 규모의 기업 환경에 쉽게 통합하여 사용할 수 있도록 설계되었다. 현재 제공 중인 주요 AI 모델로는 ▲(전 산업) AI 기반 개체 식별 및 문서 분석 모델 ▲(헬스케어) 약물 복약 순응도 위험 모델 ▲(제조) 전략적 공급망 최적화 모델 ▲(공공) 식량 지원 결제 무결성 모델 및 판매세 세금 규정 준수 모델 등이 있다. 올해에는 ▲(금융) 결제 및 카드 거래 판별 모델 ▲(헬스케어) 의료비 지급 적정성 검증 모델 ▲(제조) 근로자 안전 모니터링 모델 ▲(공공) 개인 소득세 납세 준수 모델 등 새로운 모델들이 추가로 출시될 예정이다. 뿐만 아니라 SAS는 데이터 과학자들이 데이터 레이크(data lake)를 구축하고 정교화하는 데 소요되는 시간을 단축하기 위해 데이터 준비 과정을 자동화하고, 모델이 실시간으로 작동할 수 있도록 지원하는 사전 구축된 AI 에이전트(AI agent)도 향후 제공할 계획이다. SAS, 에픽게임즈의 언리얼 엔진 기반 디지털 트윈으로 제조업 혁신 지원 SAS는 포트나이트로 유명한 미국 게임사 에픽게임즈(Epic Games)의 실시간 3차원(3D) 창작 툴인 언리얼 엔진(Unreal Engine)과 SAS의 강력한 AI 및 고급 분석 기술을 결합한 디지털 트윈(digital twin)을 통해 제조 산업의 핵심 프로세스 혁신을 지원하고 있다. 이를 통해 제조업체는 시뮬레이션된 가상 환경에서 새로운 전략을 실험하고 효과적인 방식을 실제 공정에 적용할 수 있게 된다. 미국 종합 제지 및 포장 제조 기업 조지아-퍼시픽(Georgia-Pacific)은 AGV(Automated Guided Vehicle: 무인운송차량) 운용을 포함한 기타 생산 프로세스를 최적화하기 위해 SAS 기술이 적용된 디지털 트윈을 활용하고 있다. SAS는 에픽게임즈가 개발한 모바일 앱 리얼리티스캔(RealityScan)을 활용하여 조지아-퍼시픽 서배너 공장의 실제와 똑같은(photorealistic) 렌더링 이미지를 캡처하고, 이를 언리얼 엔진에 통합했다. 언리얼 엔진과 결합된 SAS의 분석 기술은 실제 생산 라인에 영향을 주지 않고 공정을 정밀하게 조정할 수 있도록 지원하여, 비용 절감과 제품 품질 향상에 기여할 것으로 기대된다. 언리얼 엔진은 정교한 물리 시뮬레이션, 차세대 라이팅, 굴절 표면 효과를 제공하여 매우 사실적이고 세밀한 디지털 모델 구현을 가능하게 한다. 이를 통해 제조업체는 디지털 환경에서 공정을 시각화하고 상호작용하며, SAS의 고급 AI 기술과 결합되어 더욱 정확한 예측과 향상된 비즈니스 의사결정을 도출할 수 있다. 기업들은 시간과 비용이 많이 소요되는 실제 환경 테스트 없이 언리얼 엔진과 SAS의 분석 기술을 결합한 디지털 환경에서 정교하고 정확한 디지털 트윈을 활용하여 잠재적인 문제를 사전에 발견하고 해결할 수 있다. SAS, “글로벌 기업 5곳 중 3곳, 양자 AI 투자 및 도입 검토” SAS가 최근 실시한 글로벌 설문조사에 따르면, 양자 컴퓨팅(quantum computing)과 양자 AI(quantum AI)는 AI 이후의 차세대 혁신 기술로 주목받고 있으며, 전체 응답자의 60% 이상이 양자 AI에 적극적으로 투자하거나 도입을 검토 중인 것으로 나타났다. 동시에 비즈니스 리더들은 양자 AI 도입의 주요 장애 요인으로 ▲높은 비용(38%) ▲기술에 대한 이해 및 지식 부족(35%) ▲실제 적용 사례에 대한 불확실성(31%) 등을 지적했다. 이는 양자 AI에 대한 관심은 높지만, 실제 비즈니스에 활용하기 위해서는 명확한 로드맵과 실용적인 가이드가 필요하다는 점을 시사한다. SAS는 이러한 요구에 발맞춰 고객과의 파일럿 프로젝트, 양자 AI 연구, 양자 컴퓨팅 분야의 선도 기업들과의 협력을 통해 양자 기술의 효과적인 도입을 지원하고 있다. 특히 복잡한 양자 시장이나 물리학적 원리를 깊이 이해하지 않아도 누구나 양자 기술을 쉽게 이해하고 활용할 수 있도록 돕는 데 주력하고 있다. 현재 SAS는 양자 어닐링(quantum annealing) 시스템을 개발하는 디웨이브 퀀텀(D-Wave Quantum), 초전도 기반 양자 컴퓨팅을 선도하는 IBM, 중성 원자 기반 컴퓨팅 기술을 보유한 큐에라 컴퓨팅(QuEra Computing)과 협력하고 있으며, 이들의 기술을 자사 연구와 고객 프로젝트에 적극적으로 활용하고 있다.   SAS 바이야 혁신으로 속도·생산성·신뢰성 향상   이 외에도 SAS는 SAS 바이야(SAS® Viya®) 데이터 및 AI 플랫폼의 새로운 성능 향상을 발표했다. 이번 성능 개선은 최신 AI 기술 발전을 기반으로 인간의 생산성과 의사결정 능력을 확장하고 향상시키는 데 초점을 맞추었다. 새롭게 출시되었거나 곧 출시 예정인 SAS 바이야의 주요 기능은 다음과 같다. SAS 데이터 메이커(SAS Data Maker): 작년 비공개 프리뷰를 통해 처음 소개된 SAS의 안전한 합성 데이터 생성기 ‘SAS 데이터 메이커’는 조직이 데이터 개인 정보 보호 및 부족 문제를 해결하는 동시에 프로세스를 간소화하고 리소스를 절약하는 데 기여한다. SAS가 최근 합성 데이터 분야의 선두 기업인 헤이지(Hazy)의 주요 소프트웨어 자산을 인수하면서 개발 속도가 더욱 빨라졌으며, 2025년 3분기에 정식 출시될 예정이다. SAS 관리형 클라우드 서비스: SAS 바이야 에센셜즈(SAS Viya Essentials): 중소기업을 위해 올해 초 출시된 관리형 클라우드 서비스 패키지인 ‘SAS 바이야 에센셜즈’는 소규모로 즉시 사용 가능한 호스티드 관리형 서비스 형태로 제공되어 SAS 바이야 도입의 장벽을 낮춘다. SAS 바이야 코파일럿(SAS Viya Copilot): SAS 바이야 플랫폼에 내장된 AI 기반 대화형 어시스턴트인 ‘SAS 바이야 코파일럿’은 강력한 개인 비서 역할을 수행하여 개발자, 데이터 과학자 및 비즈니스 사용자 모두의 분석 작업 및 업무 효율성을 높인다. SAS 바이야 코파일럿은 현재 개별 초대를 통한 비공개 프리뷰로 제공되고 있으며, 2025년 3분기에 정식 출시될 예정이다. 초기 코파일럿 제품의 주요 기능에는 SAS 사용자를 위한 AI 기반 모델 개발 및 코드 지원이 포함된다. 애저 AI 서비스(Azure AI Services)를 기반으로 구축된 코파일럿은 SAS와 마이크로소프트 파트너십의 중요한 결과물이다. SAS 바이야 워크벤치(SAS Viya Workbench): 2024년에 출시된 SAS 바이야 워크벤치는 개발자, 데이터 과학자 및 모델러의 작업 속도와 효율성을 크게 향상시키는 클라우드 기반 코딩 환경이다. 비주얼 스튜디오 코드(Visual Studio Code) 또는 주피터 노트북(Jupyter Notebook)을 통해 SAS 또는 파이썬(Python) 코드를 사용하여 데이터 관리, 분석 및 모델 개발을 용이하게 수행할 수 있다. 2025년의 새로운 기능으로는 R 코딩 지원, SAS 엔터프라이즈 가이드(SAS Enterprise Guide) 개발 환경 지원이 추가되었으며, 기존 AWS 마켓플레이스뿐만 아니라 마이크로소프트 애저 마켓플레이스(Microsoft Azure Marketplace)에서도 이용 가능하게 되었다.  

엔비디아가 더 강력하고 지능적인 AI 구축을 지원하는 ‘스케일링 법칙’을 소개했다. 엔비디아는 이 법칙이 훈련 데이터, 모델 파라미터 또는 컴퓨팅 리소스 크기가 증가함에 따라 AI 시스템 성능이 향상되는 방식을 설명한다고 밝혔다. AI 분야에서 오랫동안 정의된 아이디어 중 하나는 컴퓨팅, 훈련 데이터, 파라미터가 더 많을수록 더 나은 AI 모델이 만들어진다는 것이다. 하지만 이후 AI에는 컴퓨팅 리소스를 다양한 방식으로 적용하는 것이 모델 성능에 어떻게 영향을 미치는지 설명하는 세 가지 법칙이 대두됐다. 이는 사전 훈련 스케일링(pretraining scaling), 사후 훈련 스케일링(post-training scaling), 긴 사고(long thinking)라고도 불리는 테스트 타임 스케일링(test-time scaling)이다. 이들 법칙은 점점 더 복잡해지는 다양한 AI 사용 사례에서 추가 컴퓨팅을 사용하는 기술을 통해 AI 분야가 어떻게 발전해왔는지를 보여준다. 최근 추론 시 더 많은 컴퓨팅을 적용해 정확도를 향상시키는 테스트 타임 스케일링이 부상하면서 AI 추론 모델의 발전을 가능하게 했다. 이 모델은 작업을 해결하는 데 필요한 단계를 설명하면서 복잡한 문제를 해결하기 위해 여러 추론 패스를 수행하는 새로운 종류의 대규모 언어 모델(LLM)이다. 테스트 타임 스케일링은 AI 추론을 지원하기 위해 많은 양의 컴퓨팅 리소스를 필요로 하며, 이는 가속 컴퓨팅에 대한 수요를 더욱 증가시킬 것이다.     사전 훈련 스케일링은 AI 개발의 기본 법칙이다. 이는 훈련 데이터 세트 크기, 모델 파라미터 수, 컴퓨팅 리소스를 늘림으로써 개발자가 모델 지능과 정확도의 예측 가능한 향상을 기대할 수 있음을 입증했다. 한 연구 논문에서 설명한 사전 훈련 스케일링 법칙에 따르면, 규모가 큰 모델에 더 많은 데이터가 공급되면 모델의 전반적인 성능이 향상된다. 이를 실현하려면 개발자는 컴퓨팅을 확장해야 하며, 이 거대한 훈련 워크로드를 실행하기 위해서는 강력한 가속 컴퓨팅 리소스가 필요하다. 사후 훈련 기법은 조직이 원하는 사용 사례에 맞춰 모델의 특이성과 관련성을 더욱 향상시킬 수 있다. 사전 훈련이 AI 모델을 학교에 보내 파운데이션 기술을 배우게 하는 것이라면, 사후 훈련은 목표한 업무에 적용할 수 있는 기술을 갖추도록 모델을 향상시키는 과정이다. 예를 들어, LLM은 감정 분석이나 번역과 같은 작업을 수행하거나 의료, 법률과 같은 특정 분야의 전문 용어를 이해하도록 사후 훈련될 수 있다. 긴 사고라고도 하는 테스트 타임 스케일링은 추론 중에 발생한다. 사용자 프롬프트에 대한 단답형 답변을 빠르게 생성하는 기존 AI 모델과 달리, 이 기술을 사용하는 모델은 추론 중에 추가적인 계산 작업을 할당한다. 이를 통해 여러 가지 잠재적 답변을 추론한 후 최적의 답변에 도달할 수 있도록 한다. 테스트 타임 컴퓨팅의 부상으로 AI는 복잡한 개방형 사용자 쿼리에 대해 합리적이고 유용하며 보다 정확한 답변을 제공하는 능력을 갖추게 됐다. 이러한 기능은 자율 에이전틱 AI와 피지컬 AI(Physical AI) 애플리케이션에서 기대되는 세밀하고 다단계의 추론 작업에 매우 중요하다. 또한, 산업 전반에서 사용자에게 업무 속도를 높일 수 있는 고성능 비서를 제공해 효율성과 생산성을 향상시킬 수 있다. 의료 분야에서는 모델이 테스트 타임 스케일링을 사용해 방대한 양의 데이터를 분석하고 질병이 어떻게 진행될지 추론할 수 있다. 뿐만 아니라, 약물 분자의 화학 구조를 기반으로 새로운 치료법이 불러올 수 있는 잠재적인 합병증을 예측할 수 있다. 소매와 공급망 물류 분야에서는 긴 사고가 단기적인 운영 과제와 장기적인 전략 목표를 해결하는 데 필요한 복잡한 의사 결정을 도와줄 수 있다. 추론 기법은 여러 시나리오를 동시에 예측하고 평가해 기업이 위험을 줄이고 확장성 문제를 해결하는 데 도움이 된다. 이를 통해 보다 정확한 수요 예측, 간소화된 공급망 이동 경로, 조직의 지속 가능성 이니셔티브에 부합하는 소싱 결정을 가능하게 한다. 나아가 글로벌 기업에서는 이 기술을 세부적인 사업 계획 작성, 소프트웨어 디버깅을 위한 복잡한 코드 생성, 배송 트럭과 창고 로봇, 로보택시의 이동 경로 최적화 등에 적용할 수 있다. AI 추론 모델은 빠르게 진화하고 있다. 최근 몇 주 동안 OpenAI(오픈AI) o1-미니(o1-mini)와 o3-미니(o3-mini), 딥시크(DeepSeek) R1, 구글 딥마인드(Google DeepMind) 제미나이 2.0 플래시 씽킹(Gemini 2.0 Flash Thinking)이 소개됐으며, 곧 새로운 모델이 추가로 출시될 예정이다. 이러한 모델은 추론 중에 사고하고, 복잡한 질문에 대한 정답을 생성하기 위해 훨씬 더 많은 컴퓨팅이 필요하다. 따라서 기업은 복잡한 문제 해결, 코딩, 다단계 계획을 지원할 수 있는 차세대 AI 추론 도구를 제공하기 위해 가속 컴퓨팅 리소스를 확장해야 한다.

엔비디아가 엔비디아 바이오네모(NVIDIA BioNeMo)를 통해 12개 이상의 생성형 AI 모델과 클라우드 서비스를 제공하며 컴퓨터 기반 신약 개발 생태계를 지원하고 있다고 전했다. 생성형 AI와 디지털 생물학은 신약 개발, 수술, 의료 영상, 웨어러블 디바이스의 혁신을 지원하고 있다. 엔비디아는 엔비디아 클라라(Clara) 헬스케어 전용 컴퓨팅 플랫폼을 구축하고 파트너들과 협업을 확대하며, 10년 이상 헬스케어 분야에서 전문성을 쌓아왔다. 헬스케어 분야의 고객과 파트너는 이미 클라우드 파트너를 통해 직간접적으로 매년 10억 달러 이상의 엔비디아 GPU 컴퓨팅을 사용하고 있다. 2500억 달러 규모의 신약 개발 분야에서 이러한 노력은 새로운 전환점을 맞이하고 있다. R&D 팀이 이제 컴퓨터 안에서 약물을 구현할 수 있게 된 것이다. 신약 개발 팀은 새로운 생성형 AI 도구를 활용해 분자 서열, 구조, 기능, 의미에 대한 기본 구성 요소를 관찰해 원하는 특성을 지닐 가능성이 높은 새로운 분자를 생성하거나 설계할 수 있다. 이러한 기능을 통해 연구원은 조사할 신약 후보물질을 보다 정밀하게 선별해 비용과 시간이 많이 소요되는 물리적 실험의 필요성을 절감할 수 있다.     엔비디아는 신약 개발을 위한 파운데이션 모델의 개발, 사용자 맞춤화, 배포 서비스를 제공하는 생성형 AI 플랫폼인 바이오네모를 선보였다. 바이오네모는 제약, 바이오테크, 소프트웨어 회사에서 사용되며, 약물 연구개발을 위한 새로운 종류의 계산 방법을 제공한다. 이는 과학자가 생성형 AI를 접목해 실험을 줄이고 경우에 따라서는 실험을 대체할 수 있도록 지원한다. 엔비디아는 바이오네모를 통해 AI 모델을 개발, 최적화, 호스팅하는 것 외에도 바이오 제약회사 리커션(Recursion)과 바이오테크 기업인 테레이 테라퓨틱스(Terray Therapeutics) 등에 투자해 컴퓨터 기반 신약 개발 생태계를 강화해 왔다. 리커션은 바이오네모 사용자를 위한 파운데이션 모델 중 하나를 제공하고 있으며, 테레이 테라퓨틱스는 AI 모델 개발에 바이오네모를 사용하고 있다. 신약 개발 팀은 자체 데이터로 생성형 AI 모델을 개발하고 맞춤화하기 위해 바이오네모를 사용한다. 아울러 신약 개발 소프트웨어 회사, 바이오테크 기업, 대형 제약사는 바이오네모 클라우드 API를 컴퓨터 기반 신약 개발 워크플로를 제공하는 플랫폼에 통합하고 있다. 바이오네모 클라우드 API는 2024년 1월 중 베타 버전으로 출시될 예정이다. 클라우드 API에는 저분자 생성을 위한 3가지 유형의 파운데이션 모델이 포함된다. 몰밈(MolMIM) 생성 화학 모델과 같이 엔비디아가 개발한 모델, 오픈폴드(OpenFold) 단백질 예측 AI와 같이 글로벌 연구팀이 개척하고 엔비디아가 선별하고 최적화한 오픈소스 모델, 세포 현미경 이미지 임베딩을 위한 리커션의 페놈-베타(Phenom-Beta)와 같이 엔비디아 파트너사가 개발한 독점 모델이 여기에 해당된다.

2024 AI 시장 전망, 출처: 빙크리에이터(AI로 만든 이미지)   인공지능(AI) 및 분석 선두 기업 SAS가 2024년 AI 시장 전망을 발표했다. 이번 발표는 AI의 주요 트렌드, 비즈니스 및 기술 발전을 예측하고, 각 산업에서 AI의 활용과 사회적, 경제적 영향에 대한 깊이 있는 인사이트가 제공되었다.   SAS가 제시하는 2024년 기업이 주목해야 할 12가지 AI 시장 및 기술 전망은 무엇일까?   1.    생성형 AI, 산업별 AI 전략 강화 2024년에 기업들은 생성형 AI를 산업별 AI 전략을 보완 및 강화하는 요소로 활용하게 될 것이다. 예를 들어, 금융권에서는 스트레스 테스트 및 시나리오 분석에 사용되는 시뮬레이션 데이터를 통해 위험을 예측하고 손실을 예방하며, 의료 서비스 산업에서는 개인 맞춤형 치료 계획을 세울 수 있을 것이다. 또 제조업의 경우, 생성형 AI를 활용해 생산 과정을 시뮬레이션 할 수 있어 품질, 안정성, 유지보수, 에너지 효율성 및 수율에 대한 개선 사항을 파악할 수 있다. 2.    AI 활용 새로운 일자리 창출 2023년에는 AI로 인해 사라질 일자리를 걱정했다면, 2024년에는 AI가 창출할 일자리에 관심이 높아질 것이다. 대표적으로 모델의 잠재력을 실제 적용과 연결시키는 프롬프트 엔지니어링(Prompt Engineering)을 예로 들 수 있다. AI는 기술 수준과 직무에 관계없이 모든 실무자의 업무 효과와 효율성을 높이는데 도움을 준다. 2024년 이후 몇 년 동안은 새로운 AI 기술이 고용 시장에 일시적인 혼란을 야기할 수 있지만, 앞으로 경제 성장을 견인할 많은 신규 일자리와 직무를 창출할 것이다. 3.    책임감 있는 AI 마케팅 강화 마케팅 담당자는 AI의 오류를 인식하고 편견이 개입할 수 있는 가능성을 경계하는 등 의식적으로 책임감 있는 마케팅을 실천해야 한다. AI는 마케팅과 광고 프로그램을 개선할 수 있는 가능성을 제시하지만, 편향된 데이터와 모델은 편향된 결과를 가져올 수 있기 때문이다. SAS 마케팅 부서는 마치 식품 성분표와 같은 AI를 위한 모델 카드를 사용하고 있다. AI를 생성하거나 적용하는 사람은 그 영향력에 대한 책임이 있기 때문에 모든 마케팅 담당자는 기술적 노하우에 관계없이 모델 카드를 검토하고, 알고리즘의 효과 및 공정성을 검증하며 필요에 따라 이를 조정할 수 있어야 한다. 4.    금융권, AI로 증가하는 사기 범죄 대응 소비자들이 금융 사기에 대한 경각심을 높이고 있지만, 사기꾼들은 생성형 AI와 딥페이크 기술을 활용해 수십조 원 규모에 달하는 사기 실력을 키우고 있다. 피싱 메시지는 더 정교해지고, 가짜 웹사이트는 진짜처럼 보이며, 사기꾼은 몇 초 만에 음성을 복제할 수 있다. 금융기관이 급증하는 피싱 및 다양한 사기에 대해 더 큰 책임을 지도록 하는 규제 변화로 인해 그간 AI 도입에 미온적이었던 은행 및 소규모 금융 기관들이 AI를 적극적으로 도입하게 될 것이다. 5.    CIO, 쉐도우 AI(Shadow AI) 문제 직면  과거에 ‘쉐도우 IT’로 어려움을 겪었던 CIO들은 이제 IT 부서의 공식 승인이나 모니터링 없이 조직에서 사용하거나 개발한 솔루션인 이른 바 ‘쉐도우 AI’에 직면하게 될 것이다. 직원들은 생산성 향상을 위해 좋은 의도로 생성형 AI 도구를 지속적으로 사용할 것이며, CIO는 이를 어느 정도까지 수용해야 하는지, 관련 위험으로부터 조직을 보호하기 위한 안전장치 마련에 고민하게 될 것이다. 6.    새로운 첨단 기술로 멀티모달 AI(Multimodal AI)와 AI 시뮬레이션이 부상할 것 생성형 AI의 차세대 목표는 텍스트, 이미지 및 오디오를 단일 모델로 통합하는 멀티모달 AI(Multimodal AI) 구현이다. 멀티모달 AI는 다양한 범위의 입력을 동시에 처리할 수 있어 더 많은 상황 인식 애플리케이션으로 효과적인 의사 결정을 가능하게 한다. 일례로 3D 객체, 환경 및 공간 데이터의 생성이 가능하며 증강현실(AR), 가상현실(VR), 디지털 트윈과 같은 복잡한 물리적 시스템의 시뮬레이션 등에 적용될 수 있다. 7.    디지털 트윈 도입 가속화 AI와 사물인터넷(IoT) 분석과 같은 기술은 제조, 에너지, 정부 등 경제의 중요한 산업 부문에 활력을 불어넣고 있다. 공장 근로자나 기업 경영진은 이러한 기술을 이용해 대용량 데이터를 기반으로 더 나은 의사결정을 신속하게 내릴 수 있다. 2024년에는 실시간 센서와 운영 데이터를 분석하고 공장, 스마트 도시, 에너지 그리드와 같은 복잡한 시스템의 복제본을 생성하는 디지털 트윈 기술이 확산되면서 AI와 IoT 분석의 도입이 가속화될 것이다.  8.    보험업계, AI로 기후 위기 대처 기후 변화는 이제 막연한 추측을 넘어 실질적인 위협이 되었다. 자연재해로 인한 전 세계 보험 손실액은 2022년에 1,300억 달러를 넘어섰고, 전 세계 보험사들은 경제적 압박을 느끼고 있다. 이러한 위기에서 살아남기 위해 보험사들은 자사가 보유한 방대한 데이터 저장소의 잠재력을 활용해 유동성을 강화하고 경쟁력을 갖추기 위해 AI를 도입할 것이다. AI는 보험사가 동적인 보험료 책정 및 위험 평가에서 이익을 실현하는 것 외에도 보험 청구 처리, 사기 탐지, 고객 서비스의 자동화와 품질 개선에 도움을 줄 것이다. 9.    정부 내 AI 중요성 확대  AI가 인력 수급에 미치는 영향은 정부에서도 예외가 아니다. 전문가들의 높은 급여 요구에 따라 정부는 AI 인재를 영입하고 유지하는데 어려움을 겪고 있지만, 규제 정책을 지원하기 위해 전문성을 갖춘 인재를 적극적으로 채용할 것이다. 기업과 마찬가지로 정부도 생산성 증가, 단순 업무 자동화 및 인력 부족 문제를 해소하기 위해 AI와 분석에 점점 더 의존하게 될 것으로 전망된다. 10.    생성형 AI로 환자 치료 개선 건강을 증진하고 환자 및 보험 가입자 경험을 개선하기 위해 의료기관 및 보험사는 2024년 임상 실험에 사용할 환자별 아바타 생성, 개인화된 치료 계획 생성 등 맞춤형 의료를 위한 생성형 AI 기반 도구 개발에 적극적으로 나설 것이다. 또한 임상 의사결정 지원을 위한 생성형 AI 기반 시스템이 등장해 보험자, 의료 서비스 제공자 및 제약사에 실시간으로 지침을 제공하게 될 것이다. 11.    신중한 AI 적용이 보험사의 성패를 좌우할 것 현재 보험사들은 각자의 비즈니스 모델에 맞추지 않은 자율 시스템을 빠른 속도로 도입하고 있다. 이들은 AI를 이용해 보험 청구를 신속히 처리함으로써 지난 몇 년간의 실적 부진을 상쇄할 것으로 기대하고 있지만 구조조정 후 남은 인력에 업무가 집중돼 AI를 적정 규모에 윤리적으로 배포하기 위한 관리 업무에 어려움을 겪을 것이다. AI에 대한 절대적 믿음을 갖게 될 경우 잘못된 사업 판단을 발생시켜 기업의 붕괴를 초래할 수 있다.  12.    공중 보건 부문에서 학계의 AI 활용 폭 증가 공중 보건은 전례 없는 속도로 기술 현대화를 실현하고 있다. 약물 과다 복용이나 독감 경계 등 공중 보건의 개입이 필요한 요소를 예측하는데 데이터를 사용하는 것은 필수적이다. 예측과 모델링은 빠르게 공중 보건 업무의 기반이 되고 있지만 정부는 여전히 학계의 도움을 필요로 하고 있다. 글로벌 팬데믹 이후 국민 보호를 위해 뛰어난 기술과 협업이 필요하다는 인식이 확고해졌기 때문에 정부를 대신해 AI 기반 모델링과 예측을 수행하는 학계 연구원들이 점차 늘어날 것이다. 주재영 SAS코리아 대표이사는 “AI의 잠재력은 무한하며, 그 활용 범위가 점점 확대되고 있는 만큼 2024년에는 기업이 더 현명한 의사결정을 내리고, 산업별 문제를 해결하며, 개인 맞춤형 서비스를 제공하는 데 AI 기술이 많은 도움을 줄 것”이라며, “SAS는 AI 및 분석 선두 기업으로서 AI 트렌드를 선도하고 고객들이 신뢰할 수 있는 AI를 구축, 활용할 수 있도록 적극 지원할 계획”이라고 말했다.   

다쏘시스템이 버추얼 트윈 주도 의료 혁신을 선보이는 아바타 ‘엠마 트윈(Emma Twin)’을 공개했다. 의료 발전과 미래 의학 혁신 기술에 있어 버추얼 트윈의 역할 인식을 제고하기 위해 설계된 ‘엠마 트윈’은 앞으로 다양한 소셜 미디어 콘텐츠 안에서 익명의 의료 데이터로 생성된 버추얼 트윈 아바타가 질병과 관련된 수많은 검사를 거치는 방법을 공유해, 질병과 치료 효과에 대한 의학분야 종사자 및 연구자의 이해를 돕는 버추얼 트윈에 대한 인식을 제고할 예정이다. 엠마 트윈의 소셜 미디어 콘텐츠는 ▲메디데이터 솔루션 활용 임상 시험 ▲리빙하트(Living Heart) 프로젝트 내 다양한 시술에 따른 심장 반응 ▲코닛비전(CorNeat Vision) 각막 이식술 ▲리빙브레인(Living Brain) 프로젝트 간질 및 알츠하이머병 연구 ▲IASO 약물 투여 및 모니터링 장치 착용기 ▲노년층 위한 집 환경 최적화 등 진행 중인 연구 및 의료 혁신에 참여한 버추얼 트윈 이야기를 다룬다.     또한 프랑스 수술용품 기업 ‘DAMAE 메디칼’의 피부암 진단용 휴대용 현미경, 다이노카디아(Dynocardia)의 혈압 모니터링 솔루션, FEops의 심장 모니터링, 루시드 임플란트 (Lucid Implants)의 안면 맞춤형 임플란트, 보르덱(VORTHEx)의 방사선 치료 시뮬레이션 체험 등을 함께 소개한다. 다쏘시스템의 버추얼 트윈은 축적된 데이터를 기반으로 발전하는 3D 모델로 과학적 정확도를 갖춘 현실을 복제해 가상 성능 테스트와 개선에 사용되어 왔다. 또한 버추얼 트윈은 자동차, 건물 또는 항공 산업과 마찬가지로 연구 및 의료 관련 분야 역시 인체를 정확하고 안전하며 효과적으로 모델링, 테스트 및 치료할 수 있도록 지원해 보다 정밀하고 선제적인 의료 솔루션 개발을 가속화한다. 다쏘시스템의 빅투아 드 마제리(Victoire de Margerie) 기업 마케팅 및 커뮤니케이션 부사장은 "엠마 트윈을 통해 버추얼 트윈이 의료 분야에 미치는 영향을 흥미롭고 의미 있게 풀어낼 것”이라며, "다쏘시스템의 버추얼 트윈은 코로나19 백신의 신속한 개발과 수술 과정 최적화, 그리고 치료 선택지에 대한 환자의 이해도를 높여 왔으며, 앞으로도 선도적인 기술을 활용해 주요 의료 과제에 대한 관심을 촉구하고 가상 세계가 현실 세계를 어떻게 개선하는지 보여줄 것"이라고 말했다.

캐드앤그래픽스 CNG TV 지식방송 지상 중계   디지털 트윈을 의료 분야에 접목하여 활용하는 메디컬 트윈과 AI에 대한 관심이 증가하고 있다. 지난 7월 17일 CNG TV 방송에서는 ‘메디컬 트윈과 의료 AI 발전 방향’을 주제로, 메디컬 트윈 분야 사례와 함께 바이오 헬스케어 분야에서 디지털 기술이 어떤 영향을 미칠 수 있는지, 향후 발전 방향 등에 대해 소개됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ ‘병원에서 일하는 연구자가 바라보는 메디컬 트윈과 의료 AI’에 대해 소개한 연세대학교 김휘영 교수   연세대학교 의과대학 의생명시스템정보학교실에서 근무하고 있는 김휘영 교수는 병원에서 일하는 연구자가 바라보는 메디컬 트윈과 의료 AI의 발전방향에 대해 설명했다. 김휘영 교수는 메디컬 트윈하면 항상 같이 나오는 개념이 메타버스라서 그런지 아바타가 등장하는 게임으로 오해하는 경우가 많은데, 캐릭터가 다친다고 해서 내가 다치는 것이 아닌 것처럼 게임은 게임일 뿐이라고 말했다. 현재 원격의료, 원격진단은 민감한 주제지만 앞으로 현실적인 개념이 될 가능성이 높아 보인다. 디지털 트윈 개념에서 보면 인공지능기반, 디지털치료제, 디지털 헬스케어를 모두 포함하고 있는데, 요즘에는 헬스케어 클라우드란 이름으로도 불리며 시간, 공간적으로 제약을 받지 않고 언제 어디서든 편하게 서비스할 수 있는 헬스케어 플랫폼으로 인식되고 있다. 디지털 트윈 개념이 도입된 메디컬 트윈에서는 디지털화 가능한 모든 건강정보를 가진 디지털화된 개인을 의미하고, 그러한 기반 위에서 어떤 의료 시뮬레이션도 가능하다는 개념까지 확장된다. 이를 토대로 가상진료실 등이 운영될 전망이다. 물론 아직은 넘어야 할 허들이 많지만 현실에 있는 나와 메타버스의 아바타가 상호작용하는 디지털 트윈 개념으로 메디컬 트윈과 의료 AI 분야는 발전할 전망이다.   ▲ ‘메디컬 버추얼 트윈 기술’에 대해 소개한 다쏘시스템코리아 이호상 대표   다쏘시스템코리아 이호상 대표는 자동차나 항공기 같은 산업 분야에서는 버추얼로 이루어지고 있는 충돌 테스트의 99%는 실제 테스트에서 100% 통과하고 있다고 설명했다. 하지만 버추얼 공간을 바이오 메디컬로 적용해 보면, 예를 들어 심장만 모델링을 하더라도 쉽지 않고, 가장 어려운 것은 인체에 적용되는 데이터들을 표준화하기 어렵다는 것이라고 말했다. 다쏘시스템에서는 뛰는 심장을 모델링으로 구현하기 위해 ‘The Living Heart’ 프로젝트를 진행한 적이 있는데, 많은 연구진들이 협력해서 매년 연구성과들을 발표하고 있다. 이를 통해 전기 자극에 대한 심장수축이나 전극이 흐르는 방향, 심장에 혈액이 어떻게 흘러 가는지 등의 데이터를 볼 수 있다. 실제 환자의 심장을 수술하고자 한다면 많은 테스트를 할 수 없지만 가상환자 모델에서는 여러 가지 치료 관련 시뮬레이션을 해볼 수 있다. 이호상 대표는 메디컬 트윈을 만들 수 있다면 임상실험으로 할 수 없는 것들을 해볼 수 있을 것이라고 말했다. 또한 가상의 공간에서 많은 테스트를 통해서 나에게 맞는 약물이나 의료기기가 나올 수 있다고 믿는다며, 버추얼 월드가 실제 세상을 보다 많이 확장시키고 개선시킬 수 있다고 전망했다.   ■ 기사 내용은 PDF로도 제공됩니다.

아마존웹서비스(Amazon Web Services, 이하 AWS)는 미국에서 개최한 AWS 서밋 뉴욕(AWS Summit New York)에서 미국의료정보보호법(HIPAA)을 준수하는 새로운 서비스인 AWS 헬스 스크라이브(AWS HealthScribe)를 출시했다고 밝혔다.   AWS 헬스 스크라이브는 헬스케어 소프트웨어 제공업체가 음성 인식 및 생성형 AI를 활용해 임상 애플리케이션을 개발할 수 있도록 돕고, 이를 통해 임상 문서를 자동으로 생성해 의료진들이 업무 시간을 절약할 수 있도록 한다. 또한, 헬스케어 소프트웨어 제공업체가 단일 API를 사용해 의사와 환자 간 상담 시 진료 기록을 작성하고, 의약 용어 및 약물 정보 등 구체적인 정보를 생성하며, 상담 내용을 요약할 수 있도록 한다. 이러한 정보는 전자건강기록(Electronic Health Record, 이하 EHR) 시스템에 등록될 수 있다.   생성형 AI는 빠른 속도로 의료와 생명 과학을 포함해 여러 업계를 변화시키고 있다. 헬스케어 소프트웨어 공급 업체들은 임상 애플리케이션에서 이 기술을 활용해 의료 산업 내 임상의들이 공통으로 겪는 문제를 해결하려 한다. 가장 흔한 문제 중 하나는 매 진료 후에 임상 문서를 취합하는 것이다. 이는 컴플라이언스와 품질 측정, 배상에 중요한 부분인 동시에, 환자를 직접 대면할 시간을 빼앗는, 여러 단계로 구성된 복잡한 절차이기도 하다.   이 절차를 간소화하기 위해 많은 헬스케어 소프트웨어 공급 업체들이 문자 음성변환(TTS) 및 자연어 처리(NLP)를 활용하고 있는데, 생성형 AI는 이러한 애플리케이션들이 진료 녹취록을 EHR에 입력할 수 있을 만한 간결한 임상 문서로 변환하는 데 크게 기여할 수 있을 것이다. 이러한 생성형 AI 역량 구축을 위해 공급 업체들은 정확한 임상 문서 생성을 위해 자사 LLM을 훈련하거나 미세 조정해야 하는데, 여기에는AI 전문가와 면밀하게 주석이 달린 의료 데이터, 막대한 컴퓨팅 용량이 요구된다. 의료용 LLM은 일반 의학, 소아과, 정형외과 등 다양한 분야의 전문 용어들을 이해할 수 있도록 훈련되어야 하고, 처방명과 용량을 인식하는 능력 및 자유롭게 흘러가는 대화를 이해, 분석 및 요약할 수 있어야 한다. 또한, 이 솔루션의 올바른 작동을 위해서는 소프트웨어 공급 업체들이 오류 또는 할루시네이션(hallucination)의 위험을 완화하기 위해 임상의들이 생성된 모든 텍스트의 출처 추적이 가능하도록 설계하는 등 책임감 있는 AI를 염두에 두고 솔루션을 구축해야 한다.   아마존 베드록(Amazon Bedrock)의 생성형 AI 기반으로 구동되는 AWS 헬스 스크라이브는 의료 소프트웨어 제공업체가 기본 머신러닝(ML) 인프라를 관리하거나 자체 의료 전용 대규모 언어 모델(LLM)을 학습할 필요 없이 일반 의학 및 정형외과와 같은 두 가지 인기 전문 분야부터 애플리케이션에 생성형 AI 기능을 더 빠르고 쉽게 통합할 수 있도록 해준다. AWS 헬스 스크라이브는 원본 대화 기록 내에서 생성된 모든 텍스트의 원본을 인용하여 의사가 임상 기록을 EHR에 입력하기 전에 더 쉽게 검토할 수 있도록 함으로써 책임감 있는 AI 시스템 배포를 가능하게 한다. 보안과 개인 정보 보호를 고안해서 구축된 AWS 헬스 스크라이브는 고객이 데이터 저장 위치를 제어하고, 데이터가 전송 중이거나 머물러 있는 상황에서도 데이터를 암호화하며, 서비스를 통해 생성된 입력내용 또는 출력 결과물을 모델 학습에 사용하지 않는다.   3M 헬스 인포메이션 시스템(3M HIS)은30만 명 이상의 임상의가 사용하고 있는 음성 해석, 대화 및 앰비언트 AI(생활환경 인공지능) 솔루션인 엠모달(M*Modal)을 제공하고 있다. 게리 게리슨(Garri Garrison) 3M HIS 회장은 “3M HIS는 AWS의 머신러닝 기술을 통해 의료진의 워크플로우 및 번거로운 프로세스를 개선하고, 의료 기관들이 임상 문서 작성과 비용 청구를 보다 원활히 할 수 있도록 돕고있다”며 “3M HIS는 AWS와 대화 및 생성형 AI를 임상 문서 작업에 직접 적용하기 위해 협력하고 있다. AWS 헬스 스크라이브는 당사의 임상 솔루션에 있어 핵심적인 역할을 할 것이며, 당사의 앰비언트 임상 문서 작업 및 가상 어시스턴트 솔루션 제공을 더욱 가속 및 정밀화하고, 확장하도록 도울 것이다”고 전했다.   브라틴 사하(Bratin Saha) AWS 인공지능 및 머신러닝 부문 부사장은 "의료 고객과 파트너들은 환자를 위한 혁신적인 임상 치료 및 연구 솔루션을 개발하는 데 더 많은 시간을 할애하고, 기초적인 의료 데이터 기능을 구축, 유지, 운영하는 데는 더 적은 시간을 할애하기를 원한다" 며 "이것이 바로 AWS가 임상의가 대면 또는 원격 의료 방문 중에 환자와 더 많은 시간을 보낼 수 있도록 AI 기반의 고성능, 대규모 의료 애플리케이션 포트폴리오를 구축하는 데 투자한 이유다. 문서화는 의료 전문가에게 특히 많은 시간이 소요되는 작업이므로, AWS 헬스 스크라이브에서 생성형 AI의 성능을 활용하여 이러한 부담을 줄일 수 있게 되어 기쁘다. 오늘 발표는 의료 및 생명과학 산업에 대한 AWS의 노력과 임상 문서화 부담을 줄이고 상담 경험을 개선하는 데 도움이 되는 생성형 AI와 같은 기술에 대한 책임감 있는 접근 방식을 보여준다"고 말했다.   한편, AWS는 헬스케어 분야의 혁신을 이어가는 노력의 일환으로 AWS 헬스 이미징(AWS HealthImaging)의 정식 출시도 발표했다. AWS 헬스 이미징은 의료 영상 데이터를 페타바이트 규모로 저장, 변환 및 분석을 돕는 서비스로, 기본 인프라 프로비저닝의 부담을 줄이는 동시에 높은 퀄리티의 성능을 자랑한다.    

책에서 얻은 것 No.17   “혁신이라는 것은 누가 먼저 했느냐가 아니라, 생활화되어 있느냐가 중요하다.” - 제프 베이조스(아마존 창업자 & 의장)   진실을 찾아서 챗GPT(ChatGPT)에 이어 구글의 바드(Bard)도 한글 서비스를 시작하며 본격적으로 ‘생성형 AI’ 대열에 들어섰다. 챗GPT의 광풍이 몰아친지 벌써 6개월이 지나면서 한번쯤 의심의 눈초리를 가진 적도 있지만, 앞으로 한동안 대안 없이 급속한 발전을 이어갈 것으로 보인다. 이러한 중요한 시점에 챗GPT의 가치를 재대로 분석한 책이 나와서 자세히 소개하려고 한다. ‘챗GPT 빅 웨이브(김지현, 최재홍 지음)’ 한 권의 책으로 기업과 개인은 뭘 준비할지, 생성형 AI는 AI 시장에 어떤 변화를 주고 있는지 인사이트를 얻으면 좋을 것 같다. 여기서 IT 기술의 진실은 ‘생활화’라고 생각한다. 4차 산업혁명, IoT, 메타버스, NFT 등이 최근 10년 사이 쏟아져 나왔지만, 아이폰을 통한 스마트폰 출현(2007) 이후로 그와 버금가는 시작의 임팩트(빅 웨이브)를 준 것이 ‘생성형 AI’라고 회자되고 있다. 이 책을 통해서 IT 분야 두 리더의 만남으로 묻고 답하는 형식으로 짜여진 이 책을 통해서 우리는 좀 더 진실에 다가갔으면 한다. ‘생성형 AI’가 생활화로 가려면 영화 ‘HER’와 같은 상황처럼 되어야 되지 않을까? 그리고 기존의 자료 검색 방식은 앞으로도 존속될 것인가? 기업의 업무 방식은 어떤 변화를 맞이할까? 생성형 AI의 도움으로 과연 업무량이 줄어들까? 그러면 우리의 삶은 어떤 변화를 맞이할까? 우리의 직업은 안전한가? 사라지고, 또 새로운 직업의 탄생은 어떻게 될까? 과연 우리는 이러한 변화에 더 행복한 삶을 살아 갈수 있을까? ‘챗GPT 빅 웨이브’ 책을 통해서 두 저자의 대화를 엿듣고 생활화될 생성형 AI의 진실을 좀 더 깊숙이 파헤쳐 보는 시간을 가지면 좋을 것 같다.   ‘무엇일까?’ 그리고 ‘무엇이 다를까?’ ‘무엇일까?’를 알려면 ‘무엇이 다를까?’를 알아야 한다. 무엇이 다른지 알아야 ‘무엇일까?’에 대한 답도 나오기 때문이다. 우리가 그동안 AGI(Artificial General Intelligence) 서비스들에 대해 목격한 것은, 대화형 UI가 다르고 실제 창작물을 생성해서 완성된 결과물을 제시한다는 점이 다르다는 것이다. 이 두 가지 다른 점으로 ‘무엇’을 가능하게 해줄 수 있을까? 특별히 컴퓨터를 작동시키기 위해 배울 필요 없이 우리가 필요로 하는 것을 요청하면, 바로 완성된 결과물을 얻어낼 수 있다. 누구나 필요로 한 것을 컴퓨터, 인터넷 등의 디지털 기술을 활용해 얻을 수 있다. 바로 그렇게 AGI 시대의 킬러앱은 영화 ‘아이언맨’의 자비스처럼 뭐든 알아듣고 우리가 필요로 하는 것을 제시해 줄 수 있는 AI 에이전트가 킬러 앱이 될 것이다. 나를 잘 알고 내 마음을 헤아리는 상담사 혹은 친구이자 멘토가 되어 내 옆에서 모든 걸 계속 지원하는 든든한 나의 조력자가 AGI 시대에 가장 보편적으로 많이 사용하는 서비스가 될 것이다.(‘챗GPT 웨이브’ 3장에서 인용) “나쁜 일이 생길 때, 그것은 기회이다.” - 레이 달리오(미국의 사업가)   생성형 AI가 인간의 일자리에 위협을 줄까? 이미 진행 중인 4차 산업혁명을 이야기할 때, 사람들이 가장 두려워하는 건 바로 인간의 일자리 문제다. PWC 보고서에 의하면 1300명에게 챗GPT 선호 여부를 묻는 질문에 ‘좋다’는 응답이 60%, ‘당신의 업무를 대신할 것 같나?’라는 질문에는 ‘아니다’라는 응답이 63%였다. 이렇듯 ‘생성형 AI가 인간의 일자리에 위협을 줄까?’라는 우려가 심상치 않게 들려온다. 인류는 끊임 없이 신기술을 탄생시켰고, 그로 인해 일자리도 창출해 냈다. 챗GPT는 불과 3~4개월 만에 급속도로 성장했기에, 앞으로 생성형 AI의 위력은 날로 더해갈 것이다. 막연한 불안으로 대하기보다는 이를 어떻게 적극적으로 활용할지 고민해야 한다. “생성형 AI가 인간의 일자리에 위협을 줄까?”라는 질문은 많은 사람이 고민하고 여러 전문가가 다양한 견해로 답변하는 주제다. 어떤 일자리는 사라지고 어떤 일자리는 새로 생겨날 텐데, 내 생각은 그 전체의 합은 아마도 ‘플러스’가 아닐까 싶다. 신기술은 기존의 일자리를 위협했지만, 덕분에 인류 문명이 발전하며 또 다른 일자리를 만들어냈고, 그 규모는 늘 컸다. 단, 우리가 우려해야 할 사항은 내 일자리가 대체될 수 있다는 것과 새로운 일자리의 기회가 내게 오지 않을 수 있다는 것이다. 때문에 내 업무나 내 미래를 위해 생성형 AI를 더 적극적으로 유용하게 활용할 수 있는 지식이 필요하다. 개인은 개인이 할 수 있는 업무 역량을 키워야 한다. 일자리가 사라지는 것에 대한 고민은 정부나 사회학자 등을 비롯한 각계 전문가들이 머리를 맞대어 대처 방안을 찾는 것이 적절할 것이다.(‘챗GPT 웨이브’ 4장에서 인용) “챗GPT는 IT 생태계 전체를 뒤흔들 빅 웨이브다.” - 김지현, 최재홍   챗GPT가 불러올 거대한 흐름 속 포인트를 선점하라 2023년 상반기는 하루가 1년 같았다. 1년 동안 벌어질 일들이 하루 안에 너무나도 압축해서 이루어지고 있다. 그만큼 챗GPT가 쏘아 올린 공이 나비 효과로 이어져 많은 변화를 만들어내는 것 같다. 기업들도 이 챗GPT의 기술이 앞으로 어떠한 변화를 만들어 낼지에 대해, 또 비즈니스 모델(BM) 혁신에 대해 고민이 많다.(‘챗GPT 웨이브’ 1장에서 인용) 챗GPT 등장 후 7개월이 지나가는 시점에서 IT 분야 두 리더의 만남에 의해, “강릉원주대 최재홍 교수가 묻고 SK경영경제연구소 김지현 부사장이 답하다”라는 이 책이 탄생하였다. 이 책은 다른 책들과 차별화된 가치를 담아내고 있는데, ‘형식이 내용을 지배한다’는 점과 ‘생성형 AI를 우리 사회와 기업이 어떻게 대처해야 하는지를 담았다’는 점이다. 그리고 이 책은 챗GPT 더 나아가 이를 가능하게 한 LLM 기술이 앞으로 가져올 혁신과 한계, 미래에 대한 이야기가 담겨 있는데, 10가지의 관점에서 이 책을 읽는다면 효과적일 것이다. AI 혁명은 챗GPT의 엔진 LLM 생성형 AI 시대의 비즈니스 모델은? 생성형 AI의 킬러 서비스와 슈퍼앱 웹3와 블록체인, 메타버스를 넘는 킬러 서비스는? AGI 시대의 전망과 대비 챗GPT와 사회적 이슈 챗GPT와 개인의 이슈 업무 현장에서 스마트하게 챗GPT 사용하는 법 생성형 AI 시대의 승자는? 챗GPT의 한계, 극복할 방법은?   기업과 개인 모두가 변화와 적응에 대한 준비가 필요하다 기업의 경우, 생성형 AI를 적극적으로 활용해 비즈니스 모델을 혁신해야 한다. 예를 들어, 생성형 AI를 이용하여 새로운 제품을 개발하거나 서비스를 제공하는 등의 창조적인 아이디어를 구현할 수 있다. 또한, 생성형 AI를 이용하여 기업의 생산성을 향상시키고 효율성을 극대화할 수 있다. 이를 위해 기업은 생성형 AI 기술을 습득하고, 이를 활용할 수 있는 전문가들을 고용하거나 교육하는 등의 노력이 필요하다. 개인의 경우, 생성형 AI 시대에서는 끊임 없는 자기계발이 필요하다. 새로운 기술과 도구를 습득하고 이를 적용할 수 있는 능력을 갖추는 것이 중요하다. 또한 예술, 디자인, 문학 등 창조적인 분야에서 높은 수준의 성과를 내기 위해서도 생성형 AI 기술을 이해하고 활용할 수 있는 능력이 필요하며, 이를 위해서는 개인이 학습과 자기계발에 적극적으로 참여하며 다양한 경험과 지식을 쌓는 노력이 필요하다. 생성형 AI 시대에서는 개인과 기업 모두가 윤리적 책임을 다져야 한다. AI 기술의 발전으로 인한 사회적, 경제적, 환경적 영향 등을 고려하고, 이를 최소화하고 긍정적인 영향을 극대화하기 위한 노력이 필요하다. 이를 위해서는 AI 기술의 사용과 활용에 대한 정책적인 고민과 책임이 필요하다. “AI 생태계를 바꾸는 혁명이 될 것인가.” - 김지현 부사장(SK경영경제연구소)   AI 생태계를 바꾸는 혁명이 될 것인가 생성형 AI는 텍스트, 이미지, 음악, 비디오와 같은 원본 콘텐츠를 생성할 수 있는 인공지능의 한 유형이다. 이 기술은 이미 다양한 산업에서 사용되고 있으며, 앞으로 더욱 널리 보급될 것으로 예상된다. 생성형 AI는 여러 가지 면에서 AI 생태계를 혁신할 수 있다. 첫째, 새로운 응용 프로그램의 개발을 가능하게 할 수 있다. 둘째, 생성형 AI는 기존 AI 시스템의 성능을 향상시키는 데 사용할 수 있다. 셋째, 생성형 AI는 새롭고 혁신적인 제품과 서비스를 만드는 데 사용할 수 있다. 생성형 AI는 기존 AI가 할 수 없었던 방식으로 새로운 콘텐츠를 만들 수 있기 때문에, 이전보다 훨씬 창의적이고 생산적일 수 있다. 생성형 AI는 또한 이전보다 훨씬 효율적이고 정확할 수 있기 때문에, 기존 AI가 수행하는 작업을 더 잘 수행할 수 있다. 생성형 AI는 다음과 같은 다양한 방식으로 AI 생태계를 바꿀 수 있다. 창의성 : 생성형 AI는 새로운 콘텐츠를 만들 수 있기 때문에 창의적인 분야에서 혁명을 일으킬 수 있다. 예를 들어, 생성형 AI는 영화, 음악 및 문학을 만드는 데 사용할 수 있다. 생산성 : 생성형 AI는 기존 AI보다 훨씬 빠르고 효율적으로 작업을 수행할 수 있기 때문에 생산성 향상에도 도움이 될 수 있다. 예를 들어, 생성형 AI는 고객 서비스, 데이터 분석 및 제품 개발과 같은 작업을 자동화하는 데 사용할 수 있다. 효율성 : 생성형 AI는 기존 AI보다 훨씬 정확하고 신뢰할 수 있기 때문에 효율성 향상에도 도움이 될 수 있다. 예를 들어, 생성형 AI는 의료 진단, 금융 거래 및 법률 문서 작성과 같은 작업을 수행하는 데 사용할 수 있다. 생성형 AI는 AI 생태계를 혁신할 잠재력이 있는 강력한 기술이다. 기존의 AI 기술은 데이터에서 패턴을 찾는 데 중점을 두는 반면, 생성형 AI는 데이터에서 새로운 콘텐츠를 만드는 데 중점을 둔다. 이로 인해 생성형 AI는 새로운 제품과 서비스 개발, 창의적인 콘텐츠 제작, 기존 AI 모델의 성능 향상 등 다양한 방식으로 사용될 수 있다. 예를 들어, 생성형 AI는 새로운 약물이나 재료의 설계, 새로운 음악이나 예술 작품의 창작, 기존 기계 학습 모델의 성능 향상에 사용될 수 있다. 또한 기존 AI 기술로는 불가능했던 방식으로 사용자와 상호작용할 수 있는 새로운 챗봇 및 가상 비서를 만드는 데에도 사용될 수 있다. 생성형 AI는 아직 개발 초기 단계에 있지만 빠르게 발전하고 있다. 이러한 추세가 계속된다면 생성형 AI는 앞으로 몇 년 안에 AI 생태계를 혁신하고 우리 삶에 큰 영향을 미칠 것이다.(바드의 답변)   서평 맵 책이 출간되기 전에 저자의 책 소개를 바탕으로 서평 맵을 만들었다. 그리고 좀 더 명확하게 이해하기 위해 저자의 목소리에 귀를 기울여 보았다. 형식이 내용을 지배하는 것과 생성형 AI가 우리 사회와 기업이 어떻게 대처해야 할지에 대해 어떤 메시지를 줄지 한 장의 맵으로 정리해 보았다.   ▲ ‘챗GPT 빅 웨이브(김지현, 최재홍 지음)’ 서평 맵(Map by 류용효) (클릭하시면 큰 이미지로 볼 수 있습니다.)   생성형 AI를 통한 기업 비즈니스 변화 디지털 트랜스포메이션이나 AI 기반의 디지털 트랜스포메이션에서 제일 중요한 핵심은 ‘목적’에 대한 정의다. 경영진과 AI를 통한 디테일을 추진하는 부서가 해당 사업을 왜 하는지를 먼저 명확히 하고 추진해야 한다. 현재 몇몇 기업에서는 AI 트랜스포메이션에 박차를 기하고 있고, AI 트랜스포메이션 생태계 확장을 위해 움직이고 있다. 그렇다면 LLM 기술을 기반으로 어떻게 더 기업에 맞는 비즈니스 모델을 혁신할 수 있는지 살펴볼 필요가 있다. 그럼에도 개인은 기존의 검색 서비스를 사용하는 것처럼 적극적으로 챗GPT를 사용하기 위해 전향적으로 나서고 있다. 나 역시도 아직 검색만큼의 비중은 아니지만, 새로운 아이디어를 떠올리거나 다양한 관점의 생각을 펼치는 데 도움을 받는 용도로 챗GPT를 적극 활용하고 있다. 이때 가장 중요한 나만의 활용 방식은 챗GPT와 대화하는 창에서 최소 10분 이상 오랜 시간 공들여서 지시하며 정보를 탐색한다는 것이다. 두세 번의 프롬프트로 답을 얻으려 하지 않고, 긴 시간 공들여서 메시지를 주고받으며 정보를 찾으려고 노력해야 실제 업무에 도움이 되는 시사점을 찾을 수 있기 때문이다. 그렇게 메시지를 주고받는 과정에서는 챗GPT는 나와 주고받은 메시지를 기억한다. 대화창 내에서는 단기적으로 기억을 하는 것이다.(‘챗GPT 웨이브’ 3, 4장에서 인용) 책의 메시지를 정확하게 전달하기 위해 책의 내용을 가능한 범위 내에서 직접 인용하였다. 6월 한 달동안 이 책을 옆에 두고 챗GPT와 대화를 나누듯이 이 책을 통해 질문의 스킬과 근원적인 궁금중에 대해 한 걸음 더 나아간다면 더할 나위 없을 것 같다. 일상 생활이 될 ‘챗GPT 빅 웨이브’를 친한 친구로 항상 곁에 두려고 한다. 지금까지 스마트폰 이후로 이런 기술은 없었다. 너무 크거나 손에 잡히지 않는 가치와 상상 속에서 기술이 존재했다면 챗GPT의 출현은 1억 명에서 현재는 3억 명 이상이 흥분되고 대화를 나누고 새로운 친구를 뜨겁게 맞이해 준다. 앞으로 더 생활화를 부르짖으며 우리의 곁에 오랜동안 머물지 않을까 생각된다.   ■ 류용효 디원에서 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)   ■ 기사 내용은 PDF로도 제공됩니다.

책에서 얻은 것 No.16   “디지털 치료제는 정신 건강 치료를 받지 못하던 사람들에게 새로운 기회를 제공한다.” - 마이클 허튼    챗GPT와의 대화 Q : 디지털 치료제에 대해 얘기 나누고 싶어. A : “디지털 치료제는 정신 건강 치료를 위해 디지털 기술을 사용하는 것을 의미합니다. 이러한 치료는 증상 완화 및 예방을 위해 사용될 수 있으며, 온라인 상담, 모바일 애플리케이션, 가상현실, 인공지능 등 다양한 기술을 활용합니다. 디지털 치료제는 정신 건강 문제에 대한 접근성을 높여주는 장점이 있습니다. 특히, 지역적, 시간적, 재정적 제약으로 치료를 받지 못하던 사람들에게 큰 도움을 줄 수 있습니다. 또한, 개인 맞춤형 치료를 제공할 수 있어 보다 효과적인 치료가 가능합니다. 하지만 디지털 치료제는 전문적인 치료보다는 보조적인 역할을 하며, 감독 없이 사용될 경우 부작용이 발생할 수 있습니다. 따라서 전문가의 감독하에 사용하는 것이 중요합니다. 결론적으로, 디지털 치료제는 정신 건강 치료에 새로운 가능성을 제시하고 있으며, 접근성과 효과성을 높여주는 역할을 합니다. 하지만 전문가의 감독하에 사용하는 것이 중요하며, 디지털 치료제가 모든 정신 건강 문제에 대해 해결책이 될 수 있는 것은 아닙니다.”   출판사 서평 과거 의학이 발달하기 전에는 인류는 질병에 걸리면 죽을 가능성이 컸다. 하지만 이제는 의학의 발달로 인류의 평균수명이 대폭 늘어났고 급성 전염병의 시대에서 만성질환과 퇴행성질환 시대로 구조가 바뀌었다. 그러면서 헬스케어 산업은 디지털 기술과 융합해 건강하게 오래 사는 것을 지원하게 됐다. 특히 코로나 팬데믹 이후 비대면 의료가 주목받으면서 의료 분야에서의 디지털 전환이 가속화됐다. 인공지능, 가상현실, 챗봇, 게임 등 정보통신기술을 활용해 일상생활 속에서 질병의 치료와 관리를 제공하는 디지털 치료제(Digital Therapeutics : DTx)가 크게 주목받으며 신산업으로 떠오르고 있다.  이 책은 국내 최초로 디지털 치료제를 본격적으로 다룬 책이다. 디지털 치료제는 기존 의료 시스템에 혁명적인 변화를 가져올 것이다. - ‘디지털 치료제 혁명(하성욱, 김유영 지음)’ 출판사 서평   바이오 기술의 혁신은 데이터에서부터 출발한다.  환자 중심의 병원 데이터가 아닌 유소견자 중심의 건강검진 데이터는 디지털 헬스케어 서비스의 필수 요소이다.  건강검진 결과에 적합한 디지털 치료제가 있다면 5조 원 규모의 건강검진 시장에 엄청난 변화를 만들 것이다.  디지털 치료제가 궁금하다면 가장 먼저 이 책을 읽어봐야 할 것이다. - 이상호 한국의학연구소 이사장 추천평 중에서   챗GPT가 나오고 난 후 질문에 관심이 많아졌다. 저자가 책에서 던진 질문 리스트를 정리해 봤다. 26가지쯤 나오는 것 같다.  습관처럼 챗GPT(ChatGPT)에 물어봤다. 챗GPT의 답과 저자가 책에서 언급한 내용을 비교해 보면 흥미로울 것 같다. 글 뒷부분에 챗GPT의 답을 옮겨 놓았다. 하지만 비교는 하지 않을 것이다. (궁금한 분들은 책을 읽고 비교해 보면 도움이 될 것 같다.)   질문 리스트 26 1. 디지털로 약을 만든다고?  2. 소프트웨어가 약처럼 질병을 치료할 수 있다고?  3. 질병에 걸리는 것은 유전인가, 환경인가?  4. 디지털 치료제는 어떻게 질병을 치료하는가? 5. 디지털 치료제는 아날로그와 무엇이 다른가? 6. 디지털 치료제는 무엇이 다른가? 7. 디지털 치료제의 주요 접목 분야는 어디인가? 8. 왜 지금 디지털 치료제에 주목해야 하는가? 9. 왜 디지털 바이오마커 시장이 주목받는가? 10. 어떻게 디지털 치료제와 시너지 효과를 낼 것인가? 11. 좋은 디지털 치료제는 무엇이고 어떻게 만들 것인가? 12. 디지털 치료제는 어떻게 임상실험을 하는가? 13. 어떻게 디지털 치료제의 사용성을 높일 것인가? 14. 디지털 치료제는 어떤 질병에 더 유용한가? 15. 데이터 3법과 마이 헬스웨이는 어떤 변화를 가져오는가? 16. 디지털 치료제의 유통은 어떻게 될 것인가? 17. 보험사의 디지털 헬스케어 전략은 무엇인가? 18. 디지털 치료제의 처방과 청구는 어떻게 진행되는가? 19. 민영 보험 기업들은 어떻게 변화하고 있는가? 20. 디지털 치료제의 수가체계는 어떻게 되는가? 21. 원격의료 규제는 어떤 방향으로 진행될 것인가? 22. 만성질환과 비의료서비스에 어떻게 활용할 것인가? 23. 왜 디지털 치료제에서 임상디자인이 중요한가? 24. 왜 발병 전 생활습관 중재치료가 중요한가? 25. 발병 전 생활습관 중재치료는 어떻게 하는가? 26. 만성질환 대상 파이프라인 선정을 어떻게 해야 하는가?   ▲ ‘디지털 치료제 혁명(하성욱, 김유영 지음)’ 서평 맵(By 류용효)(클릭하시면 큰 사이즈로 볼 수 있습니다.)   DTx 맵 ‘디지털 치료제 혁명’의 서평 맵을 만들었다. 바이오 분야에서도 PLM을 활발하게 사용하기 때문에 이 분야에 대한 이해도를 높이기 위해 이 책을 골랐고, 정독하였다. 한번쯤 꼭 읽어봐야 할 책으로 권한다.  다음은 앞의 26가지 질문에 대한 챗GPT의 답이다.    디지털로 약을 만든다고?  “디지털 약물 또는 디지털 치료제는 디지털 기술을 사용하여 환자에게 약물을 전달하는 치료의 한 형태입니다. 이러한 약물은 정신 건강 장애, 만성 질환 및 중독을 포함한 다양한 상태를 치료하도록 설계되었습니다.”   소프트웨어가 약처럼 질병을 치료할 수 있다고?  “소프트웨어만으로 질병을 치료할 수는 없지만 질병 치료를 돕는 도구로 사용할 수 있습니다. 디지털 치료는 소프트웨어 프로그램을 활용하여 환자 결과 개선을 목표로 하는 치료 개입을 제공합니다. 이러한 개입에는 인지 행동 치료, 마음 챙김 훈련 또는 디지털 플랫폼을 통해 제공될 수 있는 기타 형태의 심리 치료가 포함될 수 있습니다.”   질병에 걸리는 것은 유전인가, 환경인가?  “질병의 원인은 종종 다인자적이며 유전적 요인과 환경적 요인이 복합적으로 작용할 수 있습니다. 유전적 요인이 특정 질병에 걸릴 위험을 증가시킬 수 있지만 생활 방식 선택, 독소 노출, 감염 인자와 같은 환경적 요인도 질병 발병에 중요한 역할을 할 수 있습니다.”   디지털 치료제는 어떻게 질병을 치료하는가? 디지털 치료는 기술을 활용하여 환자 건강 결과를 개선하는 것을 목표로 하는 증거 기반 중재를 제공합니다. 이러한 중재는 전통적인 의료 치료와 함께 사용하도록 설계되었으며 인지 행동 치료, 뉴로피드백 및 바이오피드백과 같은 다양한 치료 접근 방식을 포함할 수 있습니다. 환자에게 개인화된 데이터 기반 개입을 제공함으로써 디지털 치료법은 환자 결과를 개선하고 의료 비용을 줄이는 데 도움이 될 수 있습니다.   디지털 치료제는 아날로그와 무엇이 다른가? “신체 내 화학 반응에 의존하여 치료 효과를 나타내는 아날로그 치료와 달리 디지털 치료는 기술을 활용하여 효과를 나타냅니다. 두 가지 유형의 치료법 모두 환자의 건강 결과를 개선하는 것을 목표로 하지만, 디지털 치료법은 데이터와 기술을 활용하여 개별 환자의 요구에 맞출 수 있는 개인화된 중재를 제공하는 고유한 기능입니다. 또한 디지털 치료법은 디지털 플랫폼을 통해 원격으로 제공될 수 있기 때문에 기존 치료법보다 접근하기 쉽고 비용 효율적일 가능성이 있습니다.”   디지털 치료제는 무엇이 다른가? “디지털 치료제는 다양한 의학적 상태를 예방, 관리 또는 치료할 수 있는 임상 개입을 제공하기 위해 모바일 애플리케이션, 가상현실 또는 웨어러블 장치와 같은 소프트웨어 또는 디지털 기술을 활용한다는 점에서 기존 의약품과 다릅니다. 기존 약물과 달리 디지털 치료제는 활성 제약 성분이 없는 경우가 많지만 환자 행동을 효과적으로 변경하고 개인화된 피드백을 제공하며 치료 결과를 모니터링하는 데 사용할 수 있는 실시간 데이터를 수집할 수 있습니다.”   디지털 치료제의 주요 접목 분야는 어디인가? “정신건강, 심혈관질환, 호흡기질환, 당뇨병, 비만 등 다양한 의료분야에 디지털 치료제가 적용되고 있습니다. 특히 디지털 치료제는 만성질환을 관리하고 환자의 치료 프로토콜 준수도를 높이는 데 유망한 결과를 보였습니다.”   왜 지금 디지털 치료제에 주목해야 하는가? “디지털 치료제는 비용 절감, 부작용 감소, 환자 참여 개선 등 기존 약물에 비해 몇 가지 이점을 제공합니다. 또한 장기 치료 및 모니터링이 필요한 만성 질환 환자와 같은 특정 환자 집단의 미충족 의료 요구를 해결할 수 있는 잠재력이 있습니다. 또한 디지털 치료제는 빠르게 개발, 업데이트 및 확장될 수 있으므로 만성 질환의 증가하는 부담을 해결하기 위한 보다 효율적이고 효과적인 솔루션이 됩니다.”   왜 디지털 바이오마커 시장이 주목받는가? “만성질환의 유병률 증가와 원격 환자 모니터링의 필요성으로 디지털 바이오마커 시장이 주목받고 있습니다. 디지털 바이오마커는 디지털 장치로 캡처할 수 있고 질병 진행을 추적하고 결과를 예측하며 치료 반응을 평가하는 데 사용할 수 있는 생리적, 행동적 또는 환경적 요인의 객관적이고 정량화 가능한 측정입니다. 디지털 바이오마커를 디지털 치료제에 통합하면 효과를 높이고 보다 개인화되고 정밀한 치료를 제공할 수 있습니다.”   어떻게 디지털 치료제와 시너지 효과를 낼 것인가? “디지털 치료제와 인공지능, 기계학습 등 다른 헬스케어 기술 간의 시너지를 달성하기 위해서는 디지털 치료제가 기존 헬스케어 시스템 및 규제 프레임워크에 통합되어야 합니다. 환자에게 가치를 제공하고 의료 결과를 개선할 수 있는 포괄적인 디지털 의료 에코시스템을 만들기 위해서는 디지털 의료 회사, 의료 제공자, 지불인 및 규제 기관 간의 협력이 필수적입니다.”   좋은 디지털 치료제는 무엇이고 어떻게 만들 것인가? “좋은 디지털 치료는 증거 기반, 환자 중심, 사용자 친화적이어야 합니다. 특정 임상 요구를 충족하고 증상 개선, 질병 진행 방지 또는 의료 비용 절감과 같은 명확한 치료 목표를 갖도록 설계되어야 합니다. 고품질 디지털 치료제를 만들기 위해 개발자는 개발 프로세스에 환자, 의료 제공자 및 규제 기관을 참여시키고 엄격한 임상 시험을 수행하여 안전성과 효능을 입증해야 합니다.”   디지털 치료제는 어떻게 임상실험을 하는가? “디지털 치료제는 미국의 FDA 및 다른 국가의 기타 규제 기관에서 규제합니다. 디지털 치료제의 규제 경로에는 전통적 의약품과 유사한 임상시험을 통해 안전성과 유효성을 입증하는 것이 포함됩니다. 그러나 디지털 치료는 유용성, 사용자 수용 및 참여를 입증하기 위해 추가 증거가 필요할 수도 있습니다.”   어떻게 디지털 치료제의 사용성을 높일 것인가? “디지털 치료제의 사용성 및 사용자 수용성을 향상시키기 위해 개발자는 사용 용이성, 사용자 인터페이스 디자인 및 개인화와 같은 요소를 고려해야 합니다. 사용자 중심 디자인 원칙은 개발 프로세스 전반에 적용되어야 하며 사용자 피드백을 반영하여 제품을 반복적으로 개선해야 합니다. 또한 디지털 치료법은 기존 의료 워크플로 및 치료 팀에 통합되어 채택 및 지속 가능성을 보장해야 합니다.”   디지털 치료제는 어떤 질병에 더 유용한가? “디지털 치료제는 정신 건강 장애, 중독, 만성 통증 및 대사 장애를 포함한 다양한 의학적 상태를 치료하는 데 효능을 보여주었습니다. 이들은 독립형 치료제로 사용하거나 전통 약물 및 기타 요법의 보조제로 사용할 수 있습니다. 디지털 치료제는 만성 질환의 증가하는 부담을 해결하고 환자 결과를 개선할 수 있는 잠재력을 가지고 있습니다.”   데이터 3법과 마이 헬스웨이는 어떤 변화를 가져오는가? “데이터 3.0 규제와 ‘My Health Way’의 부상은 의료 산업에 큰 변화를 가져오고 있습니다. 데이터 3.0 규정은 의료 데이터의 상호 운용성과 공유를 촉진하여 디지털 치료법의 개발과 채택을 촉진하는 것을 목표로 합니다. 환자 포털 및 개인 건강 기록과 같은 ‘My Health Way’ 이니셔티브는 환자가 자신의 건강을 보다 잘 관리하고 공동 결정에 참여할 수 있도록 지원합니다.”   디지털 치료제의 유통은 어떻게 될 것인가? “디지털 치료제의 유통은 D2C, 의료 제공자 및 지불인을 포함한 다양한 채널을 통해 이루어질 것으로 예상됩니다. 이러한 채널은 환자의 안전과 효능을 보장하기 위해 규제되어야 합니다.”   보험사의 디지털 헬스케어 전략은 무엇인가? “보험 회사는 환자 결과를 개선하고 의료 비용을 줄이기 위해 디지털 치료 및 원격 환자 모니터링을 포함한 디지털 의료 전략을 구현하고 있습니다.”   디지털 치료제의 처방과 청구는 어떻게 진행되는가? “디지털 치료제에 대한 처방 및 청구에는 기존 약물 및 치료법과 유사하게 취급되도록 하는 새로운 규제 프레임워크가 필요합니다. 여기에는 의료 제공자, 지불자 및 규제 기관 간의 협력이 포함됩니다.”   민영보험 기업들은 어떻게 변화하고 있는가? “민간 보험 회사는 디지털 치료 회사와의 파트너십을 개발하고 그들의 제품을 보장 계획에 통합함으로써 디지털 의료 환경에 적응하고 있습니다.”   디지털 치료제의 수가체계는 어떻게 되는가? “디지털 치료제의 가격은 환자와 의료 시스템에 제공하는 가치와 개발 및 유통 비용에 따라 결정됩니다. 이를 위해서는 공정하고 투명한 가격 책정 시스템을 구축하기 위해 업계, 지불인 및 규제 기관 간의 협력이 필요합니다.”   원격 의료 규제는 어떤 방향으로 진행될 것인가? “원격 의료 서비스가 더욱 보편화될 가능성이 높으며 환자의 안전과 진료의 질을 보장하기 위해 규정을 조정해야 합니다. 규제 기관은 원격 의료 서비스의 이점과 적절한 감독의 필요성 사이에 균형을 맞춰야 합니다.”   만성질환과 비의료서비스에 어떻게 활용할 것인가? “디지털 치료는 정신 건강 지원 및 중독 치료와 같은 만성 질환 및 비의료 서비스에 효과적인 중재를 제공할 수 있는 잠재력이 있습니다.”   왜 디지털 치료제에서 임상디자인이 중요한가? “임상 설계는 개입이 의도한 환자 모집단에 대해 효과적이고 안전하다는 것을 보장하기 위해 디지털 치료법 개발에서 매우 중요합니다. 이를 위해서는 임상 연구자, 개발자 및 규제 기관 간의 협력이 필요합니다.”   왜 발병 전 생활습관 중재치료가 중요한가? “질병이 발병하기 전에 생활양식 요인을 목표로 하는 선제적 개입은 만성 질환의 부담을 줄이는 데 중요합니다. 디지털 치료법은 개인의 라이프스타일, 행동 및 위험 요인에 맞는 맞춤형 개입을 제공할 수 있습니다.”   발병 전 생활습관 중재치료는 어떻게 하는가? “모바일 앱, 웨어러블, 온라인 코칭 프로그램과 같은 디지털 치료를 통해 선제적 라이프스타일 개입을 제공할 수 있습니다. 이러한 중재는 영양, 운동, 스트레스 관리 및 기타 라이프스타일 요소에 대한 개인화된 지침을 제공할 수 있습니다.”   만성질환 대상 파이프라인 선정을 어떻게 해야 하는가? “디지털 치료제 개발을 위한 만성 질환의 선택은 질병 부담, 충족되지 않은 의료 요구 및 효과적이고 비용 효율적인 솔루션을 제공하기 위한 디지털 개입의 가능성을 기반으로 해야 합니다. 파이프라인 대상을 식별하고 우선 순위를 지정하려면 산업계, 학계 연구원 및 규제 기관 간의 협력이 중요합니다.”   맺음말 챗GPT를 비서로 두면 놀라운 일들이 벌어진다. 그리고 디지털 치료제가 앞으로 유망하게 확산될 전망이라고 한다. IT가 급속히 발전함에 따라 인간의 정신 건강이 어느때보다 중요하게 떠오르고 있다. 시대 흐름에 맞춰 ‘디지털 치료제’와 관련된 부분에도 관심을 가지고, 개개인의 삶을 되돌아 보며 관리해야 할 때가 온 것 같다.   류용효 디원에서 상무로 근무하고 있다. EF소나타, XG그랜저 등 자동차 시트설계업무를시작으로 16년 동안 SGI, 지멘스, 오라클, PTC 등 글로벌 IT 회사를 거치면서 글로벌 비즈니스를 수행했으며,다시 현장 중심의 플랫폼 기반 엔지니어링 서비스를 수행하고 있다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.