병원용 AI 챗봇, 만들기 전에 3가지만 확인하세요 — 전화가 줄어드는 챗봇과 안 줄어드는 챗봇

"챗봇 넣으면 전화 좀 줄어들까요?" 병원 도입 상담에서 가장 먼저 나오는 질문입니다. 솔직하게 답하면, 줄어드는 챗봇과 전혀 줄지 않는 챗봇이 갈립니다. 그리고 그 차이는 화면이 예쁜지, 말투가 자연스러운지와는 거의 상관이 없습니다.

전화가 줄지 않는 챗봇에는 공통점이 하나 있습니다. 답을 지어냅니다. 진료시간을 물으면 그럴듯한 시간을 만들어 답하고, 비용을 물으면 일반론을 말합니다. 환자는 한 번 틀린 답을 받으면 그다음부터 챗봇을 쓰지 않고 바로 전화를 겁니다. 데스크 부담은 그대로인데 유지비만 늘어납니다.

1) 답변의 근거가 '우리 문서'에서 나오는가

일반 언어모델은 학습한 일반 지식으로 답합니다. 우리 병원의 진료시간, 휴진일, 준비물, 주차 안내는 그 안에 없습니다. 그래서 필요한 것이 RAG(검색 증강 생성) 구조입니다. 질문이 들어오면 먼저 우리 문서에서 근거를 찾고, 찾은 근거만으로 답을 만드는 방식입니다.

루미브리즈가 구축할 때는 병원 홈페이지·진료 안내문·자주 묻는 질문·시술 동의서를 조항 단위로 쪼개 색인합니다. 답변마다 어느 문서 몇 번째 항목을 근거로 삼았는지가 로그에 남습니다. 근거를 못 찾으면 답하지 않습니다. 이 한 줄이 데스크 신뢰를 만듭니다.

2) 모르는 것을 '모른다'고 말하는가

도입 검토 중이라면 데모에서 이것 하나만 시험해 보시면 됩니다. 홈페이지에 없는 내용을 일부러 물어보세요. "다음 주 토요일 야간 진료 하나요" 같은, 문서에 없는 질문이 좋습니다.

• 그럴듯한 시간을 만들어 답한다 → 환자에게 잘못된 정보가 나갈 구조입니다.
• "안내된 자료에 없어 확인이 필요합니다"라고 답하며 전화·카톡으로 넘긴다 → 쓸 수 있는 구조입니다.

의료 정보에서 이 차이는 편의의 문제가 아니라 책임의 문제입니다. 진단·처방으로 읽힐 수 있는 질문은 답변을 만들지 않고 진료 안내로 넘기도록 처음부터 막아 두어야 합니다.

3) 예약·비용 문의를 실제로 넘겨받는가

상담 전화의 상당 부분은 정보 질문이 아니라 행동 요청입니다. 예약하고 싶다, 비용이 궁금하다, 검사 결과를 듣고 싶다. 챗봇이 정보만 안내하고 끝나면 환자는 결국 전화를 겁니다.

그래서 저희는 대화의 마지막을 항상 다음 행동에 연결합니다. 예약 페이지, 카카오 상담, 전화 연결 중 병원이 실제로 운영하는 창구로 넘기고, 어떤 질문에서 얼마나 넘어갔는지를 주 단위로 집계합니다. 어떤 질문이 가장 많이 들어오는지가 쌓이면, 그 질문은 다음 달 홈페이지 안내문으로 옮겨 애초에 묻지 않아도 되게 만듭니다.

도입 전에 준비하면 기간이 줄어듭니다

구축 기간을 좌우하는 건 개발이 아니라 문서 정리입니다. 아래 3가지가 준비되어 있으면 초기 가동까지 걸리는 시간이 눈에 띄게 짧아집니다.

• 진료시간·휴진일·주차·오시는 길이 한 문서에 최신 상태로 정리되어 있을 것
• 자주 묻는 질문 20개 내외와, 데스크가 실제로 쓰는 답변 문구
• 답하면 안 되는 범위(진단·처방·타 병원 비교 등)를 병원이 먼저 정해 둘 것

정리

챗봇의 성능은 모델이 아니라 근거 구조에서 갈립니다. 우리 문서에서 답을 찾는가, 모르면 멈추는가, 다음 행동으로 넘기는가. 이 3가지가 되면 데스크 전화가 줄고, 안 되면 유지비만 남습니다.

루미브리즈는 병원·기업 문서를 근거로 답하는 RAG 챗봇을 구축합니다. 구조와 단계는 기업용 AI 챗봇 페이지에 정리해 두었고, 우리 병원 문서로 가능한지부터 확인하고 싶으시면 문의 페이지에서 자료를 보내주시면 검토해 드립니다.