병원용 AI 챗봇, RAG로 만든다는 것은 무슨 뜻인가 — 구축 순서와 실패 지점

병원 홈페이지에 챗봇을 붙이고 싶다는 문의가 늘고 있습니다. 그런데 상담을 해 보면 대부분 "무엇을 답하게 할 것인가"가 정해지지 않은 상태입니다. 도구를 먼저 고르면 이 단계에서 막힙니다.

왜 일반 챗봇으로는 안 되나

범용 언어모델을 그대로 붙이면 두 가지 문제가 생깁니다. 첫째, 그 병원의 정보를 모릅니다 — 진료시간, 의료진, 시술 항목, 주차 안내를 알 리가 없습니다. 둘째, 모르는 것을 그럴듯하게 지어냅니다. 의료 영역에서 이것은 단순한 오류가 아니라 위험입니다.

그래서 나온 구조가 RAG(검색 증강 생성)입니다. 답을 모델의 기억에서 꺼내는 대신, 먼저 우리 자료에서 근거를 찾아온 뒤 그 근거만으로 답을 쓰게 하는 방식입니다.

구축 순서 — 도구는 마지막입니다

• ① 답변 범위를 정한다 — 무엇에 답하고 무엇에 답하지 않을지. 의료 상담(진단·처방)은 처음부터 제외 대상입니다.
• ② 자료를 정리한다 — 진료 안내, 시술 설명, 자주 묻는 질문, 오시는 길. 흩어진 정보를 문서 단위로 모읍니다.
• ③ 쪼갠다(청킹) — 문서를 검색 단위로 나눕니다. 너무 크면 관련 없는 내용이 섞이고, 너무 작으면 맥락이 끊깁니다.
• ④ 색인한다 — 질문과 자료를 의미 기준으로 연결할 수 있게 벡터로 변환해 저장합니다.
• ⑤ 답변 규칙을 정한다 — 근거가 없으면 "모른다"고 말하고 연락처를 안내하도록 강제합니다.
• ⑥ 도구를 고른다 — 위 다섯 가지가 정해진 뒤라야 무엇이 필요한지 판단됩니다.

의료 도메인의 추가 제약

일반 서비스와 다른 조건이 붙습니다.

• 의료광고 규정 — 챗봇의 답변도 광고로 읽힐 수 있습니다. 효과를 단정하거나 비교우위를 말하는 문장이 나오지 않도록 답변 템플릿 단계에서 막아야 합니다.
• 진단·처방 회피 — "이 증상은 무슨 병인가요"에 답하지 않고 내원을 안내하는 것이 원칙입니다.
• 개인정보 — 대화창에 증상이나 연락처를 적는 이용자가 있습니다. 무엇을 저장하고 언제 파기할지 정해 두어야 합니다.
• 로그 검토 — 실제 질문 목록은 콘텐츠 기획의 최상급 자료이면서, 동시에 잘못된 답변을 찾아내는 통로입니다.

어디서 실패하나

• 자료가 얇다 — 홈페이지에 없는 내용은 챗봇도 모릅니다. 챗봇을 붙이기 전에 콘텐츠를 채우는 것이 순서입니다.
• 모른다고 말하지 않는다 — 근거 없이 답하도록 두면 신뢰가 한 번에 무너집니다.
• 업데이트가 끊긴다 — 진료시간이 바뀌었는데 챗봇은 옛 정보를 말합니다. 자료 갱신 주기를 운영에 포함해야 합니다.
• 측정하지 않는다 — 무엇을 물었고 어디서 막혔는지 보지 않으면 개선할 수 없습니다.

비용과 기간을 가르는 변수

견적 차이가 크게 나는 이유는 대체로 세 가지입니다. 첫째, 자료의 상태입니다. 이미 정리된 문서가 있으면 색인 작업만 하면 되지만, 흩어져 있으면 콘텐츠 정비부터 해야 합니다. 실제 작업량의 절반 이상이 여기서 갈립니다. 둘째, 답변 범위의 넓이입니다. 진료 안내만 답할지, 시술 설명까지 다룰지에 따라 검증해야 할 시나리오 수가 달라집니다. 셋째, 연동 범위입니다. 예약 시스템이나 상담 관리와 연결하면 별도의 개발이 붙습니다.

기간도 같은 구조로 정해집니다. 자료가 갖춰진 상태에서 좁은 범위로 시작하면 짧게 끝나고, 범위를 넓게 잡으면 검증 단계에서 시간이 늘어납니다. 처음부터 모든 질문에 답하게 만들려는 시도가 가장 흔한 지연 원인입니다.

운영이 실제 작업입니다

구축은 시작이고, 이후가 본편입니다. 최소한 다음은 정해 두어야 합니다.

• 자료 갱신 주기 — 진료시간·의료진·시술 항목이 바뀔 때 누가 언제 반영하는지
• 로그 검토 주기 — 실제 질문을 읽고 답하지 못한 항목을 목록으로 남기는 작업
• 답변 수정 절차 — 잘못된 답변을 발견했을 때 어디를 고치는지(자료인지 규칙인지)
• 에스컬레이션 — 챗봇이 답할 수 없을 때 사람에게 넘어가는 경로

이 네 가지가 없으면 도입 직후 몇 주는 잘 돌아가다가 정보가 낡으면서 신뢰를 잃습니다.

챗봇은 콘텐츠의 대체재가 아닙니다

자주 오해되는 부분입니다. 챗봇은 이미 있는 정보를 빠르게 꺼내 주는 창구이지, 정보를 만들어 내지 않습니다. 그래서 챗봇 도입의 실질적인 준비는 답할 거리를 문서로 갖추는 일입니다.

역으로, 그렇게 정리한 문서는 검색엔진과 생성형 AI가 인용하기에도 좋은 형태가 됩니다. 챗봇 구축과 콘텐츠 정비를 같은 작업으로 묶으면 두 곳에서 효과가 납니다.

정리

병원용 AI 챗봇의 성패는 모델의 성능이 아니라 답변 범위 설계와 자료의 상태에서 갈립니다. 도구 선정은 마지막 단계이고, 그 앞의 다섯 단계가 실제 작업량의 대부분입니다.

루미브리즈는 병원·의원의 콘텐츠 정비와 AI 검색 대응을 함께 설계합니다.