동네 치과 AI 전환 사례: 전화·예약 자동화와 로컬 AI 확인 기준

영국의 Love Teeth는 동네 치과 AI 전환 사례로 공개된 곳입니다. 이 치과는 AI 전화 응대를 기존 예약 시스템에 연결해 전화·예약 업무를 처리하는 방식을 바꿨어요. 성격으로 보면 AI를 통해 업무 운영 자체를 바꾸는 AX에 가깝습니다. 반면 병원 내부 장비에서 모델을 실행하는 '로컬 AI'를 구축했는지는 공개 자료로 확인되지 않습니다.

공급사 Intavia의 소개에 따르면 Love Teeth는 직원 5~10명, 진료 거점 1곳인 치과예요. AI 접수 담당 'Sarah'를 치과 관리 시스템 Dentally에 연결했고, 부재중 전화와 진료시간 외 전화부터 시작해 적용 범위를 넓혔다고 설명합니다. 이 사례에서 제가 가장 먼저 보라고 권하는 지점은 전화로 받은 요청이 실제 예약 처리까지 이어진다는 부분입니다.

전화 한 통이 예약 변경까지 이어지는 방식

Sarah는 승인된 흐름을 따라 Dentally에서 환자와 예약을 확인하고, 가능한 시간을 조회한 뒤 예약·변경·취소를 처리합니다. 예약 정보의 기준은 여전히 기존 시스템인 Dentally에 남아 있어요. 정해진 규칙을 벗어나는 요청은 직원에게 넘어가는 구조입니다. 그래서 운영 품질을 판단할 때 대화가 얼마나 자연스러운지만 보면 절반만 본 셈이 돼요. AI가 어디까지 실행하는지, 언제 사람에게 넘기는지를 함께 봐야 합니다.

흔히 헷갈리는 부분이 있는데, 예약 가능 시간을 안내하는 것과 예약 시스템에 변경을 실제로 반영하는 것은 서로 다른 일이에요.

공개된 수치는 어디까지 믿어도 될까

Intavia가 제시한 응대 전화 2,032건과 통화 43시간은 실제 30일 전체를 관측한 결과가 아닙니다. 최근 7일 데이터를 30일로 환산한 전망치예요. 공급사가 직접 공개한 수치라는 점에서도 독립적으로 검증된 효과와는 구분해서 읽을 필요가 있습니다.

가장 빠지기 쉬운 함정은 통화 43시간을 직원 노동 43시간 절감으로 읽는 거예요. 이렇게 해석하면 비용 판단이 어긋날 수 있습니다. 순절감 시간을 계산하려면 직원이 후속 확인과 수정에 들인 시간까지 알아야 하거든요. 같은 페이지에 나온 예약 관련 전화 600건도 신규 예약 완료 600건을 뜻하지 않습니다.

어디서부터 맡기고, 무엇으로 검증할까

도입을 설계한다면 진료시간·위치처럼 승인된 정보를 안내하고 부재중 문의를 접수하는 단계부터 시작하기를 권합니다. 운영 결과를 지켜본 뒤 예약 수정으로 범위를 넓히는 순서가 합리적이에요. 다만 이건 후속 도입을 위한 설계 제안이고, 공개 사례에서 효과가 입증된 표준 절차로 볼 근거는 부족합니다.

예약 수정을 맡기기 전에는 세 가지 조건을 먼저 갖춰 두세요.

• 환자 식별: 누구의 예약인지 정확히 구분할 수 있어야 합니다.
• 예약 규칙: 허용된 조건에서만 변경이 이뤄져야 합니다.
• 직원 인계: 처리하기 어려운 요청은 직원이 이어받을 수 있어야 합니다.

이 조건을 맨 앞에 두는 이유는 단순해요. AI의 처리가 실제 환자의 예약 데이터에 영향을 주기 때문입니다.

검증 지표도 통화량보다 변경 결과에 무게를 두는 편이 낫습니다. 예약 변경 성공률은 요청한 변경이 시스템에 정확히 반영됐는지를 기준으로 정의하고, 잘못된 변경 건수와 직원 수정 시간을 함께 살펴보기를 제안해요. 성공률이 높더라도 오류를 바로잡는 데 시간이 많이 든다면 운영상 이득은 줄어듭니다.

비용은 공개 사례만으로는 판단하기 어려워요. 구축비와 검증된 순절감액이 제시되지 않았기 때문입니다. 비교할 때는 이용료만 보지 말고 시스템 연동·유지보수 비용, 직원의 검토·재작업 시간까지 더해야 실제 운영 부담이 드러나요. 내부 장비를 쓰는 구성이라면 장비 자체와 업데이트·장애 대응 비용도 계산에 넣어야 합니다.