인간-AI 협업 수준을 활용한 AI 서비스 연구: 병동 간호사 사례를 중심으로

1. 1. 연구의 배경 및 목적

2023년 보건복지부가 공개한 경제협력개발기구(OECD) 회원국 보건분야 통계 자료에서는 고령화로 인한 인구 구조 변화, 과거 대비 건강한 삶에 대한 요구가 증가하고 있으나 환자의 수에 비하여 의료 인력이 만성적으로 부족하며 높은 업무 강도, 열악한 근무 환경을 이유로 잦은 이직과 휴직이 거듭되는 문제가 있음을 지적하였다. 2021년 보건의료노조의 실태조사에서는 31,672명의 간호사들 중 52.1%가 ‘일과 생활의 균형’, ‘업무량’, ‘노동강도’ 만족도가 낮다고 응답했다. 또, 42.5%는 최근 3개월간 초과 노동을 한다는 점, 1시간 이상의 장시간 연장근무를 하는 경우 식사를 거르는 횟수가 늘어나고 있는 점을 들어, 간호사가 최소한의 휴식도 보장 받지 못한 채 장시간 근무하는 열악한 환경이 만연해 있는 점을 지적하였다. 이에 간호사의 업무 시스템을 개선하는 데에 AI를 활용하여 업무 환경의 질을 높일 필요가 있음이 강조되고 있으나(Kim, 2023; Jeong et al., 2020; Shin, 2013) 아직까지 구체적인 해결 방안에 대한 논의 및 실증 연구가 불충분한 실정이다.

AI 기술을 통해 문제 상황을 개선하고자 하는 변화의 요구는 최근 전 산업 분야에 걸쳐 일어나고 있다. 이에 따라 인간-AI의 협업 상황을 다루는 새로운 비즈니스 프로세스에 대한 수요 또한 증가하고 있다(Gartner, 2023). 이 때, 인간-AI 협업 상황에서 기술의 수요자인 인간이 조직의 구성원으로서 어떤 직무에 종사하는지, 어느 직위에 있는지에 따라 AI 기술들 간 우선순위가 달라지며 그 서비스를 성공적으로 활용하고자 할 때 고려해야 하는 요인들도 달라진다(Kim, 2023). 이처럼 예측하기 어렵고 불확실한 변화의 상황에서 ‘인간 중심의 디자인 프로세스(Human-Centered Design, HCD)’는, 인간과 시스템에 대한 종합적 이해를 기반으로 프로세스를 설계하고 구축함으로써 변화하는 산업 생태계의 움직임 속에 통찰을 제공할 수 있으며(ISO, 2019), 사람들의 필요, 도전 과제, 열망에 대하여 깊이 공감할 수 있는 솔루션을 만드는 기초가 된다(Familoni & Babatunde, 2024). 이러한 HCD 접근법은 특히 의료 분야에서 공감 어린 의료 서비스를 개발하는 데에 기여함으로써 더욱 효과적인 혁신을 이뤄낼 수 있고, 여기에는 비판적 사고를 통해 미래를 예상하는 추측적(Speculative) 디자인을 통해 바람직한 미래를 이룰 가능성을 높일 수 있을 것으로 사료된다(Göttgens & Oertelt-Prigione, 2021; Dunne & Raby, 2013). 또한 문제를 겪는 집단 그 자체뿐 아니라 집단이 속해있는 조직의 내외부 관계 및 그 안에서의 프로세스, 상호작용과 그 경험들을 총체적으로 고려하는 서비스 디자인 관점에서의 접근이 유의미한 기회를 발견하도록 도움을 줄 수 있을 것이다(Shostack, 1984; Neilson Norman Group, 2017).

연구에서는 이와 같은 디자인 사고를 기반으로, 여러 산업 분야 중 기술을 통한 업무 환경 개선이 시급하여 유의미한 영향을 제고할 수 있으며 아직까지 실질적인 해결 방안과 관련된 연구가 불충분한 상황의 의료 분야, 특히 간호사의 업무 환경에 집중하여 AI 서비스를 접목하였을 때 바람직한 미래를 제안하고자 한다. 그리고 그 안에서 ‘인간 중심 디자인’의 가치에 따라, 구체적인 인간-AI 협업 방식에 대한 설계 과정을 서비스 디자인 프로세스에 따라 제안하고자 한다.

1. 2. 연구 범위 및 방법

본 연구는 과중한 업무량과 열악한 근무 환경으로 가장 큰 고충을 겪을 것으로 예상되는 집단, 일평균 200명 가까이 되는 환자들을 간호하는 2차 병원 이상 규모의 병원에서 3교대로 근무하고 있는 병동 간호사를 대상으로 한다.

연구는 병동 간호사의 업무 과정 속 문제점을 파악하고, 개선 방안을 도출한 후, 연구 대상자의 시선으로 개선 방안을 검증하고, 검증된 내용을 토대로 보완하여 최종 개선안을 제시하는 과정으로 진행되었다. 개선 방안은 병동 간호사가 직접 업무 환경에서 사용할 수 있는 가시화된 형태의 인터페이스로 제안하였다. 여기에는 AI 기술을 통해 제공할 수 있는 효익을 중심으로 고안되었다. 해당 과정에서 현재 논의되고 있는 AI의 수준을 구체적으로 탐색하여, 간호사의 업무 환경에 어떤 수준의 AI를 접목하였을 때 가장 유의미한지 구체적인 기회 영역의 시나리오를 모색하였다. 각 과정에서의 연구 방법과 내용은 [Table 1]과 같다.

Table 1

Research methods and content

2. 1. 인간과 AI 협업의 이해

AI 시스템은 Weak AI와 Strong AI의 수준으로 구분되며, 태스크 수행 정도와 인지 능력에 따라 ANI(Artificial Narrow Intelligence), AGI(Artificial General Intelligence), ASI(Artificial Super Intelligence)로 세분화된다(IBM, 2022). 최근에는 AI를 단순히 지능 수준으로 정의하는 것을 넘어서, AI가 개입되어 있는 수많은 산업 분야의 프로세스가 AI와 사람이 함께 공존해야 하는 상황들을 수반하고 있는 바, 서로간의 상호작용이 더욱 중요한 부분인 점이 강조되고 있다(Lee, 2020; MIT Sloan, 2017).

인간과 AI의 상호작용은 특히 업무 상황을 전제로 하여 AI를 새로운 협업 주체이자 기회 영역으로 다루는 연구들이 활발한 추세이다. AI가 인간의 능력을 증강하는 방식으로 공존할 수 있다고 보기 때문이며(Davenport & Kirby, 2016), 인간과 AI 협업의 목표가 서로의 특장점을 활용하여 작업의 개선을 이루는 데에 유익하기 때문이다(Billman et al., 2006; Daugherty and Wilson, 2018; Jarrahi, 2018; Seeber et al., 2020). 또, 의사결정 영역에서 AI의 데이터 처리 능력과 인간의 비디지털 정보의 결합을 통해 의사결정의 질을 높일 수 있음이 연구되었다(Kim, 2023).

이와 같은 인간과의 상호작용 상황에서 AI는 인간과 어느 정도의 수준으로 협업 또는 상호작용할 것인지에 따라 단계적으로 분류될 수 있다. 이러한 단계적 접근이 필요한 이유는 AI 기술 수용도, 즉 수용자가 얼마나 기술을 받아들일 준비가 되어 있는지가 인간 또는 시장의 상황마다 다르기 때문이다(Think with Google, 2020). 인간과 AI 협업 상황에서 단계적 협업 수준을 고찰한 선행 연구 동향은 [Table 2]를 통해 설명될 수 있다.

Table 2

Previous studies on stepwise Human-AI collaboration

이처럼 인간-AI 협업 상황에서 협업 수준의 분류는 학자마다 다양하나, AI 기술을 적용하려는 과업이 무엇인지에 따라 여러 수준으로 상호작용하도록 설계함으로써 최선의 협업 방향을 찾아나갈 수 있음을 의미한다는 점에서 유사하다. 여기에 쿠어(Kore, 2022)는 한층 종합적인 관점에서 인간의 개입 수준(Human in the loop, HITL)에 따라 AI를 세분화한다[Table 3].

Table 3

Levels of autonomy (Designing Human-centric AI exeperiences, 2022)

인간 개입 수준은 일반적으로 프로세스의 결과를 제어하거나 변경하기 위해 인간의 상호작용, 개입, 판단이 필요하다는 것을 의미한다(Meng, X. L., 2023). [Table 2]에서 AI는 인간을 중심으로, 인간이 과업을 수행하는 데에 어떤 역할을 할 수 있는지에 따라 나뉘어지도록 구분하고 있다. 이는 ‘인간 중심’ 디자인 패러다임의 가치를 그대로 투영하고 있다는 점에서 시사하는 바가 있다.

여기에서 ‘증강(Augmentation)’은 AI가 인간과 협력할 때 보조적이고 지원적인 역할을 수행하는 것을 강조한다. 이는 인간 지능의 가치를 부각시키며 AI가 인간 지능의 역할을 강화하는 기술로써 정의된다(Xu, Song et al., 2020). ‘자동화(Automation)’는 반복적인 작업을 AI 기술을 통해 자동화하여 인간이 더 가치 있는 작업에 집중할 수 있도록 도움으로써 새로운 기회 영역을 창출하는 역할을 하며 프로세스에서의 정확성을 향상시켜 인간의 오류 또는 노동 비용을 줄이는 효율성을 제고한다(Viswanath, 2024).

이 때, 바람직한 방향에서의 인간-AI 협업은 각 협업의 수준별로 인간과 AI가 어떤 재량을 활용하여 무슨 과업을 수행하는 것이 좋을지 설계자가 판단할 수 있어야 하며, 그러므로 각각의 고유 역량에 대한 이해가 동반되어야 한다. 이에 따라 본 장에서는 추가적인 선행 연구 조사를 병행하였다[Table 4].

Table 4

Core competencies of Human and AI

인간은 직관적 인지 영역이 발달하였으며, 직관은 인간만이 가질 수 있는 것이다(Colson, 2019). 또 추론이나 경험을 통한 학습 능력을 가지고 있기 때문에 제한된 경험에도 이론을 확립하고 일반화할 수 있으며(Lee et al., 2021), 사고의 유연성이나 창의성을 발휘하여 상황에 대하여 능동적인 대응이 가능하다(Kim et al., 2021). 또, 인간은 타인의 감정을 이해하고 사회적인 공감을 형성하는 등 감성적 교류가 필요한 과업에 뛰어나다(Han, 2021).

반면 AI는 뛰어난 정보 처리 능력을 가졌으며, 논리적이고 분석적인 인지 능력이 강조된다. 특히 방대한 데이터를 처리하고 일관성이 높은 작업을 신속하게 수행할 수 있다(Kim et al., 2016; Lee et al., 2021; Kim et al., 2021). 또, 빅데이터를 학습하여 패턴을 발견하는 점은 인간인 전문가보다 탁월할 수 있으며, 지능적인 자가발전이 가능하다는 특징을 가지고 있다(McCarthy et al., 2006; Russell, S. J., & Norvig, P., 2010).

이처럼 인간과 AI의 역량은 잘 다룰 수 있는 데이터의 종류 및 양, 처리 방식에 있어 차이를 보이므로 서로 상호보완적인 역할을 할 수 있는 것으로 해석될 수 있다. 예를 들어, 많은 양의 데이터를 처리하는 능력이 발달한 AI의 재량을 토대로 인간이 직접 경험으로 쌓아온 직관적인 추론 능력을 활용했을 때 더 나은 의사결정이 이루어진다는 것은 선행 연구를 통해서도 검증된 바가 있다(Lee, 2020).

2. 2. 인간-AI 협업 상황에서 고려해야 하는 요소

본 장에서는 앞서 인간-AI 협업에 대한 이해를 토대로, AI 서비스 설계 시 고려해야 하는 요소들에 대하여 선행 연구를 통해 고찰하였다.

첫째, ‘인간-AI 협업 상황’ 그 자체에 대한 고려가 필요하다. 앞선 고찰 과정에서는 인간-AI 협업의 수준과 핵심 역량을 고려한 과업 수행 역할의 분배가 필요함을 밝혔다. 덧붙여, AI 서비스는 인간에게 이상적인 방향으로 작동하여 인간에게 유익하도록 ‘Beneficial AI’에 대한 중요성이 강조된다(Shneiderman, 2020). 이 때, 유익한 AI를 제공하기 위해서는 인간이 과업 수행 과정에서 우선하는 가치가 무엇인지에 대한 판단이 필요하며, 그 가치를 달성 가능케 하는 협업 수준이 무엇인지를 적절하게 제공할 수 있어야 하는 바, 궁극적으로 ‘인간-AI 협업 수준’에 대한 이해가 필요하다는 결론으로 귀결될 수 있다.

둘째, 인간이 AI 추천 및 활동을 ‘신뢰’할 수 있어야 한다(Alzoubi, S. et al., 2024). 신뢰를 형성하는 주된 요인으로는, 인간이 AI의 내부 작동 프로세스를 이해하기 어려워하는 문제가 발생했을 때, AI 시스템의 작동 방식에 대한 ‘설명’을 통해 신뢰감이 형성될 수 있으며(Van Lent et al., 2004), 이러한 AI의 ‘설명가능성’의 필요성과 중요도가 높아지고 있는 추세이다(Yang, M. et al., 2022). 또한, 문제가 발생하더라도 상황을 회복할 수 있는 가능성을 만들어야 한다(Hosseini, M. M., & Parvania, M., 2021). AI는 가능성을 기반으로 판단하는 특성이 있기 때문에 예측하지 못한 이해의 불일치, 오류가 발생할 수 있으므로 그 ‘오류를 복구하거나 제어할 수 있는’ 시스템을 제공하는 것 역시 신뢰를 구축하는 핵심 요인의 일환으로 언급된다(Shneiderman, 2020).

더불어, 기술이라는 그 자체의 의미는 가치중립적일 수 있으나 AI를 구현하는 과정에서 사용되는 알고리즘 기술은 인간의 작업을 통해, 인간이 의도를 가지고 어떤 문제를 해결하도록 부여하는 것이므로 온전히 객관적이라 말하기 어려우며, 이는 ‘윤리’와도 결부되는 쟁점으로, AI 기술의 이해관계자들이 고려해야 하는 가치로 중시되고 있다(Kim, 2023; Orzikulova, A. et al., 2023).

셋째, 인간-AI 협업 상황에서 일어나는 ‘상호작용’에 대한 고려가 필요하다. 이는 AI가 마치 살아있는 존재처럼 인간과 상호작용하여 주어진 기능을 수행할 수 있는 개체임을 전제로 하기 때문에(Yang, J. et al., 2023) 인간만큼 풍부한 경험이 가능하도록 ‘멀티 모달리티’가 고려되어야 하는 주된 요소로 언급된다(Kim et al., 2022; Homo Digiko, 2017). 더불어, 인간-AI 협업 상황에서 ‘피드백’은 인간이 AI가 제시한 아웃풋에 대하여 적절한 리액션을 취함으로써, AI가 학습을 통한 자가발전이 가능하게 하는 상호작용으로 볼 수 있다(Amershi, 2019).

이상의 내용을 종합하여 본 연구에서는, 인간-AI 협업 과정에서 고려해야 하는 요소들과 그 개념을 [Table 5]와 같이 재정의하였다.

Table 5

Factors AI services should consider in Human-AI collaboration scenarios

이상의 고찰 내용을 종합해보면, 먼저 인간-AI 협업을 통해 부족한 노동력과 과중한 업무의 딜레마에 처한 열악한 의료 업무 환경을 개선하기 위해 인간과 AI, 각 주체의 특수성을 이해하는 과정을 거쳤다. 더불어 해당 업무 환경에서 증강 또는 자동화된 AI 기술을 단계적으로 적용하여 인간이 원하는 협업 수준을 설정할 수 있음을 확인하였다. 그 협업 상황에서 AI 서비스가 고려해야 하는 사용자 경험이 무엇으로 구성되는지 또한 개괄하였다. 이러한 과정은 인간 중심적 의료 서비스 개발을 촉진시키기 위한 과정으로 이해될 수 있을 것이다.

2. 3. 의료 산업의 이해

본 연구에서는 의료 산업의 전반적인 흐름을 이해하기 위해 STEEP-V 프레임워크를 활용하여 정치, 경제, 사회, 기술, 환경, 가치 측면에서의 거시환경분석을 수행하였다[Table 6].

Table 6

Macro environmental analysis using the STEEP-V framework

해당 과정에서 주요 시사점은 크게 2가지로 설명할 수 있다. 첫 번째는 간호 인력의 해외 취업 현상이 심화되면서 정부의 의료 분야 R&D 예산 확대 등 정책적 지원이 이어지고 있고 그 결과로 AI를 활용하는 의료 솔루션이 혁신적인 발전에 이르게 되었다는 점이다. 둘째, 이제는 ‘환자’뿐만 아니라 병원에서 근무하는 ‘직원’들의 경험을 포함할 수 있도록 ‘인간 중심의 의료’ 패러다임으로 변화해야 한다는 논의가 있었던 점도 가치적 측면에서 중요한 변화의 한 축으로 해석될 수 있다.

2. 4. 소결

본 연구는 인간과 AI 협업을 단계적으로 고려하여 업무 환경을 개선할 수 있는 최적화 솔루션을 제시할 수 있도록 AI 서비스 설계 방안과 해당 과정을 기술하는 데에 목적이 있다. 특히 본지에서는 수요를 예측하기 어렵고 매시간 변화가 빈번하여 개인에게 과중되는 업무상 고충이 클 것으로 예상되는 간호사의 업무 환경에서 AI 서비스의 효용을 다루고자 한다. 이 때 AI는 협업 수준에 따라 인간의 능력을 증강하거나 자동화하여 업무 효율을 극대화할 수 있으며 인간 중심의 신뢰, 상호작용을 기반으로 설계되어야 한다. 이와 같은 과정은 환자 중심의 서비스 경험 설계에 초점이 맞춰져 있던 의료 서비스 분야에서 의료 산업 종사자의 경험 개선에 기여함으로써 진정한 ‘인간 중심’ 의료 가치 제고에 기여할 수 있을 것이다.

3. 1. 사용자 조사 계획 수립

3. 2. 인뎁스 인터뷰

인터뷰는 2024년 4월 11일부터 4월 23일까지 12일간 병동 근무 간호사 7명을 대상으로 심층 인터뷰를 진행하였다. 심층 인터뷰 대상자 상세 프로파일은 [Table 7]과 같다. 질문 문항은 총 4가지의 카테고리로 (1) 주요 업무 프로세스 이해를 위한 문항, (2) 업무 환경 이해를 위한 문항, (3) 이해관계자들과의 협업 구조 이해를 위한 문항, (4) 개선이 필요한 업무 상황으로 나누어 질의하였으며 총 22개의 문항으로 구성하였고, 인당 45~70분가량 소요되었다.

Table 7

Interview participants

3. 3 인터뷰 분석

3. 3. 1. 병동 근무 간호사의 인터뷰 내용 분석

진행한 인터뷰 내용은 질적 데이터를 정량화하여 내용과 개념의 상관관계를 파악하는 데에 주로 사용되는 Content Analysis 방법론을 활용하여 분석하였다. 인터뷰의 주요 고충점으로 자주 언급되는 Data Source들을 Meaning Unit, Condense Meaning Unit, Sub-Category, Category로 유사성에 기반하여 핵심 개념들을 묶어 정리하였다. 이 때 (1) 산발적 커뮤니케이션으로 간호 업무 수행 어려움, (2) 중복 작업으로 인한 불필요한 시간 소요, (3) 비효율적인 업무 프로세스, 3가지 문제점이 발견되었다. 해당 내용들은 [Table 8]에서 언급된 핵심 페인포인트로 설명될 수 있다. 이로 인해, 간호사는 간호 업무 자체에 투입되는 시간이 줄어들며, 결과적으로 간호 업무의 질을 떨어뜨리고 간호 업무 누락이 발생하기 쉬운 비효율적 환경에 놓여있는 점을 확인할 수 있다. 이는 앞서 선행 연구를 통해 살펴보았던 간호 업무 환경의 고충을 그대로 투사한다.

Table 8

Interview analysis

다음으로는 인터뷰를 통해 알게 된 병동 간호사 업무 전반의 흐름을 ‘여정 지도’ 도구를 통해 가시화하였다. 여정 지도는 목표 집단의 경험을 전체적인 관점에서 볼 수 있게 해주며 프로세스 내의 문제점을 상호작용 안에서 파악하고 더 나은 경험으로 만들 수 있는 기회를 발견하는 데에 목적이 있다(Nielsen Norman Group, 2018). 본 과정에서는 또한 인터뷰 분석 내용을 토대로 도출한 병동 간호사의 니즈, 주요 페인 포인트들을 여정 지도에 매핑하였다[Figure 1]. 병동 간호사의 업무는 ‘업무 준비’, ‘업무 진행’, ‘업무 마무리’ 3가지 단계로 구분되며, 여정의 단계별 문제점들은 아래와 같이 정리할 수 있다.

Figure 1

Experience map

첫째, 업무 준비 과정에서는 중복 작업과 비효율적 프로세스 문제가 드러난다. 업무 전 개인적으로 환자 상태 파악을 위해 의료 문서를 확인 후 같은 내용에 대하여 동료에게 구두로 다시 한번 브리핑받는 것이다. 이 과정에서의 중복 작업은 업무 프로세스의 비효율로 이어지며 직접 환자를 돌보는 실질적인 업무에 들일 수 있는 시간이 짧아지는 결과를 이어지므로 개선되어야 하는 상황으로 여겨진다.

둘째, 업무 진행 과정에서는 복잡한 커뮤니케이션을 주된 문제 상황으로 볼 수 있다. 병동 간호사는 의료 물품이 실린 카트를 들고 돌아다니며 환자를 돌본다. 이 과정에서 간호사는 불특정 다수의 병동 환자 및 보호자들의 질문과 요청에 대응해야 하며, 이해관계자들과 산발적으로 커뮤니케이션해야 한다. 또, 해당 과정에서 항상 작은 노트를 휴대하며 모든 간호 업무 내용을 기록한 후 퇴근 전에 별도의 전산 작업을 수행해야 하는 중복 작업이 발생하는 지점도 확인되었다.

셋째, 업무 마무리 과정에서는 중복 작업이 다수 발생한다. 먼저 하루 동안 있었던 모든 일들을 기록의 목적으로 다시 한번 전산화한다. 또, 인수인계 담당자에게 해당 내용을 다시 브리핑하는 중복 작업 과정을 거친다. 만약 앞선 과정에서 문제가 있어 업무 누락이 발생하였거나 수기로 전산하는 과정에서 실수를 하는 경우, 다음 근무자에게 그대로 잘못된 업무가 전이될 수 있다.

본 과정에서 시사하는 바는 앞서 밝힌 주요 페인포인트가 업무 비효율을 발생시키는 요인들로 작용하고 있음을 확인한 점이다. 해당 요인들은 간호 업무에 부정적인 영향을 미치고 있으며 업무 집중도 저하로 인한 누락과 실수 발생 가능성을 높일 수 있다. 또, 교대 시 다음 근무자에게 문제가 그대로 전이되고, 반복되는 상황 속에서 결과적으로는 의료 품질 저하를 초래할 수 있다는 점을 확인하였다.

3. 4. 병동 간호사와 AI 협업 기회 요인 도출

본 장에서는 병동 간호사의 업무 여정 속 과업들을 살펴보며 어떤 부분을 AI 기술로써 개선할 수 있을지 고찰하였다[Table 9]. 해당 과정에서는 우선 여정 지도를 통해 파악했던 간호사의 업무를, 큰 단위의 여정(Step)과 작은 단위의 과업(Task)으로 분류하였고, 각각의 과업들이 AI 기술을 활용하기에 적합한 과업인지를 가늠하였다. 그래서 태스크가 AI 작업에 적합하다면, 어떤 종류의 작업을 통해 개선 가능한지를 ‘AI Task’ 열로 구분하였다. ‘Consideration of AI Task’ 열은 앞서 이론적 고찰에서 살펴본 AI 과업의 특징을 참고하여 ‘AI Task’가 인간의 능력을 증강(Augmentation)하도록 작동할 것인지 또는 과업 자체를 자동화(Automation)하는 것이 좋을지 여부를 가늠하고자 하였다. 그리고 AI가 적용될 과업의 경우, 해당 과업이 인간에게 유용한지를 파악하고자, AI 작업이 어떤 가치와 효익을 전달할 수 있는지를 ‘Benefit & Effect’ 열에 기술하였다.

Table 9

Human In the Loop for AI system

이후에는 간호사가 겪는 페인포인트의 경중, AI 적용 가능 여부(Suitable for AI), 전달 가능한 효용(Benefit & Effect) 3가지 기준을 고르게 만족하는 Task들을 중심으로 서비스 아이디어를 전개하고자 하였다.

예를 들어, 업무 준비 여정 단계 중 두 번째 행, ‘환자의 파악’ 과업 수행 과정에서는 과업 그 자체에 몰입할 수 있는 환경으로 변모할 수 있는 방향으로 AI의 쓰임을 모색하였다. AI는 자동화와 증강, 2가지 방식으로 모두 작동하며 간호사를 아래와 같이 2가지 방향으로 보조한다.

첫째, AI는 방대한 데이터 분석에 특화되어 있으므로, 해당 과정에서 디지털 접점인 전산 시스템의 정보와 의료, 의약품 데이터를 활용할 수 있다. 전산 시스템의 정보는 간호사의 이전 근무 시간 내 환자의 상태 대비 다음 출근 시점 때의 환자 상태를 비교하여 변화된 내용을 요약, 정리하여 제공하는 데에 활용할 수 있고, 이 작동 방식은 간호사의 능력을 증강하는 방식으로 활용될 수 있다.

둘째, AI가 각 간호사들의 전체 근무 이력을 파악하고 있다면, 신규 환자가 들어왔을 때 병명, 필요한 의약품 정보를 알지 못하고 있는 상황이라 추측될 경우, 해당 간호사에게 맞춤화된 전문 정보를 선제공할 수 있다. 이 과정은 또한, 기존 업무 환경에서는 제공받지 못했던 효익으로, 간호사의 전문성을 높이는 시간으로 쓰이는 데에 일조할 수 있다. 이와 같은 기회요인 도출 과정을 전체적으로 종합하면 [Table 10]과 같이 정리할 수 있다.

Table 10

Insight for HITL

3. 5. AI 기술 활용사례 조사

본 연구는 인간-AI 협업 기회요인 도출 과정을 진행함과 동시에, 간호사 업무 환경에서 제공해야 하는 터치포인트를 고려하기 위해 AI 기술 활용 사례를 조사하였다[Table 11]. 고도화된 상황 판단이 가능해진 AI 기술이 다양한 형태의 웨어러블 디바이스를 통해 일상과 밀접한 데이터를 수집하고 태스크를 수행하도록 확장성이 주목 받고 있으며, 특히 의료 현장에서도 환자의 진단 기록과 연구 자료를 기반으로 개인화된 치료 계획을 제시하는 모습을 본 연구에서의 AI 활용에 참조할 수 있다.

Table 11

AI technology use cases

3. 6. 간호사-AI 협업 방향성 도출

본 장에서는 간호사의 여정을 파악하며 얻게 된 시사점들을 바탕으로 병동 간호사들에게 서비스가 어떤 접점에서 어떻게 제공되어야 하는지를 최종적으로 구체화하였다[Table 12].

Table 12

Opportunity factors for Human-AI collaboration

첫 번째 기회요인은 업무 준비 단계에서 간호사가 신규 또는 기존 환자들을 파악하는 상황으로, AI가 해당 간호사의 이전 근무 내용 대비 다음 출근 시점까지 환자들의 업데이트 내역을 요약 정리하여 제공하는 내용으로 구성되어 있다. 해당 과정에서는 간호사의 근무 이력을 기반으로 모르는 병명이나 의약품 정보를 먼저 제안함으로써 간호사의 전문성을 높이는 시간으로 쓰일 수 있도록 계획하였다.

두 번째 기회요인은 인수인계를 받는 과정으로, AI가 앞선 과정에서 파악한 업데이트 내용을 바탕으로 당일에 처리해야 하는 업무 리스트를 생성하고 제안하여 연차와 경력의 차이에 영향을 받지 않는 업무 준비 시간을 마련하고자 하였다.

세 번째는 간호사가 라운딩을 하며 환자를 직접 간호하는 상황으로, AI가 식별된 환자의 정보를 브리핑해주며 필요한 간호 내용을 적시적으로 안내해주는 기능을 제공한다. 더불어, 간호사의 모든 간호 내용을 데이터화하여 추후 전산 작업에 불필요한 시간이 소요되지 않도록 사전 작업을 하는 과정으로 구성되어 있다.

네 번째는 담당하거나 담당하지 않는 환자와 보호자들을 응대하는 상황에서 AI가 요청사항을 듣고 필요한 정보를 간호사에게 전달하는 내용으로, 간호사는 전산 시스템이 있는 곳까지 가서 정보를 확인 후 환자와 보호자들을 다시 찾아 응답해야 하는 번거로움을 줄여줄 수 있을 것으로 보았다.

마지막으로는 세 번째 기회요인에서 기록하였던 간호사의 간호 업무들을 최종적으로 확인 후 전산에 올릴 것인지를 결정하는 과정으로, 별도의 중복 작업 없이 업무를 빠르게 마칠 수 있는 시나리오를 제공하고자 하였다.

5가지 단계로 구분되는 각각의 기회요인 상황에서 간호사가 활용하게 되는 터치포인트는 Physical(물리적 요소), Digital(정보 요소)로 구분할 수 있다. 물리적으로는, 간호사의 기존 행동 패턴을 잘 반영할 수 있는 태블릿 형태와 화면을 보고 있지 않은 상황에서도 끊김 없는 서비스로 협업을 매끄럽게 이어나가기 위한 보조 도구로 이어폰을 고안하였다. 활용할 수 있는 정보 요소로는 병원 내 데이터(ERM 시스템)뿐만 아니라 국내외 약물, 의료 데이터를 포함하여 간호사의 업무 환경에서 전문성을 제고할 수 있을 것을 기대하였다.

4. 1. AI 협업 수준별 서비스 시나리오 설계

시나리오는 디자인 분야에서 사용자의 환경, 맥락을 종합적으로 고려하여 대상과의 상호작용을 묘사하는 방법으로 활용되고 있다. 특히 현재 구현되어 있지 않은 미래 상황 표현에 효과적인 방법으로 연구에 활용(Lee, 2023; Cho, 2023)될 수 있다. 최근 OpenAI의 Devday, Google I/O, Apple WWDC 등 최신 기술 동향을 다루는 유수의 글로벌 콘퍼런스에서도 캐주얼한 대화 상황, 검색 상황, 메일을 보내는 상황 등 사용자의 특정 상황에서 AI를 활용하는 구체적인 시나리오 시연을 통해 AI의 쓰임에 대하여 청사진을 제시하고 있다.

본 연구에서는 앞선 과정에서 도출한 기회요인들을, 병동 간호사와 AI 협업 상황을 가정한 시나리오를 통해 검증 받는 것이 현존하지 않는 기술과 서비스에 대한 연구 대상자의 이해를 도울 것으로 보고 해당 방법론을 차용하여 검증 과정을 진행하고자 하였다. 시나리오는 초안을 먼저 작성하고, 선호도 조사를 통해 최종 시나리오를 결정하였으며, 이 과정에서 결정된 시나리오를 프로토타입 검증에 활용하고자 하였다.

시나리오를 작성할 때에는 인간-AI 협업 수준에 따라 구분하였다. 협업 수준은, ‘인간 중심’ 디자인 가치를 투영하고 있는 Kore의 Human in the loop AI 10단계 수준을 기준으로 삼았다. 단, 근미래 상황에서의 서비스 사용을 고려하여 다음 4가지 경우의 시나리오는 배제하였다. (1) AI가 아예 접목되지 않거나(Level 1: No AI), (2) AI 기술의 효용 정도가 너무 낮은 경우(Level 2)를 제외하였고, (3) AI가 인간보다 너무 많은 결정권을 가지거나(Level 9), (4) 인간 개입을 아예 배제하는 수준(Level 10: Full autonomy)이다. 총 5개의 기회요인별로 6단계의 시나리오가 구성되었으며 해당 6개의 수준을 각각 Level 1~Level 6으로 명명하였다. 작성 과정에서는 시나리오가 병동 간호사 페인 포인트의 개선 여부, 간호사의 니즈를 해결할 수 있는지 여부, 충분한 AI의 효용 정도를 종합적으로 고려하였다.

[Table 13]을 예로 들어보면 기회요인 1의 경우, 간호사가 오늘 간호해야 하는 환자에 대해 파악하는 과정에서 Level 1의 AI는 변화가 명확히 구분될 수 있는 수치 정보에 한정하여 업데이트 기록을 보여줄 수 있으며, 사용자가 어떤 부분에 대한 지식이 부족한지 인지할 수 있는 수준이 아니므로 모르는 의학 정보가 있는 경우에는 도움을 줄 수 없다. 그러나 Level 3의 AI는 해당 부분에 대한 도움을 주는 시나리오로 작성될 수 있다. 또, Level 4에서는 제안된 내용에 대하여 근거를 들어 설명하는 과정에 그치는 반면 Level 5에서는 적극적인 설득과 협의의 과정이 들어갈 수 있고, 훨씬 고도화된 제안과 추천이 일어나는 수준으로 협업 시나리오가 작성될 수 있다.

Table 13

Example scenarios by level of Human-AI collaboration

4. 2. 시나리오 선호도 조사

작성된 30개의 시나리오들은 연구 대상자의 시선에서 가장 유익하며 적당하다고 생각되는 수준을 프로토타입화하여 검증받고자 가장 선호하는 수준의 시나리오를 선택하도록 선호도 조사를 진행하였다. 본 과정은 2차 병원 규모 이상의 3교대로 근무하는 병동 간호사 46명을 대상으로 2024년 6월 6일 ~ 2024년 6월 7일 1일간 진행되었다. 설문조사 시 구체적인 상황 이해를 돕고 체감 수준을 높이기 위해 주어진 상황을 묘사하는 이미지를 각 시나리오별로 첨부하였다. 설문 항목은 5개의 기회요인마다 선호하는 시나리오를 선택하는 객관식 문항과, 선호하는 이유를 주관식으로 구성하였다[Table 14].

Table 14

Scenario preference survey

4. 3. 시나리오 선호도 조사 결과

조사에서는 총 36개의 병동 간호사 응답을 분석하였다. 조사 대상자의 일반적 특성은 [Table 15]와 같다. 응답자의 경력 분포는 1년차 2.78%, 2년차 13.89%, 3년차 52.78%로 가장 많았고, 5년차 2.78%, 6년차 2.78%로 구성되었다. 근무 부서는 내과 병동 41.67%, 일반 병동 38.89%, 외과 병동 16.67%, 암 병동 2.78% 순이다.

Table 15

General characteristics of survey participants(N=36)

조사 결과, 간호사들은 업무 과정에서 평균적으로 높은 협업 수준 단계인 Level 4 이상을 선호하는 것으로 나타났는데, 업무 여정 단계별 선호하는 인간-AI협업 수준은 첫 번째, 업무 준비 단계의 환자 파악 보조에서 선호 수준은 Level 5(81%)가 가장 높았다. 두 번째 업무 준비 단계의 인수인계 과정 효율화에서 선호 수준은 Level 5(76.2%)가 가장 높았으며 세 번째 업무 진행 단계의 환자 간호 상황 보조에서 선호 수준은 Level 4(42.9%)가 가장 높은 것으로 조사되었고, 네 번째 업무 진행 단계의 환자와 보호자 응대에서 선호 수준은 Level 4(45.2%)가 가장 높았다. 마지막으로 업무 마무리 단계의 전산작업과 인수인계에서 가장 높은 선호 수준은 Level 5(73.8%)이다.

4. 4. 최종 AI 협업 서비스 시나리오 도출

선호도 설문 조사 결과를 토대로 각 기회요인별 간호사-AI 협업 서비스 시나리오를 [Table 16]과 같이 정리하였다.

Table 16

Human-AI collaboration service scenarios

4. 5. 프로토타이핑 제작 및 검증

4. 5. 1. 프로토타이핑 제작

본 연구에서는 앞서 조사한 시나리오 선호도 응답 내용을 기반으로 각 기회요인별 시나리오에 맞는 프로토타입을 [Table 17]과 같이 제작하여 연구 대상자들의 시선으로 평가, 검증받고자 하였다. 프로토타입은 5개의 각 기회요인 영역에 따라 환자 파악, 인수인계, 처방에 따른 간호, 담당 환자 요청 대응, 업무 마무리, 5개 단계로 구성되었다.

Table 17

Screen UI

4. 5. 2. AI 경험 평가 항목 및 질문 도출

본 평가 과정에서는 앞서 선행 연구 고찰을 통해 발견된 ‘인간-AI 협업 상황에서 AI 서비스가 고려해야 하는 요소’들을 평가할 수 있어야 하는 바, 해당 내용들을 재정의하여 AI powered service에 특화된 평가 항목과 기준을 마련하였다. 또, 보편적인 사용성 평가의 기준 마련을 위해 웹과 제품, 시스템, 서비스 등 복합적 사용자 경험 요소를 평가하는 데에 쓰이고 있는 피터 모빌(Peter Movile)의 사용자 경험 허니콤(User Experience Honey comb) 모델의 7가지 기준 요인들과, 소프트웨어 품질의 측정과 평가를 위해 국제표준화기구에서 발행한 ISO/IEC 메트릭 기준들, 그 정의들을 활용하였다. ISO/IEC 표준화 규격은 2016년 제정된 25000 시리즈 6가지 중 소프트웨어 품질 모델을 제시하고 있는 25010의 8가지 품질특성을 참고하였다. 정리된 내용은 아래 4가지 주요 속성과 18개의 세부 속성으로 구조화할 수 있다[Table 18].

Table 18

AI service experience evaluation criteria

4. 5. 3. 검증 방법 및 대상 선정

프로토타입 테스트와 평가 인원은 앞서 인간-AI 협업 시나리오의 선호도 조사 참여자들 중 심층 인터뷰가 가능한 인원들을 선정하였고 2024년 6월 3일 ~ 2024년 6월 4일 1일간 내과, 응급실 부서 근무 병동 간호사 6명을 대상으로 진행하였다[Table 19]. 테스트는 5가지 기회요인별 시나리오에 따른 프로토타입 화면을, 주요 터치포인트로 고안하였던 태블릿을 제공하여 이용해보게 하였으며 이용 후에는 5점 척도의 AI 경험 평가를 진행하였다. 평가를 받은 후에는 평가 이유에 대하여 심층 질문을 진행하며 평가의 이유를 조사하였다.

Table 19

Characteristics of interview participants

4. 5. 4. 테스트 결과 및 피드백 분석

테스트 분석 결과 속성별로 점수에 대한 평균값을 매긴 결과는 아래 [Table 20]과 같다. 사용성 속성에서는 세부 항목 평균 4.34점, 신뢰 속성에서는 평균 3.96점, 상호작용 속성에서는 평균 4.23점, 인간-AI 협업 속성에서는 평균 4.15점으로, 사용성이 가장 높게 평가되었다. 전체 평균은 4.17점으로 대부분의 연구 대상자들이 5개의 기회요인과 각 시나리오에 대하여 사용성, 상호작용, 인간-AI 협업 측면에서 고르게 높은 점수를 준 것으로 이해할 수 있다. 하지만 신뢰 속성 중 세부 항목, 신뢰성이 연구 대상자 평균 3.5점으로 다른 항목들에 비해 낮은 평가를 받았다.

Table 20

AI service experience evaluation results

인터뷰에서는 연구 대상자들에게 항목마다의 평가 이유를 질의하면서 비교적 낮은 점수를 준 항목들의 평가 이유에 집중하였는데, 이 과정에서 연구 대상자들로부터 반복적으로 3가지 부정적 요소가 언급되는 것을 확인하였다. (1) 의료 분야의 특성상 환자의 생명과 직결되는 업무를 하는 간호사로서 AI가 너무 많은 개입을 통해 의사 판단에 영향을 미치는 것에 대한 거부감, (2) 높은 수준으로 자동화되어 제안되는 정보들이 신뢰하기 어렵다는 점, 그렇기 때문에 (3) 실수나 오류가 있을 것 같다는 막연한 불안감이 언급되었다(U1, U2, U3, U4, U6). 해당 과정에서는 다른 분야보다 높은 책임감을 요구 받는 의료 분야의 특성이 드러난다고 볼 수 있으며, 다소 비효율적인 것 같더라도 이미 오랜 시간 기존의 업무 프로세스에 익숙해져있는 사람들이 한번에 너무 많은 수준의 변화가 생겼을 때 느낄 수 있는 괴리감을 고려해야 할 필요가 있음을 시사한다.

프로토타입 테스트와 인터뷰를 통해 도출한 개선 필요 사항들은 다음과 같다. 첫 번째, 기회요인 1과 2의 업무 준비 과정에서는 사용 시기에 따라 자동화 수준을 점진적으로 높게 제공하거나 연구 대상자가 직접 설정할 수 있는 권한을 주는 등의 개선이 필요하다. 두 번째, 기회요인 3과 4의 업무 진행 상황에서는 병동 간호사에게 제안된 내용에 대하여 신뢰감을 높일 수 있도록 AI의 제안에 대한 근거 데이터를 더 자세히 설명하는 과정이 필요하다. 세 번째, 기회요인 5에 해당하는 업무 마무리 과정에서는 기존의 면대면 구두 인수인계 과정을 존중하고, 실수와 누락을 방지하는 의미를 더하여 다음 근무 간호사의 경력, 연차를 고려한 맞춤형 안내 제공 방안이 추가적으로 접목되면 AI를 통한 인수인계 과정의 효율화 가치를 전달할 수 있을 것이다.

5. 1. 서비스 시스템 맵

AI 기술을 통한 병동 간호사의 업무 환경 변화는 도입 전후의 서비스 시스템 맵 비교를 통해 가시화할 수 있다. 기술 도입 전, [Figure 2]에서는 병동 근무 간호사가 업무 진행 과정에서 동시다발적인 커뮤니케이션이 빈번한 근무 상황 한가운데에 놓여있는 모습을 통해 문제 상황을 보여준다(기회요인 3과 4). 매시간 변화하는 환자 정보를 확인하며 자주 바뀌는 업무를 빠뜨림 없이 챙겨야 하는 강도 높은 업무 환경 속에 있음 역시 확인할 수 있다. 또, 고정된 전산 작업 공간인 간호 스테이션의 경우 데이터를 이동해서 확인해야 하는 데에 동선 낭비가 있는 점, 적시적 의료 대응을 저해한다는 점 역시 확인하였다(기회요인 4). 해당 공간에서의 업무 프로세스는 인수인계 과정에서 정보를 수기로 업데이트 할 때 이중 작업이 발생하는 비효율, 그리고 중요한 정보가 누락될 수 있기 때문에 적시적 의료 대응 측면에서, 그리고 의료 품질 저하로 연결될 수 있으므로 연구에서 해결되어야 부분으로 규명하였다(기회요인 1과 5).

Figure 2

AS IS system map

기술 도입 후, [Figure 3]에서는 AI 서비스가 커뮤니케이션 채널의 중심에 위치하며 외부 변화를 실시간으로 인지한다. 또, 정보를 종합하여 우선순위를 제안함으로써 간호사의 효율적인 상황 파악과 최종 의사결정 과정에 기여한다. 환자 응대 상황에서 발생하던 비효율적인 프로세스(기회요인 4)와 정보 누락의 가능성으로 인해 문제가 되었던 간호 스테이션의 경우(기회요인 1과 5), AI는 EMR 데이터와 연동되어 언제든지 태블릿으로 데이터에 접근할 수 있고, 간호사를 실시간으로 보조하며 자동으로 업무 내용을 전산화한다(기회요인 3). 결과적으로, 해당 시스템은 간호사들이 ‘환자 간호’라는 전문적이고 직접적인 업무 상황에 집중할 수 있도록 지원하는 측면에서 유익함을 제고할 수 있다.

Figure 3

TO BE system map

5. 2. 병동간호사의 업무 생산성을 높이는 AI 협업 수준 기반 서비스 블루프린트

본 연구는 선행 연구를 통해 도출한 논의 및 실증 연구의 결과와 서비스 방향성을 구조화하여 인간-AI 협업 기회요인과 협업의 수준 기반으로 작성된 AI Powered 서비스의 블루프린트를 제안한다. 서비스 블루프린트는 제공하고자 하는 서비스의 프로세스를 알아보기 쉬운 방식으로 가시화하는 방법론이다(Shostack, 1984). 전통적인 방식에서 해당 방법론은 서비스 제공자가 그리는 바람직한 미래를 이용하게 될 사용자의 여정을 단일한 하나의 흐름을 통해 설명해왔다. 그러나 본 장에서는 서비스를 이용하는 인간뿐 아니라 인간을 보조하는 AI, 두 주체간의 협업을 다루므로 전통적인 블루프린트의 틀을 변형하여 인간과 AI 상호작용의 흐름을 도식화하고자 하였다. [Figure 4] 에서 AI는 가시선(Line of Visibility)의 후면, 비가시적인 영역에 위치하며 환자, 의료 데이터, 동료들의 데이터를 기반으로 간호사의 업무를 실시간으로 보조한다. 각 여정의 단계에서는 인간의 개입과 AI의 개입 수준이 높낮이를 통해 변화하는 것을 확인할 수 있다. 이는 인간의 가치 판단을 요하는 과업의 특성에 기반하는 결과이며 상호작용의 수준이 과업에 따라 달라질 수 있음을 의미한다.

첫 번째, 업무 준비를 시작하는 기회요인 1단계에서 AI는 간호사가 담당 환자를 전문적인 정보를 토대로 파악하고 업무 계획을 꼼꼼히 세울 수 있도록 보조한다. 해당 과정에서 AI는 협업 Level 5 수준으로 서비스의 후면(Back stage)에서 많은 수준의 관여가 일어나도록 작동한다. 후면 시스템으로는, 간호사의 이전 근무 시간과 다음 근무 시간 사이 특정 시간대의 정보들을 비교하는 과정이 포함된다. 또, 원내 전산상의 처방 및 간호 내용, 각 환자별 바이탈 추이 데이터 및 진료 스케줄 데이터를 사용하여 간호사의 이전 근무 기록 대비 업데이트된 내용을 요약, 정리하여 제안한다. 또, 신규 환자가 들어왔을 때, 간호사의 지난 커리어상에서 다뤄본 적이 없는 질병과 의약품 정보를 구분하며 이에 대한 전문적인 지식을 쌓을 수 있도록 관련 정보를 추천한다. 이 과정에서는 서비스가 제공한 정보의 출처, 근거를 제공하여 원문을 확인할 수 있게 하는 등의 방식으로 신뢰감을 더할 수 있다. 더불어 해당 과정에서는 비슷한 과거력이 있는 환자의 정보가 원내 시스템상에 존재할 때 어떤 처방과 간호를 통해 증상이 완화되어 갔는지에 대한 실무적인 팁도 제공할 수 있다. 다만, 해당 과정에서는 환자의 의료 데이터 열람 권한에 대한 사전 동의가 필요하며 이 때 내원 환자의 진료 과정에서 서비스에 대한 안내 및 동의를 구하는 과정이 추가될 수 있다. 또한 이 과정의 진행을 위해서는 동의서 내용에 포함될 운영상의 정책적 기반들이 사전에 마련되어야 할 것이다.

두 번째 인수인계 효율화 과정을 제공하는 기회요인 2단계에서는, 앞서 실증 연구를 통해 논의된 바에 따라 서비스 누적 사용 시간에 따라 협업 수준이 개인화될 필요가 있다고 판단된다. 사용 초기에는 Level 1~2 정도의 아주 낮은 수준의 AI 개입을 통해 인수인계 담당자들 간의 컨택 포인트를 제공하거나 기존의 업무 프로세스를 크게 바꾸지 않는 방향으로 작동하여 인터뷰 과정에서 알게 된 실무자들의 낮은 신뢰도, 불안감을 완화하도록 작동하여야 한다. 이후에는 사용이 누적될수록 점진적으로 자동화를 제공하도록 설계하였는데, 이 또한 AI에 대한 신뢰감이 또렷하게 자리잡지 않은 상황에서 사람간의 크로스체크를 통해 업무 누락에 대한 불안감을 줄이도록 연구 결과의 시사점을 반영한 결과이다. 추가적으로는 서비스의 전면에 간호사가 직접 AI와의 협업 수준을 설정할 수 있는 경로를 제공하였다. 이는 점진적 자동화의 시점에 대한 인간의 개입 가능성을 서비스 전면에 보여줌으로써 충분히 인간이 시스템을 제어할 수 있음을 제시하기 위함이며 이러한 제어권 역시 서비스의 신뢰도를 높일 수 있는 방안에 포함될 수 있다. 또한 해당 과정에서 자동화된 과업 수행을 위해서는 실무자 간 인수인계의 수준과 범위에 대한 내부적 동의가 사전적으로 이루어질 필요가 있다.

Figure 4

Service blueprint based on AI collaboration levels

세 번째, 환자 간호 상황 보조 및 업무 내역 자동 전산화 과정을 제공하는 기회요인 3단계에서는, 간호사가 위치를 옮겨 다니며 환자를 각기 다른 방식으로 케어할 때의 특화 보조 방식을 제공한다. 간호사가 환자 가까이 갔을 때 AI가 환자의 얼굴을 식별하며 해당 환자에게 음성으로 필요한 간호 내용을 브리핑해주는 방식으로, 간호사가 간호 과정에서 한번에 해야 하는 일을 분담하는 역할을 하도록 계획하였다. AI는 서비스 후면에서 멀티 모달리티를 통해 환자 얼굴, 환자의 이름을 호명하는 목소리, 사용된 의료 물품, 간호사의 행동 등을 인식함으로써 상황을 파악하여 적시적으로 간호사를 밀접하게 보조하는 높은 수준의 인지와 판단 능력이 요구된다. 간호사는 AI의 보조 내용을 이해하고 환자에게 어떤 간호가 필요한지에 대한 최종 의사결정과 판단을 내린다. 이 때, 실증 연구에서 논의된 신뢰감을 확보하기 위해서는 최종 의사결정권에 대한 명확한 구분과 통제권을 실무자인 간호사에게 제공하도록 하며 이에 대한 내용을 명시하는 일이 필요하다. 또 해당 과정에서는 간호사가 사후 이중 작업을 하지 않도록 AI가 간호사의 모든 간호 내용을 인식하여 실시간으로 전산화하도록 데이터 가공 과정이 필요하다. 이 때 변환되고 있는 데이터에 결함이 없는지 실무자의 점검, 컨펌을 요청하도록 하는 과정이 포함됨으로써 오류를 사전에 방지하도록 제안하며, 이는 신뢰를 확보할 수 있는 방안으로써 의미를 가진다.

네 번째, 단순 응대 상황에서 필요한 정보를 제공하는 기회요인 4단계에서는, 협업 Level 4 수준의 AI가 전산 데이터 중 질병별 진료 프로세스와 환자들의 진료 스케줄 정보를 활용하여 담당, 비담당 환자 및 보호자의 요청사항 및 단순 문의에 즉각적으로 대응할 수 있도록 계획하였다. 담당하지 않는 환자에게 데이터를 활용한 비담당 간호사의 대응은 담당 간호사에게 즉시 전달할 수 있도록 서비스 전면에서의 기능을 제공한다. 해당 기능은 간호사들 간 업무 누락이나 공백을 줄일 수 있는 방향이 되어줄 수 있다. 해당 단계에서의 서비스 효용은 실무자 만족도 조사뿐 아니라 서비스 도입 전후 환자들의 일일 요청사항 수 대비, 요청사항을 수행하는 데에 소요된 총 시간을 비교하여 즉시 응대 경험의 가치를 측정할 수 있을 것이다.

마지막, 최종 의사결정으로 빠른 업무 마무리 경험을 제공하는 기회요인 5단계에서는, AI가 사전에 전산화 해두었던 내용을 간호사가 컨펌하는 방식으로, 하루 동안의 근무 내용을 간호사가 확인하는 과정이다. 이 과정에서는 중복 작업이 없어 다음 근무자를 배려할 수 있는 여유 있는 시간을 갖도록 계획하였다. 다음 근무자의 연차, 경력사항을 토대로 해당 근무자에게 필요한 정보가 무엇인지를 제안하는 등의 맞춤형 인수인계 과정을 함께 설계에 포함하였다.

6. 1. 연구 요약

본 연구는 병동 간호사의 고충을 파악하고 업무 생산성을 높일 수 있는 AI 서비스를 인간-AI 협업 수준을 중심으로 제안하고자 하였다. 연구 과정에서는 인터뷰를 통해 병동 간호사의 업무 과정상 문제들을 도출하였으며 선호도 조사를 통해 인간-AI 협업 시나리오를 설정하고 프로토타입을 제작, 테스트하는 과정으로 진행되었다. 테스트 시에는 AI Powered Service의 특성을 고려한 특화 기준을 통해 평가를 진행하였으며 추가 인터뷰를 통해 서비스의 발전 방향을 모색하였다.

연구에서는 간호사가 교대 근무를 하며 인수인계에 불필요한 시간을 소모하고 업무 과정 중 불특정 다수의 환자와 보호자에게 요청사항을 받는 등 동시다발적인 커뮤니케이션 상황에서 피로가 큰 점, 근무 내용을 수기로 기록하였다가 사후 전산화하는 이중 작업 등으로 비효율을 겪음을 발견하였다. 해당 과정들을 높은 수준의 AI 서비스로 자동화하고자 하였으나 검증 과정에서 과한 자동화는 오히려 신뢰를 떨어뜨리며 설명 가능한 데이터를 통해 근거를 제시함으로써 일부 보완할 수 있더라도 오랜 기간 지속되어 온 인간의 업무 프로세스를 점진적으로 변화해나감이 필요하다는 점, 그리고 간호사라는 인간 본인이 실무자로서 충분한 개입을 통해 판단, 의사결정을 내릴 수 있는 방안을 모색하여야 한다는 점을 결과로 도출할 수 있다.

6. 2. 연구의 시사점 및 한계점

본 연구의 학문적 시사점은 다음과 같다. 첫째, 다양한 선행 연구들을 고찰하여 인간-AI 협업 상황에서 AI 서비스가 고려해야 하는 요인들을 재정의하였다. AI 서비스는 (1) 인간과 상호작용하는 과정에서 인간이 원하는 수준으로 협업할 수 있는지, (2) 인간에게 유익한 방향으로 작용하는지 ‘인간-AI 협업 수준’에 대한 고려, 그리고 (3) 인간이 AI의 작동 방식을 이해하고 오류를 범하지 않도록 개입하며 윤리적으로 결함이 없음을 확신할 수 있는 ‘신뢰’ 항목에 대한 고려, (4) 인간처럼 상황을 인지할 수 있는 멀티 모달리티와 (5) AI가 제공한 결과에 인간이 개입할 수 있음을 보장하는 피드백 요인을 포함하는 ‘상호작용’ 측면에서의 고려가 수반되어야 한다. 연구에서는 해당 항목들을 AI 서비스 평가 시 평가 기준으로 접목하는 과정 또한 보여주었다. 이는 향후 다양한 산업 분야에서 AI 서비스의 효과적인 설계와 검증의 기반 자료로 쓰일 수 있다는 점에서 학문적 의미를 가질 수 있다.

둘째, 연구는 인간-AI 협업 수준 기반의 AI 서비스 설계 과정을, 인간 중심으로 단계적 제시를 한 점에서 학문적 가치를 제고할 수 있다. 연구에서는 인간과 AI의 역량, 인간-AI 협업 수준에 대한 이론적 고찰을 기반으로, AI 서비스를 계획할 때 적절한 협업의 수준을 서비스 대상자의 시선에 맞추어 시나리오화하는 방식으로 접근하였으며 그 서비스 대상자가 요구하는 시나리오를 프로토타입화하여 AI 서비스에 특화된 평가 기준을 통해 검증하였다. 이를 통해 AI라는 기술이 바라봐야 하는 미래가, 엔지니어가 아닌 평범한 인간 사용자 누구나 그 기술의 소비자가 될 수 있는 상황에서, 컴퓨터 언어가 아닌 인간의 언어로 제품이 고안되어야 함을 인간 중심 디자인의 관점을 통해 제시하고자 하였다. 해당 연구 프로세스와 그 의도에 대한 기술이 지면으로 남음으로써 향후 다양한 AI 서비스 연구의 가이드라인으로써 활용될 수 있을 것을, 그러므로 인간을 위한 기술로써의 쓰임이 다양해질 것을 기대하는 바이다.

셋째, 연구 과정에서 인간-AI 협업 수준 기반 서비스 블루프린트 도구를 AI 서비스에 특화된 방법론으로써 제안하였다. 본 연구에서는 블루프린트의 후면 시스템 작동을 보여주는 영역에서 AI가 어떤 정보를 가지고 인간과 상호작용하는지를 나타내었으며 각 여정의 단계에서 인간-AI의 협업 수준, 즉 인간의 개입과 AI의 개입 수준이 어떻게 변화하는지, 어떤 부분에서 인간의 개입이 높고 어떤 부분에서 AI의 관여가 높아지는지를 한눈에 시각적으로 확인할 수 있도록 보여주었다. 해당 연구는 그러므로, 기존에 서비스 디자인 학문에서 오랜 기간 널리 쓰여온 방법론이 AI 기술이라는 메가 트렌드에 발맞춰 진일보할 수 있는 데에 기여할 수 있으리라는 점과, AI 외 여러 기기와의 상호작용을 다루는 데에도 유의미하게 접목될 수 있다는 점에서 의의를 가진다.

실무적 시사점으로는, 연구를 통해 의료 분야 실무진의 목소리로 높은 수준의 AI 서비스가 실무에서 어떤 우려를 가져올 수 있는지를 선행 점검하였다는 차원에서 기여하는 바가 있을 것으로 사료된다. 연구에서는 높은 책임감과 직업 윤리를 가진 실무진의 입장에서 AI를 활용한 자동화가 더 많은 AI의 설명가능성을 담보하여 이루어져야 하며 그 과정에서 AI 서비스의 높은 효율성이 인간의 판단과 개입을 배제한 채 유익하게 작용하지 않을 수 있음을 밝혔다. 이는 인간 사회에서 인간의 과업들 중에 단순히 과업을 얼마나 성공적으로 해내는가에 그치지 않는 과업이 있으며, 윤리를 가늠할 수 있고 그러므로 신뢰할 수 있는 사람 고유의 능력에 기반하는 과업에 인간이 판단의 주체로 고려되어야 함을 시사한다. 해당 연구 결과가 AI를 업무 도구로써 활용하고 있는 실무 분야의 이해관계자들로부터 유의미하게 해석될 수 있기를 기대한다.

본 연구는 다음과 같은 한계를 가질 수 있다. 첫째, 연구 대상이 2차 병원 이상의 규모에서 근무하는 병동 간호사에 한정되어 있으며 연구 참여자가 모든 병동 부서에 고르게 분포되어 있지 않으므로 후속 연구를 통해 더 다양한 부서의 병동에서 근무하는 간호사들을 대상으로 검증이 필요하다. 둘째, 연구에서는 환자의 바이탈 정보가 실시간으로 수집되어 AI 서비스와 연동되고 있는 것과 AI의 기술적 결함이 없음을 가정하였는데 해당 과정에서 연구 대상자의 몰입 수준이 개인에 따라 편차가 있을 수 있어 향후 API를 활용한 프로토타입 등을 통해 연구 대상자의 몰입감을 충분히 높인 상태에서 연구를 진행할 필요가 있다고 판단된다.