기고 | 엑셀에서 생성형 AI로··· 리버티 덴탈이 400% ROI 달성하기까지

리버티 덴탈 플랜은 미국에서 약 700만 명의 가입자에게 보험을 제공하는 치과 보험 기업이다. 엘레반스 헬스라고도 불리는 앤썸(Anthem)과 한 사모펀드 산하에 있다.우리 업무의 핵심은 700만 명에 이르는 가입자 돌봄이다. 이 목표를 달성하기 위해서 CIO로서 나는 기술과 사이버 보안을 관리하지만 시간이 지남에 따라 운영 측면에서 더 많은 책임을 맡게 되었다. 예를 들어 모둔 보험사의 핵심 영역인 청구 처리(claims processing)와 이용 관리(utilization management)도 관할하는 건강 보험 운영 수석 부사장도 맡고 있다.운영 업무도 관할함에 따라 기술 전략과 운영 영역에의 기술 적용 사이의 균형이 잘 잡혀 있는 상태다. 이 모든 여건은 비즈니스 전반에 대해 배우고 이해할 수 있는 좋은 기회이기도 하다.모든 건강 보험 회사에서 예방적 치료 관리는 비용 관리에 매우 중요하다. 비용을 낮게 유지하기 위한 핵심은 청구 건수가 적어야 한다는 것이다. 그렇다면 보험금 청구 건수를 낮추기 위해 얼마나 많은 예방적 치료를 진행할 수 있을까?건강 보험 회사는 케어 매니저 또는 케이스 매니저라는 간호사를 다수 고용하여 가입자를 대상으로 사례 관리를 수행한다.기존에는 이 모든 과정이 수작업으로 이뤄졌다. 엑셀 파일, 마이크로소프트 액세스와 이메일 등에 기반한 수작업이었다. 그래서 가장 먼저 이 모든 과정을 자동화했다.케어 매니저의 다른 작업으로는 상세한 케어 플랜 작성이 있었다. 회원 한 명에 대한 케어 플랜을 작성하는 데 1시간에서 90분 정도 걸리곤 했다. 케어 플랜이란 목표를 설정하고, 장애물을 파악하고, 중재를 하고, 환자에게 필요한 조치를 파악하는 작업을 아우른다.우리는 이 모든 데이터를 취합하고 그 위에 머신러닝 알고리즘을 적용한 다음 대규모 언어 모델(LLM)에 활용하도록 했다. 즉 이제 생성형 AI를 사용하여 이러한 케어 플랜을 작성하고 있다.그 결과 가입자당 90분씩 걸리던 플랜 작성 작업이 훨씬 더 높은 정확해졌다. 결과물도 곧바로 생성된다. 몇 쪽에 이르는 의사 소견서를 검토해야 하기에 인간으로서는 이러한 시간 단축을 이뤄낼 수 없다. 소견서에 담긴 사회경제적 장벽에 대한 작은 단어도 생성형 AI는 놓지지 않는다.CIO 100 어워드에서 수상한 이 프로젝트는 무엇보다도 정확도가 강점이다. 또한 케어 매니저들이 각각 수천 명의 회원을 배정받게 되어 생산성이 크게 향상되었기 때문에 큰 도움이 되었다.데이터 기반약 2년 반 전에 리버티 덴탈에 입사했을 때 내가 처음 발견한 큰 기회는 사방에 널려 있던 데이터였다. 사내에 일종의 소규모 데이터 웨어하우스가 있었다. 이를 첫 프로젝트로 삼았다. 당시의 다른 회사들과 마찬가지로 클라우드로 데이터를 옮기기 시작했다. 단 필요한 만큼만 클라우드로 옮겼다. 이후 비전의 요구 사항을 충족하는 방식으로 데이터 모델을 만들었다.챗GPT/생성형 AI가 큰 이슈가 되기 3개월 전 우리는 애저 클라우드 가동을 개시했다. 그것이 토대가 되었다.하지만 관건은 데이터 거버넌스다. 온프레미스나 클라우드 등 어디에든 데이터를 담을 수 있지만 데이터 품질이 좋지 않으면 아무 소용이 없다. 데이터 거버넌스는 우리가 가장 중요하게 생각한 부분이다. 이러한 기반이 있었기에 생성형 AI가 시장에 출시된 지 6개월 만에 서비스를 시작할 수 있었다. 그리고 이미 큰 ROI를 달성한 상태다.교육의 중요성이 프로젝트의 또 다른 중요한 부분은 교육이었다. 이사회를 포함한 모든 사람에게 데이터 거버넌스뿐 아니라 전반적인 우리의 계획, 그것이 조직에 어떻게 도움이 될지에 알리고자 했다.CIO로서 내가 프로젝트를 승인하고 자본 투자를 요청해도 이사회는 적절한 수준의 ROI를 어떻게 확보할 수 있을지 쉽게 납득하기 어려운 시기였다. 고위 경영진에게 챗GPT가 어떻게 작동하는지, 프롬프트를 어떻게 디자인할지 등을 설명하는 것이 중요했다. 기술 임원으로서 우리 모두는 각종 비즈니스 지식을 공유해내야 한다.한편 나는 IT 부서에 있는 사람이라면 세그먼트 애니웨어 모델(SAM) 머신러닝이나 파이썬 등을 이해하고 있겠지만 그것만으로는 부족한다고 말하곤 한다. 그러한 지식은 공공재에 가깝다. IT 임직원이 비즈니스와 모든 도메인 측면을 배울 때 비로소 고유한 가치를 가진다. 이러한 시각은 큰 도움이 되었다.유즈 케이스의 중요성2025년을 향하는 가운데 비즈니스 영역 내에서 생성형 AI를 활용하는 방법에 대해 점점 더 많은 이야기가 오가고 있다. 분명 생성형 AI를 채택하는 사례가 점점 더 늘어날 것이다. 또 현업 부문의 임직원이 이 분야에 대해 조사해보려는 생각도 늘어날 터다. 실제로 생성형 AI는 비즈니스 도메인 지식과 결합될 때 빛을 발한다. IT 부문은 생성형 AI를 사용할 기회를 현실화할 수 있도록 도울 수 있다.생성형 AI를 사용해 ROI를 얻을 수 있는 적절한 사용 사례를 파악하는 것이 중요하다. 리버티의 경우 ROI는 400%에 달했다. 이러한 ROI를 빠르게 달성할 수 있었던 데에는 근간의 여러 작업이 주효했다.Rajendra Kadam은 리버티 덴탈의 건강 보험 운영 담당 수석 부사장 겸 CIO다. 그는 리버티의 정보 기술, 보안, 보험금 청구 운영 및 구성을 책임지고 있다. 기술 분야에서 21년, 의료 분야에서 15년 이상의 경력을 쌓은 그는 2021년에 리버티에 합류했다.이 글은 IASA 최고 아키텍트 포럼(CAF)과의 파트너십을 통해 작성됐다 . CAF의 목적은 비즈니스 기술 아키텍처의 예술과 과학을 테스트하고 도전하며 시간이 지남에 따라 진화하는 것을 지원하고, 직업 안팎에서 최고 아키텍트의 영향력과 리더십을 키우는 것이다. CAF는 비즈니스 기술 아키텍트를 위한 선도적인 비영리 전문 협회인 IASA의 리더십 커뮤니티다[email protected]

featured-image

리버티 덴탈 플랜은 미국에서 약 700만 명의 가입자에게 보험을 제공하는 치과 보험 기업이다. 엘레반스 헬스라고도 불리는 앤썸(Anthem)과 한 사모펀드 산하에 있다. 우리 업무의 핵심은 700만 명에 이르는 가입자 돌봄이다.

이 목표를 달성하기 위해서 CIO로서 나는 기술과 사이버 보안을 관리하지만 시간이 지남에 따라 운영 측면에서 더 많은 책임을 맡게 되었다. 예를 들어 모둔 보험사의 핵심 영역인 청구 처리(claims processing)와 이용 관리(utilization management)도 관할하는 건강 보험 운영 수석 부사장도 맡고 있다. 운영 업무도 관할함에 따라 기술 전략과 운영 영역에의 기술 적용 사이의 균형이 잘 잡혀 있는 상태다.



이 모든 여건은 비즈니스 전반에 대해 배우고 이해할 수 있는 좋은 기회이기도 하다. 모든 건강 보험 회사에서 예방적 치료 관리는 비용 관리에 매우 중요하다. 비용을 낮게 유지하기 위한 핵심은 청구 건수가 적어야 한다는 것이다.

그렇다면 보험금 청구 건수를 낮추기 위해 얼마나 많은 예방적 치료를 진행할 수 있을까? 건강 보험 회사는 케어 매니저 또는 케이스 매니저라는 간호사를 다수 고용하여 가입자를 대상으로 사례 관리를 수행한다. 기존에는 이 모든 과정이 수작업으로 이뤄졌다. 엑셀 파일, 마이크로소프트 액세스와 이메일 등에 기반한 수작업이었다.

그래서 가장 먼저 이 모든 과정을 자동화했다. 케어 매니저의 다른 작업으로는 상세한 케어 플랜 작성이 있었다. 회원 한 명에 대한 케어 플랜을 작성하는 데 1시간에서 90분 정도 걸리곤 했다.

케어 플랜이란 목표를 설정하고, 장애물을 파악하고, 중재를 하고, 환자에게 필요한 조치를 파악하는 작업을 아우른다. 우리는 이 모든 데이터를 취합하고 그 위에 머신러닝 알고리즘을 적용한 다음 대규모 언어 모델(LLM)에 활용하도록 했다. 즉 이제 생성형 AI를 사용하여 이러한 케어 플랜을 작성하고 있다.

그 결과 가입자당 90분씩 걸리던 플랜 작성 작업이 훨씬 더 높은 정확해졌다. 결과물도 곧바로 생성된다. 몇 쪽에 이르는 의사 소견서를 검토해야 하기에 인간으로서는 이러한 시간 단축을 이뤄낼 수 없다.

소견서에 담긴 사회경제적 장벽에 대한 작은 단어도 생성형 AI는 놓지지 않는다. 한 이 프로젝트는 무엇보다도 정확도가 강점이다. 또한 케어 매니저들이 각각 수천 명의 회원을 배정받게 되어 생산성이 크게 향상되었기 때문에 큰 도움이 되었다.

데이터 기반 약 2년 반 전에 리버티 덴탈에 입사했을 때 내가 처음 발견한 큰 기회는 사방에 널려 있던 데이터였다. 사내에 일종의 소규모 데이터 웨어하우스가 있었다. 이를 첫 프로젝트로 삼았다.

당시의 다른 회사들과 마찬가지로 클라우드로 데이터를 옮기기 시작했다. 단 필요한 만큼만 클라우드로 옮겼다. 이후 비전의 요구 사항을 충족하는 방식으로 데이터 모델을 만들었다.

챗GPT/생성형 AI가 큰 이슈가 되기 3개월 전 우리는 애저 클라우드 가동을 개시했다. 그것이 토대가 되었다. 하지만 관건은 데이터 거버넌스다.

온프레미스나 클라우드 등 어디에든 데이터를 담을 수 있지만 데이터 품질이 좋지 않으면 아무 소용이 없다. 데이터 거버넌스는 우리가 가장 중요하게 생각한 부분이다. 이러한 기반이 있었기에 생성형 AI가 시장에 출시된 지 6개월 만에 서비스를 시작할 수 있었다.

그리고 이미 큰 ROI를 달성한 상태다. 교육의 중요성 이 프로젝트의 또 다른 중요한 부분은 교육이었다. 이사회를 포함한 모든 사람에게 데이터 거버넌스뿐 아니라 전반적인 우리의 계획, 그것이 조직에 어떻게 도움이 될지에 알리고자 했다.

CIO로서 내가 프로젝트를 승인하고 자본 투자를 요청해도 이사회는 적절한 수준의 ROI를 어떻게 확보할 수 있을지 쉽게 납득하기 어려운 시기였다. 고위 경영진에게 챗GPT가 어떻게 작동하는지, 프롬프트를 어떻게 디자인할지 등을 설명하는 것이 중요했다. 기술 임원으로서 우리 모두는 각종 비즈니스 지식을 공유해내야 한다.

한편 나는 IT 부서에 있는 사람이라면 세그먼트 애니웨어 모델(SAM) 머신러닝이나 파이썬 등을 이해하고 있겠지만 그것만으로는 부족한다고 말하곤 한다. 그러한 지식은 공공재에 가깝다. IT 임직원이 비즈니스와 모든 도메인 측면을 배울 때 비로소 고유한 가치를 가진다.

이러한 시각은 큰 도움이 되었다. 유즈 케이스의 중요성 2025년을 향하는 가운데 비즈니스 영역 내에서 생성형 AI를 활용하는 방법에 대해 점점 더 많은 이야기가 오가고 있다. 분명 생성형 AI를 채택하는 사례가 점점 더 늘어날 것이다.

또 현업 부문의 임직원이 이 분야에 대해 조사해보려는 생각도 늘어날 터다. 실제로 생성형 AI는 비즈니스 도메인 지식과 결합될 때 빛을 발한다. IT 부문은 생성형 AI를 사용할 기회를 현실화할 수 있도록 도울 수 있다.

생성형 AI를 사용해 ROI를 얻을 수 있는 적절한 사용 사례를 파악하는 것이 중요하다. 리버티의 경우 ROI는 400%에 달했다. 이러한 ROI를 빠르게 달성할 수 있었던 데에는 근간의 여러 작업이 주효했다.

.