심플러의 Ali Morin, 간호 정보 책임자 – 인터뷰 시리즈

알리 모린은 symplr의 최고간호정보책임자로, 병상 간호, 임상 시스템, 간호정보학 전반의 경험을 갖춘 간호·의료기술 리더입니다. 2024년 현 직책에 오르기 전 symplr 간호정보학 부사장을 역임했고, Halo에서 임상 소통, 구축, 도입을 담당하는 고위 정보학 직책을 맡았습니다. 그전에는 신시내티 아동병원 의료센터에서 임상정보학·분석 업무를 했으며 보스턴 아동병원에서 전자 임상기록과 전산 처방 입력의 주요 사업을 이끌었습니다. 공인 간호사 경력을 바탕으로 기술과 업무 설계를 통해 행정 부담을 줄이고 진료를 개선하는 임상적 관점을 제공합니다.

symplr 는 의료 제공을 뒷받침하는 행정·운영 시스템을 연결하고 단순화하는 기업용 의료 운영 소프트웨어 회사입니다. 클라우드 Operations Platform은 인력 관리, 의료진 정보·자격 검증, 품질·안전, 임상 소통·의사 근무 일정, 인재·지출 관리, 규정 준수, 접근·계약 관리 기능을 통합합니다. 분산된 개별 솔루션을 더 통합된 업무 흐름과 데이터로 대체하려는 목표입니다. 의료 특유의 데이터 거버넌스를 중심에 두고 플랫폼 전반에 AI를 도입해 자동화와 의사결정도 지원합니다. 회사에 따르면 미국 병원 10곳 중 9곳과 건강보험 플랜 400개 이상이 기술을 사용합니다.

거의 30년 동안 병상 간호사, 임상정보학 리더, 현재 symplr 최고간호정보책임자로 일하셨습니다. 기술 기업들이 간호사용 AI를 설계하며 반복하는 가장 큰 실수는 무엇이며, 현장 경험은 지금의 AI 개발 접근에 어떤 영향을 줬나요?

의료계는 이미 비슷한 경험을 했습니다. 전자의무기록은 효율성을 약속했지만, 초기에는 매일 쓸 현장 의료진이 설계·구축에 참여하지 않아 오히려 행정 부담을 늘리곤 했습니다. 제가 병상에서 처음 사용한 EMR에서도, 실제로 화면을 클릭할 의료진을 설계 과정에서 거의 고려하지 않고 회의실에서 업무 결정을 내릴 때도 직접 경험했습니다. AI는 바로잡을 기회이지만 같은 실수를 반복하지 않아야 합니다.

저는 25년 넘게 전 소아 중환자 간호사로 시작했고 지난 20년은 간호정보학에서 일했습니다. 의료진의 관점과 의견을 반영한 기술이 얼마나 도움이 되는지, 그렇지 않으면 얼마나 빨리 불만의 원인이 되는지 모두 봤습니다. 여전히 보이는 실수는 간호사의 실제 환경 대신 조직이 상상한 업무 흐름을 위해 설계하는 것입니다. 실제 현장은 방해, 서로 충돌하는 우선순위, 기록과 환자 돌봄이 동시에 일어나는 순간으로 가득합니다.

현장 경험 덕분에 모든 AI 도구에 간단한 기준을 적용합니다. 간호사의 업무를 의미 있게 돕는가, 아니면 또 하나의 주의 분산 요인인가? 후자라면 모델이 아무리 뛰어나도 업무량을 늘리고 시간을 빼앗는 우선순위가 하나 더 생길 뿐입니다.

의료진이 배포할 때만 아니라 AI 개발 전반에 참여해야 한다고 자주 말씀하십니다. 의미 있는 참여는 구체적으로 어떤 모습이며, 많은 의료 AI 사업은 왜 여전히 이를 잘못하나요?

간호사의 기술 거버넌스 참여는 조직의 기술 평가·도입 방식에 처음부터 포함된 구조적인 기본 원칙이어야 합니다. 조달, 구축, 평가의 모든 단계에 간호사가 참여해야 한다는 뜻입니다.

간호사가 솔루션을 처음 보는 시점이 결정과 직원 교육이 끝난 뒤여서는 안 됩니다. 매일 도구를 쓰는 간호사는 그 업무 속에서 일하므로 관리자·개발자·공급업체가 보지 못할 문제와 기회를 발견합니다.

많은 의료 AI 사업은 임상 의견을 지속적인 과정이 아니라 한 번의 점검으로 취급합니다. 시연이나 파일럿 때 의견을 물은 것을 “의료진 참여”로 셉니다. 실제 참여는 제가 symplr에서 하듯 AI를 설계·개발·발전시키는 자리에 함께 있는 것입니다. AONL의 Leadership, Innovation, Technology and Transformation Committee나 HIMSS Vendor CNO/CNIO Working Group에서도 간호사들이 조직의 기술 평가 역량과 거버넌스를 정의합니다. 이미 만들어진 것에 반응하기만 하는 것이 아닙니다.

간호 관리자는 근무표를 만들고 조정하는 데 하루 상당 부분을 씁니다. AI는 인력 관리를 어떻게 바꾸며 효율성과 직원 만족도에서 가장 큰 측정 가능한 개선은 어디에 나타나나요?

AI 기반 근무 일정·업무량 관리 도구는 오랫동안 간호 리더를 짓눌렀던 운영 복잡성을 많이 줄입니다. 근무표 작성, 실시간 조정, 근무 직전 결근 통보에 따른 대체 인력 배정처럼 끝없이 수동 조율하던 일을 점차 자동화해 관리자의 하루를 소모하지 않게 합니다.

효율성에는 효과를 보여 주는 데이터가 있습니다. 예를 들어 symplr의 기존 인력 플랫폼에 일정 관리를 통합한 솔루션은 인력 수요를 최대 120일 앞서 96% 정확도로 예측할 수 있습니다. 매일 닥친 문제를 급히 처리하던 방식에서 간호 리더와 의료진이 미리 계획하는 방식으로의 측정 가능한 변화입니다.

직원 만족도와 예측 일정의 직접적인 관계를 입증하기는 더 어렵습니다. 하지만 주변 시스템이 자신을 지원한다고 느끼는 간호사는 직업에 더 오래 머무르는 경향이 있습니다. 미국 주 간호위원회 협의회(NCSBN) 에 따르면 향후 5년 내 간호직을 떠날 의향을 밝힌 간호사 중 41.5%가 스트레스와 소진을 이유로 꼽았습니다. 업무량, 인력 부족, 불충분한 급여가 뒤따랐습니다. 근무표가 관리자의 하루를 삼키지 않고 인력 공백을 미리 예상할 수 있게 되면 직업에 대한 감정에도 긍정적인 변화를 줄 수 있습니다.

예측형 인력 배치는 부족이 위기가 되기 전에 알아내겠다고 약속합니다. 어떤 데이터 신호가 가장 유용하며, 단순한 인건비 최적화보다 간호사를 지원하도록 어떻게 보장하나요?

가장 중요한 신호는 긴급해지기 전에 공백을 보여 주는 것입니다. 근무가 얼마나 일찍 채워지는지, 막판 인센티브로 근무자를 확보하는 데 얼마나 자주 의존하는지 등이 있습니다. Bellin Health가 좋은 사례입니다. 임상팀이 미배정 근무와 인력 공백을 파악할 수 있게 되자 근무의 65%를 2주 이상 앞서 채웠고 80%는 일주일 이내에 채웠습니다. 마지막 순간에 인력 공백을 메우려고 허둥대던 상황이 바뀐 것입니다.

모델이 본래 목적에 충실하도록 하려면 비용 외의 것도 측정해야 합니다. 예측 일정은 Bellin Health의 인건비를 100만 달러 넘게 줄였습니다. 하지만 간호사에게 중요한 것은 근무의 80%가 일찍 채워졌다는 점입니다. 간호사 의견을 반영한 모델은 효율성·안전·예측 가능성을 넘어 만족도에도 긍정적인 영향을 줍니다.

의료계에는 행정 부담을 줄이기는커녕 늘린 기술 도입 사례가 많습니다. 간호사가 받아들이는 AI 도구와 곧 불만의 원인이 되는 도구를 가르는 것은 무엇인가요?

간호사가 반기는 도구는 배경으로 물러나는 도구입니다. 간호사가 환자에게 온전히 집중하는 동안 자동으로 기록을 작성하거나, 확인할 새 화면을 더하지 않고 반복 작업을 없애는 업무 흐름이 그 예입니다. 불만을 만드는 도구는 실제 간호 방식에 기반하지 않은 채 도입돼 환자를 돌보며 검토·클릭·재확인해야 할 항목을 늘리는 경우가 많습니다.

핵심은 투명성과 적합성입니다. 리더가 도구의 기능과 이유를 투명하게 설명하고 이상화한 업무가 아니라 실제 흐름에 맞춰 만들면 환자 돌봄, 비판적 사고, 신입 간호사 멘토링에 더 많은 시간을 쓸 수 있습니다. 그렇지 않으면 기술은 이미 힘든 업무에 장애물이 됩니다.

AI 개발 주기가 빨라지면서 의료기관이 임상 검증보다 속도를 우선할까 우려하시나요? 환자 진료 환경에 AI를 통합하기 전에 어떤 안전장치가 있어야 하나요?

네, 검증보다 속도에 집중하는 것은 실제 우려입니다. AI 발전은 빠르지만 의료 규제와 안전 요건에는 타당한 이유가 있습니다. 잘하는 조직은 임상 검증과 간호사 거버넌스를 출시 직전 점검표를 채우려고 추가하는 것이 아니라 첫날부터 설계의 일부로 다룹니다.

기본 안전장치는 간호사와 다른 현장 의료진이 환자 진료에 쓰이기 전에 도구를 평가하는 것입니다. 그 밖에도 시스템이 하는 일의 투명성과 문제가 있을 때 의료진이 알릴 명확한 절차가 필요합니다. AONL·HIMSS 같은 단체가 만드는 전국적 거버넌스 구조는 의료기관이 각자 혼자 해결하게 두는 대신 실행 가능한 틀을 제공합니다.

근무 일정 외에 향후 5년간 간호사의 소진을 줄이면서 환자 결과를 개선할 AI의 가장 큰 미개척 가능성은 어디에 있다고 보시나요?

기록 업무에 여전히 가장 큰 발전 여지가 있습니다. 주변 상황을 자연스럽게 포착하는 앰비언트 도구는 예전에 기록되지 않던 돌봄 사이사이의 순간을 이제 막 담기 시작했습니다. 간호사에게 시간을 돌려주고 환자를 대하는 동안 일어난 일을 더 완전하게 기록하려면 앞으로 몇 년간 할 일이 많습니다.

가상 간호도 발전 가능성이 큽니다. 지금은 주로 환자 교육, 입원 기록, 퇴원 계획, 원격 모니터링에 쓰입니다. 이 지원을 확대해 더 많은 병상 간호사가 주변 서류보다 눈앞의 환자에게 집중할 시간을 되찾게 하는 것이 큰 기회입니다. 다만 앰비언트 도구와 가상 간호가 의료진 판단을 대체할 수는 없습니다. 기술은 판단에 쓸 주의를 조용히 빼앗는 업무를 제거할 뿐입니다.

간호사가 저항하기보다 지지하는 AI 전략을 만들려는 의료기관 경영진에게 어떤 조언을 하시겠습니까? 차세대 임상 AI를 형성하는 데 간호 리더십은 어떤 역할을 해야 하나요? 

기술 조달·구축·평가에 처음부터 간호사를 참여시키라고 조언합니다. 매일 도구를 쓰는 간호사는 다른 사람이 놓칠 문제와 기회를 발견합니다. 디지털 리더십 개발에도 몇 년 뒤가 아니라 지금 투자해야 합니다. 필요한 도구와 지식을 주지 않고 복잡한 기술 결정을 잘 이끌기를 기대할 수는 없습니다.

간호 리더십의 역할은 임상 참여가 우연에 맡겨지지 않고 의도적으로 이뤄지게 하는 것입니다. AONL 위원회 활동을 통해 디지털 활용 능력, 다양한 이해관계자와의 협력, 기술 결정을 실제 임상 흐름·결과에 맞추는 능력 등 간호 리더에게 필요한 디지털 역량을 정의했습니다. symplr가 The DAISY Foundation과 함께 만든 Karlene Kerfoot Nursing Leadership in Technology Education Grant 같은 프로그램은 더 많은 간호사가 이런 준비를 할 수 있게 합니다.

간호 리더가 실질적으로 의사결정에 참여하면 기술은 실제 돌봄 방식에 더 잘 맞고, 도입이 개선되며 행정 부담이 줄고 환자 안전과 결과가 좋아집니다. 그것이 궁극적인 목적입니다.

인터뷰에 감사드립니다. 더 자세한 내용은 symplr에서 확인하실 수 있습니다.