Kamya Elawadhi, Doceree 공동 설립자 겸 사장 – 인터뷰 시리즈

Kamya Elawadhi, Doceree 공동 설립자 겸 사장은 2019년 입사 이후 회사 성장에 핵심적인 역할을 수행해 온 의료 마케팅 및 비즈니스 전략 임원이다. 그녀는 플랫폼 전략, 기업 개발, 고객 서비스 및 글로벌 파트너십에 이르는 리더십 포지션을 거치며 Doceree의 기술을 제약 브랜드, 에이전시, 퍼블리셔 및 의료 시스템에 측정 가능한 가치로 전환하는 데 기여했다. 현재 역할에서는 Elawadhi가 회사의 글로벌 성장 과제를 주도하고 미국 내 확장을 지원하며, 프라이버시를 중시하고 임상적으로 관련된 커뮤니케이션에 중점을 두고 있다. Doceree에 합류하기 전에는 HS Ad India와 McCann Worldgroup에서 고위 고객 및 계정 리더십 역할을 맡아 의료, 의료기기 및 소비재 브랜드를 담당하고 다기능·다문화 팀을 이끌었다.

Doceree는 AI 기반 의료 마케팅 운영 체제로, 생명 과학 조직이 의료 전문가와 환자에게 보다 높은 맥락과 정밀도로 다가갈 수 있도록 설계되었습니다. 이 플랫폼은 검증된 전문가 신원 데이터, 실시간 임상 의도 신호, 프로그래매틱 활성화, 현장 참여 및 채널 전반에 걸친 메시지를 조정하는 AI 추론 레이어를 결합합니다. 의사의 인지도와 처방 결정, 환자의 치료 경로(가격 접근성, 초기 처방 충전 및 재충전 포함)를 연결함으로써, Doceree는 의료 마케터에게 캠페인 성과에 대한 보다 통합된 시각을 제공하면서 프라이버시와 규제 준수를 지원하고자 합니다.

당신은 Doceree의 첫 해에 합류하여 공동 설립자 겸 사장이 되기 전 미국 현지 구축에 핵심적인 역할을 수행했습니다. 처음 회사의 설립 비전이 당신을 끌어들인 이유는 무엇이며, AI가 의료 분야에서 점점 더 중요해짐에 따라 그 비전은 어떻게 진화했나요?

제가 Doceree에 끌린 이유는 해결하고자 하는 문제의 명확성 때문이었습니다. 의료 마케팅은 수년간 다른 산업을 위해 구축된 도구들을 빌려와 사용하며, 세계에서 가장 규제가 엄격한 환경 중 하나에 적용해 왔습니다. 설립 비전은 의료 분야에 특화된 솔루션을 처음부터 직접 구축하는 것이었습니다.

진화한 점은 AI가 가능하게 만든 규모입니다. 초기에는 정밀성에 초점이 맞춰졌으며, 적절한 시점에 적절한 의사에게 도달하는 것이 목표였습니다. AI는 그 순간을 메시지 전달에서 의도 파악, 대화 시작, 전체 치료 여정에 걸친 참여 연결까지 확대했습니다. 핵심 신념은 변하지 않았으며, 도구가 발전함에 따라 야망은 커졌습니다.

Doceree는 최근 ChatGPT와 Claude용 생성형 AI 커넥터를 도입했습니다. 이러한 통합이 제공하는 기능은 무엇이며, 어떤 의료 또는 제약 팀이 가장 큰 혜택을 받을 수 있을까요?

ChatGPT와 Claude와 같은 플랫폼과의 통합은 제약 팀이 일상적으로 사용하는 도구에 Doceree의 임상 및 상업 인텔리전스를 도입하는 것입니다. 시스템 간 전환 없이 브랜드와 에이전시 팀이 캠페인 성과를 조회하고, HCP 참여 인사이트에 접근하며, 실행 가능한 권고안을 AI 어시스턴트 워크플로우 내에서 바로 확인할 수 있게 되었습니다.

가장 큰 혜택을 받는 팀은 빠르고 데이터에 의존하는 의사결정을 내리는 팀입니다. 예를 들어, 시장 전반에 걸친 캠페인 성과를 추적하는 브랜드 매니저, HCP 참여 패턴을 모니터링하는 에이전시 팀, 보고서를 기다리지 않고 여러 데이터 흐름을 종합해야 하는 상업 리더 등이 있습니다. 이는 데이터와 의사결정 사이에 항상 존재하던 마찰을 제거합니다. 저에게 있어 실제 가치는 바로 여기서 발생합니다.

생성형 AI 커넥터는 Doceree의 전체 AI 전략에서 어떤 역할을 하며, 기업 채택이 확대됨에 따라 어떤 기능을 추가할 것으로 기대하십니까?

이 커넥터는 Daily Command 레이어로 작동하며, 우리 제약 전용 추론 모델인 Semmelweis와 Analytics Workbench와 나란히 배치됩니다. 그 배경은 간단합니다. 제약 팀은 이미 매일 ChatGPT와 Claude를 사용하고 있으므로, Doceree의 임상 인텔리전스를 그들이 이미 사용하는 도구에 도입하고, 처음부터 HIPAA 안전 가드레일을 구축한 것입니다.

채택이 확대됨에 따라 방향은 보다 깊은 사전형 인텔리전스로 향하고 있습니다. 사용자가 요청하기 전에 적절한 신호를 제공하는 시스템을 구축하는 것이 목표이며, 바로 그 부분을 개발 중입니다.

Doceree는 기술의 일부를 설명하기 위해 “임상 인텔리전스”라는 용어를 사용합니다. 이는 아키텍처 관점에서 무엇을 의미하며, 기본 대형 언어 모델의 기능을 어떻게 보완하나요?

임상 인텔리전스는 본질적으로 일반 AI를 의료에 적용 가능하게 만드는 레이어입니다. 대형 언어 모델은 매우 뛰어나지만, 진단 코드, 처방 패턴, 혹은 의사가 특정 환자 프로파일에 대해 특정 치료를 선택했을 때의 의미 등을 자연스럽게 이해하지 못합니다. 임상 인텔리전스가 바로 그 격차를 메우는 역할을 합니다.

아키텍처적으로는 임상 워크플로우에서 발생하는 원시 데이터 신호와 이를 해석하는 AI 모델 사이에 위치합니다. 이는 결과물을 일반적인 것이 아니라 실행 가능한 형태로 만드는 컨텍스트를 제공합니다. 이 레이어가 없으면 강력한 모델이 불완전한 정보로 작동하게 되고, 이 레이어가 있으면 실제 임상 상황에 영향을 줄 수 있는 것이 됩니다.

Doceree의 Semmelwis AI 시스템은 의료 데이터를 어떻게 해석하고 제약 팀에게 유용한 인사이트로 전환하나요?

Semmelweis는 간단한 아이디어에 기반합니다: 의료 데이터는 규모 있게 처리되는 것만으로는 충분하지 않으며, 임상적 맥락에서 해석될 때 비로소 가치가 있습니다. 제약 팀은 방대한 참여 및 처방 데이터를 보유하고 있지만, 그 데이터를 어떻게 활용할지에 대한 격차가 항상 존재했습니다.

Semmelweis는 임상 여정 전반의 신호를 읽고 의도가 형성되거나 사라지는 지점을 식별함으로써 그 격차를 메웁니다. 이러한 인사이트는 Daily Command, 즉 제약 브랜드 팀을 위한 AI 작업 시스템에 직접 전달되어, 패턴 인식을 즉시 실행 가능한 권고안으로 전환합니다. 이를 통해 상업 팀은 데이터 과학 팀이 별도로 필요 없이 바로 조치를 취할 수 있습니다.

ChatGPT와 Claude는 모델, 인터페이스, 기업 환경이 다릅니다. 두 플랫폼 모두에서 일관된 경험을 만들기 위해 팀이 직면한 기술적 과제는 무엇이었나요?

핵심 과제는 사용자가 어느 플랫폼을 사용하든 모든 프롬프트와 응답이 동일한 컴플라이언스 가드레일 내에 머물도록 보장하는 것이었습니다. 의료 데이터는 어떤 AI 어시스턴트가 질문하느냐에 따라 유연하게 변하지 않습니다. 실제 작업은 Doceree의 임상 인텔리전스와 두 플랫폼 사이에 관리되는 통합 레이어를 구축하여, 답변이 항상 Semmelweis 추론과 Doceree 데이터에 기반하고 전 과정이 감사 가능하도록 하는 것이었습니다. 컴플라이언스 일관성을 유지하는 것이 더 어려운 문제였습니다.

커넥터는 사용자가 AI가 생성한 인사이트의 출처와 어떤 데이터 또는 추론이 응답에 기여했는지 이해하도록 어떻게 돕나요?

커넥터를 통한 모든 응답은 Doceree 데이터와 Semmelweis 추론에 기반합니다. 브랜드 팀이 상업적 질문을 하면, 그 답변은 임상 의도 신호, 신원 데이터, 해당 브랜드에 특화된 캠페인 입력을 근거로 합니다. 전체 워크플로우는 전 과정이 관리되고 감사 가능하도록 설계되었습니다. 규제 산업에서는 이러한 추적 가능성이 AI를 실제 상업적 의사결정에 활용할 수 있게 하는 핵심 요소이며, 이는 초기 설계 원칙이었습니다.

의료 기관은 종종 민감한 데이터와 복잡한 규제 요구사항을 다룹니다. 이러한 통합 설계에 프라이버시, 보안, 접근 제어 및 컴플라이언스는 어떻게 반영되었나요?

우리는 설계 초기부터 이를 원칙으로 삼았습니다. 커넥터는 환자 데이터가 워크플로우에 절대 들어가지 않도록 구축되었습니다. 모든 작업은 식별되지 않은 HCP 컨텍스트만을 사용합니다. 모든 프롬프트와 응답은 HIPAA 안전 가드레일 내에 머물며, 전체 워크플로우는 전 과정이 관리되고 감사 가능하도록 설계되었습니다.

실제로 이는 브랜드 팀이 ChatGPT나 Claude 내에서 상업적 질문을 하면, 임상 인텔리전스에 기반한 답변을 얻을 수 있으며, 민감한 의료 데이터를 일반 AI 어시스턴트와 연결할 때 발생할 수 있는 데이터 프라이버시 위험이 전혀 없음을 의미합니다. 이러한 가드레일이 통합이 구축된 기반입니다.

시스템 출력의 품질, 즉 정확성, 관련성, 일관성 및 의료 전문가에게 유용성을 어떻게 평가하십니까?

이 맥락에서 품질은 매우 구체적인 의미를 가집니다. 출력이 실제로 더 나은 상업적 결정을 이끌어낼 때만 유용하며, 우리는 결국 다음과 같이 평가합니다: 해당 출력에 따라 행동했을 때 중요한 지표가 향상되는지, HCP 단계 진행, 초기 충전 비율, 캠페인 성과가 상승하는지 여부.

폐쇄 루프가 이를 가능하게 합니다. Daily Command는 결과를 추론 모델에 다시 피드백하도록 설계되어, 각 권고안이 실제 작동한 결과에 의해 정교해집니다. 이는 출력이 독립적으로 평가되는 일반 AI 어시스턴트와는 다릅니다. 여기서는 누군가 권고안을 실행한 후 발생하는 결과를 통해 시스템이 학습하며, 시간이 지남에 따라 이것이 품질을 평가하는 유일한 객관적인 기준이 됩니다.

제약 기업이 생성형 AI를 도입함에 따라, 임상의와 환자를 대상으로 한 커뮤니케이션에서 책임감 있게 사용하기 위한 원칙은 무엇이어야 할까요?

제가 가장 강조하는 원칙은 의료 분야의 AI가 불확실성을 줄여야 하며, 오히려 만들지 않아야 한다는 점입니다. 임상의가 치료 결정을 좌우하는 정보를 받을 때, 그 정보의 출처와 근거가 추적 가능해야 합니다. 이는 기본적인 신뢰 기준입니다.

추적 가능성을 넘어, 책임감 있는 사용은 임상적 또는 상업적 중량을 지닌 모든 사안에 인간이 개입하도록 하는 것입니다. AI는 권고하고 제시해야 하며, 최종 결정과 승인은 사람이 해야 합니다. 이 경계가 흐려지는 순간 위험이 이점을 초과하기 시작합니다.

또한 컴플라이언스는 정책이 아니라 아키텍처여야 합니다. 의료 분야에서는 이 두 요소의 차이가 모든 것을 좌우합니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶은 독자분들은 Doceree를 방문하시기 바랍니다.