Zyter CEO Sundar Subramanian – 인터뷰 시리즈

Sundar Subramanian, Zyter의 CEO는 경영 컨설팅, 디지털 전환, 대규모 의료 운영에 걸친 배경을 가진 경험 풍부한 전략 및 의료 분야 임원이다. 2025년 7월에 CEO가 되기 전, 그는 PwC의 Strategy&에서 16년 이상 근무하며 미국 전략 컨설팅 사업과 Enterprise Strategy, Value 및 Digital Transformation 실무를 이끌었고, 주요 조직에게 성장, 운영 모델 재설계, AI 기반 전환에 대한 조언을 제공했다. 초기 경력에서는 Booz & Company의 Medicaid 및 Medicare Center of Excellence를 공동 이끌었으며, WellCare와 McKinsey & Company에서 선임 역할을 수행한 뒤 의료 보험사와 폭넓게 협력했다. Zyter에서는 에이전시 AI와 지능형 워크플로우 오케스트레이션을 중심으로 회사의 확장을 이끌고 있으며, 개별 작업을 자동화하는 것이 아니라 엔드‑투‑엔드 비즈니스 프로세스를 재설계하는 데 AI를 활용하는 데 중점을 두고 있다.

Zyter는 20년 이상 디지털 헬스케어 분야 경험을 보유한 비상장 기업 기술 회사이며, TruCare 인구 건강 플랫폼은 45개 이상의 의료 기관에 걸쳐 4,400만 명 이상의 삶을 지원하는 발자취를 남겼다. 회사는 이제 의료 분야를 넘어, 의료, 정부, 금융 서비스 전반에 걸친 복잡하고 고규제 워크플로우를 위해 설계된 AI 실행 플랫폼을 구축하고 있다. 이 아키텍처는 AI 에이전트, 엔터프라이즈 시스템, 인간 행동을 조정하는 Zyter Symphony; 에이전트, 규칙, 데이터, 인간 감독을 엔드‑투‑엔드 워크플로우 모듈로 패키징하는 Zyter Praxis; 그리고 이러한 워크플로우를 전자 건강 기록, 청구 플랫폼, ERP 시스템, CRM 소프트웨어와 같은 시스템에 연결하는 TruCare Digital Core를 결합한다. 궁극적인 목표는 기존 엔터프라이즈 환경 내에서 에이전시 AI를 운영 가능하게 하면서 거버넌스, 감사 가능성, 중요한 결정에 대한 인간 감독을 유지하는 것이다.

전략&에서 16년 이상 근무하며 미국 전략 컨설팅 사업을 이끌고 WellCare에서의 초기 경험 이후 의료 분야에서 폭넓게 활동하셨습니다. 전통적인 소프트웨어의 또 다른 세대가 아니라 에이전시 AI와 워크플로우 실행이 의료의 다음 큰 도약을 이끌 것이라고 확신하게 된 계기는 무엇인가요?

제 경력 전반에 걸쳐 운영자, 전략 컨설턴트, 그리고 현재는 기술을 구축하는 사람으로서 의료를 여러 관점에서 바라볼 기회를 가졌습니다. 이러한 경험을 통해 점점 명확해진 한 가지 관찰이 있습니다. 의료가 어려움을 겪는 이유는 기술이 부족해서가 아니라, 기술이 업무 수행 방식을 변화시키지 못했기 때문입니다.

지난 10년 동안 업계는 디지털화에 막대한 투자를 해왔습니다. 우리는 인프라를 현대화하고, 분석 역량을 확대하며, 상호 운용성을 개선했고, 최근에는 AI를 도입했습니다. 이러한 투자는 중요한 새로운 기능을 만들었지만, 의료가 오랫동안 겪어온 가장 지속적인 과제 중 하나인 사람, 시스템, 정책, 조직 간 업무 조정을 해결하지 못했습니다. 기술이 기존 운영 모델에 얹히기만 할 뿐, 그 작동 방식을 바꾸지는 못한 경우가 많았습니다.

이 깨달음은 제가 변화를 바라보는 방식을 바꾸었습니다. 다음 단계는 더 많은 AI를 배치하는 것이 아니라, 업무 수행 방식을 재설계하는 것입니다. AI는 뛰어난 촉진제이지만, 그 가장 큰 가치는 사람, 시스템, 정책, AI를 아우르는 업무를 오케스트레이션함으로써 조직이 보다 효율적으로 실행하도록 돕는 데 있습니다.

이것이 제가 Zyter에 끌린 이유입니다. 조직이 변혁 전략을 개발하도록 돕는 수년간의 경험을 바탕으로, 저는 그 전략을 측정 가능한 결과로 전환하는 실행 레이어를 구축하고 싶었습니다. 저에게 의료의 미래는 AI를 더 똑똑하게 만드는 것이 아니라, 의료가 더 지능적으로 운영되도록 돕는 것입니다.

Zyter는 Symphony가 에이전트와 인간을 오케스트레이션하고, Praxis가 워크플로우를 실행하며, TruCare가 이를 엔터프라이즈 데이터에 기반하도록 하는 에이전시 엔터프라이즈용 실행 레이어로 자리매김하고 있습니다. 이러한 아키텍처가 개별 AI 코파일럿이 할 수 없는 일을 어떻게 가능하게 할까요?

엔터프라이즈 변혁은 아이디어나 지능의 부족으로 제한된 적이 없습니다. 조직은 보통 해야 할 일을 알고 있습니다. 더 어려운 과제는 그 결정을 사람, 시스템, 정책, 워크플로우 전반에 걸쳐 일관되게 행동으로 옮기는 것입니다.

여기서 저는 엔터프라이즈 AI의 다음 단계를 보고 있습니다. 개별 AI 어시스턴트는 사람의 생산성을 높입니다. 엔터프라이즈 AI는 조직을 더 효과적으로 만들어야 합니다. 업무를 조정하고, 워크플로우를 실행하며, 상황 변화에 맞게 적응하고, 조직 운영을 지속적으로 개선해야 합니다.

우리의 아키텍처는 이러한 철학을 반영합니다. Symphony는 AI 에이전트, 엔터프라이즈 시스템, 인간 전문성을 오케스트레이션합니다. Praxis는 워크플로우를 실행하고, TruCare는 신뢰할 수 있는 엔터프라이즈 데이터에 워크플로우를 기반하게 하는 운영 기반을 제공합니다. 이들이 결합돼 AI가 업무 수행 방식의 일부가 되도록 하는 실행 레이어를 만들며, 단순히 사람들이 업무와 함께 사용하는 또 다른 도구가 아닙니다.

조직은 궁극적으로 AI를 결과 개선 능력으로 측정할 것입니다. 생산성도 중요하지만, 장기적인 가치는 기업이 보다 일관되게 실행하고, 더 빠르게 적응하며, 실행하는 모든 워크플로우에서 학습하도록 돕는 데서 나옵니다.

여러 에이전트가 데이터를 공유하고 작업을 넘기며, 결정을 인간에게 에스컬레이션할 때 에이전시 AI는 훨씬 복잡해집니다. Zyter는 대규모 의료 환경에서 다중 에이전트 시스템을 신뢰할 수 있게 만들기 위해 무엇을 배웠나요?

AI가 개별 사용 사례를 넘어 일상 운영의 일부가 되면서 과제는 변합니다. 이제는 개별 에이전트의 지능 수준보다는 시스템, 정책, 사람, AI 전반에 걸쳐 업무가 어떻게 조정되는지가 더 중요해집니다.

우리는 전문화가 중요함을 발견했습니다. 의료는 한 사람이 모든 일을 담당하지 않으며, AI도 마찬가지여야 합니다. 명확히 정의된 책임을 가진 에이전트는 더 신뢰성이 높고, 관리가 용이하며, 시간이 지남에 따라 개선하기도 쉽습니다. 오케스트레이션 레이어는 이러한 에이전트를 조정하고, 핸드오프를 관리하며, 정책을 일관되게 적용하고, 언제 인간 전문성을 워크플로우에 도입해야 하는지를 결정합니다.

가시성도 마찬가지로 중요합니다. 팀은 의사결정이 어떻게 이루어졌는지, 어떤 정보가 반영되었는지, 결과에 어떻게 기여했는지를 이해해야 합니다. 의사결정 계보를 기록함으로써 투명성을 확보하고, 각 워크플로우가 학습과 지속적 개선의 원천이 되도록 합니다.

신뢰할 수 있는 AI는 배치된 에이전트 수로 정의되지 않습니다. 업무가 얼마나 일관되게 수행되는지, 사람들이 결과를 얼마나 신뢰할 수 있는지, 시스템이 시간이 지남에 따라 얼마나 효과적으로 개선되는지가 그 척도입니다.

헬스케어 조직은 AI 시스템이 시간이 지남에 따라 개선되길 원하지만, 동시에 예측 가능한 동작과 감사 가능성을 요구합니다. 시스템이 임상 가이드라인, 지불자 정책, 승인된 워크플로우에서 벗어나지 않도록 연속 학습을 어떻게 구현하시나요?

저는 모든 결정을 AI로 자동화해야 한다고 보지 않습니다. 의료 분야에는 결정론적 로직, 기존 비즈니스 규칙, 혹은 임상 정책이 명확하고 일관된 답을 제공할 수 있는 많은 결정이 존재합니다. 가능한 경우, 불필요한 불확실성을 도입하기보다 이러한 방식을 활용해야 합니다.

보다 흥미로운 기회는 이러한 결정론적 접근 방식을 AI와 결합하는 것입니다. 우리는 AI 기반 추론 주위에 검증 레이어를 만드는 신경-기호 논리를 성공적으로 도입했습니다. AI는 복잡하거나 비구조화된 정보를 해석하고, 결정론적 규칙과 기호 논리는 결과 행동이 기존 정책, 가이드라인, 승인된 워크플로우와 일치하도록 검증합니다. 이는 불확실성을 줄이고 AI만을 의존할 때보다 정확성을 향상시킵니다.

이는 연속 학습에 대한 제 생각도 바꿉니다. 목표는 AI에게 시간이 지남에 따라 더 큰 의사결정 자유를 주는 것이 아니라, 실행으로부터 학습하면서 중요한 결정이 내려지는 방식을 제어하는 통제를 유지하는 것입니다. 시스템이 정보를 해석하고, 예외를 처리하며, 업무를 조정하는 방식을 개선할 수 있지만, 기본 프로세스를 규정하는 규칙에서 벗어나게 해서는 안 됩니다.

AI 추론, 결정론적 의사결정, 지속적 검증의 조합이 바로 시간이 지나도 예측 가능하고, 감사 가능하며, 책임성을 유지하는 시스템을 만드는 방법입니다.

Zyter는 긴 및 단편적인 임상 기록을 종합하기 위한 재귀적 접근법인 C‑RLM을 탐구하고 있습니다. 장기 컨텍스트 추론이 의료 분야에서 얼마나 중요해질 것이며, 에이전트가 궁극적으로 각 환자에 대한 지속적으로 진화하는 이해를 유지할 수 있을까요?

헬스케어는 정보 부족으로 어려움을 겪은 적이 없습니다. 문제는 환자의 이야기가 수년간의 의사 기록, 검사 결과, 처방, 영상, 청구, 치료 상호작용 등에 흩어져 있다는 점입니다. 이 역사를 이해하려면 단순히 방대한 데이터를 처리하는 것을 넘어, 증거를 연결하고, 패턴을 인식하며, 각 환자의 여정을 일관되게 파악해야 합니다.

AI가 개별 작업 지원을 넘어 장기적인 케어를 지원하게 되면서 장기 컨텍스트 추론의 중요성은 점점 커질 것입니다. C‑RLM에 대한 우리의 작업은 이러한 방향을 반영합니다. 목표는 단순히 더 많은 정보를 요약하는 것이 아니라, 단편화된 임상 증거를 구조화된 이해로 종합하고, 이를 기반 기록에 기반하게 하는 것입니다. 모든 결론은 출처에 추적 가능해야 하며, 임상의가 어떻게 도출되었는지 이해하고 증거와 비교 검증할 수 있어야 합니다.

이러한 역량이 성숙해짐에 따라 AI 에이전트는 각 환자의 여정을 지속적으로 진화하는 이해로 유지하는 데 점점 더 큰 역할을 할 것입니다. 새로운 정보가 제공될수록 그 이해는 더욱 풍부해지면서도 투명하고, 증거 기반이며, 신뢰할 수 있는 임상 데이터에 기반해야 합니다. AI의 역할은 임상의에게 보다 완전한 그림을 제공해 더 나은 판단을 자신 있게 내릴 수 있게 하는 것입니다.

Zyter는 AI가 워크플로우를 지원하고 면허가 있는 임상의가 의사결정 권한을 유지하는 CMS WISeR 프로그램에 참여하고 있습니다. 현재 자율성 경계는 대략 이 정도가 적절한가요? AI 에이전트가 더 중요한 결정을 맡기 위해서는 무엇이 바뀌어야 할까요?

헬스케어에 단일한 자율성 경계가 있다고 보지는 않습니다. AI의 적절한 역할은 워크플로우, 위험 수준, 그리고 조직이 시스템이 실제 환경에서도 일관되게 동작할 것이라는 신뢰도에 따라 달라집니다.

WISeR와 같은 프로그램은 이러한 현실을 반영합니다. AI는 이미 정보를 종합하고, 기존 정책을 일관되게 적용하며, 행정 워크플로우를 조정하고, 반복 작업을 줄이는 데 매우 효과적입니다. 면허가 있는 임상의는 상황, 모호성, 책임이 가장 중요한 결정에 대해 판단을 지속합니다. 이는 AI와 인간 전문성의 강점을 모두 살린 운영 모델입니다.

시간이 지나면서 이러한 경계는 계속 변화할 것이지만, 모델이 더 강력해졌기 때문이 아니라 신뢰가 쌓였기 때문에 변화해야 합니다. 신뢰는 증거, 투명성, 검증, 그리고 실제 운영에서의 일관된 성과에서 비롯됩니다. AI 역할의 모든 확대는 헬스케어가 다른 핵심 역량에 적용하는 동일한 기준으로 뒷받침되어야 합니다.

성공은 AI가 얼마나 자율적으로 되는가로 측정되지 않을 것이라고 생각합니다. 환자가 더 나은 치료를 받는가, 임상의가 복잡한 결정에 더 많은 시간을 할애할 수 있는가, 그리고 그 결과 헬스케어가 더 효율적으로 운영되는가가 성공의 척도가 될 것입니다.

Zyter는 최근 TruCare를 클라우드 네이티브 AWS 기반으로 이전해 엔터프라이즈 규모의 AI 오케스트레이션을 지원하고 있습니다. 에이전시 AI에서 모델 자체와 데이터·시스템·정책·사람을 연결하는 인프라 중 어느 부분이 더 큰 도전 과제인가요?

기초 모델은 놀라운 속도로 발전하고 있으며, 이는 전체 산업에 긍정적입니다. 논의는 모델이 무엇을 할 수 있는가에서 실제 기업 내에서 어떻게 작동하는가로 점차 이동하고 있습니다.

데이터, 시스템, 정책, 사람을 연결하는 것이 변혁이 성공하거나 정체되는 지점입니다. AI는 기존 운영 환경 내에서 작동하고, 다수 시스템에 걸쳐 실행하며, 정책을 일관되게 적용하고, 생산 규모에서 신뢰성 있게 수행해야 합니다. 이러한 기반이 없으면 가장 뛰어난 모델도 개선하려는 업무와 연결되지 못합니다.

클라우드 네이티브 AWS 아키텍처로의 전환은 이러한 진화를 반영합니다. 이는 엔터프라이즈 워크플로우 전반에 AI를 오케스트레이션하면서 헬스케어가 요구하는 신뢰성, 거버넌스, 성능을 유지하는 데 필요한 탄력적이고 확장 가능한 기반을 제공합니다. 인프라가 중요한 이유는 AI가 기존 프로세스와 나란히 실행되는 또 다른 애플리케이션이 아니라, 매일 업무 실행의 일부가 되도록 하기 때문입니다.

장기적인 기회는 더 나은 모델만으로 정의되지 않습니다. AI의 진보와 엔터프라이즈 규모에서 일관되게 업무를 실행하기 위한 인프라 및 운영 모델의 결합에서 비롯됩니다.

Zyter는 금융 서비스와 정부 등 다른 규제 산업에도 실행 모델을 적용하고 있습니다. 플랫폼 중 어느 부분이 진정으로 수평적인가요? 그리고 Zyter의 의료 경험에서 비롯된 구체적인 이점은 무엇인가요?

규제 산업은 종종 차이점에 초점을 맞추어 바라봅니다. 저는 그들이 공통으로 가지고 있는 점을 이해하는 것이 똑같이 중요하다고 생각합니다. 의료를 제공하든, 금융 위험을 관리하든, 정부 프로그램을 지원하든, 성공은 사람, 시스템, 정책, 데이터 전반에 걸친 복잡한 업무를 조정하고 모든 결정에 대한 책임성을 유지하는 데 달려 있습니다.

여기서 저는 실행 모델을 근본적으로 수평적이라고 봅니다. AI, 엔터프라이즈 시스템, 인간 전문성을 오케스트레이션하고, 정책을 일관되게 적용하며, 다수 시스템에 걸쳐 업무를 조정하고, 투명성을 유지하는 것은 의료를 훨씬 넘어서는 과제입니다. 워크플로우는 산업마다 다르지만, 신뢰할 수 있는 실행에 대한 필요성은 놀라울 정도로 일관됩니다.

헬스케어는 우리가 만든 것을 바꾸지는 않았습니다. 오히려 어떻게 구축해야 하는지에 대한 기준을 높였습니다. 임상 워크플로우는 정밀성, 상호 운용성, 거버넌스, 탄력성, 신뢰를 요구하는데, 이는 실수가 큰 영향을 미치기 때문입니다. 이러한 복잡성을 염두에 두고 설계한 실행 모델은 운영 규율, 컴플라이언스, 책임성이 동일하게 중요한 다른 규제 산업에도 적용될 수 있습니다.

AI가 엔터프라이즈 운영에 깊이 통합됨에 따라, 논의는 특정 산업을 위해 구축되었는가가 아니라 복잡하고 규제된 환경에서 신뢰성 있게 실행될 수 있는가로 이동할 것이라 생각합니다. 이것이 우리가 처음부터 설계한 기준입니다.

Zyter의 Rural Health Orchestrator는 가상 진료, 원격 모니터링, 케어 매니지먼트, 임상 서비스를 통합합니다. 에이전시 오케스트레이션이 텔레헬스만으로는 해결할 수 없는 농촌 의료의 어떤 문제를 해결할 수 있나요?

텔레헬스는 중요한 접근성 문제를 해결했습니다. 다음 과제는 모든 상호작용이 조정된 행동과 측정 가능한 결과로 이어지도록 보장하는 것입니다.

농촌 의료는 텔레헬스, 원격 모니터링, 광대역 투자 등을 통해 접근성을 크게 확대했습니다. 그러나 많은 디지털 상호작용이 전체 치료 여정과 연결되지 않아 결과가 따라오지 못하고 있습니다. 가상 방문이 치료 계획을 업데이트하거나, 추적을 촉발하거나, 다음 단계를 조정하지 않으면 접근성은 향상되지만 반드시 건강이 개선되는 것은 아닙니다.

이때 오케스트레이션이 필수적입니다. 텔레헬스, 원격 모니터링, 케어 매니지먼트, 지역 자원, 임상 워크플로우를 하나의 조정된 시스템으로 연결해 정보가 원활히 흐르고 행동이 자동으로 이어지게 합니다. 모든 상호작용이 고립된 사건이 아니라 지속적인 케어 여정의 일부가 됩니다.

기회는 단순히 접근성을 확대하는 것이 아니라, 접근성을 결과로 전환하는 데 있습니다. 치료가 사람, 시스템, 워크플로우 전반에 걸쳐 연결될 때, 임상의는 파편화된 프로세스를 탐색하는 데 드는 시간이 줄어들고, 환자는 보다 일관된 추적 관리를 받으며, 농촌 보건 시스템은 기존 자원으로 더 나은 결과를 제공할 수 있습니다. 이것이 AI 오케스트레이션이 가장 큰 가치를 창출하는 지점이라고 믿습니다.

새로운 PwC 협업에서, 성공적인 AI 변혁과 다른 헬스케어 AI 파일럿을 구분짓는 요소는 무엇인가요? AI가 지불자나 제공자의 운영 방식을 근본적으로 개선했음을 설득할 수 있는 측정 가능한 결과는 무엇인가요?

헬스케어는 수년간 디지털 역량에 투자해 왔습니다. 현재 대부분의 조직은 데이터, AI, 최신 기술에 접근할 수 있습니다. 다음 단계는 더 많은 역량을 추가하는 것이 아니라, 업무 수행 방식을 재설계하는 것입니다.

그래서 저는 변혁을 배포된 AI 모델 수나 파일럿 수로 측정하지 않습니다. 조직의 운영 모델이 변화했는지를 봅니다. 의사결정이 더 빨라졌는가? 부서와 시스템 전반에 걸쳐 워크플로우가 더 조정되었는가? 행정 부담은 감소하고, 임상의와 케어 팀이 환자 치료를 개선하는 활동에 더 많은 시간을 할애하고 있는가? 이러한 개선이 단일 사용 사례에 국한되지 않고 엔터프라이즈 전체에 반복 가능한가?

이것이 PwC와의 협업 철학입니다. PwC는 헬스케어 전략 및 변혁에 대한 깊은 전문성을 제공하고, Zyter는 복잡한 워크플로우 전반에 전략을 실행화하는 실행 레이어를 제공해 AI, 엔터프라이즈 시스템, 정책, 사람을 연결함으로써 조직이 전략을 일관되게 행동으로 전환할 수 있게 합니다.

저에게 성공적인 AI 변혁은 AI가 별도의 이니셔티브가 아니라 운영 모델의 일부가 될 때 일어납니다. 그 시점에서 조직은 AI 자체의 성공을 측정하지 않고, 더 나은 결과, 낮은 행정 비용, 더 조정된 케어, 그리고 실행이 근본적으로 개선되어 보다 효율적으로 운영되는 헬스케어 시스템을 측정합니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶으신 독자분들은 Zyter를 방문하시기 바랍니다.