환자 정보 보호 위해 진료실 뒷방에 서버 둔 치과

요약

• 원장 혼자 진료하는 동네 치과가 외부 유출 없이 자체 서버로 인공지능을 돌렸습니다.
• 보험 서류 대조 작업의 77%를 자동 확정하고 전화와 서무 부담을 크게 덜었습니다.
• 보안 원칙을 세우고 사람의 검토 장치를 둬야 인공지능 전환이 실제로 작동합니다.

컴퓨터를 전공하지 않은 원장이 진료실 뒷방에 서버를 들인 사연

이 글은 2026년 10월 13일 온라인 커뮤니티 arca.live의 ‘AI 로컬 홈랩’ 채널에 올라온 “동네 치과의 AX전환기”라는 글을 바탕으로 합니다. 글쓴이는 gatsbydds라는 닉네임을 쓰는 동네 치과 원장입니다. 개발자 출신이 아니라 대학에서 생물학을 전공했고, 혼자 진료실을 지키는 1인 치과의사입니다. 코드를 직접 짜지도 않는 비전공자 원장이 어떻게 복잡한 인공지능 환경을 직접 꾸려 냈을까요.

이야기는 작은 질문에서 출발했습니다. 치과는 원장이 직접 손을 움직여 치료해야만 돈을 버는 전형적인 노동집약 업종입니다. 인건비와 물가는 해마다 오르는데 의료 수가는 그대로 묶여 있어, 원장은 지금 상태의 치과를 사양 산업이라고 보았습니다. 치료 외에 병원을 짓누르는 행정 업무도 무거웠습니다. 환자들의 전화 응대와 잦은 예약 변경, 쏟아지는 팩스 정리, 예전에 어떤 치료를 어떻게 처리했는지 동료에게 일일이 물으러 다니는 일이 매일 반복되었습니다. 특히 직원들이 가장 힘들어하는 일은 보험사에서 보내온 지급 내역서를 병원 기록과 한 줄씩 대조하는 작업이었습니다.

원장은 거창한 계획을 세우지 않고, 단순히 ChatGPT에 치과에서 인공지능으로 무엇을 할 수 있는지 묻는 것부터 시작했습니다. 편리하기로는 시중에 나온 클라우드 인공지능 서비스에 서류를 올리는 편이 가장 쉬웠습니다. 그러나 원장은 환자의 개인정보가 담긴 통화 녹음이나 보험 청구 내역을 외부 기업 서버로 넘길 수 없다고 판단했습니다.

“이걸 클라우드 AI에 맡기면 편하겠지만, 통화 녹음이나 보험 서류를 외부 서버로 보내는 건 아니다 싶었음.”

환자 정보를 진료실 밖으로 단 한 줄도 내보내지 않겠다는 기준을 세우자 길은 하나로 좁혀졌습니다. 인공지능 연산 장비를 치과 안에 직접 들여놓는 방식이었습니다. 개원 공사를 할 당시 인테리어 업체의 네트워크 견적이 너무 비싸서 직접 랜선을 깔고 망을 짰던 손재주가 뒷방 서버실을 만드는 밑바탕이 되었습니다.

진료실 뒷방에 차려진 인공지능 서버실

병원 안에서 독자적으로 모델을 돌리려면 하드웨어가 필요했습니다. 원장은 진료실 뒤편 공간에 장비를 하나씩 채워 넣었습니다. 전체 네트워크는 한 화면에서 상태를 쉽게 살필 수 있도록 Ubiquiti UniFi의 라우터, 스위치, 와이파이, 카메라로 통일했습니다.

핵심 두뇌 역할을 하는 모델 서버로는 NVIDIA DGX Spark급 장비 12대를 들였습니다. H200이나 RTX Pro 6000 같은 대형 그래픽 처리 장치도 검토했지만, 가격이 너무 비싼 데다 병원 전력 공사를 새로 해야 할 것 같아 내려놓았습니다. 대신 DGX Spark급 장비를 4대씩 고속 케이블로 묶어 하나의 큰 모델을 돌리는 방식을 택했습니다. 4대에는 DeepSeek을 올리고, 다른 4대에는 GLM을 올렸으며, 남은 장비는 실험용으로 배정했습니다.

음성 인식과 음성 합성, 문서 검색과 읽기 작업은 쌍으로 구성한 Mac mini M5 Pro 2대와 openclaw 프로그램을 돌리는 M4 Mac mini 1대가 맡았습니다. M5 Pro를 2대로 둔 것은 한 대가 갑자기 멈춰도 다른 한 대가 이어받아 진료가 끊기지 않게 하려는 설계였습니다. 여기에 정기 작업과 보험 웹사이트 업무 처리를 위해 Aside cli라는 명령줄 도구를 물렸습니다. 사내 포털, 치과 관리 프로그램, 전화 교환기, 백업, 모니터링을 나누어 관리하기 위해 가상화 서버인 Proxmox 3대도 배치했습니다. 정전이 발생했을 때 장비가 망가지지 않도록 무정전 전원 공급 장치(UPS) 6대도 연결했습니다. 전기가 끊기면 장비끼리 신호를 주고받으며 안전하게 순서대로 꺼지고, 전기가 다시 들어오면 스스로 켜집니다. 이렇게 진료실, 데스크, 상담실, 원장실, 서버실에 설치된 컴퓨터는 병원 전체를 합쳐 30대가 넘습니다.

치과 서버실 장비 구성

현장에서 부딪힌 사소하지만 아찔한 장벽도 있었습니다. 고속 연결 케이블을 장비 전원이 켜진 상태에서 꽂으면 속도가 평소의 10분의 1 수준으로 제한되어 버리는 현상이었습니다. 단순히 서버를 재부팅한다고 풀리지 않았고, 케이블을 완전히 뽑은 채 1분 동안 기다려야 원래 속도로 돌아왔습니다. 원장은 이 문제를 두 번이나 겪으며 장비 특성을 몸으로 익혔습니다.

전화 교환기와 사내 검색을 진료실 안으로

전화 업무는 통신사 기업용 전화를 쓰는 대신 무료 오픈소스 사내 교환기 소프트웨어인 FreePBX로 자체 구축했습니다. 외부 통신사에 의존하지 않아야 내선 통화, 호 전환, 통화 녹음, 안내 멘트를 병원 입맛대로 바꿀 수 있기 때문입니다. 원장은 외부에 나가서도 병원 대표번호로 전화를 걸거나 받고, 통화 요약까지 확인할 수 있는 모바일 앱도 직접 제작했습니다.

환자가 전화를 걸면 인공지능 음성이 먼저 받습니다. 수화기를 들고 첫 소리가 나기까지 걸리는 시간은 0.1초에 불과합니다. 환자와 나누는 대화는 실시간으로 글자로 바뀌어 데스크 직원 모니터에 뜹니다. 통화가 끝나면 시스템이 말한 사람을 분리해 전체 내용을 요약하고 직원이 처리해야 할 일을 목록으로 뽑아 줍니다. 지난 통화 내역은 언제든 검색할 수 있게 저장됩니다. 실제 전화 처리는 FreePBX가 전화를 받자마자 Mac mini에서 돌아가는 스트리밍 음성 인식기로 음성을 보내 화면에 띄우고, 통화가 끝난 뒤 대형 모델이 요약과 할 일을 정리해 검색 색인에 넣는 구조였을 것입니다. 인공지능이 치과 관리 프로그램 기록에 직접 쓰지 않는 원칙이 있으므로, 예약 변경 같은 업무는 직원이 요약된 할 일을 보고 치과 관리 프로그램에 최종 반영했을 것입니다.

병원 안 서류와 과거 기록을 찾는 사내 검색도 만들었습니다. 과거 통화 기록, 문자 메시지, 보험 서류, 들어온 팩스, 업무 매뉴얼, 치과 전문 서적까지 한곳에 모았습니다. 직원들이 평소 자주 묻던 실제 질문 28개를 던져 시험한 결과 26개를 바르게 찾아냈습니다. 원장은 여전히 보완할 점이 많다고 적었습니다.

직원들의 한숨을 덜어 준 보험 서류 자동 대조

원장이 시스템을 통틀어 가장 효율이 컸다고 꼽은 영역은 보험 서류 대조 작업입니다. 치과는 치료 후 보험사에 비용을 청구하고 얼마 뒤 지급 내역서를 받는데, 종이나 팩스로 들어오는 이 내역서와 병원 장부의 숫자를 맞추는 일은 치과 직원들이 가장 기피하는 일이었습니다.

원장은 시중에 나와 있는 문서 읽기 모델 4개를 실제 서류로 시험했습니다. 특히 흐릿하게 스캔된 서류에서 무료 OCR(광학 문자 인식) 도구는 금액을 62%밖에 맞히지 못했지만, 최종 선택한 모델은 100% 읽어 냈습니다.

성능을 확인한 뒤 병원에 쌓여 있던 서류 904개(총 3,389쪽)를 모델에 밀어 넣었습니다. 인공지능은 69분 만에 이 문서들을 모두 읽어 냈고, 읽기에 실패한 쪽은 0쪽이었습니다. 인공지능은 줄마다 적힌 금액과 삭감 사유를 추출해 병원 치료 기록과 대조했습니다. 병원 기록과 맞으면 “확정” 표시를 붙이고, 맞지 않으면 “확인 필요” 표시를 달았습니다.

전체 6,928줄을 대조한 결과 5,319줄(77%)이 자동으로 “확정” 처리되었습니다. 직원들은 문제없이 일치한 77%는 건너뛰고, 사람이 직접 따져 보아야 하는 나머지 23%만 검토하게 되었습니다. 이 77%라는 숫자는 인공지능의 인식 정확도가 아니라, 병원 기록과 맞아 자동으로 확정된 줄의 비율입니다. 실제로는 Mac mini에서 돌아가는 시각 모델이 서류를 환자 식별자, 진료일, 청구액, 지급액, 사유 코드로 구조화한 뒤, 일반 프로그램이 치과 관리 프로그램의 청구 데이터와 규칙에 따라 대조했을 것입니다. 규칙이 단순한 프로그램에 맡겨져 있었기에 인공지능 특유의 계산 착오 없이 정확한 자동 확정 비율을 뽑아낼 수 있었을 것입니다.

보험 서류 내역 대조 결과

시연을 지켜보던 직원 한 명은 이렇게 물었습니다.

“저 이제 잘리는건가요?”

사람이 답을 채점하고 모델의 엇갈림을 잡는다

인공지능이 내놓은 결과물을 맹신하지 않기 위해 원장은 사람이 직접 검증하는 채점 화면을 구축했습니다. 인공지능이 통화를 요약하면서 예약 변경이나 긴급도 보통 같은 분류를 달아 두더라도, 그것이 참인지 거짓인지는 결국 사람이 확인해야 하기 때문입니다.

“근데 이게 맞는지 누가 앎? 결국 사람이 채점해야 함.”

통화 요약을 읽고 통화 목적, 상대방, 긴급도, 할 일, 예약 희망·확정 여부, 가격 문의, 불만, 응급·통증 여부를 숫자 키패드로 툭툭 쳐서 입력했습니다. 한 통을 채점하는 데 몇 초 걸리지 않았습니다.

이 화면에는 영리한 안전장치가 들어 있습니다. DeepSeek과 GLM 두 모델이 서로 다르게 판단한 통화에는 “모델 엇갈림”이라는 꼬리표가 자동으로 붙습니다. 원장은 이 꼬리표가 붙은 통화부터 먼저 확인했습니다. 두 모델이 동시에 처리한 결과에서 분류값이 일치하지 않는 사례만 골라내면, 사람이 가장 헷갈리기 쉬운 모호한 통화에 검토 시간을 집중할 수 있기 때문입니다.

어느 모델이 만든 답인지 이름을 가려 두고 평가하는 블라인드 비교 탭도 만들었습니다. 원장은 내용을 읽고 ‘1번 모델이 낫다’, ‘2번 모델이 낫다’, ‘비슷하다’, ‘둘 다 틀렸다’ 중 하나를 골랐습니다. 이렇게 사람이 매긴 점수는 고스란히 정답 데이터로 쌓였습니다. 어떤 모델이 치과 업무를 더 정확히 이해하는지 숫자로 비교하는 잣대가 되고, 나중에는 치과 전용 모델을 학습시킬 자료로 쓸 계획입니다.

경영 리포트와 진료실 풍경의 변화

병원 경영 분석도 자동화되었습니다. 매일 오후에는 당일 경영 요약 PDF가 나오고, 매주 월요일 새벽에는 지난주 지표를 정리한 그래프 리포트가 발행됩니다. 매월 1일에는 심층 진단 리포트가 생성됩니다. 이 월간 리포트는 DeepSeek이 본문을 작성하고 다른 모델들이 작성한 버전을 비교용으로 붙입니다. 세 모델이 한목소리로 지적하는 부분은 병원의 실제 문제로 받아들이고, 모델마다 분석이 갈리는 부분은 원장이 직접 원인을 파고들었습니다.

원장은 리포트를 만들 때 엄격한 규칙을 세웠습니다.

“숫자는 AI가 계산하지 않고 분석 프로그램이 계산한 값만 씀.”

인공지능 언어 모델은 그럴듯한 거짓 숫자를 지어내는 환각을 일으키기 쉽습니다. 따라서 모든 통계 숫자는 데이터 분석 프로그램이 산출한 값만 가져오고, 인공지능은 그 숫자를 읽고 문맥을 해석해 글로 풀어내는 역할만 맡겼습니다. 정확한 근거가 부족해 추정한 문장에는 반드시 [추정]이라는 말머리를 달도록 강제했습니다.

재무 관리 역시 병원 안에서 돌아갑니다. 은행 계좌와 카드 매출, 결제 단말기 데이터를 모아 병원 내부 장부와 대조하고 어긋난 내역을 찾아냅니다. 이를 바탕으로 대략적인 재무제표와 손익계산서, 손익분기점을 뽑아냅니다. 원장은 블룸버그 터미널처럼 꾸민 병원 전용 명령줄 도구에서 어제 보험 청구가 거절된 건수가 몇 건인지 바로 묻고 답을 얻습니다. 이전에 묻지 않았던 새로운 질문이 들어오면 인공지능이 스스로 처리 방법(스킬)을 만든 뒤 저장해 두고 다음 질문에 다시 활용합니다. 카드를 긁고 받은 영수증은 스마트폰으로 사진을 찍어 Discord 채널로 보내면 OCR이 내용을 읽어 회계 장부에 자동으로 첨부합니다.

진료실과 상담실 풍경도 달라졌습니다. 직원들의 카카오톡 단체방을 없애고 서버실에서 돌아가는 사내 포털 채팅으로 소통 창구를 바꿨습니다. 진료실에서 호출 버튼을 누르면 천장에 달린 Google Nest나 크롬캐스트 지원 스피커가 TTS(음성 합성)로 호출 내용을 읽어 줍니다. 환자를 부르는 방송도 이 스피커로 나옵니다. 이 천장 스피커는 평소에는 배경 음악을 틀다가 정각 알림을 울려 주고, 외국인 환자 이름도 한국어 발음 규칙에 맞추어 또박또박 읽어 줍니다. 상담 실장은 비용 확인을 위해 상담실 밖으로 뛰어나올 필요 없이 원장실과 채팅으로 소통합니다.

상담실 대화는 Whisper 계열 음성 인식 모델이 받아적고, 책상에는 Topaz 전자 서명 패드가 놓였습니다. 새로 온 환자의 접수와 치료 동의서는 종이를 없애고 태블릿으로 옮겼습니다. 직원이 주의사항을 설명하고 먼저 서명한 뒤 “환자에게 전달” 버튼을 누르면 환자가 내용을 확인하고 서명합니다. 서명이 끝난 서류는 PDF 파일로 묶여 환자 차트에 자동으로 들어갑니다. 원장이 환자에게 치아 상태를 설명하며 화면에 빨강, 파랑, 초록 펜으로 그린 그림도 차트에 함께 보관됩니다. 한국어와 영어가 나란히 표시되도록 만들었습니다.

다만 원장은 현장의 명백한 한계를 짚었습니다. 인공지능 전환(AX)을 가로막는 가장 큰 걸림돌은 디지털 전환(DX) 그 자체와 사람이라는 점이었습니다. 동네 치과의 특성상 고령 환자가 많아 화면 터치나 전자 서명을 낯설어하는 이들이 여전히 많았습니다. 종이 차트를 완전히 없애지 못하고 병행해야 하는 이유입니다.

코딩 에이전트 군단을 부리는 사람의 통제 규칙

코드를 직접 짜지 못하는 비전공자 원장이 어떻게 이 방대한 시스템을 구축했을까요. 답은 역할 분담을 적용한 코딩 에이전트 활용에 있었습니다.

원장은 Claude와 Codex를 포털 개발, 전화 시스템, 음성 처리 서버, 인프라 관리 등 역할별로 나누어 실제 개발팀 팀원처럼 부렸습니다. 에이전트들은 서로 메시지를 주고받으며 작업했습니다. 한 에이전트가 서버를 재부팅하기 전에 다른 에이전트에게 지금 통화 녹음 테스트를 진행하고 있는지 묻고 확인하는 식입니다.

원장이 가장 강조한 원칙은 사람의 최종 승인이었습니다.

“운영 중인 설정을 바꿀 때는 꼭 내가 직접 승인해야 하게 해 놨음.”

실제 서비스가 돌아가는 환경의 설정을 바꿀 때는 반드시 원장의 직접 승인을 거쳐야만 변경이 반영되도록 했습니다. 에이전트들끼리 말을 전하며 “원장님이 된대” 하고 승인을 대신 처리하는 행위는 인정하지 않았습니다.

에이전트들이 서로의 실수를 잡아내는 상호 검증도 일어났습니다. 한 에이전트가 설정 하나를 놓쳐 환자 이름을 방송용 음성으로 변환하는 데 6초나 걸리는 오류가 생겼는데, 운영 서버에 올라가기 전 다른 에이전트가 이를 발견해 바로잡았습니다. 테스트 번호를 엉뚱하게 적은 실수도 다른 에이전트가 지적해 고쳤습니다.

원장은 인공지능의 권한에 확실한 선을 그었습니다. 인공지능은 치과 관리 프로그램의 기록에 직접 쓸 수 없습니다. 서류를 읽고, 내용을 정리하고, 처리 방식을 제안하는 단계까지만 허용됩니다. 최종 판단과 실제 의무기록 입력은 사람의 손에 남겨 두었습니다.

숫자로 증명된 절감과 남겨진 숙제

이 체계를 구축한 뒤 병원의 비용 구조는 크게 바뀌었습니다. 외부 전화 시스템 약정을 해지하면서 450만 원을 아꼈습니다. 인공지능이 매일 경영 수치를 뽑아 주자 외부 기장 회계 서비스를 해지했습니다. 세무 신고처럼 세무사의 공인 서명이 법적으로 필요한 영역만 사람 전문가에게 맡기고 일상 정리는 스스로 해결했습니다. 통화 녹음 및 요약 서비스, 문서 OCR, 예약 안내 문자 발송, 각종 유료 인공지능 구독 서비스를 하나씩 해지했습니다. 블로그 대행업체에 주던 돈과 포털 검색 광고를 모두 끊어 마케팅 비용은 0원이 되었습니다.

그 대신 환자들이 치과를 검색할 때 쓰는 실제 단어를 바탕으로 병원 웹사이트를 다시 정리하는 검색 엔진 최적화(SEO)와, 생성형 인공지능이 읽고 추천할 수 있도록 정보를 구조화하는 생성형 엔진 최적화(GEO)에 집중했습니다. 실제로 ChatGPT나 Gemini가 추천해서 병원을 찾아왔다고 말하는 신규 환자가 늘어났습니다.

직원들의 업무 환경도 눈에 띄게 개선되었습니다. 6,928줄의 보험 서류 중 77%가 자동으로 털려 나가면서 “확인 필요” 꼬리표가 붙은 23%의 예외 건만 집중해서 살피면 되었습니다. 통화 녹음 파일을 처음부터 끝까지 다시 귀로 들으며 메모할 필요도 사라졌습니다. 반면 병원 전기 요금은 이전보다 올랐고, 장비 구매에 들어간 초기 비용은 글에서 밝히지 않았습니다.

처음부터 모든 것이 순탄했던 것은 아닙니다. 음성 봇을 처음 도입했을 때는 요일 발음을 엉망으로 뭉개는 실수가 잦았습니다. 전화 시스템도 처음에는 간편한 외부 API를 써서 빠르게 만들었다가, 병원 내부 전화를 매끄럽게 제어하려면 결국 사내 교환기(PBX)를 바닥부터 올려야 한다는 사실을 깨닫고 완전히 갈아엎었습니다. 중간에 PBX 서버가 고장 나 전체를 Proxmox 가상화 환경으로 옮겨 싣는 홍역도 치렀습니다.

도구보다 먼저 세워야 할 질문

온라인 커뮤니티에서는 동네 치과에 DGX Spark급 서버와 Proxmox 장비를 줄줄이 들인 것을 두고 과도한 투자라는 지적도 나왔습니다. 원장 스스로도 취미 생활에 과하게 몰입한 면이 있음을 인정하며, “이 글은 ‘나처럼 해라’가 아님”이라며 무작정 따라 하지 말 것을 당부했습니다.

그럼에도 이 사례가 현장의 리더들에게 던지는 메시지는 명확합니다. 인공지능을 도입할 때 흔히 ‘어떤 멋진 도구를 구독할까’부터 고민하기 쉽습니다. 하지만 이 작은 치과는 가장 중요한 데이터가 어디에 머물러야 하는지, 즉 데이터 보안 경계선부터 먼저 그었습니다. 환자 정보를 밖으로 내보내지 않겠다는 단 하나의 원칙이 로컬 서버 구축, 자체 전화망, 사내 메신저라는 거대한 설계를 이끌어 냈습니다.

원장은 인공지능 전환을 겪으며 얻은 교훈을 담담하게 남겼습니다.

“AI가 사람을 대체한다기보다, 사람이 싫어하던 일을 가져감.”

“비전공자도 됨. 다만 ‘뭘 시킬지’는 내가 알아야 함.”

인공지능은 반복적이고 피로한 작업을 치우는 데 쓰고, 중요한 결정과 예외 처리는 사람이 쥐는 구조를 만들어야 조직이 흔들리지 않습니다. 복잡한 코딩 지식보다 중요한 것은 내 일에서 무엇을 인공지능에 넘기고 무엇을 사람이 끝까지 붙잡아야 하는지 정확히 아는 업무 이해도입니다.

---

출처

gatsbydds — 동네 치과의 AX전환기 (arca.live AI 로컬 홈랩 채널) — https://arca.live/b/aihomelab/185810092 — 2026-10-13 (2026-10-14 수정)