이 셋이 빠지면 무슨 일이 생기나

AlleyPin은 세 가지 문제를 지목합니다. 어조가 매번 달라지고, 의료 질문에서 없는 사실을 지어내고, 답변이 대화로 이어지지 않습니다.

정리하면 문제의 성격이 기술이 아니라 문서예요. 베테랑 실장이 머릿속에 갖고 있던 응대 기준을 글로 옮겨 적었느냐의 문제에 가깝습니다. 저희가 병원 AX 컨설팅에서 에스컬레이션 규칙을 상담 스크립트와 같은 문서에 묶어 두는 것도 같은 이유입니다. 응대 방식과 넘기는 조건이 따로 관리되면, 현장에서는 결국 둘 중 하나만 지켜집니다.

83%라는 숫자는 어떻게 읽어야 할까

가이드가 소개한 사례에서는 1.Talk AI 어시스턴트 도입 후 대화의 83%가 자동 처리됐고, 하루 3시간이던 상담 행정 업무가 15분으로 줄었습니다.

여기서 눈여겨볼 건 83%가 아니라 남은 17%예요. 자동화 비율이 높아 보이는 이유는 AI가 똑똑해서가 아니라, 사람에게 넘길 대화를 미리 골라냈기 때문입니다. 개인 병력, 약 복용, 컴플레인처럼 판단과 감정이 얽힌 대화를 규칙으로 걸러내면 나머지는 표준화가 됩니다. 반대로 그 경계를 안 그으면 자동화율은 올라가도 위험한 답변이 섞여 나갑니다.

내일 우리 병원에서 확인할 것 한 가지

전체 규정을 한 번에 쓰려고 하면 시작이 안 됩니다. AlleyPin도 매일 반복되는 질문 1개부터 시작하라고 권합니다.

예약 방식, 시술 비용, 수술 후 주의사항 중 지난주에 가장 많이 받은 질문 하나를 고르세요. 그 질문 하나에 대해 역할(누가 어떤 말투로), 규칙(어디서 사람에게 넘기는지), 다음 단계(답변 뒤 무엇을 안내하는지)를 적어보면 됩니다. 한국 병원은 대만과 달리 초진 서류나 보험 처리 안내가 자주 얽히기 때문에, 이 질문이 '정보 안내'인지 '판단이 필요한 상담'인지부터 갈라두는 게 먼저예요.

그리고 이번 주 상담 문의 중에 AI가 절대 답하면 안 되는 질문이 몇 건이었는지 바로 말할 수 있으세요? 그 숫자를 세는 순간 프롬프트의 두 번째 단계는 이미 절반쯤 쓰인 셈입니다.