동네 치과가 자체 AI를 운영하는 법

1. 왜 이 사례인가

본 사례의 출처는 한국 커뮤니티 사이트 arca.live의 “AI 로컬 홈랩” 채널에 2026년 10월 13일 올라온 1인칭 게시글 “동네 치과의 AX전환기”입니다. gatsbydds라는 닉네임으로 글을 쓴 원작자는 작은 동네 치과를 홀로 운영하는 원장입니다. 그는 컴퓨터 공학이 아닌 생물학 전공자로, 코드를 직접 짜는 일은 거의 없다고 밝히고 있습니다.

게시글에 따르면 이 치과는 원내 뒷방에 마련한 자체 하드웨어로 다음과 같은 시스템을 가동하고 있습니다.

* AI 음성이 먼저 전화를 받고, 실시간 전사, 화자 분리 통화 요약, 할 일 추출까지 수행하는 전화 시스템

* 보험 지급 서류 확인 및 대조: 904건(3,389쪽) 분량을 실패 페이지 없이(0건) 69분 만에 읽어냈으며, 치과 청구 기록과 대조해 6,928줄 중 5,319줄(77%)을 자동 확정

* 통화 녹취록, 문자, 보험 서류, 팩스, 매뉴얼, 치과 전공 서적을 아우르는 사내 검색 시스템

* 일일·주간·월간 경영 보고서 발행 및 은행 계좌와 카드 매출 데이터가 연동된 재무 비서

* 사내 메신저, 천장 스피커 호출, 태블릿 기반 전자 동의서

이 사례가 주목받는 이유는 세 가지입니다. 첫째, 대기업이 아닌 1인 개원의 소상공인이 개발팀 대신 AI 코딩 에이전트를 활용해 시스템을 직접 구축했다는 점입니다. 둘째, 환자 정보는 결코 병원 밖으로 나가지 않는다는 원칙을 세우고 모든 모델을 로컬 환경에서 구동했습니다. 셋째, 두 모델 간 판단이 엇갈릴 때 깃발을 띄우는 수동 채점 화면, 치과 관리 프로그램 기록에 AI가 직접 쓰지 못하게 한 제한 규칙, 보고서 숫자는 오직 분석 프로그램에서만 가져오게 한 설계 등 구체적인 통제 장치가 명시되어 있습니다.

다만 이 글은 익명 커뮤니티에 작성자가 직접 올린 후기이며, 원작자 스스로도 해당 글을 AI와 함께 썼다고 밝혔습니다. 제시된 모든 수치는 제3자의 객관적 검증을 거치지 않았습니다.

2. Problem

원작자는 치과를 두고 “몸을 갈아 넣어야” 돈을 버는 노동 집약적인 사업이라고 말합니다. 수가(치과 진료비)는 제자리인데 인건비와 물가는 계속 오르다 보니, 현재 구조에서는 사양 산업에 가깝다는 위기감을 느꼈다고 합니다.

진료 외에도 손이 많이 가는 행정 업무가 쌓여 있었습니다.

* 전화 응대와 예약 변경

* 직원들이 가장 기피하는 일인 보험 지급 내역서와 치과 청구 기록의 한 줄 한 줄 대조

* 팩스 정리와 서류 찾기

* 과거에 어떻게 처리했는지 동료들에게 일일이 물어보러 다니는 일

클라우드 AI를 도입하면 손쉽게 해결할 수 있었겠지만, 원작자는 이 방식을 택하지 않았습니다.

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

결국 원내에서 AI를 직접 돌려야 한다는 결론에 도달했고, 하드웨어를 직접 사들이기 시작했습니다.

출발점은 소박했습니다. 거창한 계획이 있었던 것은 아니며, 치과에서 AI로 무엇을 할 수 있을지 ChatGPT에 묻는 일부터 시작했다고 합니다. 과거 치과 인테리어 공사 당시 네트워크 공사 견적이 너무 비싸다고 느껴 직접 케이블을 깔고 망을 구축해 본 경험이 밑바탕이 되었습니다.

확인된 사실: 1인 동네 치과 운영, 원장은 생물학 전공, 노동 집약적 사업 구조와 인건비 상승에 따른 문제의식, 전화·보험 대조·팩스·서류 검색 등 행정 부담 존재, 통화 녹음과 보험 서류의 외부 서버 유출 거부, 인테리어 당시 원장이 직접 네트워크 구축.

3. Solution

3.1 원내 뒷방 인프라

모든 수치는 2026년 10월 13일 원작자가 서술한 내용을 기준으로 합니다.

* 네트워크: 유비쿼티 UniFi 라우터, 스위치, Wi-Fi, 카메라를 채택했습니다. 한 화면에서 원스톱으로 관리할 수 있다는 점을 이유로 들었습니다.

* 모델 서버: NVIDIA DGX Spark급 서버 12대를 구축했습니다. 클러스터당 4대씩 케이블로 묶어 클러스터 하나당 대형 모델 하나를 구동합니다. DeepSeek에 4대, GLM에 4대를 할당하고 나머지는 실험용으로 씁니다. H200이나 RTX Pro 6000 GPU도 검토했으나 비용이 너무 크고 전기 공사가 필요할 것 같아 배제했습니다.

* 음성, 검색, 문서 판독: Mac mini M5 Pro 2대를 완전히 동일한 쌍으로 구성해 한 대가 고장 나도 서비스가 멈추지 않도록 이중화했습니다. 여기에 openclaw를 돌리는 M4 Mac mini 1대를 추가했습니다. openclaw에는 Aside cli를 연결해 주기적 작업(cron)을 수행하고 보험 청구 사이트 업무를 자동화했습니다.

* 가상화: Proxmox 서버 3대로 사내 포털, 치과 관리 프로그램, 전화 시스템, 백업, 모니터링을 분산 구동합니다.

* 전력: UPS 6대를 배치했습니다. 정전이 발생하면 기기들이 서로 신호를 주고받으며 순서대로 안전하게 종료되고, 전기가 다시 들어오면 스스로 재부팅되도록 구성했습니다.

원작자는 실무에서 겪은 함정도 공유했습니다. 초고속 연결 케이블을 전원이 켜진 상태에서 꽂으면 속도가 10분의 1 수준으로 제한된다고 합니다. 재부팅으로는 풀리지 않고 플러그를 뽑고 1분을 기다려야 해결되었는데, 이를 두 번이나 겪었다고 합니다.

이를 종합하면 진료실, 접수대, 상담실, 원장실, 뒷방 서버실을 통틀어 병원 전체에 30대가 넘는 컴퓨터가 가동 중입니다.

3.2 전화: 자체 구축 PBX와 AI 음성 우선 응대

통신사 비즈니스 폰 상품을 쓰지 않고 FreePBX로 교환기(PBX) 시스템을 직접 올려 내선, 돌려주기, 녹음, 안내 멘트의 통제권을 확보했습니다. 외부에서도 병원 대표번호로 전화를 걸고 받을 수 있으며 통화 요약본까지 확인할 수 있는 전용 모바일 앱도 개발했습니다.

전화가 걸려 오면 AI 음성이 먼저 받는데, 첫 음성이 나갈 때까지 걸리는 시간은 0.1초라고 합니다. 통화 도중 직원 화면에는 실시간 전사 텍스트가 표시됩니다. 통화가 끝나면 화자별 대화를 분리해 통화 요약본을 작성하고 처리해야 할 일을 추출합니다. 지난 통화 내역은 나중에 키워드로 검색할 수 있습니다.

3.3 보험 서류: AI가 대조하고 직원은 예외만 확인

원작자가 시스템 도입 후 가장 큰 효과를 체감했다고 꼽은 영역입니다.

* 밀려 있던 서류 904건(3,389쪽)을 실패 페이지 없이(0건) 69분 만에 모두 읽어냈습니다.

* 실제 서류를 바탕으로 4개 판독 모델을 테스트했습니다. 흐릿하게 스캔된 서류에서 무료 OCR 모델의 금액 인식률이 62%에 그친 반면, 최종 선정한 모델은 100%를 기록했습니다.

* 줄 단위로 지급 금액과 거절 사유를 정리해 치과 청구 기록과 대조합니다. 내용이 일치하면 “확정”으로 처리하고, 불일치하면 “확인 필요” 표시를 남깁니다.

* 그 결과 전체 6,928줄 중 5,319줄(77%)이 자동으로 확정되었습니다. 직원은 남은 23%만 사람이 직접 검토하면 됩니다.

시연 과정을 지켜보던 직원이 “저 이제 잘리는건가요?”라고 묻기도 했습니다.

3.4 사람의 채점 화면과 모델 간 비교 검증

AI는 각 통화를 요약한 뒤 예약 변경, 긴급도 보통, 할 일 대기와 같은 형태로 분류합니다. 원작자는 이러한 분류 결과가 맞는지 누가 검증할 것인가를 고민했고, 결국 사람이 직접 채점해야 한다는 결론을 내렸습니다.

이를 위해 전용 채점 화면을 구축했습니다.

* 통화 요약을 읽고 통화 목적, 상대방, 긴급도, 할 일, 예약 문의·확정, 비용 문의, 불만 접수, 응급·통증 여부를 숫자 키패드로 입력해 채점합니다. 통화 건당 몇 초면 끝납니다.

* DeepSeek과 GLM의 판단이 서로 다를 때는 “모델 엇갈림” 플래그가 붙으며, 원작자는 이 건들을 최우선으로 검토합니다.

* 블라인드 비교 탭에서는 어느 모델이 작성한 글인지 가린 채 “1번이 나음”, “2번이 나음”, “비슷함”, “둘 다 틀림” 중 하나를 선택합니다.

이렇게 쌓인 판정 데이터는 하나의 정답지가 됩니다. 이를 통해 어떤 모델이 치과의 통화 맥락을 더 정확히 이해하는지 수치로 비교하며, 향후 치과 맞춤형 모델을 미세조정(파인튜닝)할 때 학습 데이터로 쓸 계획입니다.

3.5 경영 보고서와 재무 관리

* 일일 보고서: 매일 오후 경영 요약 PDF를 생성합니다.

* 주간 보고서: 매주 월요일 새벽, 지난주 통계를 시각화한 그래프 보고서를 작성합니다.

* 월간 보고서: 매월 1일 병원 경영 진단 보고서를 냅니다. DeepSeek이 메인 본문을 작성하고 다른 모델의 결과물도 함께 붙여 대조합니다. 세 모델이 한목소리로 지적하는 부분은 실제 병원의 문제점으로 받아들이고, 의견이 엇갈리면 원장이 직접 원인을 파고듭니다.

“숫자는 AI가 계산하지 않고 분석 프로그램이 계산한 값만 씀.”

AI는 프로그램이 산출한 숫자를 해석하고 글로 풀어내는 역할만 맡으며, 추정치에는 반드시 [추정] 태그를 붙입니다.

재무 비서는 치과 은행 계좌 및 카드 매출 내역과 연동되어 있습니다. 입출금, 카드 승인, 단말기 데이터를 수집해 내부 장부와 대조하고 불일치 항목을 찾아내며, 간이 재무제표와 손익계산서, 손익분기점을 산출합니다. 원작자는 블룸버그 터미널 스타일로 만든 치과 전용 CLI 도구에서 “어제 보험 거절 건수가 몇 건인가”와 같은 질문을 던집니다. AI는 처음 접하는 질의가 나오면 이를 처리하는 스킬을 자체 생성해 저장해 두고 다음번에 재활용합니다. 카드 지출 영수증은 Discord 등으로 사진을 찍어 올리면 OCR로 판독해 자동 첨부합니다.

3.6 사내 메신저, 방송 시스템, 전자 동의서

* 원내 메신저: 직원 단체 대화방을 카카오톡에서 원내 포털에 내장된 자체 메신저로 전환했습니다. 서버는 뒷방에 있습니다. 진료실 호출은 천장 스피커(Chromecast 지원 또는 Google Nest 스피커)를 통해 TTS 음성으로 읽어줍니다. 상담실장이 원장에게 치료비 조율을 문의할 때도 밖으로 나올 필요 없이 메신저로 소통합니다.

* 상담 기록: 상담 내용은 Whisper 계열 음성인식 모델로 전사하며, 상담실에는 Topaz 전자 서명 패드가 연결되어 있습니다.

* <strong