Anima helps clinics cut call waits by 75% with GPT-6 and GPT-Live

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Anima는 GPT‑6와 GPT‑Live 등 OpenAI 모델로 전화 접수·임상 문서 처리·진료 기록 작성을 지원하며, 도입 클리닉의 전화 대기시간이 최소 75% 줄었다고 보고했다.

📌 핵심 요약

• 영국에서 시작한 Anima는 1,000곳 이상의 클리닉에서 1,400만 명이 넘는 환자를 지원하고 월 80만 건 이상의 사례를 처리하며, 미국·호주 등으로 확장 중이다. 공동창업자 겸 CEO Shun Pang은 모든 폐쇄형·오픈소스 모델을 벤치마킹한 뒤 지능, 비용 대비 지능, 인컨텍스트 학습을 통한 제어 가능성을 이유로 OpenAI를 선택했다고 밝혔다.
• AI 전화 접수원 Andi는 GPT‑Live와 임상 승인을 받은 결정론적 접수 절차를 적용하는 자체 정책 엔진을 사용하며, GPT‑5.4 mini가 적절한 문진표를 선택한다. Anima에 따르면 도입 클리닉의 전화 대기시간은 40~50분에서 10분으로 최소 75% 줄었고, 환자 설문 응답자의 86%가 다시 이용하겠다고 답했다.
• Documents는 GPT‑6로 임상 문서의 정보를 추출하고 환자 연결, 임상 코드 식별, 후속 조치 제안을 지원한다. 약 80만 개의 SNOMED 코드와 클리닉별 선택 차이에 대응하기 위해 인컨텍스트 학습을 활용하며, Anima에 따르면 시간당 약 15건이던 문서 처리량이 일반적으로 30~45건, 상위 성과 클리닉에서는 45~60건으로 늘었다.
• Scribe는 GPT 5.6 Luna로 진료 대화의 전사문을 구조화된 임상 기록으로 바꾸고, 같은 임상 맥락으로 의뢰서와 환자 후속 메시지를 작성한다. Anima는 수분 걸리던 진료 기록과 통상 5~15분 걸리던 의뢰서의 초안을 수초 만에 만들며, 의료진이 이를 검토한다고 설명했다.
• Anima는 전화 접수·문서 처리·진료 기록을 하나의 플랫폼에 통합해 의료진의 대응 여력을 늘리고 개인 맞춤형 의료를 구현하려 한다. 회사에 따르면 플랫폼 전체 사례의 대부분은 24시간 이내에 해결되며, 해결시간 중앙값은 약 3.5시간이다.

🧩 주요 포인트

1. 전화·문서·진료 기록의 통합 → 환자 정보 수집부터 후속 대응까지 이어지는 업무 흐름에서 의료진의 처리 여력 확대를 지향한다.
2. 클리닉마다 다른 SNOMED 코드 선택에 인컨텍스트 학습 적용 → 모델의 일관된 지시 이행과 제어 가능성이 현장별 적응의 핵심 조건이 된다.
3. Andi·Documents·Scribe가 정보 수집과 초안 작성을 지원하고 의료진이 검토 → 보고된 시간 단축은 환자 대응과 진료에 쓸 여력을 늘리는 방향으로 연결된다.

🧠 상세 정리

1. 정보 지연에서 출발한 Anima의 문제의식

2026년 10월 23일 소개된 의료 스타트업 Anima는 환자 요청, 임상 서신, 진료 기록이 쌓이면서 의료진의 대응이 늦어지는 문제에 주목한다. 공동창업자 겸 CEO Shun Pang은 임상 교육 중 비정상 검사 결과가 6개월 동안 대기열에 머물러 환자가 생명을 구할 수도 있었던 치료를 놓친 사례를 목격했다고 밝혔다. 그는 의료의 문제가 의학 자체보다 시스템 안에서 정보가 이동하는 방식에 있다고 보고 Anima를 설립했다. 플랫폼은 환자 요청과 임상 문서, 후속 업무를 한곳으로 모아 의료진의 대응 여력을 늘리려 한다. 영국에서 시작해 현재 1,000곳 이상의 클리닉에서 1,400만 명이 넘는 환자를 지원하고 월 80만 건 이상의 사례를 처리하며, 미국과 호주 등으로 확장하고 있다.

2. 업무별 모델 선택과 제어 가능성

Anima는 환자 병력 수집, 문서 처리, 임상 기록 초안 작성에 특화된 AI 동료들을 하나의 플랫폼에 배치했다. 문서 업무에는 GPT‑6 모델을, 전화에는 GPT‑Live를 사용하며, 진료 기록 작성 제품에는 GPT 5.6 Luna를 적용했다. Shun Pang은 모든 폐쇄형 모델과 오픈소스 모델을 벤치마킹한 뒤 OpenAI를 선택했다고 설명했다. 그가 제시한 선택 근거는 높은 지능, 비용 대비 지능, 인컨텍스트 학습을 통한 제어 가능성이었다. 엔지니어링 리드 Michael Skupien도 OpenAI 모델들이 지시를 잘 따르고 제어하기 쉬우며 그 제어가 안정적이라고 평가했다. 이러한 설명은 임상 업무와 클리닉별 요구에 맞춰 모델의 동작을 일관되게 유도하는 능력이 Anima에 중요한 선택 기준이었음을 보여준다.

3. Andi의 전화 접수 절차와 대기시간 감소

GPT‑Live 기반 AI 전화 접수원 Andi는 환자가 전화로 증상을 설명하면 병력 수집을 진행한다. 대화는 Anima의 자체 정책 엔진이 임상 승인을 받은 결정론적 접수 절차에 따라 이끌고, GPT‑5.4 mini가 적절한 문진표를 선택한다. 작성된 병력은 클리닉 대시보드에 구조화된 사례로 표시되며, 의사와 직원이 이를 검토하고 필요한 조치를 취한다. Anima에 따르면 Andi를 사용하는 클리닉의 전화 대기시간은 40~50분에서 10분으로 줄어 감소율이 최소 75%에 이르렀다. 회사의 환자 설문에서는 86%가 Andi를 다시 이용하겠다고 답했으며, 80대와 90대 환자도 만족도가 높은 이용자에 포함됐다. Shun Pang은 이들이 음성 에이전트의 끈기 있고 정중한 응대에 만족한다고 설명했다.

4. Documents의 문서 처리와 클리닉별 코드 적응

Documents는 GPT‑6 모델로 수신 임상 문서에서 발신자, 수신자, 문서 유형, 사건 날짜 등의 정보를 추출한다. 이후 여러 단계의 처리 과정이 문서를 올바른 환자와 연결하고 적절한 임상 코드를 식별하며, 직원이 검토할 다음 조치를 제안한다. Michael Skupien은 가능한 SNOMED 코드가 약 80만 개에 이르고 자주 사용하는 코드는 일부이지만 클리닉마다 선택이 달라 임상 코딩이 특히 어려운 기술 문제였다고 설명했다. Anima는 클리닉에 시스템 설정을 요구하거나 고객별 모델을 별도로 미세조정하는 대신 인컨텍스트 학습으로 각 클리닉의 판단 방식에 적응시킨다. 회사에 따르면 시간당 약 15건이던 문서 처리량은 일반적으로 30~45건으로 늘었고, 상위 성과 클리닉은 45~60건을 처리한다. Shun Pang은 도입 후 며칠 만에 10만 건이 넘는 적체 문서를 해소한 클리닉도 있었다며, 중요한 업데이트와 약물 변경 정보가 수개월 동안 대기하지 않고 의료진에게 신속히 전달된다고 밝혔다.

5. Scribe가 지원하는 진료 기록과 후속 소통

진료 중 의사는 환자의 중요한 이야기를 들으면서 동시에 의료 기록을 작성해야 하므로 주의가 분산될 수 있다. Anima의 Scribe는 GPT 5.6 Luna로 진료 대화의 전사문을 구조화된 임상 기록으로 변환하고, 같은 임상 맥락을 재사용해 의뢰서와 환자 후속 메시지의 초안을 만든다. Anima에 따르면 작성에 수분이 걸리던 진료 기록은 의료진이 검토할 수 있는 초안으로 수초 만에 생성된다. 통상 5~15분이 필요했던 의뢰서도 진료 내용과 환자 기록을 바탕으로 수초 안에 초안을 작성할 수 있다. 이를 통해 의사는 진료 내내 타이핑하는 대신 환자에게 더 많은 주의를 기울일 수 있다고 회사는 설명한다. Shun Pang은 환자가 진료 직후 명확한 후속 메시지를 받아 불안이 줄고 내용을 더 잘 기억하며, 의사들이 밤 8~9시까지 일하는 대신 제시간에 퇴근한다는 이야기를 자주 듣는다고 전했다.

6. 통합된 환자 여정과 회사가 보고한 성과

Anima가 제시하는 비전은 필요에 따라 진료가 이루어지는 모두를 위한 개인 맞춤형 의료다. 이를 위해 의료진에게 각 환자의 필요를 이해하고 전체 진료 여정에서 행동할 수 있는 정보, 시간, 역량이 필요하다고 본다. Andi는 전화로 정보를 모아 직원이 처리할 구조화된 요청으로 만들고, Documents는 유입되는 임상 정보를 처리하며, Scribe는 의료진이 검토할 기록과 후속 소통의 초안을 작성한다. Anima에 따르면 플랫폼 전체 사례의 대부분은 24시간 이내에 해결되고, 해결시간 중앙값은 약 3.5시간이다. Shun Pang은 OpenAI 모델을 통해 영국의 1,400만 명 환자에게 큰 영향을 미치고 있으며 환자와 클리닉에 필수적인 업무를 지원한다고 평가했다. 이 글은 이러한 회사 측 보고와 관계자 설명을 바탕으로 현재의 진료 여력을 늘리고 향후 진료 경로와 서비스를 구축하려는 방향을 제시한다.

🧾 핵심 주장 / 시사점

• Anima의 접근은 개별 문서 작성의 자동화를 넘어, 환자 정보가 접수되고 검토와 후속 대응으로 이어지는 과정의 지연을 줄이는 데 초점을 둔다.
• 약 80만 개의 SNOMED 코드와 클리닉별 선택 차이는 임상 업무에서 정보 추출 능력뿐 아니라 현장별 판단 방식에 적응하는 능력도 중요함을 보여준다.
• 전화 대기시간, 문서 처리량, 초안 작성시간의 개선은 서로 다른 업무 단계에서 보고된 성과다. 전체 사례의 해결시간과 함께 의료진의 대응 여력 확대를 설명하지만, 제시된 수치는 Anima의 보고에 근거한다.

✅ 액션 아이템

• Andi의 전화 대기시간 최소 75% 감소와 재이용 의향 86%를 근거로 전화 접수 적용 가능성 검토.
• Documents의 시간당 30~45건 처리 성과와 클리닉별 SNOMED 코드 선택 차이를 함께 고려해 문서 처리 적용 조건 검토.
• Scribe의 수초 단위 초안 작성과 의료진 검토를 함께 고려해 진료 기록·의뢰서 작성 업무의 활용 범위 검토.

❓ 열린 질문

• Andi의 전화 대기시간 최소 75% 감소와 재이용 의향 86%는 어떤 클리닉과 환자 집단에서 측정됐는가?
• Documents가 인컨텍스트 학습으로 클리닉별 SNOMED 코드 선택에 적응하는 성과는 어떻게 평가되는가?
• 플랫폼 전체 사례의 24시간 이내 해결과 약 3.5시간의 해결시간 중앙값은 어떤 사례 범위를 기준으로 산출됐는가?