Building an agentic AI solution at Bluesight with Amazon Bedrock

🖼️ 인포그래픽

Building an agentic AI solution at Bluesight with Amazon Bedrock 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

블루사이트는 병원 규정 준수 업무를 자동화하기 위해 단일 제품용 인공지능 시제품을 구축한 뒤, 이를 여러 의료 규정 준수 제품의 데이터를 함께 다루는 통합 에이전트형 인공지능 솔루션 프리즘으로 확장했다.

📌 핵심 요약

병원의 340B 의약품 구매 예외를 입증하려면 부족 의약품 목록, 재고, 구매 기록, 예측 정보, 다른 병원의 백오더 신호 등을 대조해야 하며, 단일 기관에서도 연간 4,000시간이 넘는 수작업이 발생했다.
블루사이트는 먼저 통제 약물 유용 탐지를 지원하는 컨트롤체크용 대화형 분석 에이전트를 개발해 보고서 작성, 대시보드 간 신호 대조, 시각 자료 생성을 자동화했다.
첫 번째 3일간의 집중 협업에서는 기존 제품 응용프로그램 인터페이스를 도구로 연결하고, 인공지능 추론과 데이터 계층을 분리해 질의 지연 시간을 5분에서 10초로 줄였다.
두 번째 협업에서는 코스트체크, 쇼티지체크, 340B체크의 데이터를 전문 작업 에이전트가 각각 수집하고 조정 에이전트가 통합하는 다중 에이전트 구조를 구현했다.
규정 준수 판정은 대규모 언어 모델의 의견에 맡기지 않고 13개 증거 신호를 사용하는 규칙 기반 점수 체계로 처리했으며, 보안·인증·암호화·감사 가능성을 처음부터 운영 환경의 설계 조건으로 삼았다.

🧩 주요 포인트

병원의 340B 의약품 구매 예외를 입증하려면 부족 의약품 목록, 재고, 구매 기록, 예측 정보, 다른 병원의 백오더 신호 등을 대조해야 하며, 단일 기관에서도 연간 4,000시간이 넘는 수작업이 발생했다.
블루사이트는 먼저 통제 약물 유용 탐지를 지원하는 컨트롤체크용 대화형 분석 에이전트를 개발해 보고서 작성, 대시보드 간 신호 대조, 시각 자료 생성을 자동화했다.
첫 번째 3일간의 집중 협업에서는 기존 제품 응용프로그램 인터페이스를 도구로 연결하고, 인공지능 추론과 데이터 계층을 분리해 질의 지연 시간을 5분에서 10초로 줄였다.
두 번째 협업에서는 코스트체크, 쇼티지체크, 340B체크의 데이터를 전문 작업 에이전트가 각각 수집하고 조정 에이전트가 통합하는 다중 에이전트 구조를 구현했다.
규정 준수 판정은 대규모 언어 모델의 의견에 맡기지 않고 13개 증거 신호를 사용하는 규칙 기반 점수 체계로 처리했으며, 보안·인증·암호화·감사 가능성을 처음부터 운영 환경의 설계 조건으로 삼았다.

🧠 상세 정리

1. 340B 규정 준수 업무가 만든 데이터 병목

병원이 340B 의약품 가격 프로그램의 규정을 준수하려면 공동구매조직을 통해 구입한 의약품이 예외 조건을 충족하는지 입증해야 한다. 이를 위해 미국 식품의약국의 부족 의약품 목록, 미국병원약사회 자료, 보유 재고 일수, 기계학습 기반 부족 예측, 수백 개 병원에서 들어오는 백오더 신호를 구매 건별로 함께 대조해야 한다. 이 수작업 감사는 하나의 적용 대상 기관에서만 연간 4,000시간 이상을 소모하며, 블루사이트가 지원하는 620개가 넘는 병원 네트워크로 확대하면 부담이 더욱 커진다. 문제의 핵심은 데이터가 부족한 것이 아니라 필요한 근거가 여러 출처와 제품에 흩어져 있어 담당자가 직접 보고서를 조합해야 한다는 점이었다. 블루사이트는 이러한 반복 작업을 줄이면서도 병원 규정 준수에 필요한 정확성과 설명 가능성을 유지할 수 있는 통합 분석 계층이 필요하다고 판단했다.

2. 여섯 개 제품을 가로지르는 통합 인공지능 요구

블루사이트는 키트체크, 컨트롤체크, 코스트체크, 340B체크, 쇼티지체크, 프라이버시프로를 통해 병원과 약국의 재고 관리, 조달, 규정 준수 업무를 지원한다. 각 제품은 규정 준수 문제의 서로 다른 부분을 해결하지만, 고객이 실제로 수행하는 조사와 감사는 하나의 제품 경계 안에서 끝나지 않았다. 고객들은 분석가가 여러 보고서를 수작업으로 이어 붙이지 않아도 복수 시스템의 데이터를 함께 검토하고 실행 가능한 정보를 제시하는 인공지능 계층을 요구했다. 블루사이트는 두 차례의 집중 협업을 거쳐 단일 제품용 시제품을 여섯 개 의료 규정 준수 제품에 걸친 통합 에이전트형 솔루션 프리즘으로 발전시켰다. 컨트롤체크용 프리즘 어시스턴트는 2026년 5월 출시되어 20개 의료 시스템에서 사용되고 있으며, 더 복잡한 다중 제품 솔루션은 2026년 후반을 목표로 진행되고 있다.

3. 통제 약물 유용 탐지와 공동구매 금지 감사

첫 번째 적용 대상은 컨트롤체크가 감지한 통제 약물 유용 가능성을 분석하는 업무였다. 규정 준수 담당자는 기존에 여러 대시보드의 신호를 직접 대조하고 보고서와 경영진 검토 자료를 작성하는 데 많은 시간을 사용했기 때문에, 이를 수초 내 수행하는 대화형 인터페이스가 실질적인 절감 효과를 낼 수 있었다. 두 번째 대상은 저소득층 비중이 높은 병원, 아동병원, 독립형 암센터가 비공동구매 경로에서 구할 수 없는 외래 의약품을 예외적으로 공동구매 계약으로 조달했는지 감사하는 업무였다. 이 판정에는 코스트체크의 구매 기록, 쇼티지체크의 공급 부족 자료, 340B체크의 자격 정보가 동시에 필요해 어느 한 제품도 전체 상황을 독자적으로 보여줄 수 없었다. 두 사례 모두 환자 관련 데이터를 보호하고, 감사 추적 기록을 남기며, 중요한 판정은 설명 가능하고 결정론적으로 처리해야 한다는 공통 제약을 가졌다.

4. 운영 등급 기반 구조를 선택한 이유

블루사이트는 에이전트형 인공지능의 운영 기반을 처음부터 직접 구축하지 않고도 의료 환경에 필요한 보안과 확장성을 확보하기 위해 아마존 베드록 에이전트코어를 선택했다. 아마존 베드록이 의료정보보호법 적용에 적합하고, 블루사이트가 아마존웹서비스와 사업 협력자 계약을 맺고 있으며, 처리된 고객 데이터가 기반 모델 훈련에 사용되지 않는다는 점이 실제 병원 데이터 연결의 전제가 됐다. 에이전트코어 런타임은 여러 병원이 동시에 질의할 때 필요한 세션 격리를 갖춘 서버리스 실행 환경을 제공했다. 에이전트코어 게이트웨이는 기존 제품 응용프로그램 인터페이스를 모델 콘텍스트 프로토콜 호환 도구로 변환하고 인증과 암호화를 적용해, 세 제품의 실시간 데이터 연결을 위한 별도 통합 기반을 처음부터 만들 필요를 줄였다. 또한 조정 에이전트가 제품별 전문 작업 에이전트에 업무를 위임하는 통신 방식은 공동구매 금지 감사에 필요한 역할 분리와 전체 실행 과정의 관찰 가능성에 부합했다.

5. 3일 만에 구축한 컨트롤체크 시제품

블루사이트는 2025년 9월 아마존웹서비스의 경험 기반 가속 프로그램을 통해 3일간의 집중 개발을 진행했으며, 목표는 실시간 데이터를 조회하고 시각 보고서를 생성하는 대화형 통제 약물 유용 분석가를 만드는 것이었다. 블루사이트 엔지니어 8명과 아마존웹서비스 전문가 7명으로 구성된 15명 팀은 스트랜즈 에이전트와 아마존 베드록을 사용하고 에이전트코어 런타임에 호스팅되는 작동 가능한 에이전트를 구현했다. 이들은 10개가 넘는 컨트롤체크 응용프로그램 인터페이스를 에이전트코어 게이트웨이를 통해 모델 콘텍스트 프로토콜 서버로 연결하고, 차트를 생성하는 사용자 화면도 함께 구축했다. 성능 감시와 비용 귀속을 위한 관찰 기능도 시제품 단계에서 포함했다. 단순한 대화 시연이 아니라 실제 제품 데이터와 연결되고 운영 지표를 확인할 수 있는 구조를 3일 안에 완성했다는 점이 이후 상용화의 기반이 됐다.

6. 추론과 데이터 계층의 분리 및 상용화

첫 번째 개발에서 중요한 결정은 인공지능의 추론 기능과 실제 데이터 계층을 분리한 것이었다. 에이전트에 원시 데이터베이스를 직접 노출하는 대신 기존 컨트롤체크 응용프로그램 인터페이스를 람다 함수로 감싸고, 에이전트가 사용하기 적합한 구조화된 데이터를 반환하도록 만들었다. 그 결과 질의 지연 시간이 5분에서 10초로 줄었고, 핵심 업무 규칙은 에이전트가 아니라 기존 응용프로그램 계층에 남았다. 에이전트는 사용자의 질문을 해석하고 필요한 도구 호출을 조율하며 결과를 명확하게 제시하는 역할에 집중했다. 첫 번째 협업에서 가상 사설망, 암호화, 인증, 관찰 기능, 코드형 기반 구조까지 마련했기 때문에 별도의 구조 전환이나 기술 부채 해소 없이 9개월 이내에 프리즘 어시스턴트를 정식 출시할 수 있었으며, 원문은 일반적인 탐색형 인공지능 개발 기간을 12개월에서 18개월로 제시한다.

7. 다중 제품 프리즘 구조로의 확장

블루사이트는 2026년 3월 두 번째 경험 기반 가속 프로그램에서 여러 제품을 조율해 공동구매 금지 규정 준수 감사를 자동화하는 것을 목표로 삼았다. 첫 번째 협업에서 검증한 기준 구조와 개발 방식을 재사용할 수 있었기 때문에, 팀은 에이전트 행동과 기반 구조, 데이터 작업자와 도구, 사용자 경험과 화면 개발이라는 세 작업 흐름으로 나뉘어 빠르게 진행했다. 프리즘은 클로드 소네트 4.6을 주 모델로 사용하고 빠른 작업에는 클로드 하이쿠 4.5를 사용하며, 두 모델 모두 사설 서브넷을 갖춘 가상 사설망의 에이전트코어 런타임에서 실행된다. 게이트웨이는 람다 기반 도구를 코스트체크, 쇼티지체크, 340B체크의 데이터 소스에 연결한다. 공동구매 업무 전용 조정 에이전트는 제품 영역별 전문 작업 에이전트에 증거 수집을 맡기고, 각 작업 에이전트는 자신이 담당하는 제품의 정보를 독립적으로 수집한다.

8. 언어 모델과 결정론적 판정의 역할 분리

프리즘의 규정 준수 판정은 대규모 언어 모델이 내놓는 의견으로 처리되지 않는다. 블루사이트는 13개의 증거 신호, 우선순위 기반 일치 방식, 설정 가능한 시간 범위를 사용하는 결정론적 점수 산정 절차를 별도로 구축했다. 언어 모델은 여러 제품에서 필요한 데이터를 모으도록 도구 호출을 조율하고 최종 보고서를 생성하지만, 규정 준수 여부에 직접 영향을 주는 점수 계산은 규칙 기반이며 감사할 수 있도록 유지된다. 이는 판정 방법을 규제 기관에 설명해야 하는 병원 규정 준수 업무에서 중요한 구분이다. 두 번째 협업에서는 첫날 말에 전체 시스템 연결과 작동을 마쳤고 둘째 날 말에 계획한 모든 기능을 구현했으며, 합성 데이터 평가에서 청구서 탐색률 100퍼센트와 증거 정당화 정확도 93퍼센트를 기록해 목표였던 85퍼센트를 넘어섰다.

9. 운영 환경의 보안과 규정 준수 통제

블루사이트는 의료 분야의 에이전트형 인공지능에서 보안을 나중에 추가하는 기능이 아니라 처음부터 지켜야 할 설계 조건으로 다뤘다. 아마존 베드록의 의료정보보호법 적격성과 사업 협력자 계약 범위는 환자 인접 데이터를 처리하는 규정 준수 활동을 지원하지만, 각 조직은 공동 책임 모델에 따라 자체적인 준수 여부를 평가해야 한다. 에이전트코어 런타임은 사설 서브넷과 보안 그룹을 사용하는 가상 사설망 안에 배포되어 에이전트와 데이터 소스 사이의 통신을 통제된 네트워크 경계 안에 둔다. 아마존 코그니토는 오에이유스2 클라이언트 자격 증명 흐름과 제이슨 웹 토큰 검증을 통해 데이터 접근 전에 각 에이전트 요청을 인증하고 권한을 확인한다. 키 관리 서비스는 저장 및 전송 데이터의 암호화 키를 관리하고, 시크릿 매니저는 하위 서비스 연결 자격 증명을 보관하며, 클라우드워치는 대시보드와 경보를 제공한다.

🧾 핵심 주장 / 시사점

블루사이트의 성과는 언어 모델에 모든 판단을 맡긴 결과가 아니라, 기존 제품 응용프로그램 인터페이스와 업무 규칙을 유지한 채 에이전트를 질문 해석·도구 조율·보고서 생성 계층으로 제한한 구조에서 나왔다.
첫 번째 단일 제품 시제품에서 인증, 암호화, 관찰 기능, 코드형 기반 구조까지 운영 요건을 함께 마련했기 때문에 같은 기반을 다중 제품 프리즘으로 재사용하고 두 번째 개발 속도를 크게 높일 수 있었다.
규제 산업의 에이전트형 인공지능에서는 자연어 상호작용과 증거 수집에는 언어 모델을 활용하되, 실제 규정 준수 판정은 규칙 기반의 감사 가능한 절차로 분리하는 것이 핵심 설계 원칙으로 제시된다.