🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

코히어 헬스는 정적 문서에 갇힌 임상 정책을 구조화된 데이터로 전환하기 위해 다중 테넌트 정책 디지털화 시스템을 구축하고, 세션 격리·통합 도구 접근·기억·모듈형 스킬·평가·버전 관리로 확장성과 임상적 통제를 함께 확보했다.

📌 핵심 요약

• 사전 승인 업무의 핵심 병목은 의학적 판단 자체보다 임상 분야·지역·사업 유형·건강보험사별로 달라지고 계속 변경되는 정책이 정적 문서와 PDF 같은 비정형 형식에 머물러 있다는 점이다.
• 코히어 헬스는 임상 정책을 표준 용어 기반의 기계 판독 가능한 데이터로 변환하는 코히어 폴리시 스튜디오를 구축해 일관된 계산형 워크플로와 대규모 사전 승인 현대화를 지원했다.
• 시스템은 에이전트코어 런타임의 세션별 마이크로 가상 머신 격리, 게이트웨이의 통합 도구 접근, 메모리의 피드백 유지, 에이전트 스킬 표준을 결합한 다중 테넌트 구조를 사용한다.
• 공통 런타임을 재사용 가능한 컨테이너 기본 이미지로 분리하고 팀별 설정 파일만 추가함으로써, 고객별 격리를 유지하면서 메모리·저장·캐시·도구·모델 구성을 배포 단위로 조정할 수 있게 했다.
• 임상 전문가가 작성한 모듈형 스킬은 기준 데이터와 정확성·완전성·일관성 지표로 검증되며, 배포 후에는 자동 관측과 임상 정책 분석가의 표본 검토, 이중 버전 관리와 롤백 체계로 통제된다.

🧩 주요 포인트

1. 전자 사전 승인 API 지원 시한과 실시간 승인 목표가 제시되면서, 정책을 빠르게 변경·감사·배포할 수 있는 구조화된 관리 기반의 필요성이 커졌다.
2. 세션별 격리와 공통 기본 이미지 재사용을 결합해 보험사별 데이터 경계를 지키면서도 팀마다 전체 실행 환경을 다시 구축하는 중복과 구성 편차를 줄였다.
3. 도메인 지식을 런타임에서 분리된 버전형 스킬로 관리하고 전문가 검토와 운영 관측을 연결함으로써, 기능 확장 속도를 높이되 임상 판단과 거버넌스는 사람에게 남겼다.

🧠 상세 정리

1. 사전 승인 정책이 만든 운영 병목

사전 승인은 특정 의료 서비스나 의약품의 보장에 앞서 건강보험사가 요구하는 승인 절차이며, 의료 현장에서 여전히 수작업 의존도가 높은 업무로 남아 있다. 원문은 그 원인을 승인에 필요한 의학적 추론의 결함이 아니라, 정책 내용이 정적이고 비정형적인 문서에 갇혀 자동화하기 어렵다는 데서 찾는다. 이 정책들은 매년 수억 명의 환자에게 영향을 주는 일상적인 임상 운영의 핵심이지만, 임상 분야·지역·사업 유형·보험사에 따라 내용이 달라지고 의학과 기술의 발전에 맞춰 계속 변경된다. 기존에는 건강보험사가 이러한 정책을 체계적으로 관리하고 분석하며 최적화할 방법이 충분하지 않았다. 따라서 표준 용어를 사용해 정책을 구조화된 기계 판독 데이터로 바꾸는 작업은 일관되고 계산 가능한 흐름을 지원하고, 적절한 임상 감독을 유지하면서 사전 승인 운영을 대규모로 현대화하기 위한 선행 조건으로 제시된다.

2. 규제·산업 목표·기술 요구의 결합

코히어 헬스는 정책 디지털화 시스템을 설계하면서 규제, 산업계 목표, 기술 구조라는 세 가지 요구를 확인했다. 미국 메디케어·메디케이드 서비스센터 규정에 따라 건강보험사는 2027년 1월까지 API 기반 전자 사전 승인을 지원해야 한다. 미국건강보험협회의 약속은 전자 사전 승인 신청 중 80%를 실시간으로 승인하는 것을 목표로 하며, 사업 유형마다 요구 사항이 달라 정책을 신속하게 관리·감사·배포할 필요성을 높인다. 기술적으로는 여러 입력 형식을 받아들이고, 서로 다른 하위 소비자가 필요로 하는 정책 표현을 각각 생성하며, 표현별 피드백 순환 구조도 지원해야 했다. 관리형 실행 기반, 세션 격리, 통합 도구 접근은 이처럼 정책 변화의 속도와 감사 가능성, 다양한 출력 요구를 동시에 다루기 위한 기반으로 채택됐다.

3. 통합된 다중 테넌트 에이전트 구조

코히어 폴리시 스튜디오는 에이전트코어 런타임, 게이트웨이, 메모리를 하나의 정책 디지털화 시스템으로 연결하고 에이전트 스킬 공개 표준을 적용했다. 코히어 헬스는 이미 정책을 분해하던 기존 런타임에 새로운 스킬을 추가하는 방식으로 정책 표현의 종류를 확장했다. 해당 런타임은 정책 스킬뿐 아니라 게이트웨이를 통해 모델 컨텍스트 프로토콜 도구로 제공되는 정책 API와 정책 분석가의 피드백을 유지하는 세션 메모리에 접근한다. 구축 과정에서는 랭체인을 이용해 런타임·게이트웨이·메모리를 배포하고, 게이트웨이가 도구와 스킬을 가져오도록 설정했으며, 임상 정책 전문가와 함께 스킬을 작성했다. 이 구조는 생성 결과를 자동으로 확정하는 대신 분석가가 반복적으로 다듬고 검토하는 통제된 인간 참여형 절차 안에서 운영되도록 설계됐다.

4. 세션 격리와 재사용 가능한 실행 환경

여러 건강보험사를 지원하는 서비스에서는 고객 간 데이터가 섞이지 않도록 엄격한 테넌트 격리가 필요하다. 런타임의 안전한 마이크로 가상 머신 격리는 각 세션에 전용 연산 자원·메모리·파일 시스템을 제공해 이 경계를 집행한다. 동시에 코히어 헬스는 안정적인 공통 실행 환경과 팀별 구성을 분리하는 2단계 배포 방식을 사용해, 모든 팀이 런타임 전체를 반복해서 다시 만드는 부담과 환경 편차를 줄였다. 공통 랭체인 프레임워크와 의존성이 포함된 컨테이너 기본 이미지를 불러온 뒤, 각 팀의 설정 파일만 복사하는 최소한의 컨테이너 정의로 새로운 에이전트를 배포한다. 이에 따라 고객별 격리를 유지하면서도 공통 기반은 재사용하고, 실제 업무에 필요한 동작은 배포별 설정으로 달리할 수 있다.

5. 설정 중심의 메모리·저장·모델 제어

팀별 설정 파일은 에이전트의 메모리, 저장, 캐시, 도구, 모델 동작을 한곳에서 제어한다. 대화 기록은 무상태 방식과 지속형 메모리 방식 중 선택할 수 있고, 저장 전략도 교정 작업에 필요한 전체 추적과 정리된 대화 기록만 보존하는 방식으로 나뉜다. 스킬 정의와 문서는 세션 문맥에 캐시해 객체 저장소에서 같은 자료를 반복해서 가져오는 작업을 피하며, 시스템 프롬프트와 자주 쓰는 콘텐츠의 캐시는 비용과 지연 시간을 줄이는 데 활용될 수 있다. 각 배포는 필요한 도구를 선택적으로 활성화하고, 기반 모델의 토큰 제한·온도·추론 매개변수도 조정할 수 있다. 또한 라이트엘엘엠을 모델과 에이전트 사이의 역방향 프록시로 설정할 수 있어, 공통 실행 기반을 유지한 채 팀별 요구를 구성 수준에서 반영한다.

6. 게이트웨이를 통한 도구와 스킬 통합

에이전트가 사용하는 도구는 스킬과 문서를 가져오는 람다 함수부터 여러 팀이 관리하는 내부 API까지 서로 다른 위치와 형태로 존재한다. 게이트웨이는 이를 인증된 단일 접점 뒤에 통합해, 새로운 도구를 추가할 때 에이전트 자체를 다시 배포하지 않아도 되도록 한다. 구현은 공용 도구와 프로젝트 전용 도구를 별도 대상으로 구분하며, 람다 함수가 게이트웨이 문맥에 포함된 도구 이름을 읽고 대상 접두사를 제거한 뒤 알맞은 처리기로 요청을 전달한다. 예시 처리기는 스킬 식별자를 확인하고 환경 변수에서 저장소 위치를 읽은 다음, 객체 저장소에서 해당 스킬의 정의 파일을 가져오며 오류가 발생하면 명시적인 오류 결과를 반환한다. 에이전트 설정에는 접근 가능한 게이트웨이 대상과 전달자 토큰 인증 방식이 선언돼 도구 발견과 접근 범위를 배포별로 통제한다.

7. 임상 전문성을 담는 모듈형 스킬

원문은 일반적인 프롬프트만으로 전문 업무를 처리하면 결과가 일관되지 않고 토큰 사용량이 커지며, 도메인 전문가가 제공하는 미묘한 판단 기준도 충분히 반영하기 어렵다고 설명한다. 과거 방식에서는 새로운 사용 사례가 생길 때마다 에이전트 기반을 다시 구축해야 해 배포 속도의 병목이 발생했다. 코히어 헬스는 임상 전문 지식을 실행 기반에서 분리한 모듈형 스킬 체계를 적용해, 전체 에이전트를 재구축하지 않고 버전이 지정된 스킬 정의만으로 새 기능을 배포할 수 있게 했다. 임상 정책 전문가가 스킬을 직접 작성하고 개선하는 과정에 참여해 정책 처리 방식이 전문가 검토와 거버넌스에 기반하도록 했다. 결과적으로 공통 실행·도구 계층은 재사용하면서도 정책 영역별 전문 지식은 독립적으로 발전시키는 구조가 만들어졌다.

8. 평가·운영 관측·버전 관리

각 스킬은 운영 환경에 도달하기 전에 기계학습 엔지니어링과 데이터 과학 조직이 함께 수행하는 구조화된 검증 절차를 거친다. 팀은 스킬별 정답 출력을 포함한 기준 데이터셋을 준비하고 정확성·완전성·일관성을 성공 지표로 정의한 뒤 평가 모음을 실행하며, 실패한 경우 원인을 분석해 스킬 정의를 수정하고 다시 시험한다. 평가를 통과하면 데이터 과학 담당자가 수용 기준에 따라 결과를 검토하고 운영 배포를 승인하며, 배포 후에는 아라이즈 에이아이가 효과성 지표를 추적하고 임상 정책 분석가가 표본 출력을 주석 처리해 자동 지표가 놓친 오류를 찾는다. 팀은 시간에 따른 스킬 성능 저하도 감시하고 수집된 자료를 최적화 작업의 우선순위에 활용한다. 버전 관리는 기능 변화를 추적하는 의미 기반 버전과 모든 업로드의 변경 불가능한 이력·롤백·비운영 및 운영 저장소 분리를 제공하는 객체 버전 관리의 두 계층으로 구성된다.

🧾 핵심 주장 / 시사점

• 원문이 규정한 핵심 문제는 임상 판단의 부재가 아니라 정책 정보의 비정형성이다. 따라서 자동화의 출발점은 모델 자체보다 정책을 표준화된 계산 가능 데이터로 바꾸는 콘텐츠 기반을 마련하는 데 있다.
• 공통 런타임, 통합 도구 계층, 독립적인 도메인 스킬을 분리한 구조는 인프라를 반복 구축하지 않으면서도 보험사와 프로젝트별 요구를 반영할 수 있게 한다.
• 세션별 전용 자원과 게이트웨이 접근 범위 설정은 다중 테넌트 확장이 단순한 기능 복제가 아니라 데이터 경계와 도구 권한을 함께 관리해야 하는 문제임을 보여준다.

✅ 액션 아이템

• 코히어 폴리시 스튜디오 기준으로 임상 정책을 표준 용어 기반의 기계 판독 가능한 데이터로 변환하는 범위를 정의한다.
• 에이전트코어 런타임의 세션별 마이크로 가상 머신 격리와 공통 컨테이너 기본 이미지 재사용 경계를 점검한다.
• 모듈형 스킬을 정확성·완전성·일관성 지표와 이중 버전 관리·롤백 체계로 검증·통제하는 기준을 정한다.

❓ 열린 질문

• 전자 사전 승인 API 지원 시한과 실시간 승인 목표 앞에서 정적 문서·PDF 정책의 우선 디지털화 대상은 무엇인가?
• 보험사별 데이터 경계를 지키는 다중 테넌트 구조에서 메모리·저장·캐시·도구·모델 구성을 어디까지 배포 단위로 나눌 것인가?
• 버전형 스킬 확장 속도를 높이면서 임상 판단과 거버넌스를 사람에게 남길 때 임상 정책 분석가 표본 검토의 적정 범위는 무엇인가?