나눔스페이스는 2026년 11월 5일 산학관 통계 컨퍼런스에서 ‘AI 활용 Protocol, DM, SAP, TLF 운영 경험’을 발표했습니다. 만든 이야기보다 운영하며 정착시킨 이야기를 중심으로, 앞으로 보완할 과제까지 함께 정리했습니다.
임상 데이터 업무의 방식을 새롭게 정의합니다
AI는 문서 초안 작성, 근거 대조, 코드 생성, 자체 점검을 맡습니다. 분석 방법의 결정, Spec 확정, 실데이터 실행, QC와 승인은 사람이 합니다. 조직과 책임 체계를 바꾸지 않았다는 점이 AI를 정착시키는 데 중요했습니다.
무엇을 자동화할지 고른 세 가지 기준
- 과제마다 같은 형태로 반복할 수 있는 업무인가
- 모든 연구에 같은 규칙을 적용할 수 있는가
- 담당자가 결과를 직접 검증할 수 있는가. 이것이 가장 중요한 기준이었습니다.
대상자 자료 처리, 쿼리 판단, 결과 해석, DB Lock과 승인은 처음부터 자동화 대상에서 제외했습니다.
시행착오가 업무 절차를 바꾸었습니다
- 빈 로그가 ‘PASS’로 판정되는 문제가 있었고, 검사가 0건인 경우도 실패로 처리하도록 바꾸었습니다.
- AI가 만든 전수 초안이 검토의 병목이 되어, 변경점만 승인하는 방식으로 바꾸었습니다.
- 개발보다 테스트에 더 오랜 시간이 걸려, AI가 이중으로 검토한 뒤 사람이 승인하는 방식으로 바꾸었습니다.
- ‘통과’로 잘못 판정되는 경로가 발견되어, 판정을 코드의 종료코드로 옮겼습니다.
성과를 측정하는 체계를 갖춰 갑니다
나눔스페이스는 AI의 효과를 인력 감축이 아니라 같은 인력으로 처리할 수 있는 과제의 ‘용량’으로 바라봅니다. 앞으로 업무별 소요 시간, 사람이 고친 비율, AI가 멈춘 횟수와 이유, QC에서 발견된 오류를 측정해 나갈 계획입니다.
모델은 바뀌지만, Skill과 규칙, 검증 세트는 조직에 남습니다.
정착을 위한 네 가지 제언
- 검증할 수 있는 일부터 AI를 적용하십시오.
- 사람이 승인하는 지점을 도구보다 먼저 설계하십시오.
- AI가 모르는 것은 임의로 채우지 않고 멈추게 하십시오.
- 처음부터 성과를 측정하십시오.
