전체 글
421개도위의 AI 미니 아카데미 2026 — Hermes 실습형 강연 마스터 아카이브
2026년 11월 8일, AI 에이전트 개념·엔지니어링의 발전·Hermes 설치와 실행·오케스트레이션 확장을 하나의 실습 스토리로 연결한 3시간 강연 운영안.
에이전트Hermes Agent 참가자 실습 가이드 — 도위의 AI 미니 아카데미
노트북·모델 계정 준비부터 Hermes 설치, 가상 CSV 분석, 메모리와 스킬 재사용까지 따라 하는 현장 실습 자료.
도구·일반업로드한 PDF만 답하게 만들기 — NotebookLM으로 논문 세 편을 한 노트에 묶은 주말
연구 보조가 논문 PDF 세 편을 NotebookLM에 올리고, 질문을 '이 세 파일만' 기준으로 좁혀 환각을 줄이면서 오디오 개요까지 뽑다가 숫자 오류를 발견하는 과정을 담았다.
도구·일반자막 지옥에서 18분 만에 탈출 — CapCut AI로 숏폼 한 편 다듬기
1인 크리에이터가 인터뷰 숏폼에 Auto captions를 걸었다가 고유명사 오타 18건을 찾아내고, 치환표와 찾아바꾸기로 18분 만에 정리하는 과정을 담았다.
도구·일반출처 링크를 안 누르고 믿었다가 — Perplexity로 논문 초안 조사하는 아침
대학원생이 Perplexity 요약을 슬라이드에 그대로 붙였다가 교수 앞에서 원문과 다른 인용이 드러난 경험. 출처 클릭 루틴과 PDF 업로드 질문으로 고치는 과정을 담았다.
도구·일반'더 사실적으로'만 쓰다가 망하는 밤 — Midjourney에 스타일 레퍼런스를 붙이기까지
프리랜서 디자이너가 썸네일 6장 시리즈를 같은 톤으로 맞추려다 매번 다른 세계관이 나온 문제를. 스타일 레퍼런스·시드·비율 고정으로 풀어가는 구체적인 과정.
도구·일반스토리보드 한 장이 영상이 되기까지 — Runway Gen을 쓰는 필름 스튜던트의 밤
영상 학도가 비 때문에 촬영이 날아간 날 Runway Gen으로 무드피스 10초를 만들면서, 크레딧 절반을 태운 교훈과 512p 러프 전략으로 비용을 잡는 과정을 담았다.
도구·일반훅 3초를 20번 찍을 때 — Higgsfield류 크리에이티브 스택을 쓰는 팀의 리듬
퍼포먼스 마케터가 메타 광고 훅 20개를 뽑으려다 브랜드 제약 없이 돌린 처음 5개가 전부 다른 브랜드처럼 나온 경험. HEX 코드와 금지어를 고정한 뒤 15번째에서 승인받기까지.
애린이 코너옵시디언이 뭐예요? — 마크다운 폴더를 ‘두 번째 뇌’로 바꾸는 법
옵시디언과 마크다운의 관계, 장점만이 아니라 단점·한계, 동기화 선택, 플러그인·의료 맥락 주의, 첫 주에 해볼 미니 과제까지 정리했습니다.
애린이 코너MD 파일이 뭐예요? — 마크다운, AI 시대의 ‘읽히는 글’
MD 기초부터 PPT·발표 AI와 엮는 워크플로, 병원·연구 현장 같은 실제 활용 사례, 오늘의 과제까지 — 마크다운을 ‘써먹는’ 관점으로 정리했습니다.
도구·일반진료실에서 말로 기록했다 — ChatGPT 음성 모드를 외래 진료에 써본 한 달
가정의학과 의사가 환자와 대화하면서 ChatGPT 음성 모드로 진료 메모를 남기려 했다. 실시간 전사의 한계, 환자 앞에서 AI를 쓰는 것의 윤리적 고려, 실제로 남은 사용법.
도구·일반FDA 발표가 나자마자 알아야 할 때 — Grok으로 실시간 의료 뉴스를 탐색한 경험
임상 약사가 FDA 경고 발표를 뒤늦게 알게 되는 문제를 Grok으로 해결하려 했다. X(트위터) 기반 실시간 검색의 강점과, 의학적 판단에 쓰기엔 신뢰하기 어려운 이유.
도구·일반쇼츠 팀이 말하는 '그 느낌' — Seedance·바이트댄스 영상 스택을 한 줄로 잡기
숏폼 팀 PM이 '그 느낌'을 생성 도구에 전달하기 위해 레퍼런스 클립을 쓰는 방법과, 짧은 훅은 생성으로 빠르게 뽑고 긴 본편은 기존 편집으로 분리하는 하이브리드 워크플로를 담았다.
FAQClaude Code, Codex, Cursor, GitHub Copilot — AI 코딩 도구 한눈에 비교
주요 AI 코딩 도구 4가지의 차이, 상황별 선택 기준, 어떤 조합이 실용적인지
FAQCLI와 IDE 연동 중 어떤 방식이 더 좋을까요?
Claude Code CLI와 Cursor·VS Code 연동의 장단점 비교, 상황별 추천 방식
FAQClaude Code 비용은 어떻게 되나요? 무료로 쓸 수 있나요?
Claude Code API 요금 구조, 실제 사용 시 얼마나 드는지, Cursor와 비용 비교
FAQCursor와 Claude Code는 어떻게 다른가요?
Cursor IDE와 Claude Code CLI의 차이, 각각 언제 쓰면 좋은지, 함께 쓰는 방법
FAQClaude Code 데스크탑 앱이 따로 있나요?
Claude Code 데스크탑 앱 존재 여부, Claude 데스크탑 앱과의 차이, 어떤 걸 설치해야 하는지
FAQClaude Code를 설치하려면 뭐가 필요한가요?
Claude Code 설치에 필요한 것들, Node.js·npm·API 키 준비 방법, Windows·Mac 설치 과정
FAQClaude Code를 쓸 때 내 코드가 Anthropic에 저장되나요?
Claude Code 사용 시 코드 전송 여부, 데이터 보안 정책, 민감한 코드 처리 방법
FAQ터미널에서 Claude Code를 어떻게 쓰나요?
Claude Code CLI의 기본 사용법, 자주 쓰는 명령어, 터미널 초보자도 이해할 수 있는 설명
FAQVS Code에서 Claude Code를 쓰려면 어떻게 하나요?
VS Code에서 Claude Code를 연동하는 방법, 터미널 패널 활용, 에디터 안에서 AI와 협업하는 방식
FAQClaude Code가 뭔가요? Claude.ai랑 다른 건가요?
Claude Code와 Claude.ai의 차이, Claude Code가 무엇을 할 수 있는지 입문자를 위한 설명
FAQClaude Code를 언제 쓰면 좋고 언제 쓰면 안 좋을까요?
Claude Code가 진짜 도움이 되는 상황과 오히려 비효율적인 상황, 도구 선택 기준
FAQAPI 키 없이 Claude Code를 쓸 수 있나요?
Claude Code API 키 없이 사용하는 방법, 무료 대안 도구, Claude Max 플랜 옵션
FAQCodex CLI 비용은 어떻게 되나요?
Codex CLI OpenAI API 요금 구조, 실제 사용 시 비용 예시, Claude Code·Cursor와 비교
FAQCodex CLI 설치 방법은? 뭐가 필요한가요?
Codex CLI 설치에 필요한 것들, Node.js·OpenAI API 키 준비 방법, 첫 실행까지
FAQCodex 샌드박스 모드가 뭔가요? 언제 쓰면 되나요?
Codex CLI 샌드박스 실행 모드의 개념, Claude Code와의 차이, 언제 켜야 하는지
FAQCodex를 쓸 때 내 코드가 OpenAI에 저장되나요?
Codex CLI 사용 시 코드 전송 여부, OpenAI 데이터 정책, 민감 정보 처리 방법
FAQ터미널에서 Codex를 어떻게 쓰나요?
Codex CLI 기본 사용법, 승인 모드, 자주 쓰는 옵션, Claude Code와의 사용 방식 비교
FAQCodex와 Claude Code 중 어떤 걸 써야 할까요?
OpenAI Codex CLI와 Anthropic Claude Code의 실질적 차이, 상황별 추천, 같이 쓰는 방법
FAQCodex CLI와 Cursor는 어떻게 다른가요?
OpenAI Codex CLI와 Cursor IDE의 차이, 각각 언제 쓰면 좋은지, 병행 사용 방법
FAQOpenAI Codex가 뭔가요? Claude Code랑 다른 건가요?
OpenAI Codex CLI와 Claude Code의 차이, Codex가 무엇을 할 수 있는지 입문자를 위한 설명
FAQCodex를 언제 쓰면 좋고 언제 쓰면 안 좋을까요?
Codex CLI가 빛나는 상황과 오히려 다른 도구가 나은 상황, 실제 활용 사례
도구·일반저작권 걱정 없이 교육 이미지를 — Adobe Firefly로 의학 강의 자료를 만든 학기
의과대학 교수가 강의 슬라이드용 이미지를 구글에서 가져다 쓰다가 저작권 문제를 인식하고 Adobe Firefly로 전환했다. 상업적 안전 이미지의 실제 퀄리티와 한계.
도구·일반코딩 없이 앱을 만들었다 — Bolt.new로 병원 내부 도구를 이틀에 완성한 이야기
코드를 전혀 모르는 간호 관리자가 병동 근무표 계산기를 Bolt.new로 만들었다. 프롬프트만으로 웹앱이 나오는 경험, 그리고 실제 사용까지 생긴 문제.
도구·일반논문 30편을 3일 안에 읽어야 할 때 — Claude.ai로 문헌 검토를 줄인 방법
임상 연구자가 체계적 문헌 검토를 위해 논문 30편을 Claude.ai에 업로드해 핵심 정보를 추출했다. 어디서 믿을 수 있고 어디서 의심해야 하는지.
도구·일반대본만 던졌는데 아바타가 먼저 말했다 — HeyGen으로 '첫 영상' 만드는 밤
B2B 스타트업 마케터가 밤 11시에 대본만 가지고 HeyGen에 들어가, 립싱크가 어색해진 원인(문장 길이)을 파악하고 12~18어절 분리로 살리는 과정을 담았다.
도구·일반편집 포기하던 의학 유튜브 — Descript로 자막과 컷편집을 한 번에 끝낸 방법
의사 유튜버가 프리미어 프로 편집에 지쳐 Descript를 시도했다. 텍스트 기반 편집이 어떻게 작동하는지, 의학 전문 용어 자막 오류를 어떻게 처리했는지.
도구·일반샘플 30초만 주면 목소리가 복제된다고? — ElevenLabs 클로닝 첫날의 좌절
팟캐스트 기획자가 카페 녹음 샘플로 Voice Clone을 시도했다가 '쉰 목소리 복제본'을 얻고, 프리셋으로 방향을 바꿔 오프닝 45초를 배포까지 마친 하루를 풀었다.
도구·일반한글이 '닭발'이 됐다 — Ideogram으로 한국어 텍스트 이미지를 만들기까지
Midjourney로 의학 교육 포스터를 만들다 한글이 의미없는 글자로 뭉개지는 문제를 겪었다. Ideogram이 한글 텍스트 렌더링에서 어떻게 다른지, 그리고 한계가 어디인지.
도구·일반회진 후 메모가 쌓이는 문제 — Notion AI로 임상 노트를 정리하기 시작한 달
내과 전공의가 회진 메모 수십 개를 매일 작성하지만 나중에 찾지 못하는 문제를 Notion AI로 해결하려 했다. 실제로 어떤 기능이 도움이 됐고, 어디서 멈췄는지.
도구·일반회의록 적느라 회의를 못 들었다 — Otter.ai로 다학제 회의를 전사한 두 달
암 센터 코디네이터가 매주 다학제 회의 내용을 받아적다가 Otter.ai를 도입했다. 한국어 인식 정확도, 의학 용어 오인식, 그리고 환자 정보가 녹음되는 문제까지.
도구·일반파이썬 한 줄도 몰랐는데 — Cursor로 데이터 분석 스크립트를 완성한 주말
코딩 경험 없는 전공의가 환자 데이터 분석용 Python 스크립트가 필요해 Cursor를 열었다. 코드를 이해 못해도 완성까지 가는 과정, 그리고 그게 왜 위험할 수도 있는지.
도구·일반학회 발표 전날 밤 11시 — Gamma로 슬라이드 초안을 두 시간에 만든 이야기
전공의가 학회 발표 전날 밤 파워포인트 백지 앞에서 Gamma를 열었다. 초안이 빠르게 나왔지만, 의학 수치가 틀렸다. AI 슬라이드 도구를 어디까지 믿어야 하는가.
도구·일반"그냥 분위기만"이 안 나올 때 — Suno로 BGM 한 곡 뽑기까지 22분
유튜브·쇼츠 제작자가 스톡을 40분 헤매다 Suno Custom mode로 전환한 뒤 22분 만에 BGM을 완성하기까지. 첫 프롬프트가 실패하는 이유와 악기·BPM·공간감을 쓰는 구체적인 방법을 담았다.
하네스AI 시스템 배포 전략 — 카나리아가 먼저 들어가는 이유
일반 소프트웨어처럼 AI를 한 번에 전체 배포하면 위험하다. 카나리아 배포와 섀도우 테스트로 AI 배포 리스크를 줄이는 방법.
하네스AI 비용 예측 — 청구서를 받기 전에 미리 아는 방법
AI 시스템은 트래픽이 늘면 비용도 선형이 아니라 지수적으로 늘어난다. 청구서를 받고 놀라지 않으려면 배포 전에 비용을 예측하는 방법이 필요하다.
하네스LLM 공급자 추상화 — OpenAI가 내려가도 시스템은 살아야 한다
OpenAI에만 의존하면 OpenAI 장애가 곧 서비스 장애다. LLM 공급자를 추상화하면 장애 대응, 비용 최적화, 모델 교체가 유연해진다.
하네스프롬프트 버전 관리 — 프롬프트 한 줄이 바뀌면 전체 시스템이 바뀐다
코드는 Git으로 관리한다. 프롬프트도 마찬가지여야 한다. 프롬프트 한 줄이 바뀌면 AI 제품 전체의 동작이 달라지기 때문이다.
하네스응답 스키마 설계 — AI 출력을 예측 가능한 형태로 만드는 법
AI가 자유롭게 말하도록 놔두면 시스템 통합이 불가능하다. 응답 스키마를 설계하면 AI 출력이 예측 가능한 구조가 된다.
애린이 코너AI로 케이스 발표 준비하기
환자 정보를 입력하면 AI가 발표 구조와 예상 질문을 잡아줍니다
애린이 코너AI로 나만의 의학 공부 계획 만들기
바쁜 와중에도 지속 가능한 의학 공부 계획을 AI로 만드는 법
애린이 코너AI로 감별 진단 목록 빠르게 만들기
복잡한 증상 조합에서 AI로 감별 진단 리스트를 즉시 뽑는 법
애린이 코너AI로 퇴원 요약지 초안 5분 만에 만들기
핵심 정보만 입력하면 AI가 퇴원 요약지 형식으로 초안을 써줍니다
애린이 코너AI로 신기능/간기능 저하 환자 약물 용량 확인하기
특수 환자 약물 용량 조절을 AI로 빠르게 참고하는 실전 방법
애린이 코너AI로 약물 상호작용 30초 만에 확인하기
다약제 복용 환자 처방 시 AI로 상호작용을 빠르게 점검하는 법
애린이 코너AI로 심전도 해석 보조하기
심전도 해석이 막막할 때 AI를 보조 도구로 활용하는 법
애린이 코너AI로 영문 초록 10분 만에 쓰기
국제 학회 영문 초록을 AI로 빠르게 작성하는 실전 방법
애린이 코너AI로 연구비 신청서 초안 빠르게 쓰기
연구 아이디어를 입력하면 AI가 연구비 신청서 초안을 잡아줍니다
애린이 코너AI로 ICD 코드 빠르게 찾기
진단명이나 증상을 입력하면 AI가 ICD-10 코드 후보를 정리해줍니다
애린이 코너AI로 보험 청구 서류 작성 도움받기
급여 코드 선택과 소견서 작성을 AI로 빠르게 정리하는 법
애린이 코너AI로 저널 클럽 발표 준비하기
매주 저널 클럽 논문을 AI로 빠르게 소화하고 발표 준비하는 법
애린이 코너AI로 문헌 검토 계획 세우기
연구 주제를 입력하면 AI가 검색 전략과 포함 기준 초안을 잡아줍니다
애린이 코너AI로 의료 윤리 딜레마 사례 분석하기
윤리적으로 어려운 임상 결정을 AI로 체계적으로 분석하는 법
애린이 코너AI로 컨퍼런스/회의 요약 정리하기
회의 메모를 입력하면 AI가 결정 사항과 할 일 목록을 정리해줍니다
애린이 코너AI로 인수인계 요약 빠르게 만들기
교대 시 촉박한 인수인계 요약을 AI로 빠르게 정리하는 법
애린이 코너AI로 복잡한 환자 병력 요약하기
전원 환자나 복잡한 병력을 AI로 빠르게 1페이지 요약하는 법
애린이 코너AI로 환자 자주 묻는 질문 미리 준비하기
진단명을 입력하면 AI가 환자 FAQ와 쉬운 답변을 정리해줍니다
애린이 코너AI로 의뢰서 2분 만에 작성하기
환자 상황과 의뢰 이유를 입력하면 AI가 정식 의뢰서를 써줍니다
애린이 코너AI로 임상 연구 아이디어 찾기
관심 분야를 입력하면 AI가 연구 질문과 설계 초안을 제안해줍니다
애린이 코너AI로 학회 발표 슬라이드 구성하기
학회 발표 슬라이드 구성을 AI로 빠르게 잡는 실전 방법
애린이 코너AI로 수술 동의서 설명 자료 만들기
수술명과 주요 위험을 입력하면 AI가 환자 눈높이 설명 자료를 씁니다
애린이 코너AI로 치료 계획 초안 만들기
복잡한 환자의 통합 치료 계획을 AI로 빠르게 초안 잡는 법
애린이 코너의료에서 AI 정확도는 얼마나 되나요?
분야마다 다르고, 일부는 의사 수준이지만 절대 100%가 아닙니다
애린이 코너제 전공에서도 AI를 쓸 수 있나요?
네, 모든 전공에서 쓸 수 있습니다. 분야마다 활용법이 다를 뿐이에요
애린이 코너영어가 약해도 AI로 영어 논문을 읽을 수 있나요?
AI 번역과 설명으로 영어가 약해도 논문 핵심을 파악할 수 있어요
애린이 코너AI가 틀린 의료 정보를 줬는데 실제로 환자에게 영향을 주면 어떻게 되나요?
검토 없이 사용한 의사에게 법적 책임이 있습니다
애린이 코너AI에게 환자 정보를 입력하면 개인정보가 유출되나요?
무료 AI는 유출 위험이 있으니 반드시 비식별화 후 입력하세요
애린이 코너무료 AI로 충분한가요, 아니면 유료를 써야 하나요?
간단한 작업은 무료로 충분, 매일 쓴다면 유료 고려할 만합니다
애린이 코너우리 병원에 AI를 도입하려면 어디서부터 시작해야 하나요?
작은 파일럿부터 시작하고 행정팀·IT팀·법무팀과 함께 진행하세요
애린이 코너의대생/전공의도 AI를 써도 되나요?
학습 도구로 매우 유용합니다. 스스로 생각하는 연습과 함께 하세요
애린이 코너AI 필수 용어 10개 — 이것만 알면 대화가 된다
AI 대화에 꼭 필요한 10개 용어를 의료 예시와 함께 한 눈에 정리
애린이 코너OpenAI, Anthropic, Google — 회사마다 용어가 다르다
GPT·Claude·Gemini·Llama 각 회사의 모델 특징과 의료 활용 현황 비교 정리
애린이 코너AI 성능이 '좋다'는 게 뭔가요? — 평가 용어 사전
Accuracy부터 Perplexity까지 AI 성능 평가 핵심 용어를 의료 현장 관점으로 정리
애린이 코너LLM 용어 사전 — GPT, Claude, Gemini를 이해하는 단어들
GPT·Claude·Gemini 뉴스를 읽을 때 꼭 필요한 LLM 핵심 용어 정리
애린이 코너의료 AI 논문에서 자주 보이는 용어 완전 정복
AUC-ROC부터 External validation까지 의료 AI 논문 핵심 용어 총정리
애린이 코너머신러닝 vs 딥러닝 — 용어 차이 완전 정복
Feature, Overfitting, Epoch 등 ML/DL 필수 용어를 의료 예시로 쉽게 정리
애린이 코너프롬프트 용어 사전 — 제로샷부터 CoT까지
Zero-shot, CoT 등 프롬프트 핵심 용어를 실전 예시와 함께 정리
애린이 코너AI를 어떻게 가르치나요? — 학습 용어 사전
지도학습부터 전이학습까지 AI 학습 방법 핵심 용어를 의대 교육에 비유해 정리
애린이 코너AI 겨울이 두 번 있었다 — 그때 무슨 일이?
두 번의 AI 겨울: 과열된 기대가 무너진 역사와 현재 AI 붐에 대한 시사점
애린이 코너"Attention is All You Need" — 8페이지짜리 논문이 세상을 바꿨다
2017년 구글 논문 하나로 GPT·Claude·Gemini가 탄생한 Transformer 이야기
애린이 코너ChatGPT 탄생까지 — AI 70년 역사를 5분에
1950년 튜링 테스트부터 2022년 ChatGPT까지 AI 70년 역사 한눈에 보기
애린이 코너"딥러닝"이라는 이름은 누가 지었나
딥러닝의 대부 제프리 힌튼이 이름을 지은 이야기와 그가 AI를 두려워하는 이유
애린이 코너GPT의 G, P, T는 무슨 뜻인가요?
GPT 세 글자의 의미와 GPT-1부터 GPT-4까지 버전별 발전 역사
애린이 코너왜 "신경망"이라고 부를까 — 뇌 구조에서 온 이름
1943년 뉴런 수학 모델에서 딥러닝까지 신경망이라는 이름의 유래와 진화
애린이 코너RAG는 왜 '걸레'라는 뜻인가요? — 이름의 유래
우연히 걸레(rag)와 같은 이름이 된 RAG의 유래와 의료 AI에서의 활용
애린이 코너튜링 테스트: 70년 된 질문 — 기계가 생각할 수 있는가
1950년 앨런 튜링이 던진 질문과 ChatGPT 시대에 이 질문이 갖는 의미
애린이 코너"인공지능"이라는 단어는 누가, 언제 만들었나
1956년 다트머스 회의에서 탄생한 '인공지능'이라는 단어의 유래와 역사
애린이 코너AI가 "환각"을 본다 — 이 표현은 어디서 왔나
정신의학 용어 '환각'이 AI 분야로 이식된 역사와 의료진이 알아야 할 할루시네이션
애린이 코너"프롬프트"라는 단어는 어디서 왔나
연극 용어에서 CLI 명령어를 거쳐 AI 시대 핵심 개념이 된 '프롬프트'의 어원
애린이 코너"토큰"이란 말은 어디서 왔나 — 지하철 토큰에서 AI까지
지하철 동전 대용품에서 AI의 핵심 단위가 된 '토큰'의 어원과 실용 팁
도구·일반세 번째 프롬프트에서 웃는 사람 — Lyria 3 Pro로 '곡의 뼈대'까지 말해 보기
Google DeepMind가 2026년 3월 공개한 Lyria 3 Pro의 3분 길이·구조 프롬프팅 전략, Gemini·Vids·API 등 제품별 진입 경로, Suno와의 차이를 크리에이터 시선에서 풀었다.
하네스AI 오류 처리 — 모델이 틀렸을 때 시스템이 해야 할 일
AI는 반드시 실패한다. 언제, 어떻게 실패할지 미리 설계해두는 것이 하네스 엔지니어링의 핵심이다.
하네스Eval 설계 — AI 품질을 숫자로 측정하는 법
AI가 잘 작동하는지 어떻게 아는가? 느낌이 아닌 숫자로 측정하는 평가 시스템 설계를 다룬다.
하네스AI 가드레일 — 울타리를 세우는 것이 자유를 없애는 게 아니다
AI 가드레일은 AI를 제한하는 게 아니라 AI를 신뢰할 수 있게 만드는 구조다. 어떻게 설계하는지, 어디서 실패하는지 살펴본다.
하네스출력 파싱 — AI 응답을 코드가 읽을 수 있게 만드는 기술
AI가 아무리 잘 대답해도 코드가 읽지 못하면 쓸 수가 없다. AI 출력을 안정적으로 파싱하는 패턴을 정리한다.
하네스프롬프트 인젝션 — AI를 해킹하는 가장 쉬운 방법
SQL 인젝션처럼, 프롬프트 인젝션은 AI 시스템의 가장 고전적인 보안 취약점이다. 어떻게 동작하고 어떻게 막는지 분석한다.
하네스시스템 프롬프트 설계 — 하네스의 가장 중요한 고삐
사용자가 보지 못하는 시스템 프롬프트가 AI 제품의 성격과 안전성을 결정한다. 잘 설계된 시스템 프롬프트가 어떻게 생겼는지 분해해본다.
하네스툴 호출 설계 — AI에게 올바른 도구를 쥐여주는 법
AI가 검색하고, 계산하고, DB를 읽는 세상이 됐다. 이 '툴 호출'을 잘못 설계하면 AI가 원하지 않는 행동을 한다.
하네스하네스 엔지니어링이란 무엇인가 — AI를 마구 없이 달리게 두지 않는 법
AI 모델을 만드는 것과 AI를 현실에서 안전하게 쓰는 것은 완전히 다른 문제다. 하네스 엔지니어링은 그 간격을 메우는 기술이다.
하네스왜 이름이 '하네스'인가 — 마차 제어에서 AI 제어까지
소프트웨어 세계에서 '하네스'는 30년 전부터 쓰인 단어다. 그게 AI 시대에 새롭게 주목받는 이유를 파고든다.
오케스트레이션에이전틱 RAG — 한 번 검색으로 부족할 때
단순 RAG는 한 번 검색하고 끝낸다. 에이전틱 RAG는 검색 결과를 보고 부족하면 다시 검색하고, 전략도 바꾼다. 오케스트레이션과 RAG가 결합하면 어떤 일이 가능한가.
오케스트레이션AutoGen — Microsoft가 만든 '대화로 협력하는 AI 팀'
LangGraph는 그래프로, CrewAI는 역할로 에이전트를 조율한다. AutoGen은 다르다. 에이전트들이 자연어 대화를 주고받으면서 협력한다. 어떤 상황에 적합한가.
오케스트레이션컨텍스트 윈도우 관리 — AI가 앞에서 한 말을 잊는 이유
2023년 Stanford 연구에서 LLM은 컨텍스트 중간에 있는 정보를 자주 놓친다는 것이 밝혀졌다. 멀티 에이전트 시스템에서 이 문제가 어떻게 증폭되는지, 어떻게 방어하는지.
오케스트레이션CrewAI — 브라질 개발자의 개인 프로젝트가 AI 팀 빌딩의 표준이 된 이야기
RoundPrep 제15화. 역할 기반 멀티에이전트를 회진 파이프에 얹는 상상.
오케스트레이션Human-in-the-Loop — Air Canada 챗봇 소송이 의료 AI에 주는 교훈
RoundPrep 제10화. 챗봇 소송이 의료 팀 회의에서 어떻게 번역되는지.
오케스트레이션LangGraph — AI 흐름이 꼬이지 않으려면 그래프가 필요하다
RoundPrep 제13화. 체크리스트와 코드 사이의 간격을 메우는 도구 이야기.
오케스트레이션의료 오케스트레이션 케이스 스터디 — 회진 준비 30분을 3분으로
RoundPrep 제16화. 앞선 장의 조각을 ‘한 장짜리 회진 파이프’로 접는다. 승인·책임·장애가 시간축에 어디 붙는지 표로 박는다.
오케스트레이션에이전트 간 통신 — AI들이 서로 어떻게 정보를 주고받는가
멀티 에이전트 시스템에서 에이전트들이 협력하려면 정보를 주고받아야 한다. 3가지 방식의 차이와 의료 AI에서 어떤 것이 적합한지.
오케스트레이션오케스트레이션 비용 최적화 — 월 1,500만 원 청구서를 받기 전에
단순해 보이는 멀티 에이전트 시스템이 하루 $450를 쓸 수 있다. 품질을 유지하면서 비용을 줄이는 5가지 전략.
오케스트레이션오케스트레이션 디버깅 — AI 여러 개가 엉켰을 때 범인을 찾는 법
RoundPrep 제18화. 누가 누구를 불렀는지 없으면 멈춘다.
오케스트레이션오케스트레이션 모니터링 — AI가 조용히 나빠지고 있을 때 어떻게 아는가
AI 시스템은 오류 없이도 품질이 서서히 떨어질 수 있다. 배포 후 무엇을 측정해야 하고, 언제 알람을 울려야 하는지.
오케스트레이션오케스트레이션 보안 — AI가 많아질수록 공격 표면도 커진다
에이전트 하나가 뚫리면 그와 연결된 전체 체인이 영향을 받는다. 단일 AI와 다른 멀티 에이전트 시스템의 보안 위협과 방어 방법.
오케스트레이션오케스트레이션 테스팅 — 비결정론적 AI를 어떻게 테스트하는가
일반 소프트웨어는 '항상 같은 답이 나오는가'를 테스트한다. AI 워크플로우는 '항상 좋은 답이 나오는가'를 테스트한다. 방법이 완전히 다르다.
오케스트레이션오케스트레이션 vs 에이전트 — 지휘자와 연주자의 차이
에이전트와 오케스트레이션을 혼용하는 경우가 많다. 개념을 층위로 정리하면 언제 단일 에이전트면 충분하고 언제 오케스트레이션이 필요한지 명확해진다.
오케스트레이션병렬 실행 — 3초와 8초의 차이가 시스템 전체를 바꾼다
독립적인 태스크를 순차 실행하는 건 낭비다. 병렬 실행이 어떻게 작동하고 어디서 조심해야 하는지 의사의 언어로 설명한다.
오케스트레이션ReAct 패턴 — 생각(추론)과 행동(툴)을 한 루프에 묶기
RoundPrep 제7화. Thought–Action–Observation을 회진 파이프의 어느 칸에 넣을지 정한다.
오케스트레이션상태 관리 — 10단계 워크플로우가 3단계에서 멈췄을 때
멀티 에이전트 워크플로우에서 상태를 잘못 관리하면 중간에 실패했을 때 처음부터 다시 시작해야 한다. 상태 설계가 시스템 안정성을 결정하는 이유.
오케스트레이션슈퍼바이저 패턴 — 관리자 AI가 팀을 지휘하는 구조
병원 주임 레지던트처럼 전체를 보고 적절한 전문가에게 위임하는 AI를 설계하는 방법. 슈퍼바이저 패턴이 언제 필요하고 어떻게 작동하는가.
오케스트레이션태스크 분해 — '다 해줘'가 실패하는 이유
복잡한 목표를 그대로 AI에게 주면 실패율이 높다. 분해 방식이 전체 시스템의 정확도와 비용을 결정한다.
오케스트레이션오케스트레이션이란 무엇인가 — AI를 지휘하는 지휘자
RoundPrep PoC 첫 주. 상부의 '챗봇 한 번 아니냐'를 아키텍처 한 장으로 받아칠 때 필요한 것이 오케스트레이션이다 — 단계·의존성·상태·복구의 층.
오케스트레이션AI 워크플로우 패턴 5가지 — 상황에 맞는 설계 고르기
RoundPrep 제4화. 순차·병렬·슈퍼바이저·그래프 중 무엇을 쓸지, 회의에서 이름을 붙이지 않으면 끝이 없다.
RAG·파인튜닝청킹 전략 — 문서를 어떻게 잘라야 RAG가 잘 작동하는가
20쪽짜리 가이드라인을 벡터 하나로 만들면 검색이 안 된다. 문서를 어떻게 나눠야 RAG가 정확해지는지 청킹 전략을 정리한다.
RAG·파인튜닝임베딩이란 무엇인가 — 단어를 좌표로 바꾸는 마법
RAG의 핵심은 의미가 비슷한 문서를 찾는 것이다. 임베딩은 텍스트를 숫자 벡터로 바꿔서 '의미의 거리'를 계산 가능하게 만드는 기술이다.
RAG·파인튜닝할루시네이션과의 전쟁 — RAG가 탄생한 진짜 이유
AI가 없는 논문을 인용하고, 틀린 약 용량을 자신 있게 말한다. 이 문제를 해결하기 위한 싸움이 RAG의 역사다.
RAG·파인튜닝의료 RAG 실전 — 진료 가이드라인을 AI에 연결하기
이론이 아닌 실제 병원에서 RAG를 구축한다면 어떤 과정을 거치는가. 문서 수집부터 응답 생성까지 전체 파이프라인을 그려본다.
RAG·파인튜닝RAG vs 파인튜닝 — 의사가 선택해야 한다면
RAG와 파인튜닝은 같은 문제를 다른 방식으로 푼다. 언제 뭘 선택해야 하는지, 둘을 같이 쓰는 건 언제인지 명확하게 정리한다.
RAG·파인튜닝벡터 데이터베이스 — 의미를 검색하는 새로운 DB
수백만 개의 벡터 중에서 가장 가까운 것을 밀리초 안에 찾는 기술. 벡터 데이터베이스가 어떻게 동작하고 어떤 걸 선택해야 하는지 정리한다.
RAG·파인튜닝파인튜닝이란 무엇인가 — AI에게 새로운 직업을 가르치기
파인튜닝은 범용 AI를 특정 도메인 전문가로 바꾸는 기술이다. 어떻게 작동하고, 언제 써야 하고, 무엇을 조심해야 하는지 정리한다.
RAG·파인튜닝RAG란 무엇인가 — AI에게 책을 펼쳐주는 기술
AI가 모르는 걸 물어보면 지어낸다. RAG는 그 문제를 해결하기 위해 AI에게 실시간으로 관련 자료를 찾아 쥐여주는 기술이다.
애린이 코너내 환자에게 맞는 임상시험, AI로 찾기
임상시험 검색부터 적합성 판단까지 AI를 활용하는 실전 가이드
애린이 코너수술 동의서, AI로 환자 맞춤 설명 만들기
표준 수술 동의서를 환자 눈높이에 맞게 변환하는 AI 활용법
애린이 코너AI로 진료 가이드라인 10분 만에 정리하기
100페이지 가이드라인에서 핵심만 뽑기 — AI와 함께하는 가이드라인 공부법
애린이 코너AI 오류가 발생하면 누가 책임지나요?
AI가 틀렸을 때 의사의 책임은 어디까지인지 — 현실적인 법적 기준과 대응법을 알아봅니다.
애린이 코너여러 약을 복용 중인 환자, AI로 전체 검토하기
다약제 복용 환자의 약물 목록을 AI로 빠르게 검토하는 방법
애린이 코너아침 회진 준비, AI로 10분 만에 끝내기
전날 밤 입원 환자를 AI로 빠르게 정리해 아침 회진을 준비하는 방법
애린이 코너AI로 환자 교육 자료 1분 만에 만들기
환자 눈높이에 맞는 교육 자료를 AI가 즉석에서 만들어 드립니다.
애린이 코너퇴원 환자 추적 관리, AI로 일정 계획 세우기
퇴원 후 follow-up 일정과 체크리스트를 AI로 빠르게 설계하는 방법
애린이 코너영상 판독문, AI로 초안 잡기
CT/MRI 소견을 텍스트로 설명하면 판독문 초안을 잡아주는 방법
애린이 코너연구 계획서 아이디어, AI와 함께 브레인스토밍
임상 질문을 연구 설계 아이디어로 발전시키는 AI 브레인스토밍 방법
애린이 코너AI로 내 진단에 반론 구하기 — 세컨드 오피니언
AI를 '반론자'로 활용해 확증 편향을 방지하는 실전 방법
애린이 코너장기 입원 환자 기록, AI로 5분 만에 요약하기
수십 페이지 입원 기록을 AI로 빠르게 요약하는 실전 방법
애린이 코너프롬프트 한 줄 바꿔서 결과 10배 향상시키기
같은 AI, 다른 프롬프트 — 작은 변화로 결과가 완전히 달라지는 5가지 방법
애린이 코너ChatGPT로 진료기록 5분 만에 작성하기
외래 기록 100건을 2시간에서 30분으로 — 바로 쓸 수 있는 프롬프트와 방법을 알려드립니다.
애린이 코너Claude로 의학 논문 5분 만에 요약하기
32페이지 영문 논문도 5분이면 핵심 파악 — Claude를 활용한 논문 읽기 방법
애린이 코너AI 유료 구독이 효과가 있나요? 돈이 아깝지 않나요?
월 $20 AI 구독, 의사에게 실제로 본전 뽑히는지 계산해봤습니다
애린이 코너AI에 환자 정보를 입력하면 개인정보 유출 아닌가요?
환자 정보를 AI에 안전하게 쓰는 방법과 금지 사항 정리
애린이 코너AI를 너무 많이 쓰면 의사 실력이 떨어질까요?
AI 과의존의 위험성과 실력을 유지하며 AI를 쓰는 방법
애린이 코너의사 말고 간호사, 약사도 AI를 쓸 수 있나요?
의사뿐 아니라 의료팀 전체가 AI를 활용하는 방법 소개
애린이 코너환자들이 AI로 스스로 진단하는 게 위험하지 않나요?
환자의 AI 사용을 막을 수 없다면 올바른 방향을 안내하는 방법
애린이 코너응급실에서도 AI를 쓸 수 있나요?
응급 상황에서 AI의 한계와 실제로 쓸 수 있는 구체적인 타이밍
애린이 코너지방 병원에서 AI가 더 도움이 될까요?
전문의 부족한 지방 병원에서 AI를 컨설팅 보조로 활용하는 방법
애린이 코너AI가 절대 못하는 게 뭔가요?
AI가 대체할 수 없는 의사의 고유 영역 5가지 정리
애린이 코너AI가 구글보다 뭐가 나은가요?
구글과 AI의 차이, 의사에게 언제 무엇을 써야 하는지 비교
애린이 코너AI는 얼마나 자주 업데이트되나요? 구식 정보 아닌가요?
AI 학습 데이터 컷오프 개념과 최신 의학 정보 확인법
애린이 코너AI 환각 걸러내는 실전 방법 5가지
AI가 자신 있게 틀리는 걸 막는 방법 — 의료 현장에서 바로 쓸 수 있는 5가지 검증 기술
애린이 코너처음으로 ChatGPT 시작하는 법 — 계정부터 첫 사용까지
지금 당장 ChatGPT를 시작하는 완전 초보자 가이드 — 계정 만들기부터 첫 의료 활용까지
애린이 코너AI를 환자 진료에 써도 법적으로 괜찮나요?
의사가 AI를 진료에 쓰는 것이 합법인지 — 현행법 기준으로 명확하게 답합니다.
애린이 코너AI가 뭐예요?
인간처럼 판단하고 학습하는 컴퓨터 프로그램 — AI의 정체를 가장 쉽게 설명합니다.
애린이 코너AI 에이전트가 뭐예요?
스스로 계획하고 행동하는 AI — 챗봇과 에이전트의 결정적 차이를 알아봅니다.
애린이 코너AI Alignment이 뭐예요?
AI의 목표가 인간의 가치와 일치하도록 만드는 AI 안전 연구
애린이 코너AI 편향(Bias)이 뭐예요?
AI가 특정 집단에 불공평한 결과를 내는 현상과 의료 위험
애린이 코너AI Copilot이 뭐예요?
의사 옆에서 실시간으로 보조해주는 AI 보조 시스템
애린이 코너AI 설명가능성(XAI)이 뭐예요?
AI가 왜 이런 결론을 냈는지 설명할 수 있는 능력
애린이 코너AI 안전성(Safety)이 뭐예요?
AI가 해로운 결과를 내지 않도록 하는 기술과 원칙
애린이 코너AI와 의사 — 각자 잘하는 게 뭐가 다른가요?
속도와 일관성의 AI, 판단과 공감의 의사 — 이상적인 협업 구조
애린이 코너Chain of Thought가 뭐예요?
AI에게 단계적으로 생각하게 시켜 정확도를 높이는 방법
애린이 코너Computer Vision(컴퓨터 비전)이 뭐예요?
컴퓨터가 이미지와 영상을 보고 이해하는 AI 기술
애린이 코너Context Window가 뭐예요?
AI가 한 번에 기억할 수 있는 텍스트의 한계
애린이 코너Data Augmentation이 뭐예요?
부족한 학습 데이터를 인위적으로 늘려 AI 성능을 높이는 방법
애린이 코너Embedding이 뭐예요?
단어를 숫자로 바꿔 AI가 의미를 이해하게 하는 기술
애린이 코너Fine-tuning이 뭐예요?
AI를 우리 병원에 맞게 추가 학습시키는 방법 — 언제 필요하고 언제 필요 없는지 알아봅니다.
애린이 코너Foundation Model(파운데이션 모델)이 뭐예요?
GPT-4, Claude처럼 대규모로 사전학습된 AI 기반 모델
애린이 코너생성형 AI가 뭐예요?
텍스트, 이미지, 코드를 새로 만들어내는 AI의 정의
애린이 코너GPT-3, GPT-4, GPT-4o — 버전이 뭐가 다른가요?
GPT 버전별 차이와 의료 업무에서 어느 버전을 써야 하는지 안내
애린이 코너AI 환각(Hallucination)이 뭐예요?
AI가 자신 있게 틀리는 이유 — 의료에서 환각이 왜 위험한지 알아봅니다.
애린이 코너LLM이 뭐예요?
ChatGPT, Claude, Gemini의 핵심 기술 — 거대언어모델을 가장 쉽게 설명합니다.
애린이 코너API가 뭐예요? — AI를 내 시스템에 연결하는 방법
다른 소프트웨어의 기능을 내 시스템에서 쓰게 해주는 연결 통로
애린이 코너RAG vs Fine-tuning — 언제 뭘 써야 하나요?
최신 자료 검색이 필요하면 RAG, 전문 스타일이 필요하면 Fine-tuning
애린이 코너머신러닝? 딥러닝? 뭐가 다른가요?
AI, 머신러닝, 딥러닝의 관계 — 헷갈리는 세 가지 용어를 한 번에 정리합니다.
애린이 코너멀티모달 AI가 뭐예요?
텍스트, 이미지, 음성을 동시에 처리하는 AI 기술
애린이 코너신경망(Neural Network)이 뭐예요?
뇌의 뉴런 연결을 모방한 AI의 기본 작동 구조
애린이 코너NLP(자연어처리)가 뭐예요?
컴퓨터가 사람의 언어를 이해하고 처리하는 기술
애린이 코너Overfitting(과적합)이 뭐예요?
학습 데이터에만 최적화되어 새 데이터에는 실패하는 AI 문제
애린이 코너민감도와 특이도가 뭐예요?
의사들이 이미 아는 개념으로 이해하는 AI 성능 평가 지표
애린이 코너Prompt가 뭐예요?
AI에게 주는 지시문 — 프롬프트 하나로 결과가 완전히 달라집니다.
애린이 코너Prompt Engineering이 뭐예요?
AI에게서 최고의 결과를 뽑아내는 체계적 방법론
애린이 코너RAG가 뭐예요?
AI가 최신 자료를 찾아서 답하는 방법 — 환각을 줄이는 핵심 기술입니다.
애린이 코너강화학습이 뭐예요?
보상과 벌을 통해 AI가 스스로 최적 행동을 배우는 방법
애린이 코너RLHF가 뭐예요? — AI를 착하게 만드는 기술
사람의 피드백으로 AI를 더 안전하고 유용하게 만드는 학습 방법
애린이 코너지도학습 vs 비지도학습 — 뭐가 다른가요?
정답 라벨을 주고 학습하는 것과 혼자 패턴을 찾는 것의 차이
애린이 코너System Prompt가 뭐예요?
AI에게 역할과 규칙을 미리 설정하는 숨겨진 지시문
애린이 코너Temperature가 뭐예요?
AI의 창의성을 조절하는 숫자 하나의 의미
애린이 코너Token이 뭐예요?
AI가 읽는 가장 작은 조각 — Token을 알면 비용도 줄이고 결과도 좋아집니다.
애린이 코너Transfer Learning이 뭐예요?
한 분야에서 배운 AI가 다른 분야에 지식을 활용하는 방법
애린이 코너Vector Database가 뭐예요?
AI가 의미 기반으로 검색할 수 있게 하는 특수 데이터베이스
애린이 코너Zero-shot과 Few-shot이 뭐예요?
AI에게 예시를 얼마나 줄지가 만드는 결과 차이
에이전트의료 에이전트 평가 — 안전성 측정이 정확도보다 중요한 이유
의료 AI 에이전트는 "얼마나 잘 하는가"보다 "치명적 실수를 하지 않는가"를 먼저 측정해야 한다.
에이전트에이전트 메모리 — AI가 이전 대화를 기억하는 4가지 방법
에이전트 메모리는 In-context, External, Episodic, Semantic 4가지 유형으로 나뉘며, 의료 에이전트는 이 중 External + Episodic 조합으로 환자별 연속성을 유지하되 HIPAA 준수가 필수다.
에이전트에이전트 계획 패턴 — ReAct, CoT, Tree-of-Thought
에이전트 계획 패턴은 LLM이 복잡한 목표를 달성하는 방식을 결정하며, 의료 진단처럼 불확실성이 높은 분야에서는 여러 경로를 탐색하는 Tree-of-Thought와 근거를 추적하는 ReAct의 조합이 가장 안전하다.
에이전트의료 에이전트 안전 설계 — AI가 실수해도 괜찮은 시스템
의료 에이전트 안전은 "AI가 틀리지 않게" 만드는 것이 아니라, AI가 틀렸을 때 피해를 막는 구조를 설계하는 것이다. Human-in-the-loop, Guardrails, Audit log가 그 세 축이다.
에이전트Claude Agent SDK — Anthropic의 에이전트 프레임워크 시작하기
Claude Agent SDK는 Anthropic이 제공하는 에이전트 구축 프레임워크로, Tool Use를 중심으로 한 에이전트 루프를 간결하게 구현할 수 있으며 의료 use case에 특히 적합하다.
에이전트의료 워크플로우 에이전트 설계 — 외래 보조 AI 만들기
외래 보조 에이전트는 환자 정보를 입력받아 감별진단→가이드라인 검색→처방 초안→약물 상호작용 확인→SOAP 노트 작성까지 5단계를 자동 수행하되, 최종 결정은 항상 의사에게 남긴다.
에이전트멀티에이전트 시스템 — 여러 AI가 협력하는 의료 팀
단일 에이전트가 모든 것을 처리하는 데는 한계가 있다. 멀티에이전트 시스템은 Orchestrator가 작업을 분배하고 전문 에이전트들이 병렬로 처리하는 구조로, 의료처럼 다학제 협업이 필요한 영역에 적합하다.
에이전트RAG + 에이전트 — 의료 가이드라인 기반 AI 어시스턴트
순수 에이전트는 학습 시점 이후 업데이트된 가이드라인을 알지 못한다. RAG-Agent는 벡터 DB에 최신 의료 문서를 저장하고 에이전트가 쿼리하는 구조로, 근거 기반 답변을 가능하게 한다.
에이전트Tool Use와 함수 호출 — AI가 외부 세계와 연결되는 방법
Function Calling은 LLM이 "이 함수를 호출해야겠다"고 스스로 판단하고 JSON 형식의 호출 신호를 출력하는 기술로, 에이전트가 실제 세계와 상호작용하는 핵심 메커니즘이다.
에이전트AI 에이전트란 — 챗봇과 무엇이 다른가
챗봇은 질문에 한 번 답하고 끝나지만, 에이전트는 목표를 받아 스스로 계획을 세우고, 도구를 사용하며, 결과를 피드백 삼아 반복 실행한다.
역사AlphaGo의 순간 — 이세돌 4국, AI가 인간을 이긴 날의 의미
2016년 3월, 이세돌은 AlphaGo에 1-4로 졌다 — 그리고 인류 전체가 AI를 다시 보기 시작했다.
역사역전파의 재발견 — Hinton이 AI를 다시 살린 방법
역전파는 1974년에 이미 발명됐지만 아무도 몰랐다 — 힌턴이 1986년 이를 세상에 알리기까지 12년이 걸렸고, 그 사이 AI 겨울이 왔다 갔다.
역사ChatGPT 출시 100일 — 의료계가 가장 먼저 반응한 이유
2022년 11월 30일 ChatGPT 출시 후 100일, 의료계는 어느 분야보다 빠르고 진지하게 반응했다 — 지식 노동의 핵심이 언어이기 때문이다.
역사1956 다트머스 회의 — '인공지능'이라는 단어가 탄생한 날
1956년 여름, 존 매카시는 "인공지능(artificial intelligence)"이라는 이름을 직접 만들어 냈고 — 그 선택이 이후 70년의 역사를 결정했다.
역사2012 ImageNet의 충격 — AlexNet이 딥러닝 시대를 열다
2012년 9월, 알렉스 크리체프스키의 AlexNet은 오류율을 26%에서 15%로 낮추며 컴퓨터 비전 역사를 바꿨고 — 그날 이후 AI 산업의 지형이 완전히 달라졌다.
역사전문가 시스템의 부상과 몰락 — 두 번째 AI 겨울까지
1980년대 전문가 시스템은 연간 수십억 달러 시장을 만들었지만, 유지보수 비용과 지식 획득의 병목이라는 내부 모순으로 스스로 무너졌다.
역사2030년 AI는 어디까지 갈까 — 전문가 예측과 의사를 위한 준비
2030년 AI는 일부 전문가의 "AGI 임박" 예언과 다른 전문가의 "현재 구조로는 불가" 반론 사이 어딘가에 있겠지만, 의사에게 중요한 것은 예언의 승패가 아니라 그 과정에서 살아남는 역량이다.
역사GPT-1에서 GPT-4까지 — OpenAI는 어떻게 세계를 바꿨나
2018년 117M 파라미터짜리 GPT-1에서 시작한 OpenAI의 실험은, 4년 만에 전 세계 지식 노동의 판을 흔드는 ChatGPT로 이어졌다.
역사한국 AI 개발의 역사 — ETRI에서 뷰노·루닛까지
1980년대 ETRI에서 시작된 한국 AI 연구는, 2016년 알파고 쇼크를 계기로 국가 전략으로 격상됐고, 2020년대 의료 AI 스타트업 생태계로 꽃피었다.
역사스케일링 법칙 — 모델을 크게 만들수록 왜 똑똑해지는가
2020년 Kaplan et al.이 발견한 스케일링 법칙은 "더 크게 만들면 더 좋아진다"는 예측 가능한 공식을 제시했고, 이것이 GPT-3에서 GPT-4까지 파라미터 경쟁을 정당화했다.
역사의료 AI 60년사 — MYCIN에서 ChatGPT까지
의료 AI는 1970년대 전문가 시스템에서 시작해 60년 동안 수많은 실패와 부분적 성공을 거쳐, 2020년대에 비로소 실제 임상에 뿌리를 내리기 시작했다.
역사멀티모달 AI의 역사 — 텍스트에서 이미지·음성까지
AI가 텍스트만 처리하던 시대에서 이미지·음성·영상을 함께 이해하는 시대로의 전환은, 2012년 AlexNet에서 시작해 2024년 GPT-4o에서 완성의 형태를 드러냈다.
역사퍼셉트론의 꿈과 첫 번째 AI 겨울 — Minsky의 비판이 AI를 멈춘 이유
1957년 탄생한 퍼셉트론은 언론의 열광을 받다가, 1969년 Minsky의 단 한 권의 책으로 무너졌다 — 그리고 AI 연구비가 사라졌다.
역사RLHF — AI를 '착하게' 만든 기술과 그 한계
RLHF(인간 피드백 강화학습)는 GPT-3의 통제 불가능성 문제를 해결하고 ChatGPT를 탄생시킨 기술이지만, "실제로 착한 AI"와 "착한 척하는 AI"의 차이는 아직 미해결 문제다.
역사Attention Is All You Need — Transformer가 세상을 바꾼 8페이지 논문
2017년 Google Brain 팀이 발표한 단 8페이지 논문이 번역 품질을 새로 쓰고, 이후 ChatGPT·GPT-4·Claude·Gemini 모든 대형 언어 모델의 토대가 됐다.
사전에이전트(Agent) — 철학·경제학·AI에서 공통으로 쓰이는 단어의 의미
"에이전트"는 라틴어 "행동하다"에서 출발해 철학의 자율성, 경제학의 대리인, AI의 자율 시스템까지 관통하는 단어이며 — 이름이 AI에 자율성의 함의를 부여한다.
사전인공지능(Artificial Intelligence) — 존 매카시가 이 단어를 고른 이유
"인공지능"이라는 이름은 1956년 존 매카시가 경쟁자의 영향력을 피하기 위해 의도적으로 선택한 단어다.
사전Attention 메커니즘 — '주의'라는 인지과학 개념을 AI에 가져온 이유
AI의 "attention"은 인지과학의 선택적 주의(selective attention) 개념을 수학적으로 구현한 것이며, 이 이름 선택은 기술의 본질을 정확히 포착한다.
사전딥러닝(Deep Learning) — Hinton이 선택한 브랜딩 전략
"딥러닝"은 기술 용어가 아니라 브랜딩 전략이었다 — Hinton은 죽어가던 신경망 연구를 새 이름 하나로 부활시켰다.
사전임베딩(Embedding) — '삽입'이라는 수학 개념이 AI의 핵심어가 된 이유
"임베딩"은 수학의 위상수학 용어 — 한 공간을 다른 공간에 구조를 보존하며 삽입하는 것 — 이며, AI에서 단어를 벡터 공간에 삽입하는 과정을 정확히 묘사한다.
사전파인튜닝(Fine-tuning) — '미세조정'이라는 이름의 정확성
"파인튜닝"은 악기 조율에서 온 은유로, 거친 조율 이후의 세밀한 조정을 뜻하며 — AI에서도 사전학습된 모델을 특정 목적에 맞게 정밀하게 조정하는 과정을 정확히 묘사한다.
사전환각(Hallucination) — AI가 거짓말할 때 왜 '환각'이라고 부르는가
AI가 없는 사실을 만들어내는 현상을 "환각"이라고 부르는 이유는 정확한 의학적 유추가 아니라 — 더 잘 알려진 단어를 선택한 결과다.
사전환각 vs 작화증 — AI 오류를 의학 용어로 정확하게 부르는 법
AI가 사실을 지어내는 현상은 정신의학의 "환각"이 아닌 "작화증"에 훨씬 더 가깝다 — 두 단어를 구분하면 AI 오류의 본질이 보인다.
사전LLM — Large Language Model에서 '대형'과 '언어'가 의미하는 것
LLM은 "다음 단어 확률"을 계산하는 언어 모델이 아주 커진 것이다 — "Large"와 "Language" 두 단어 모두 생각보다 깊은 뜻을 담고 있다.
사전신경망(Neural Network) — 뇌를 모방한다는 은유의 탄생
"신경망"이라는 이름은 1943년 두 과학자가 뇌의 뉴런을 논리 회로로 추상화하면서 시작된 은유이며, 실제 뇌와는 근본적으로 다르다.
사전파라미터(Parameter) — 175B 파라미터는 무엇을 세는 숫자인가
AI 모델의 파라미터는 통계학에서 빌린 단어이며, 175B(1750억)라는 숫자는 모델이 학습을 통해 얻은 조정 가능한 숫자들의 총합이다.
사전프롬프트(Prompt) — 연극 무대에서 AI로 온 단어의 여정
"프롬프트"는 라틴어 "준비된"에서 출발해 연극 무대 뒤의 귀띔꾼을 거쳐 컴퓨터 명령 대기 신호가 됐고, 마침내 AI와 대화하는 입력으로 정착했다.
사전RAG — Retrieval-Augmented Generation이라는 이름에 담긴 아이디어
RAG는 LLM이 "모르는 것"을 검색으로 보완하는 구조다 — 세 단어(검색·증강·생성)에 이 아이디어가 정확히 담겨 있다.
사전토큰(Token) — LLM의 언어 단위가 '토큰'이 된 유래
AI의 "토큰"은 철학자 찰스 퍼스의 언어학 개념에서 왔으며, 화폐 토큰과 같은 어원을 가진다 — LLM 비용이 "토큰 수"로 계산되는 것은 우연이 아니다.
사전Transformer — 논문 저자들이 이 이름을 고른 진짜 이유
"Transformer"라는 이름은 전기 변압기(electrical transformer)에서 영감을 받았을 가능성이 높지만, 저자들이 공식 확인한 적은 없다 — 이름보다 논문 제목이 더 유명해진 희귀한 사례다.
임상 연구AI로 논문 쓰기 — 윤리 기준과 실전 가이드
모든 주요 저널은 AI를 공저자로 인정하지 않지만, 보조적 사용과 공시는 허용한다 — 어디에 써도 되는지, 어디는 안 되는지를 알아야 한다.
임상 연구EMR 기반 코호트 연구 — 대규모 데이터로 빠르게 연구하는 법
HIRA 청구 데이터와 NHIS 표본코호트는 수십만 명 규모의 코호트 연구를 IRB 하나로 시작할 수 있는 한국의 강점이다.
임상 연구IRB와 AI 연구 — 동의서에 AI 사용을 어떻게 명시할까
AI를 활용한 의료 연구는 연구 유형에 따라 IRB 요건이 다르며, 환자 동의서와 개인정보 처리에서 새로운 조항이 필요하다.
임상 연구AI로 문헌 검색하기 — PubMed에서 Perplexity까지
전통적인 PubMed MeSH 검색에 AI 도구를 보조로 결합하면 검색 재현율을 높이면서 탐색 시간을 대폭 단축할 수 있다.
임상 연구메타분석 기초 — Forest Plot 직접 만들고 해석하기
메타분석은 R `meta` 패키지 10줄로 시작할 수 있다 — Forest plot을 직접 그리고 이질성, 출판 편향, GRADE 수준까지 한 번에 해석하는 법을 정리한다.
임상 연구RCT 설계에서 AI 활용 — 설계부터 무작위 배정까지
G*Power 샘플 크기 계산부터 REDCap 무작위 배정, 적응적 임상시험 시뮬레이션까지 — AI는 RCT의 모든 설계 단계를 가속한다.
임상 연구의료 AI 논문을 비판적으로 읽는 법 — TRIPOD-AI 체크리스트
AUROC 하나만 보고 AI 모델을 판단하면 안 된다 — calibration, 외부 검증, Decision Curve Analysis를 함께 확인해야 실제 임상 유용성을 알 수 있다.
임상 연구체계적 문헌고찰 AI 자동화 — 6개월 작업을 2주로 줄이는 법
Rayyan, ASReview, Elicit을 조합하면 6개월짜리 체계적 문헌고찰(SR)을 2-3주로 단축할 수 있다.
의사-개발자Claude API 첫 호출 — 10줄 코드로 의료 AI 만들기
API key 하나와 Python 10줄이면 감별진단 AI가 당신의 컴퓨터에서 돌아간다.
의사-개발자Python으로 반복 업무 자동화 — 의사의 일상을 코드로
매주 같은 Excel 보고서를 손으로 만들고 있다면, 그 30분을 되찾을 수 있다.
의사-개발자의료 AI 도구 배포 — 개인 사용부터 병원 도입까지
의료 AI 도구 배포는 개인 → 팀 → 병원 → 외부 순으로 단계를 밟아야 한다 — 첫 단계는 오늘 당장 5분이면 된다.
의사-개발자Git — 의사가 코드를 관리하는 법
Git은 코드의 의무기록이다 — 누가, 언제, 무엇을, 왜 수정했는지 모두 남고, 언제든 이전으로 되돌릴 수 있다.
의사-개발자Pandas로 임상 데이터 분석 — Excel을 Python으로 대체하는 법
Pandas는 Excel보다 빠르고 재현 가능하며 실수가 없다 — 한 번 코드를 짜면 다음 달도 버튼 하나로 돌린다.
의사-개발자Python으로 프롬프트 엔지니어링 — 반복 작업 자동화
프롬프트를 코드로 관리하면 복사-붙여넣기 없이 수십 명 환자를 한 번에 분석할 수 있다.
의사-개발자Python 기초 — 의사를 위한 첫 번째 코딩 수업
Python은 의료 AI 생태계의 공용어다 — 설치부터 혈당 분류 코드까지 30분이면 시작할 수 있다.
의사-개발자RAG 시스템 만들기 — 내 병원 프로토콜을 AI에 연결하는 법
RAG는 AI에게 우리 병원 교과서를 쥐여주는 기술이다 — Claude는 우리 병원 항생제 가이드라인을 모르지만, RAG를 쓰면 알게 된다.
의사-개발자Streamlit으로 의료 도구 만들기 — 코딩 없이 UI 구현
Streamlit은 Python 코드 몇 줄로 웹 앱을 만들어준다 — 버튼, 입력창, 차트 모두 코드 한 줄씩이다.
의사-개발자벡터 DB 입문 — 의료 지식 검색 엔진 만들기
벡터 DB는 의미로 검색하는 데이터베이스다 — "패혈증 치료"를 검색하면 그 단어가 없어도 관련 프로토콜을 찾아준다.
데이터 과학임상 예측 모델 만들기 — AUROC 0.8이 의미하는 것
AUROC 0.8은 임의로 뽑은 양성 환자가 음성 환자보다 높은 점수를 받을 확률이 80%라는 뜻이다 — 좋은 모델이지만 완벽하지 않다.
데이터 과학의료 데이터 시각화 — 논문 Figure 수준 그래프 만들기
논문에 넣을 그래프는 예쁘면 안 된다 — 정보가 정확하고, 색이 색맹에게도 보이고, 300dpi여야 한다.
데이터 과학EMR 데이터 이해하기 — 구조화·비구조화 데이터의 차이
EMR 데이터의 80%는 텍스트다. 구조화 데이터와 비구조화 데이터의 차이를 모르면 연구 설계 자체가 틀어진다.
데이터 과학로지스틱 회귀 — 입원 예측 모델 만드는 법
로지스틱 회귀는 "이 환자가 30일 내 재입원할 확률이 얼마인가"를 숫자로 내놓는 가장 검증된 방법이다.
데이터 과학결측 데이터 처리 — 의료 데이터에서 가장 흔한 문제
의료 데이터에서 결측은 예외가 아니라 규칙이다. 처리 방법이 틀리면 연구 결론이 뒤집힌다.
데이터 과학의무기록 텍스트 분석 — NLP로 비구조화 데이터 다루기
의무기록의 80%는 텍스트다. 이 데이터를 쓰지 않으면 EMR 데이터의 절반만 활용하는 것이다.
데이터 과학성향점수 매칭 — 관찰 연구에서 인과관계를 추론하는 법
RCT를 할 수 없을 때 성향점수 매칭이 교란변수를 통제한다 — 단, 측정된 교란만 통제된다는 한계를 절대 잊지 말 것.
데이터 과학R vs Python — 의사가 선택하는 기준
통계 분석·논문 → R, ML·자동화·API → Python. 의사-연구자라면 R 먼저 배우는 게 맞다.
데이터 과학재현 가능한 연구 — R Markdown과 Quarto로 분석 보고서 만들기
2005년 Ioannidis가 "발표된 연구 결과의 대부분은 틀렸다"고 했다. 재현 가능성은 선택이 아니라 연구 윤리다.
데이터 과학생존 분석 기초 — Kaplan-Meier를 임상 연구에서 읽는 법
중도절단 데이터가 있으면 t-test 대신 생존 분석을 써야 한다. KM 곡선을 읽을 줄 모르면 논문의 절반을 이해 못 한다.
프롬프트Chain-of-Thought 프롬프팅 — 진단 추론 과정을 AI와 함께 밟는 법
AI에게 '단계별로 생각해라'고 요청하면 진단 정확도가 올라간다. CoT 프롬프팅의 원리와 의료 케이스 적용법을 정리한다.
프롬프트환각 억제 프롬프트 — AI가 없는 정보를 지어내지 않게 하는 법
의료에서 AI 환각은 치명적이다. 존재하지 않는 논문 인용, 틀린 약용량 — AI가 자신 있게 거짓말하는 걸 막는 프롬프트 기법을 정리한다.
프롬프트반복 개선 프롬프팅 — 첫 답변을 더 좋게 만드는 5가지 방법
첫 번째 AI 답변이 완벽하길 기대하지 마라. 피드백을 주면서 반복적으로 다듬는 것이 프롬프트 엔지니어링의 실제 모습이다.
프롬프트의대생이 AI를 공부에 쓰는 5가지 방법 — 암기 말고 이해에 써라
생리학 개념 이해부터 케이스 시뮬레이션까지, 의대생이 AI를 제대로 쓰는 방법.
프롬프트멀티턴 대화 설계 — 긴 케이스 논의를 이어가는 법
AI와 한 번의 질문으로 끝내지 말고, 대화를 이어가며 케이스를 깊이 파고드는 방법. 컨텍스트를 유지하며 진단을 좁혀가는 실전 기법.
프롬프트출력 형식 제어 — 표·SOAP·JSON으로 받는 프롬프트
AI에게 형식을 지정하지 않으면 장황한 산문만 나온다. 표·bullet·SOAP·JSON 등 원하는 형식으로 받는 구체적인 방법을 정리한다.
프롬프트외래 의사의 프롬프트 라이브러리 — 바로 복사해서 쓰는 30가지
외래에서 바로 쓸 수 있는 프롬프트 30개 모음. 복사해서 [괄호]만 채우면 된다. 감별진단·처방·기록·교육·논문까지 전 영역 커버.
프롬프트프롬프트 테스트와 평가 — 좋은 프롬프트를 과학적으로 검증하는 법
좋은 프롬프트는 느낌으로 고르는 게 아니다. A/B 테스트, 블라인드 평가, 버전 관리로 과학적으로 검증하는 방법을 정리한다.
프롬프트역할 설정 프롬프팅 — AI를 전공의에서 교수로 바꾸는 법
AI에게 역할을 부여하면 답변의 깊이와 방향이 달라진다. '당신은 가정의학과 전문의입니다' 한 문장이 만드는 차이를 분석한다.
프롬프트시스템 프롬프트 설계 — 병원 전용 AI 어시스턴트 만들기
시스템 프롬프트는 AI의 성격과 규칙을 사전에 정의하는 도구다. 병원 전용 AI 어시스턴트를 만들기 위한 시스템 프롬프트 설계법을 다룬다.
개론멀티모달 AI — 이미지와 텍스트를 동시에 이해하는 AI의 작동 원리
텍스트만 처리하던 LLM이 이미지·영상까지 읽게 된 원리, 의료 현장 적용 가능성.
컨텍스트에이전트형 AI의 컨텍스트 흐름 — 스스로 정보를 수집하는 AI
에이전트형 AI는 사용자가 준 컨텍스트에만 의존하지 않고, 스스로 도구를 호출해 필요한 정보를 수집한다. 의료 에이전트의 컨텍스트 흐름과 안전장치를 다룬다.
컨텍스트컨텍스트 압축 기법 — 적은 토큰으로 더 많은 정보 전달
컨텍스트 윈도우는 유한하다. 요약 기반 압축, 키워드 추출, 의료 약어 활용 등으로 적은 토큰에 더 많은 정보를 담는 기법과 정보 손실 트레이드오프를 분석한다.
컨텍스트의료 AI 컨텍스트 설계 체크리스트 — 실전 20항목
의료 AI 컨텍스트를 설계할 때 빠뜨리기 쉬운 20가지 항목을 5개 카테고리로 정리하고, 외래·응급·연구 시나리오별 적용법을 제시한다.
컨텍스트컨텍스트 품질 평가 — 좋은 컨텍스트인지 어떻게 아는가
컨텍스트를 설계한 뒤 '이게 정말 좋은 컨텍스트인가'를 판단하는 4가지 기준과 실전 평가 방법을 정리한다.
컨텍스트임상 의사결정 지원을 위한 컨텍스트 설계
치료 방침을 결정할 때 AI에게 어떤 컨텍스트를 줘야 신뢰할 수 있는 근거를 얻는지, 환자 선호도까지 반영하는 설계법을 다룬다.
컨텍스트컨텍스트 우선순위 관리 — 무엇을 넣고 무엇을 뺄 것인가
컨텍스트 윈도우에 모든 정보를 넣을 수 없다. 환자 안전 관련 정보를 최우선으로, 질문 유형에 따라 동적으로 컨텍스트를 선택하는 프레임워크를 제시한다.
컨텍스트컨텍스트와 개인정보 보호 — 환자 데이터를 AI에 넣어도 되는가
환자 데이터를 AI 컨텍스트에 포함할 때의 법적 기준, 비식별화 기법, 클라우드와 온프레미스의 보안 차이, 반드시 지켜야 할 5가지 원칙을 정리한다.
컨텍스트컨텍스트 버전 관리 — 가이드라인이 바뀌면 AI도 바뀌어야 한다
의료 가이드라인은 매년 업데이트되지만 AI 컨텍스트는 방치되기 쉽다. 구버전 컨텍스트의 위험과 체계적인 버전 관리 방법을 다룬다.
컨텍스트컨텍스트 윈도우 전략 — 제한된 공간을 최대로 쓰는 법
LLM의 컨텍스트 윈도우는 무한하지 않다. 128K 토큰 안에서 환자 데이터·가이드라인·대화를 어떻게 배치해야 AI가 최고의 답을 내는지 전략을 다룬다.
컨텍스트동적 컨텍스트 선택 — 질문에 따라 자동으로 맞는 정보 가져오기
모든 질문에 같은 컨텍스트를 주는 것은 비효율적이다. 질문 유형에 따라 자동으로 맞는 정보를 가져오는 동적 컨텍스트 선택 파이프라인을 설계한다.
컨텍스트EMR 데이터를 AI 컨텍스트로 변환하는 법
EMR 원본 데이터는 비정형이고 노이즈가 많다. 추출·정리·구조화 3단계 파이프라인으로 AI가 활용할 수 있는 컨텍스트로 변환하는 방법과 비식별화 필수 사항을 다룬다.
컨텍스트가이드라인 주입 전략 — 최신 근거를 AI에게 먹이는 법
AI의 학습 데이터는 특정 시점에서 끊긴다. 최신 의료 가이드라인을 AI 컨텍스트에 효과적으로 주입하는 세 가지 전략과 실전 적용법을 다룬다.
컨텍스트메모리와 대화 이력 — AI가 이전 대화를 기억하는 방법
AI는 기본적으로 이전 대화를 기억하지 못한다. 단기 메모리(컨텍스트 윈도우)와 장기 메모리(외부 저장)의 차이를 이해하고, 의료 케이스 연속 논의에 활용하는 전략을 정리한다.
컨텍스트멀티소스 컨텍스트 — EMR·가이드라인·논문을 동시에 활용하는 법
의료 AI는 EMR, 가이드라인, 논문 등 여러 출처의 정보를 동시에 참조해야 한다. 출처 간 충돌을 처리하고 라벨링으로 통합하는 전략을 다학제 자문 시나리오로 설명한다.
컨텍스트페르소나 컨텍스트 — 환자 유형별 AI 응대 전략
같은 질환이라도 환자 특성에 따라 AI가 제공해야 하는 정보와 톤이 달라진다. 고령 환자, 소아 보호자, 외국인, 의료 불안증 환자 유형별 컨텍스트 설계법을 다룬다.
컨텍스트프롬프트 vs 컨텍스트 — 무엇이 다르고 왜 둘 다 필요한가
프롬프트와 컨텍스트는 같은 것 같지만 본질이 다르다. 진료에 비유하면 프롬프트는 문진이고, 컨텍스트는 차트·검사 결과·가이드라인을 모두 합친 것이다.
컨텍스트RAG와 컨텍스트 — 외부 지식을 실시간으로 AI에 연결하는 법
AI의 학습 데이터에는 한계가 있다. RAG(검색 증강 생성)를 활용해 최신 의료 가이드라인과 논문을 실시간으로 AI에 연결하는 파이프라인을 설명한다.
컨텍스트구조화된 입력 설계 — AI에게 정보를 전달하는 최적의 형식
자유 서술로 AI에게 정보를 던지면 핵심이 묻힌다. XML, 마크다운, JSON, 표 등 형식별 장단점을 비교하고, 의료 데이터를 구조화하는 실전 패턴을 정리한다.
컨텍스트도구 통합 컨텍스트 — 계산기·DB·검색을 AI에 연결하기
AI가 텍스트 생성만 하는 것이 아니라 외부 도구를 호출하고 그 결과를 컨텍스트에 반영할 수 있다. 약물 상호작용 DB, BMI 계산기, PubMed 검색 등을 AI에 연결하는 방법을 다룬다.
컨텍스트컨텍스트 엔지니어링이란 — 프롬프트를 넘어서는 AI 활용의 다음 단계
프롬프트 엔지니어링이 '질문을 잘 하는 법'이라면, 컨텍스트 엔지니어링은 'AI가 일하는 환경 자체를 설계하는 법'이다.
프롬프트감별진단 프롬프트 완전 가이드 — 외래에서 바로 쓰는 템플릿
감별진단은 AI가 가장 잘 도와주는 영역이다. 증상별·상황별 감별진단 프롬프트 템플릿과 사용법을 정리한다.
프롬프트제약 조건 프롬프팅 — AI 출력의 범위를 좁히는 기술
제약 조건을 명시할수록 AI의 출력이 더 정밀해진다. 금지 사항, 범위 제한, 조건부 지시 등 제약 조건 프롬프팅의 실전 기법을 다룬다.
프롬프트환자 교육 자료 프롬프트 — 10분 만에 맞춤 설명문 만들기
AI로 환자 교육 자료를 만드는 것은 가장 즉각적인 효용이 있는 활용법이다. 질환별, 대상별로 맞춤화된 설명문을 10분 안에 만드는 프롬프트를 정리한다.
프롬프트Zero-shot vs Few-shot 프롬프팅 — 의료 예시로 이해하기
예시를 주지 않아도 되는 Zero-shot과, 예시를 몇 개 넣어서 품질을 끌어올리는 Few-shot — 언제 뭘 써야 할지 의료 케이스로 정리한다.
뉴스의료 AI 임상시험 과제, 환자 데이터 활용의 법적 경계
의료 AI 개발 시 환자 정보 활용의 법적 문제
뉴스암 진단 AI, 유방암 검진에서 유방촬영술 능가
암 조기 발견에서 AI의 뛰어난 성능
뉴스Claude vs ChatGPT, 의료 진단에서 정확도 비교 연구
주요 AI 모델의 의료 진단 정확도 비교
뉴스Google DeepMind, AlphaFold로 단백질 구조 1억 개 예측
신약 개발에 혁신을 가져올 AI 기술
뉴스AI 신약 개발: 임상시험 기간 단축의 실제
AI로 신약 후보물질 탐색과 임상시험 설계를 효율화한 Insilico Medicine, Recursion Pharma 등의 실제 사례와 성과를 분석한다.
뉴스EU AI Act 의료 분야 적용: 고위험 분류 기준
EU AI Act에서 의료 AI가 고위험으로 분류되는 기준과 한국 의료기관에 미치는 영향을 분석한다.
뉴스FDA 승인 의료 AI 도구, 작년 대비 40% 증가
FDA 510(k) 의료 AI 승인 추세를 2020년부터 2026년까지 분석하고, 영상의학 집중 현상과 한국 기업 동향을 정리한다.
뉴스의료기관 사이버 보안과 AI: 공격과 방어
병원 랜섬웨어 공격 급증 속에서 AI 기반 보안 솔루션의 도입 현황과 실제 방어 사례를 분석한다.
뉴스의료 인력과 AI: 대체가 아닌 변화
의료 직종별 AI 영향과 역할 변화 전망을 WHO, OECD 보고서 및 국내 조사 결과를 바탕으로 분석한다.
뉴스한국 의료 AI 규제 샌드박스: 현황과 과제
식약처 규제 샌드박스를 통한 의료 AI 특례 승인 현황과 제도적 과제를 분석한다.
뉴스의료 AI 데이터 유출: 최근 사례와 대응
의료 AI 시스템에서 발생한 데이터 보안 사고 사례와 국내외 대응 현황을 정리한다.
뉴스의료 AI 윤리 위원회: 왜 필요하고 어떻게 운영하나
병원 AI 윤리위원회 설립 사례와 운영 가이드를 국내외 현황을 중심으로 정리한다.
뉴스의료 AI 도입 비용: 병원 규모별 현실적 투자 계획
의원부터 대형병원까지, AI 도입에 실제로 얼마나 드는가.
뉴스의료 AI 특허 출원, 역대 최고 기록 — 누가 주도하는가
2024-2025 의료 AI 특허 출원 현황과 Google, Microsoft, 한국 기업의 경쟁 구도.
뉴스Meta의 의료 AI: 오픈소스 LLaMA로 의료계 진입
Meta LLaMA 3.x의 의료 벤치마크 성능과 오픈소스 의료 AI의 장단점 분석.
뉴스Nature Medicine 발표: AI 진단 정확도, 전문의 수준에 근접
Nature Medicine에 발표된 AI 진단 연구들의 핵심 결과와 전문의 비교 성능, 한계점 분석.
뉴스GPT-4o의 의료 성능: 2026년 최신 벤치마크 정리
GPT-4o와 o3의 의료 벤치마크 성능, 이전 버전 대비 개선 수치, 실제 임상 적용 주의사항.
뉴스삼성서울병원 AI 전략: 국내 최대 규모 의료 AI 도입 현황
삼성서울병원의 2024-2025년 의료 AI 도입 현황을 정리한다. 루닛 INSIGHT CXR 전면 도입부터 패혈증 조기 경고 AI, EMR 통합 워크플로우까지 국내 최대 규모 의료 AI 운영 실태를 분석한다.
뉴스의료진 AI 사용 실태 조사 2026: 76%가 찬성, 실제 사용률은 31%
2026년 1월 대한의사협회·카카오헬스케어 공동 조사 결과, 의사 76%가 AI 도입에 찬성하지만 실제 주 1회 이상 사용자는 31%에 그쳤다. 직종별·세대별 격차와 교육 수요를 분석한다.
뉴스AI 결합 원격진료: 농어촌 의료 격차 해소의 현실과 한계
군 지역 의사 1인당 담당 인구가 도시의 3.2배에 달하는 한국에서, AI 트리아지·원격 청진·AI 번역 등 기술 조합이 농어촌 의료 격차 해소에 실제로 얼마나 기여할 수 있는지 해외 사례와 함께 분석한다.
도구·의료암 치료 AI: 개인맞춤형 치료 계획
환자별 암 치료 계획을 추천하는 AI
도구·의료ChatGPT 의료용 버전: 의사들의 평가
ChatGPT의 의료 활용 가능성과 한계
도구·의료Claude 의료용 평가: 윤리성과 정확도 중심
Claude의 의료 분야 강점과 약점
도구·의료약물 상호작용 검사 AI 도구 순위
Lexi-Interact, Drugs.com, Epocrates, Micromedex, UpToDate 약물 상호작용 검사 도구 5종 비교
도구·의료응급의학 AI: 트리아주(Triage) 자동화
트리아지 AI, 패혈증 조기 경고, HEART score 자동계산 — 응급실 AI 도구 분석
도구·의료감염병 예측 AI: 역학 조사와 확산 방지
BlueDot, Metabiota, HealthMap — COVID-19 예측 사례와 전염병 예측 AI 도구 분석
도구·의료Google Gemini 의료 분석: 가격 대비 성능
Gemini의 의료 적용과 가성비 평가 — Med-PaLM 계보부터 100만 토큰 컨텍스트까지
도구·의료의료 전문 AI 앱 5종 비교: Glass Health부터 Ada Health까지
Glass Health, Isabel, DXplain, Ada Health, Buoy Health — 의료 특화 AI 앱 5종 기능/가격/정확도 비교
도구·의료의료 AI 클라우드 vs 온프레미스: 병원 IT 선택 가이드
AWS HealthLake부터 온프레미스 PACS 연동까지 — 병원 규모별 AI 인프라 선택 기준을 실무 관점에서 정리한다.
도구·의료의료 챗봇 플랫폼 비교: 환자 상담 자동화
Babylon Health부터 카카오헬스케어까지 — 의료 챗봇 플랫폼의 실제 성능과 한국 임상 현장 적용 가능성을 비교한다.
도구·의료의료 문서 관리 AI: 차트 정리에서 청구까지
하루 2.5시간을 차트에 쓰는 의사들을 위한 AI 문서 관리 도구 — Nuance DAX Express, Suki AI, Nabla Copilot, DeepScribe 비교.
도구·의료의료 영상 AI 도구 비교: 2026년 현장 가이드
흉부 X-ray부터 내시경까지 — 식약처·FDA 허가 현황과 실제 민감도·특이도 데이터로 비교한 2026년 의료 영상 AI 현장 가이드.
도구·의료병리과 AI 분석: 디지털 병리의 현재와 미래
Paige AI FDA 허가부터 국내 도입 현황까지 — 디지털 병리 AI 플랫폼의 성능 데이터와 실제 임상 도입 비용을 정리한다.
도구·의료소아과 AI 성장 모니터링: 발달 이상 조기 발견
BoneXpert 골연령 자동 측정부터 Cognoa 자폐 조기 발견까지 — 소아청소년과 AI 도구의 현재와 한국 도입 현황.
도구·의료정신과 AI 위험 평가: 자살·자해 위험 예측의 현재
EHR 기반 자살 위험 예측부터 음성 분석 우울증 AI까지 — 정신과 AI의 실제 성능 데이터와 윤리적 쟁점을 정리한다.
도구·의료영상의학과 AI 플랫폼: PACS 연동 시스템 비교
Aidoc의 20+ FDA 허가부터 뷰노 VUNO Med까지 — PACS 연동 AI 플랫폼의 실제 판독 시간 단축 데이터와 한국 도입 현황.
도구·의료재활의학과 AI: 운동 분석부터 재활 계획까지
Sword Health 원격 물리치료부터 MindMaze 뇌졸중 재활 게임까지 — 재활의학과 AI 도구의 실제 임상 데이터와 한국 급여 가능성.
도구·의료진료 기록용 음성 인식 AI 비교: Otter vs Clova vs Whisper
한국어 의료 용어 인식 정확도부터 HIPAA, 개인정보 처리까지 — 진료 기록에 쓸 수 있는 음성 인식 AI 5종을 실제 테스트 결과와 함께 비교한다.
Doctor AI Academy응급실 케이스: 급성 복통 환자, AI는 어떻게 도와줄까?
응급실 상황에서 AI를 활용한 감별진단
Doctor AI AcademyAI 모델의 편향성(Bias)이 의료에 미치는 영향
특정 인종, 성별에 대한 AI의 편향된 판단 문제
Doctor AI AcademyAI 윤리와 의료: 의료진이 알아야 할 4가지 윤리 문제
의료 현장에서 AI 사용 시 마주치는 윤리 문제와 해결 방법
Doctor AI Academy의료 AI의 '설명 가능성(Explainability)': AI가 왜 그런 진단을 내렸는가?
블랙박스 AI의 판단 과정을 이해하는 방법
Doctor AI AcademyAI 환각(Hallucination)이란? 의료 AI가 거짓 정보를 만드는 이유
AI가 존재하지 않는 정보를 마치 사실인 것처럼 말하는 현상 이해하기
Doctor AI AcademyAI 환각에서 안전하게 벗어나기: 5가지 검증 방법
AI의 거짓 정보 문제를 의료에서 실제로 대응하는 방법
Doctor AI AcademyAI 모델 업데이트의 위험성: 새 버전이 항상 더 좋을까?
AI 모델 버전 변경 시 주의사항
Doctor AI Academy의료 AI 신뢰도 평가하기: 정확도, 민감도, 특이도
의료 AI 성능을 제대로 평가하는 방법
Doctor AI AcademyAI와 인간의 차이: 의료 AI가 의사를 대체할 수 없는 이유
AI와 의사의 역할 구분과 협력 방안
Doctor AI Academy진료기록 자동 정리 AI: 음성을 문서로 변환
진료 중 음성을 자동으로 정확한 기록으로
Doctor AI Academy임상시험 매칭 AI: 환자에게 맞는 시험 찾기
환자의 상태에 맞는 적절한 임상시험 추천
Doctor AI Academy만성질환 관리: 당뇨병 환자의 혈당 조절에 AI 활용
장기 질환 관리에서 AI의 지속적인 도움
Doctor AI AcademyAI로 작성하는 진단서(Diagnostic Report) 프롬프트
정형화된 진단서를 AI로 빠르게 작성하기
Doctor AI AcademyAI로 작성하는 퇴원 계획(Discharge Plan) 프롬프트
환자별 맞춤형 퇴원 계획서 자동 작성
Doctor AI Academy약물 상호작용 검사 AI: 안전한 처방을 위한 도구
약물 부작용과 상호작용을 자동으로 검사
Doctor AI Academy감염병 진단: 발열 환자의 신속한 감별진단
응급 상황에서 빠른 감별진단을 위한 AI 활용
Doctor AI AcademyAI로 설명하는 건강검진 결과(Health Screening Results) 프롬프트
환자가 이해하기 쉬운 검진 결과 설명서 작성
Doctor AI Academy진단 코드화 AI: ICD-10 자동 추천
진단명을 자동으로 진단 코드로 변환
Doctor AI AcademyAI로 작성하는 주사 지시문(Injection Instructions) 프롬프트
안전하고 명확한 주사 지시문을 AI로 작성하기
Doctor AI Academy의료 AI 학습용 데이터: 어디서 오고 어떻게 보호되나?
의료 AI 학습 데이터의 출처와 개인정보 보호
Doctor AI Academy의료 AI와 규제: 어떤 AI는 의료기기이고 어떤 AI는 아닐까?
의료기기로 분류되는 AI와 그렇지 않은 AI의 기준
Doctor AI Academy의료 영상 분석 AI: X선, CT, MRI 진단 보조
의료 영상을 분석하는 AI 도구와 임상 활용
Doctor AI Academy진료과 간 협력: AI가 다과목 의료를 연결하다
여러 과의 진료가 필요한 환자를 AI가 지원
Doctor AI Academy약물 상호작용 감지: 고령 환자의 다제약물 처방 검토
복용약물이 많은 고령 환자의 안전한 처방 관리
Doctor AI AcademyAI로 작성하는 처방전 검토(Prescription Review) 프롬프트
처방약물의 상호작용 및 부작용을 AI로 검토하기
FAQ보건의료인이 아닌 사람도 의료 AI 쓸 수 있나?
일반인의 의료 AI 사용 가능 범위
FAQ무료 AI(ChatGPT Free)와 유료 AI의 차이는?
무료와 유료 의료 AI 서비스 비교
FAQAI가 진단해도 법적으로 괜찮은가?
의료 AI 사용의 법적 책임과 범위
FAQAI가 생성한 진료기록은 합법인가?
AI 생성 의료 기록의 법적 효력
FAQ의료 AI가 편향되어 있진 않을까?
의료 AI의 인종·성별 편향 문제
FAQ의료 AI의 정확도는 몇 퍼센트?
의료 AI의 실제 정확도 수치
FAQ의료 AI는 비용이 얼마나 드나?
병원 도입 비용부터 개인 구독까지
FAQ의료 AI와 AI 윤리: 뭐가 다른가?
일반 AI 윤리와 의료 AI 윤리의 차이
FAQ의료 AI는 GDPR을 지킬까?
해외 의료 AI 서비스의 개인정보보호
FAQ의료 AI 사용할 때 환자 동의서는?
의료 AI 사용 시 환자 동의 절차
FAQ환자 데이터가 유출되면 어떻게 되나?
의료 AI 데이터 유출 시 법적 책임
FAQ환자한테 'AI가 진단했다'고 말해야 하나?
AI 사용을 환자에게 공개해야 하는가
FAQ어느 AI가 가장 정확한가? ChatGPT? Claude? Gemini?
주요 AI 모델의 의료 정확도 비교
FAQAI가 진단을 틀렸을 때 책임은 누구 것인가?
의료 AI 오진 시 의사와 개발사의 책임
FAQAI가 환자 진료를 완전히 대체할 수 있을까?
의료 AI의 미래와 의사의 역할
규제·법률개인정보보호법과 의료 AI: 환자 데이터 활용의 법적 경계
환자 정보를 AI 학습에 사용할 때의 법적 제한
규제·법률병원 AI 도입 시 준비해야 할 법적 체크리스트
의료기관이 AI 도입 전 확인해야 할 법적 사항
규제·법률해외 규제 동향: FDA, EU AI Act, MDSAP
미국, 유럽 등 주요국의 의료 AI 규제
규제·법률한국 의료법과 AI 진단: 법적 책임의 경계
의료법상 AI 사용의 법적 근거와 제한
규제·법률의료 AI 동의서: 어떻게 만들어야 하나?
환자 동의서 작성의 법적 요구사항
규제·법률의료기기 허가 프로세스: AI는 어디에 걸리나?
식품의약품안전처의 AI 의료기기 승인 절차
규제·법률의료 사고와 AI: 책임은 누가 질까?
AI 진단 오류로 인한 의료사고의 책임
팁5분 안에: 의료 에러(Adverse Event)를 AI로 보고하기
약물 이상반응 발생 시 AI를 활용해 KAERS 보고서 초안을 빠르게 작성하는 방법.
팁5분 안에: 증례보고서를 AI로 작성하기
흥미로운 임상 증례를 CARE 가이드라인에 맞는 논문 초안으로 빠르게 변환하는 프롬프트.
팁5분 안에: 진료기록을 AI로 자동 정리하기
Whisper로 진료 음성을 텍스트로 변환하고, ChatGPT로 SOAP 노트를 자동 생성하는 워크플로우.
팁5분 안에: 환자 상담 기록을 AI로 정리하기
영양상담·금연상담·만성질환 교육 등 긴 상담 내용을 AI로 구조화하여 기록하는 방법.
팁5분 안에: AI로 감별진단 순서 정하기
환자 증상·검사 결과를 입력하면 감별진단 목록을 확률순으로 정리해주는 프롬프트와 워크플로우.
팁5분 안에: 퇴원 환자용 생활지도를 AI로 만들기
진단명과 처방 정보만 입력하면 환자 맞춤형 퇴원 안내문이 5분 안에 완성되는 프롬프트.
팁5분 안에: 새로운 의료 가이드라인을 AI로 정리하기
100페이지가 넘는 진료 가이드라인을 AI로 핵심만 추출하고, 기존 지침과의 차이점을 정리하는 방법.
팁5분 안에: 건강검진 결과 AI로 설명 자료 만들기
혈당·콜레스테롤·갑상선 수치를 AI에 입력해서 환자 맞춤 설명문 5분 만에 완성.
팁5분 안에: 진단코드 입력 AI로 빠르게 하기
임상 소견을 AI에 입력해서 ICD-10 코드와 건강보험 청구 코드를 빠르게 찾는 방법.
팁5분 안에: 의료 AI 최신 뉴스 자동 구독 설정
Google Scholar 알림, PubMed RSS, Perplexity로 의료 AI 최신 연구를 자동으로 받아보는 설정법.
팁5분 안에: 논문 초록을 AI로 요약하기
PubMed 논문을 AI에 넣고 임상 적용 포인트까지 5분 안에 뽑아내는 구조화 프롬프트.
팁5분 안에: 환자 설명을 AI로 쉽게 만들기
복잡한 질환 정보를 환자 눈높이에 맞춰 설명 자료로 변환하는 AI 활용법.
팁5분 안에: 환자 FAQ 응답 템플릿 AI로 만들기
외래에서 반복되는 환자 질문에 AI로 맞춤 답변 템플릿을 만드는 실전 가이드.
팁5분 안에: 진료 후 처방약 AI로 검토하기
다약제 처방 환자의 약물 상호작용과 용량 적정성을 AI로 빠르게 검토하는 프롬프트.
팁5분 안에: 학술 발표 슬라이드 개요 AI로 만들기
논문이나 증례를 AI에 입력해서 발표 슬라이드 아웃라인을 5분 만에 생성하는 실전 가이드.
팁AI로 의학 논문 쓰는 법 — 전공의를 위한 단계별 가이드
Literature review부터 초안 작성, 영어 교정까지 — AI를 논문 작업에 쓰는 실전 방법.
개론LLM의 컨텍스트 윈도우, 의사처럼 이해하기
LLM이 '기억'하는 방식과 한계를 진료 기록 비유로 쉽게 설명합니다.
개론토큰이란 무엇인가 — LLM의 언어 단위 이해하기
LLM이 글자를 이해하는 방식, 토큰의 개념을 의사의 시선으로 풀어봅니다.
프롬프트프롬프트 엔지니어링 기초 — 의사를 위한 실전 가이드
의사가 AI에게 질문하는 법. 프롬프트 하나로 답의 질이 달라집니다.
개론RAG란 무엇인가 — 외부 지식을 LLM에 연결하는 법
LLM의 지식 한계를 극복하는 RAG 기술을 전자차트 비유로 쉽게 설명합니다.
개론AI 환각(Hallucination) — LLM은 왜 거짓말을 하는가
AI가 자신 있게 틀린 답을 하는 이유와, 의료 현장에서 이를 걸러내는 방법.
개론파인튜닝 vs RAG — 의료 AI를 맞춤화하는 두 가지 방법
병원 맞춤 AI를 만들 때, 파인튜닝과 RAG 중 어떤 걸 선택해야 할까?
개론임베딩과 벡터 — AI가 의미를 이해하는 방법
AI가 '고혈압'과 'HTN'이 같은 의미라는 걸 어떻게 아는지, 벡터로 설명합니다.
개론AI 에이전트란 — 스스로 판단하고 행동하는 AI
챗봇과 에이전트의 차이, 그리고 의료에서 에이전트가 바꿀 미래.
개론Temperature와 Top-p — AI의 창의성을 조절하는 다이얼
AI 답변이 매번 다른 이유, Temperature 설정으로 일관성과 창의성을 조절하는 법.