구조화된 입력 설계 — AI에게 정보를 전달하는 최적의 형식
…
한줄 요약
AI에게 정보를 전달할 때 형식(구조)이 내용만큼 중요하다 — 같은 정보라도 구조화 방식에 따라 AI의 이해도와 답변 정확도가 달라진다.
본문
자유 서술 vs 구조화 입력
대부분의 사용자는 AI에게 자유 서술로 정보를 전달한다.
55세 남자인데요, 고혈압이랑 당뇨 있고, 요즘 어지럽다 하시고,
지난달 혈압은 150/95 정도였고, 메트포르민이랑 로사르탄 먹고 있어요.필요한 정보는 있지만 핵심 데이터가 서술 속에 묻혀 있다. 나이, 진단명, 약물, 검사 결과가 한 문단에 뒤섞여 있다. 구조화된 입력은 이 문제를 해결한다.
[환자 기본]: 55세 남성
[진단]: 고혈압, 제2형 당뇨
[현재 약물]: Metformin 500mg bid, Losartan 50mg qd
[최근 검사]: BP 150/95, Cr 1.8 (상승 추세)
[주소]: 어지러움동일한 정보지만 AI는 두 번째 형식을 훨씬 정확하게 파싱한다.
형식별 장단점 비교
| 형식 | 장점 | 단점 | 적합 |
|---|---|---|---|
| 마크다운 | 사람이 읽기 쉬움, LLM 호환 | 중첩 구조 제한 | 대화형 입력, 시스템 프롬프트 |
| XML | 계층 표현 강력, Claude 호환 | 토큰 과다 소비 | 자동화 파이프라인 |
| JSON | API 연동 용이 | 사람이 읽기 불편 | Function calling |
| 표 | 비교·시계열에 강함 | 중첩 불가 | 검사 추이, 약물 비교 |
Claude는 XML을 특히 잘 인식하고, GPT 계열은 마크다운과 JSON에 강하다. 상황과 모델에 맞게 선택해야 한다.
의료 데이터를 구조화하는 핵심 패턴
패턴 1: 라벨링 — 각 정보 블록에 [환자 데이터], [가이드라인], [질문] 같은 라벨을 붙여 AI가 정보의 종류를 즉시 파악하게 한다.
패턴 2: 구분자 — 정보 블록 사이에 ---, === 등 구분자를 넣어 경계를 명확히 한다.
패턴 3: 계층 구조 — 복잡한 정보는 상위-하위 관계를 명시한다. XML이나 들여쓰기 마크다운이 적합하다.
패턴 4: 시계열 정렬 — 검사 결과를 날짜순으로 정렬하면 AI가 추이를 파악할 수 있다.
[Cr 추이]
2026-01: 1.2 → 2026-02: 1.5 → 2026-03: 1.8 ← 상승 추세실전 예시: SOAP 노트 입력 구조화
SOAP 노트는 의료에서 가장 널리 쓰이는 기록 형식이다. 이를 AI 입력으로 구조화하면 진료 보조에 바로 활용할 수 있다.
## SOAP Note — 2026-03-30
### S (Subjective)
- 주소: "일주일 전부터 어지러워요"
- 양상: 체위 변경 시 악화, 아침에 심함
- 동반 증상: 두통(-), 이명(-), 구역(+)
### O (Objective)
- VS: BP 150/95, HR 78, BT 36.5
- Lab: Cr 1.8, K+ 4.9, eGFR 38, HbA1c 7.2
- 현재 약물: Losartan 50mg qd, Metformin 500mg bid
### A (Assessment)
- [AI에게 요청]: 위 데이터를 바탕으로 감별 진단 제시
### P (Plan)
- [AI에게 요청]: 추가 검사 및 약물 조절 제안이 구조에서 AI는 주관적 호소, 객관적 데이터, 분석 요청, 계획 요청을 명확히 구분한다. 자유 서술 대비 감별 진단의 구체성과 약물 권고의 근거 제시가 눈에 띄게 향상된다.
구조화 입력 설계 시 주의사항
- 과도한 구조화를 피하라 — 구조가 너무 복잡하면 오히려 토큰이 낭비되고 핵심이 흐려진다
- 모델에 맞게 선택하라 — Claude는 XML, GPT 계열은 마크다운/JSON에 강하다
- 일관성을 유지하라 — 한 시스템 안에서 형식을 통일해야 AI가 패턴을 학습한다
- 사람도 읽을 수 있게 하라 — 의료 AI의 출력은 결국 의료진이 검토한다
핵심 정리
- 자유 서술은 정보가 묻힌다 — 구조화된 입력은 AI의 이해도를 높인다
- 마크다운(범용), XML(계층), JSON(자동화), 표(비교)를 상황에 맞게 선택한다
- SOAP 노트처럼 의료 현장의 기존 구조를 활용하면 도입이 쉽다
- 구조화의 핵심은 라벨링, 구분자, 계층, 일관성이다