개원토픽

선생님, 이거 챗GPT가 그랬어요

환자는 이제 AI의 답을 들고 온다 — 진료실의 설명은 그 다음부터 시작된다 환자가 진료실에 들어오기 전, 스마트폰에서 먼저 답을 받아 온다. ‘챗GPT가 이 병 같대요.’ 검색에 이어 생성형 AI까지 환자가 진료 전에 접하는 정보는 더 구체적인 ‘답’의 형태가 됐다. 이 글은 그 답을 들고 오는 환자와 진료실의 변화에 관한 이야기다. 개원토픽 VOL.17 2026 · SEP 17 개원가 트렌드 · 환자가 답을 정하고 오는 시대 “선생님, 이거 챗GPT가 그랬어요” 글 · 개원토픽 편집팀 읽는 시간 7분 진료실에 새로운 인물이 하나 늘었다. 눈에는 보이지 않지만, 환자가 문을 열 때 이미 함께 들어와 있다. 환자가 오기 전에 상담을 마친 AI다. 아직 국내에서 환자의 건강 관련 AI 이용을 구체적으로 보여 주는 조사는 드물다. 미국 퓨리서치센터가 2026년 성인 3,488명을 조사한 결과, 34%가 조사에서 제시한 8가지 건강·의료 목적 중 하나 이상으로 AI 챗봇을 사용한다고 답했다. 오픈AI도 매주 3억 명 이상이 ChatGPT에 건강 관련 질문을 한다고 밝혔다. 국내 통계와 직접 비교할 수는 없지만, “챗GPT에서는 이렇게 말하던데요”라는 질문은 진료실에서도 낯설지 않은 장면이 되고 있다. 그래서 이번 호의 질문은 ‘AI가 의사를 대체하는가’가 아니다. 환자가 AI에서 얻은 답을 이미 가지고 들어올 때, 진료는 어떻게 달라지는가. AI와 정확도를 겨루기보다, AI가 알 수 없었던 환자 개인의 맥락을 진찰과 검사로 보완하고 의료진의 판단 근거를 설명하는 일이 더 중요해진다. 요약 환자는 진료 전 증상을 AI에 묻고, 진료 후에는 진단이나 검사 결과를 다시 확인하기도 한다. 미국 퓨리서치센터 조사에서 미국 성인의 25%는 증상의 원인을 파악하기 위해, 22%는 의사가 내린 진단을 더 알아보기 위해, 20%는 검사 결과를 이해하기 위해 AI 챗봇을 사용한다고 답했다. AI의 답이 하나의 판단 근거가 되는 만큼, 진료실에서는 그 답과 실제 진찰·검사 결과가 왜 다를 수 있는지를 설명하는 일이 중요해졌다. 핵심은 AI와 누가 더 정확한지를 겨루는 것이 아니라, AI가 알 수 없는 병력·증상의 경과·진찰 결과와 개인적 맥락을 근거로 의료진의 판단을 설명하는 것이다. 환자가 자리에 앉기도 전에 말한다. “선생님, 이거 챗GPT한테 물어봤더니 이 병 같다는데요.” 손에는 검사 결과지 사진과 AI의 답변이 캡처돼 있다. 진료는 진찰이 아니라, 이미 내려진 결론을 확인받는 절차로 시작된다. 미국 플로리다에서 내과를 운영하는 한 의사는 이런 상황을 두고, 환자가 스스로 확신해 버린 병명을 반박하는 데 진료 시간을 다 쓴다고 토로했다. ‘감기입니다’부터 ‘암으로 죽어가고 있습니다’까지, AI는 무엇이든 답으로 내놓는다. 그리고 환자는 그 답을 이미 믿고 온다. 상담의 흐름 AI 입력된 정보 안에서 답한다 ↔ 환자 답을 들고, 의사 판단도 되묻는다 ↔ 의사 개인 맥락을 더해 설명한다 환자는 AI와 의사 사이에 선다. 진료실이 마주하는 건 AI의 답 자체가 아니라, 그 답을 들고 온 환자의 상황이다. 01 진료실에 도착한 것은 정보만이 아니다 환자가 아는 게 많아진 건 어제오늘 일이 아니다. 검색의 시대에도 환자는 정보를 들고 왔다. “검색해 보니 이런 병도 나오던데, 맞나요?”라는 질문도 익숙했다. AI는 검색과 조금 다르다. 검색 결과가 여러 정보와 출처를 보여 주는 방식이라면, 생성형 AI는 사용자의 질문에 맞춰 하나의 답변 형태로 정보를 정리해 준다. 증상을 입력하면 가능한 원인을 설명하고, 검사 수치를 입력하면 그 의미를 풀어 준다. 실제로 퓨리서치센터 조사에서 미국 성인의 25%가 증상의 원인을 파악하기 위해 AI 챗봇을 사용한다고 답했고, 15%는 병원에 가야 할지를 판단하기 위해 사용한다고 답했다. 문제는 AI를 사용했다는 사실 자체가 아니다. 그 답이 어떤 정보만을 바탕으로 만들어졌는지 확인하지 않은 채 진료가 진행될 때, 의료진의 설명과 환자가 미리 접한 답이 충돌할 수 있다는 점이다. 검색에 이어 AI까지, 환자가 진료 전에 접하는 정보는 더 구체적인 ‘답’의 형태가 되고 있다. 02 AI의 답은 ‘두 번째 의견’과 같지 않다 AI가 제공하는 건강정보는 어려운 의학 용어나 검사 결과를 이해하는 데 활용될 수 있다. 퓨리서치센터 조사에서 건강 목적으로 AI 챗봇을 사용하는 사람의 47%는 얻은 건강정보가 매우 또는 극히 도움이 된다고 답했고, 48%는 어느 정도 도움이 된다고 답했다. 34%미국 성인 미국 성인의 34%가 조사에서 제시한 8가지 건강·의료 목적 중 하나 이상으로 AI 챗봇을 사용한다고 답했다. Pew Research Center · 2026년 6월 22~28일 · 미국 성인 3,488명 하지만 AI의 답을 의료진의 두 번째 소견과 동일하게 볼 수는 없다. AI는 환자를 직접 진찰하지 않고, 입력되지 않은 병력이나 증상의 경과를 알 수 없다. 같은 증상이나 검사 수치라도 실제 환자에게 어떤 의미가 있는지는 진찰과 추가적인 임상 정보에 따라 달라질 수 있다. 따라서 진료실에서 중요한 질문은 “AI가 맞았나, 의사가 맞았나”가 아니다. AI가 어떤 정보를 바탕으로 답했고, 실제 환자를 진찰한 결과 무엇이 추가되거나 달라졌는지를 설명하는 것이다. 환자가 AI의 답을 이미 접하고 왔다면 그 내용을 무시하기보다, 질문에 어떤 정보가 들어갔고 무엇이 빠졌는지를 함께 확인하는 편이 낫다. 그 과정에서 의료진의 판단이 환자 개인의 병력과 진찰 결과를 바탕으로 한다는 차이도 분명해진다. AI의 답은 입력된 정보의 범위 안에서 만들어진다. 진료는 그 답에 없던 환자 개인의 맥락에서 시작된다. 03 진료실의 오늘 — AI는 이렇게 들어온다 이 변화는 통계보다 장면으로 먼저 온다. 요즘 진료실에서 조금씩 익숙해진 세 장면이다. 환자의 AI 사용 흐름 AI는 진료 전에도, 진료가 끝난 뒤에도 환자의 판단 과정에 들어온다. 진료 전 25% 증상의 원인 파악 15% 병원에 갈지 판단 진료실 진찰 · 검사 의료진의 설명 AI가 알 수 없던 개인의 맥락이 더해진다 진료 후 22% 의사의 진단을 더 알아보기 20% 검사 결과 이해 미국 성인 기준 · Pew Research Center, 2026. 각 수치는 해당 목적으로 AI 챗봇을 사용한다고 답한 비율. 장면 하나 · 마찰 이번 달, 한 직장인이 가슴이 답답하고 숨이 잘 쉬어지지 않아 챗GPT에 증상을 물었다. “심장이나 폐 문제일 수 있으니 병원에서 확인해 보라”는 답을 듣고 찾아갔지만, 검사엔 이상이 없었다. “AI가 걱정하라고 해서 왔다”는 말에 의사는 “그런 거 보지 마라, 괜히 불안하기만 하다”고 답했고, 이 사연은 곧바로 온라인에서 갑론을박이 됐다. 요점은 누가 옳으냐가 아니다. 예전 같으면 그냥 ‘걱정돼서 왔다’였을 방문이, 이제 ‘AI가 그랬다’는 문장을 달고 온다는 것이다. 장면 둘 · 재확인 더 조용한 장면도 있다. 검진을 받고 의사의 상담까지 마친 환자가 집에 돌아가 진단명이나 검사 결과를 챗봇에 다시 물어볼 수 있다. 퓨리서치센터 조사에서 미국 성인의 22%는 의사가 내린 진단을 더 알아보기 위해, 20%는 검사 결과를 이해하기 위해 AI 챗봇을 사용한다고 답했다. 진료실의 설명이 진료 이후 AI를 통해 다시 해석되는 환경이 만들어진 것이다. 장면 셋 · 어긋남 문제는 AI의 설명과 의료진의 판단이 다를 때다. 이 경우 환자는 어느 쪽 설명을 따라야 하는지 다시 판단해야 한다. 따라서 단순히 “AI가 틀렸다”고 말하기보다, 같은 증상이나 검사 결과라도 나이, 과거력, 복용약, 증상의 경과와 진찰 결과에 따라 해석이 달라질 수 있음을 설명하는 것이 중요하다. 세 장면의 공통점은 환자가 유별나서가 아니다. 무료로, 즉시, 쉽게 답을 얻을 수 있는 도구가 손안에 있으니 사용하는 것이다. 달라진 점은 의료진의 설명 전후로 AI의 답이 함께 놓인다는 데 있다. 그래서 진료에서는 판단의 결론뿐 아니라, 왜 이 환자에게 이런 판단을 내렸는지를 설명하는 일이 더 중요해진다. 04 AI와 겨루지 않고, 판단의 근거를 보여 준다 환자가 AI의 답을 가지고 왔다면 처음부터 부정할 필요는 없다. “챗GPT가 뭐라고 하던가요?” 무엇을 질문했고 어떤 답을 받았는지 먼저 확인하면, AI가 어떤 정보를 바탕으로 답했는지와 무엇이 빠져 있는지를 함께 볼 수 있다. 그다음은 실제 환자의 맥락을 연결한다. 증상이 언제 시작됐는지, 어떻게 변했는지, 어떤 병력이 있는지, 현재 어떤 약을 먹고 있는지, 그리고 진찰이나 검사에서 무엇이 확인됐는지를 설명한다. 같은 수치나 같은 판독문도 그 환자에게 무엇을 뜻하는지는 이런 맥락에 따라 달라질 수 있다. 환자에게 필요한 것은 AI와 의사 중 하나를 선택하라는 요구가 아니라, “AI에서는 여기까지 알 수 있었고, 실제로 진찰해 보니 이 정보가 추가됐기 때문에 이렇게 판단합니다”라는 설명이다. 검사 결과나 진료 기록에는 민감한 개인정보가 포함될 수 있으므로, AI 챗봇에 입력할 때는 사용하는 서비스의 개인정보 처리·보관 방식을 확인하고 불필요한 개인정보는 입력하지 않는 것이 좋다. 핵심 원칙 환자는 앞으로도 AI에 건강 문제를 물을 것이다. 중요한 것은 그 사용 자체를 막는 것이 아니다. 환자가 어떤 답을 보고 왔는지 확인하고, AI가 알 수 없었던 환자 개인의 맥락을 진찰과 검사로 보완한 뒤, 의료진의 판단 근거를 설명하는 것. AI가 답을 주는 시대일수록 진료실에서 필요한 것은 더 많은 정보가 아니라 그 정보가 이 환자에게 무엇을 의미하는지를 설명하는 기준이다. 에디터 노트 답이 많아질수록, 설명의 기준이 필요하다 AI는 진료실에서 사라지지 않는다. 환자는 앞으로도 답을 듣고 올 것이다. 의료진의 역할은 그 답과 경쟁하는 데 있지 않다. AI가 알지 못한 환자 개인의 맥락을 더해, 왜 이런 판단을 내렸는지를 설명하는 것. 그 차이가 진료실의 기준이 된다. AI가 준 답환자 개인의 맥락판단의 근거 자주 묻는 질문 환자가 챗GPT 답을 들고 오면 무시하면 되나? 먼저 무엇을 묻고 어떤 답을 받았는지 확인하는 편이 낫다. AI의 답에 어떤 정보가 들어갔고 무엇이 빠졌는지를 확인하면, 실제 진찰에서 추가된 정보와 의료진의 판단 근거를 설명하기 쉬워진다. AI가 실제로 의사보다 정확할 때도 있지 않나? 건강정보나 검사 결과를 이해하는 데 도움을 받을 수 있다. 실제로 퓨리서치센터 조사에서 건강 목적으로 AI 챗봇을 쓰는 사람의 95%가 얻은 정보가 적어도 어느 정도 도움이 된다고 답했다. 다만 AI는 환자를 직접 진찰하지 않고 입력되지 않은 임상 정보를 알 수 없으므로, 그 답을 의료진의 진단이나 두 번째 소견과 동일하게 볼 수는 없다. 검진 결과를 AI에 다시 물어보고 온 환자, 어떻게 대하나? 결과지를 챗봇에 올려 본 것 자체를 나무랄 필요는 없다. 대신 같은 수치라도 환자의 나이·병력·복용약·증상과 진찰 결과에 따라 의미가 달라질 수 있음을 설명한다. 검사 결과나 진료 기록에는 민감한 개인정보가 포함될 수 있으므로, 입력 전 해당 서비스의 개인정보 처리·보관 방식을 확인하고 불필요한 개인정보는 입력하지 않는 것이 좋다. 그래서 우리 병원은 무엇부터 준비하면 되나? 별도의 복잡한 절차보다 환자가 AI 답을 꺼냈을 때의 대응 원칙을 정해 두면 된다. 무엇을 물었는지 확인하고, AI가 알 수 없었던 환자 개인의 맥락을 진찰로 보완한 뒤, 의료진의 판단 근거를 설명하는 방식이다. 글 · 편집 — 메디게이트 개원토픽 편집팀. 본문 수치는 Pew Research Center가 2026년 6월 22~28일 미국 성인 3,488명을 대상으로 실시한 조사와 OpenAI가 2026년 7월 23일 공개한 자료를 참고했습니다. 미국 자료이므로 국내 환자 이용 행태와 직접 동일시할 수 없습니다. 생성형 AI의 건강정보 활용과 개인정보 처리는 서비스별 정책 및 개별 상황에 따라 달라질 수 있으므로 구체적 적용은 관련 기준을 확인하시기 바랍니다. 본 콘텐츠는 개원가의 진료·운영 관점을 돕기 위한 정보성 콘텐츠입니다. 개원토픽 MEDIGATE · VOL.17