핵심 아이디어
- 타깃
- 보험 삭감 빈도가 높은 내과·정형외과·피부과 등 10인 미만 소규모 의원 원장
- 문제
- **매월 수백만 원의 보험 삭감을 당하면서도 대응할 전문인력과 시간이 없어 손실이 반복된다.** • 의원 원장이 직접 대응하기엔 심평원 기준이 복잡하고 변경이 잦음 • 기존 EMR 부가기능은 단순 규칙 체크 수준 → 실제 삭감 방어율 낮음 • 전문 대응 없이는 '밑 빠진 독에 물 붓기' 반복
- 해결
- **AI가 청구서를 사전 스캔해 삭감 위험 건을 감지하고, 전문 심사인력이 고위험 건을 1:1로 리뷰·수정한다.** ① EMR 연동 없이 PDF/엑셀 업로드로 시작 → 연동 개발 병목 제거 ② Phase 1은 의료청구사(자격증 보유) 팀 수작업으로 방어율 먼저 실증 → AI는 반복 패턴부터 점진 도입 ③ '방어 성공' 기준 명확화: 심평원 이의신청 인정액 = 방어 성공으로 계약서에 정의 ④ 파일럿 10개 의원으로 3개월 방어율 데이터 확보 후 레퍼런스 기반 영업 전면화
- 차별화
- **삭감 방어 실패 시 과금 제로 — 도입 리스크가 없다.** • 기존: 단순 룰엔진, 고정 비용, 복잡한 케이스 방어 불가 • 우리: AI+전문가 하이브리드 리뷰, 성과보수제, 크로스-의원 삭감 패턴 DB 적용 • 의원 수 증가 → 삭감 패턴 DB 밀도↑ → 방어율↑ → 데이터 복리 구조로 복제 불가 • 과거 청구·삭감 이력 축적 및 심평원 고시 실시간 반영 DB = 이탈 비용 자연 발생
핵심 기능
- 01
AI 삭감 위험 스코어링 + 전문가 1:1 사전 청구 심사
- 02
삭감 발생 시 이의신청서 원클릭 자동 생성 및 재심사 추적
- 03
월별 삭감 패턴 분석 리포트 및 청구 습관 개선 코칭
시장과 비즈니스
수익 구조
| 핵심 모델 | **삭감 방어 성공 금액의 15%만 수수료로 수취하는 순수 성과보수 모델이다.** |
|---|---|
| 근거 01 | 의원당 월평균 삭감 ₩300만 × 65% 방어 = ₩195만 회수 → 15% 수수료 = 월 ₩29.2만 |
| 근거 02 | 500개 의원 확보 시 월 ₩1.46억 / 연 ₩17.5억, 중형 의원(월 삭감 ₩1,000만) 50개 추가 시 연 ₩26억+ 도달 가능 |
- 개발 기간
- 약 10주
- 시장 규모
- 전체 시장 국내 의원급 35,000개소 연간 보험삭감 총액 약 ₩2조유효 시장 삭감률 5%+ 소규모 의원 20,000개소, 연간 삭감액 ₩7,200억초기 목표 시장 1년차 50개 의원 계약 → 월 매출 ₩1,500만
- 시장 흐름
- rising
발견 근거
- 시장 신호
- '밑 빠진 독에 물 붓기(삭감으로 새는 매출)' × '눈치가 백 단(삭감 심사 패턴 읽기)' × '건조경보(의원 매출 가뭄)' 3중 충돌
- 분석 방식
- Adversarial Expertise Transfer + 범죄자 페르소나 — 보험 사기꾼이 심사 시스템을 꿰뚫듯, 삭감 패턴을 역으로 학습해 합법적 방어에 활용. TRIZ '사람으로 AI 대체' 적용하여 AI만으론 못 잡는 복잡 삭감을 인간 전문가가 커버
- 포착 일자
- 2026.04.02