OUR STORY (BLOG)

춘옥컴퍼니가 국립창원대학교 컴퓨터공학과 최도진 교수 연구팀과 함께 수의학 특화 AI 에이전트의 활용 효과를 검증했습니다. 현직 임상수의사가 참여한 이번 연구에서는 AI를 활용했을 때 진료기록의 품질이 높아지고 인지적 부담이 줄어드는 결과가 나타났습니다. 연구 결과는 한국콘텐츠학회논문지에 게재됐습니다. 출처: 데일리벳 (https://www.dailyvet.co.kr/news/academy/298256#dv_comment) 진료기록 작성과 정보 검색, 수의사 업무의 주요 부담 연구팀이 임상경력 3년 이상의 수의사 100명을 대상으로 설문조사를 진행한 결과, 응답자들은 전체 진료 업무의 약 40%를 진료기록 작성과 임상 정보 검색에 사용하고 있었습니다. 특히 평가와 치료 계획 수립 단계의 부담이 컸으며, AI 활용 시에는 답변의 정확성과 근거 확인을 중요하게 생각했습니다. 출처: 데일리벳 (https://www.dailyvet.co.kr/news/ac

출처: 데일리벳 (https://www.dailyvet.co.kr/news/college/293401) 허찬 춘옥컴퍼니 CEO이자 에스동물메디컬그룹 대표원장은 지난 8월 13일 건국대학교 수의과대학에서 ‘AI 시대 수의사의 재정의’를 주제로 강연했습니다. 허찬 대표는 AI의 도입과 수의학 전문성의 확대로 동물의료 시장의 구조가 빠르게 변화하고 있다고 진단했습니다. 앞으로 수의전문의제도가 구체화되고 1차·2차 동물병원의 역할이 더욱 명확해지면서, 수의사에게는 면허를 넘어 진료의 질과 전문성을 입증하는 역량이 중요해질 것이라고 전망했습니다. 또한 AI는 수의사를 대체하는 기술이 아니라, 수의사의 지식과 판단 능력을 확장하는 도구라고 강조했습니다. AI가 임상 정보를 제공하고 진료 과정을 지원할 수는 있지만, 생성된 정보의 오류 가능성을 검토하고 최종적인 판단과 책임을 지는 주체는 수의사라는 설명입니다. 미래 수의사에게 필요한 역량으로는 다음 세 가지를

동물병원 간 격차가 존재할까요? 개인별 의견은 모두 다르지만 국내 개인 동물병원 통계에서도 평균 매출과 중위 매출 사이에 차이를 보이고 있으며, 지역별 평균 매출도 고르게 분포하지 않는 모습을 보입니다. 춘옥컴퍼니에서는 이와 관련하여 이런 질문을 던지게 됩니다. "AI가 도입되면 이 격차는 어떻게 될까요?" AI 이전에도 격차는 있었습니다. 먼저 확인해야 할 것은 이 격차가 AI 때문에 생겼는지입니다. 현재 확인할 수 있는 통계만으로 AI가 국내 동물병원 간 격차를 만들었다고 보기는 어렵습니다. 규모와 입지, 지역별 수요, 인력과 비용 구조처럼 AI 이전부터 작동해 온 요인이 있기 때문입니다. 따라서 AI 도입을 늦추는 것만으로 기존의 격차가 사라지지는 않습니다. 질문은 수의료 AI를 막을 것인가가 아니라, 어떤 조건에서 격차를 줄이는 방향으로 사용할 것인가에 가깝습니다. 실험이 보여준 평준화 효과와 그 조건 다른 산업의 통제된 실험에서는 AI가

인공지능은 수의 의료 현장에도 빠르게 들어오고 있습니다. 방사선 영상을 판독하는 AI부터 진료 내용을 자동으로 기록하는 스크라이브, 임상 의사결정을 지원하는 CDSS, 병원 운영 소프트웨어와 보험 청구 자동화까지 적용 범위도 넓어지고 있습니다. 시장조사기관들은 수의 AI 시장이 앞으로 연평균 17~23% 성장할 것으로 전망합니다. 수치만 보면 빠르게 성장하는 유망 산업처럼 보입니다. 하지만 시장의 성장률만으로는 중요한 질문에 답하기 어렵습니다. 실제 수의 AI 시장은 얼마나 큰가? 투자금은 어떤 기업에 모이고 있는가? AI 기술이 좋으면 경쟁력 있는 기업이 될 수 있는가? 상용화된 제품은 임상적으로 충분히 검증됐는가? 한국 기업에는 어떤 기회와 과제가 남아 있는가? 출처: [춘옥리포트] 수의학 AI의 경제학_자본·투자·시장 현황 분석 춘옥컴퍼니는 이 질문에 답하기 위해 2026년 8월 현재 공개된 시장조사 자료와 기업 실적, 투자·M&A 사례, 학

7월 27일 중국 Moonshot AI가 Kimi K3 기술 보고서와 모델 가중치를 공개했습니다. 누구나 가중치를 내려받아 직접 운영할 수 있는 오픈웨이트 AI입니다. AI 모델은 크게 두 진영으로 나뉩니다. Claude나 GPT처럼 내부를 공개하지 않고 API로 사용하는 폐쇄형 모델, 그리고 가중치를 내려받아 직접 운영할 수 있는 오픈 모델입니다. 지금까지 최상위 성능에서는 폐쇄형 모델이 앞서 있었습니다. 이 글에서는 그 격차가 얼마나 좁아졌는지, 그리고 의료영상 판독을 준비하는 입장에서 이 논문의 어떤 부분이 눈에 띄었는지를 정리합니다. 1. 오픈웨이트 AI는 얼마나 따라잡았나 논문에는 40여 개 벤치마크에서 K3와 주요 폐쇄형 모델을 비교한 표가 있습니다. 오픈 모델인 K3가 1위를 차지한 항목도 여럿 있습니다. 벤치마크 K3 2위 ProgramBench (코딩) 77.8 GPT-5.6 Sol 77.6 BrowseComp (웹 검색) 91.2

의료 AI 평가, 시험을 잘 보는 것과 진료를 잘하는 것 의료 AI 성능을 이야기할 때 가장 자주 등장하는 숫자는 시험 점수입니다. 의사 국가시험 몇 점, 수의사 국가시험 몇 점. 저희도 오픈소스로 공개한 VetJarvis-4B가 일본 수의사 국가시험에서 81.67%를 받았다는 내용을 여러 자리에서 소개했습니다. 하지만 시험 성적과 실제 임상 추론 능력은 같은 개념이 아닙니다. 시험은 다섯 개 보기 중에서 답을 고르는 일이고, 진료는 주어진 정보에서 가능한 원인을 검토하고, 최선의 치료 계획을 만들어가는 과정입니다. “3살 말티즈, 이틀째 구토, 식욕 없음.” 여기서 시작할 때 임상의의 머릿속에 떠오르는 것은 정답 하나가 아니라 의심 목록입니다. 이물일 수도, 췌장염일 수도, 신부전일 수도 있습니다. 어제 보호자가 준 간식이 원인일 가능성도 있습니다. 이 감별진단 목록을 얼마나 적절하게 펼치느냐가 다음 검사를 결정합니다. 지난 4월 JAMA Net

동물병원 진료비는 사람의 의료비와 다릅니다. 국가적으로 지원하는 금액이 거의 없기 때문에 보호자의 부담이 큰 것도 사실입니다. 보호자의 동물병원 진료비 부담을 낮추기 위해 항목별 가격을 조정하는 정책을 검토하고 있기도 하지만, 실제 진료 현장에서 현실성을 잘 반영하고 있는지는 더 확인이 필요합니다. GraphDx는 인체 의학의 순차적 진단 과정을 대상으로, 비용과 침습도를 의사결정에 포함한 의료 LLM 프레임워크입니다. 실제 동물병원에 적용된 시스템은 아니지만, 비용을 진단 이후에 계산하는 결과값이 아니라 다음 검사를 선택하기 위한 입력값으로 다뤘다는 점에서 주목할만 합니다. 이 연구는 진료비 문제를 가격만의 문제가 아니라 불확실성 아래에서 진료 경로를 어떻게 설계할 것인가의 문제로 바라볼 수 있는 하나의 관점을 제시했습니다. 현재 동물병원 진료비 부담과 정책 2026년 동물의료 정책의 한가운데에는 진료비가 있습니다. 올해 1월 진료비 부가가치세

AI를 이용하여 제작되었습니다. 춘옥컴퍼니가 소동물 임상 의사결정지원 AI ‘VETfr.ai.day’가 지향하는 원칙과 시스템의 한계를 담은 「VETfr.ai.day 헌장」을 공개했습니다. 이번 헌장은 AI의 성능을 소개하는 문서가 아니라, 실제 진료 현장에 사용되는 임상 AI가 어떤 원칙에 따라 설계되어야 하며 무엇을 하지 않아야 하는지를 밝히기 위해 작성되었습니다. 임상 AI의 오답은 일반적인 챗봇의 오류와 결과의 무게가 다릅니다. 확인되지 않은 약물 용량이나 잘못된 임상 정보가 그럴듯한 답변으로 제시될 경우, 그 영향은 사용자의 불편을 넘어 동물 환자의 안전으로 이어질 수 있기 때문입니다. 이에 춘옥컴퍼니는 임상 AI의 신뢰를 정확도나 벤치마크 점수만으로 설명하기보다, 시스템이 지켜야 할 원칙과 한계를 먼저 공개해야 한다고 판단했습니다. 춘옥컴퍼니 VETfr.ai.day가 지켜야 할 네 가지 약속 VETfr.ai.day 헌장은 다음 네 가지