미국 치과 원장님들이 보험 청구 담당자를 안 뽑고 있어요. 정확히는, 못 뽑는 게 아니라 AI가 이미 그 자리를 채우고 있거든요.
a16z가 방금 $3,500만을 베팅한 스타트업 Lassie 이야기예요. 치과 700곳, 49개 주, 연간 25만 시간. 숫자가 먼저 와서 낯설 수도 있는데, 이걸 알고 나면 "왜 우리 업종엔 이런 게 없지?"라는 질문이 자연스럽게 따라와요.
치과 백오피스가 왜 이렇게 복잡한데?
치과 진료 자체는 원장 한 명이 처리해요. 문제는 그 뒤에 붙는 행정이에요.
미국 의료·치과 클리닉은 연평균 백오피스 인건비로 $200,000(약 2억 7천만 원)을 써요. 보험 청구(837D 표준 양식), 보험사 포털 직접 탐색, 수납 대사, 미지급 청구 추적... 이 모든 게 사람이 일일이 처리하는 반복 업무예요.
반복적이고, 규칙 기반이고, 고가치인 업무. AI 에이전트에게 딱 맞는 조건이에요.
왜 치과부터였냐고요?
a16z 파트너들은 "치과 워크플로우가 구조화되어 있고, 반복적이며, 가치가 높다"고 분석했어요. 매번 같은 형식의 청구서, 같은 보험사 포털, 같은 처리 순서 — 이건 AI가 학습하기 이상적인 환경이에요.
Lassie가 실제로 하는 일
Lassie는 SaaS 소프트웨어가 아니에요. AI 에이전트가 직접 치과 병원 백오피스 업무를 수행하는 서비스예요.
| 기존 방식 (직원) | Lassie AI 에이전트 | |
|---|---|---|
| 보험 청구 | 수동 입력, 오류 발생 시 재청구 | 837D 양식 자동 처리 + 오류 즉시 감지 |
| 수납 대사 | 보험사 포털 접속 → 수동 확인 → 시스템 업데이트 | EOB 포스팅 자동화, 은행 입금 확인까지 |
| 미지급 청구 추적 | 월말 수동 검토, 누락 발생 | 실시간 예외 탐지, 자동 플래그 |
| 이의 신청 | 담당자가 별도 처리 (지연 빈번) | 이의 신청 프로세스 자동 개시 |
| 연간 비용 | $200,000 이상 (인건비) | Lassie 구독 요금 |
핵심은 "도구"가 아니라 "에이전트"라는 점이에요. 직원처럼 보험사 포털에 직접 로그인하고, 자료를 수령하고, 시스템에 입력하고, 예외를 잡아내요. 소프트웨어를 쓰는 게 아니라 AI가 소프트웨어를 직접 다루는 거죠.
25만 시간이 말하는 게 뭔데?
Lassie가 연간 250,000시간을 자동화했다는 건, 단순히 효율이 좋아졌다는 얘기가 아니에요.
풀타임 직원 1명이 연간 약 2,000시간 일한다고 치면, 25만 시간은 직원 125명분의 노동이에요. 그걸 AI가 대체하고 있는 거예요. 700개 클리닉에 나눠도 클리닉당 연간 357시간 — 매달 30시간 가까운 행정 업무가 사라지는 거예요.
a16z가 이 딜에 주목한 이유도 여기 있어요. Lassie의 해자(moat)는 단순한 기능이 아니에요. 수천 개의 반복 워크플로우 데이터, 기존 치과 소프트웨어와의 통합, 그리고 처리한 케이스에서 계속 쌓이는 지식 레이어. 경쟁자가 하루아침에 복사할 수 없는 구조예요.
"우리의 목표는 소규모 사업체가 스스로 돌아가게 하는 것이다."
— Lassie 공동창업자 (Robinhood·Coinbase·Superhuman 출신)
치과가 첫 발판이에요. 같은 원리는 변호사 사무소, 회계 법인, 물리치료 클리닉, 부동산 중개소로 얼마든지 확장돼요. 구조화된 반복 업무 + 규칙 기반 의사결정 + 높은 행정 부담 — 이 세 조건이 있는 곳이라면 어디든요.
우리 사업에 같은 원리를 적용하는 법
치과가 아니어도 돼요. Lassie의 논리를 우리 업종에 적용하는 방법이에요.
- 반복 업무 목록 작성하기
매주·매달 같은 방식으로 처리하는 업무를 전부 적어봐요. 청구서 발행, 견적 요청 처리, 입금 확인, 보고서 작성 등. 이게 AI 에이전트 도입의 출발점이에요. - "규칙 기반" 업무 골라내기
목록 중에서 "판단이 필요 없고 규칙만 따르면 되는" 업무를 별도로 표시해요. Lassie의 성공 이유가 바로 이 지점이에요 — 창의력이 필요 없는 반복 처리부터 자동화가 먼저예요. - 소규모 파일럿 설정하기
전체를 바꾸려 하지 마세요. 한 업무, 한 흐름부터 시작해요. n8n, Zapier, Make 같은 워크플로 도구에 Claude나 GPT를 연결하면 소규모 파일럿을 빠르게 구성할 수 있어요. - 예외 처리 규칙 문서화하기
AI 에이전트가 가장 자주 실패하는 지점은 예외 상황이에요. "이런 경우엔 사람이 처리한다"는 규칙을 명확히 정의해두면 에이전트의 신뢰도가 크게 올라가요. - 자동화 전후 시간 측정하기
Lassie가 "연 25만 시간"을 말할 수 있는 건 측정했기 때문이에요. 도입 전후의 처리 시간을 측정해두면, 비용 절감 효과를 객관적으로 증명할 수 있어요.
