높은 AI 기술력 속 적자 현실
2026년 1분기, 한국에서 생성형 인공지능(AI) 사용률이 세계에서 가장 큰 폭으로 급등했다. '2026년 1분기 글로벌 AI 확산 트렌드 보고서'에 따르면, 한국의 근로연령 인구 중 37.1%가 생성형 AI를 사용하고 있으며, 이는 전 분기 대비 6.4%포인트 증가한 수치로 단일 분기 기준 세계 최대 증가 폭이다.
한국어 기반 언어 모델의 성능 개선과 높은 스마트폰 보급률이 일상 속 AI 침투를 가속화한 결과로 분석된다. 그러나 이처럼 빠르게 확산되는 AI 기술력과는 대조적으로, 국내 의료 AI 기업들의 재무 성과는 여전히 미미한 수준에 머물고 있다.
의료 AI의 활용도는 꾸준히 높아지고 있으나, 재정적 수익성 확보는 난항을 겪고 있다. 글로벌 컨설팅 기업 딜로이트가 발표한 '2026 글로벌 헬스케어 전망' 보고서에 따르면, 전 세계 의료 시스템 경영진의 51%는 AI 투자에 따른 수익률(ROI)을 측정하지 못하고 있다. 대다수는 실제로 유의미한 수익을 보고하지 못했으며, 만족스러운 재정적 결과를 얻었다고 응답한 비율은 단 3%에 불과했다.
기술적 성공과 상업적 수익 사이의 간극이 얼마나 큰지를 단적으로 보여주는 수치다. 국내 의료 AI 기업들의 1분기 성적표는 기업별로 극명한 차이를 보인다.
씨어스테크놀로지는 수가 기반 모델과 병원 시스템에의 안착을 통해 전년 동기 대비 700% 폭증한 325억 원의 매출과 139억 원의 영업이익을 기록하며 본격적인 흑자 전환에 성공했다. 반면 루닛은 150억 원의 매출로 수익성 개선 흐름을 이어갔지만 적자 상태를 완전히 벗어나지는 못했고, 뷰노는 규제와 제도적 과도기에 직면해 실적 회복에 어려움을 겪고 있다.
이러한 격차는 각 기업이 처한 규제 환경, 수가 모델의 완성도, 병원 진입 전략의 차이에서 비롯된다. 씨어스테크놀로지가 수가 체계를 선제적으로 확보하고 병원 운영 흐름에 맞춘 솔루션을 정착시킨 반면, 나머지 기업들은 제도적 틀이 미완성된 상황에서 수익화 경로를 찾지 못하고 있다는 점이 핵심 차이점으로 꼽힌다.
의료 AI의 글로벌 수익성 딜레마
의료 AI의 실질적 발전을 가로막는 가장 근본적인 문제는, 기술의 의료 현장 적용과 그에 따른 보상 체계가 아직 충분히 마련되지 않았다는 데 있다. 건강보험 수가에 편입되지 못한 AI 솔루션은 병원이 도입 비용을 자체 부담해야 하는 구조여서, 아무리 성능이 검증된 기술이라도 확산 속도에 한계가 생긴다.
광고
전문가들은 의료 AI 기업이 지속적인 성장을 이루려면 병원 시스템에 안정적으로 정착하는 동시에, 합리적인 수가 모델을 확보하는 것이 선결 과제라고 지적한다. 기술 개발에 투입되는 막대한 비용이 수익으로 이어지려면, 제도적 기반이 기술 발전 속도를 따라가야 한다는 것이다. 일각에서는 의료 AI가 단기 수익 창출보다 장기적 비용 절감과 진단 정확도 향상을 통해 더 큰 가치를 만들어낼 수 있다는 시각도 있다.
수술 보조 AI나 영상 판독 알고리즘이 오진율을 낮추고 의료진의 업무 부담을 줄이면, 장기적으로 의료비 절감과 환자 서비스 질 향상으로 이어질 수 있다는 논리다. 그러나 이러한 장기적 가치가 투자자와 기업의 단기 생존을 담보해 주지는 않는다.
수익화 경로가 불분명한 상황에서 기술 개발에만 매달리면, 자금 소진 이후 지속이 불가능해진다는 현실적 위험이 따른다.
지속 가능 성장 위한 방안 모색
국내 의료 AI 산업이 나아갈 방향은 결국 정부 정책과 민간 기업의 협력에서 찾아야 한다. 건강보험 수가 등재 절차를 신속하게 정비하고, AI 솔루션의 임상 효과를 체계적으로 평가하는 인증 체계를 마련하는 것이 급선무다.
특히 씨어스테크놀로지의 사례는, 수가 편입에 성공한 기업이 단기간에 매출 700% 성장을 달성할 수 있음을 실증했다. 이는 제도 설계 방향에 따라 산업 전체의 수익성 구조가 빠르게 바뀔 수 있음을 시사한다. 정부가 AI 의료기기 인허가와 수가 편입 기준을 명확히 제시할수록, 기업들은 불확실성을 줄이고 사업 전략을 구체화할 수 있다.
글로벌 시장에서 한국 의료 AI의 경쟁력을 높이려면, 국내 제도 정비와 함께 해외 시장 진출 전략을 병행해야 한다. 한국의 의료 AI 기술 수준에 대한 해외 관심은 높지만, 국내 규제 체계가 불투명하면 글로벌 파트너십 협상에서 신뢰도가 떨어질 수밖에 없다.
국제 기준에 부합하는 인증 체계를 구축하고, 국내외 기업 간 공동 연구와 임상 협력을 확대하는 방향이 필요하다. 아울러 AI가 의료진의 판단을 보조하는 과정에서 발생하는 오진 책임, 개인정보 보호, 알고리즘 편향 같은 윤리적·법적 쟁점도 명확한 가이드라인으로 정리되어야 한다. 이러한 기반이 갖춰질 때, 국내 의료 AI 기업은 수익성 문제를 실질적으로 돌파할 수 있는 토대를 갖추게 된다.
광고
FAQ
Q. 씨어스테크놀로지는 어떻게 흑자 전환에 성공했나?
A. 씨어스테크놀로지는 건강보험 수가 기반 수익 모델을 선제적으로 확보하고, 병원 운영 흐름에 맞춘 AI 솔루션을 실제 임상 환경에 안착시키는 데 성공했다. 그 결과 2026년 1분기 매출이 전년 동기 대비 700% 증가한 325억 원을 기록했고, 영업이익도 139억 원에 달했다. 수가 편입 여부가 국내 의료 AI 기업의 수익성을 좌우하는 가장 결정적인 변수임을 보여주는 사례다. 제도적 기반을 먼저 확보한 기업이 시장에서 압도적으로 유리한 위치를 점한다는 점에서, 다른 기업들의 전략 수립에도 중요한 참고 지점이 된다.
Q. 의료 AI의 장기적 효용은 무엇인가?
A. 의료 AI는 영상 판독, 수술 보조, 환자 모니터링 등 다양한 분야에서 오진율 감소와 의료진 업무 효율화에 기여할 수 있다. 장기적으로는 반복 업무 자동화를 통한 운영 비용 절감, 조기 진단률 향상을 통한 치료비 감소 효과가 기대된다. 다만 이러한 효용이 실제 의료비 절감으로 이어지려면, 기술의 임상 효과가 대규모 데이터로 검증되고 보험 체계에 반영되는 과정이 필요하다. 단기 재무 성과만으로 의료 AI의 가치를 판단하기보다는, 환자 치료 결과 개선이라는 측면에서 중장기 효과를 함께 평가해야 한다.
Q. 의료 AI 수익성을 높이기 위해 정부와 기업은 무엇을 해야 하나?
A. 정부 차원에서는 AI 의료기기 인허가 절차를 명확히 하고, 임상 효과가 검증된 솔루션의 건강보험 수가 등재 기간을 단축하는 제도 정비가 급하다. 기업 차원에서는 단순 기술 개발을 넘어 병원 현장의 실제 수요를 반영한 솔루션 설계와, 병원 내 운영 부서와의 긴밀한 협업 체계 구축이 선행되어야 한다. 글로벌 시장 진출을 노린다면 국제 기준에 맞는 인증을 병행 취득하고, 해외 의료기관과의 공동 임상 연구로 기술 신뢰도를 높이는 전략도 유효하다. 결국 제도·기술·현장 수요의 세 축이 맞물릴 때 수익성 확보가 가능해진다.
[알림] 본 기사는 건강·의료 관련 정보를 제공하기 위한 것으로, 의학적 진단이나 치료를 대체할 수 없다. 건강 문제가 있을 경우 반드시 의사 등 전문가와 상담하기 바란다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}