치과의사신문 + 덴탈위키 공동기획 「노션 기반 치과 경영관리 시스템 구축」 ②
현재 LLM 시장의 경쟁 구도는 OpenAI의 ChatGPT, Google의 Gemini, Anthropic의 Claude 3강 체계다.
ChatGPT가 시장 개척의 원조로서 다방면에 능하다면, Gemini는 구글 생태계 확장성과 멀티모달을 고려할 때 강점을 보이고, Claude는 바이브 코딩 품질과 글쓰기에 경쟁 우위를 보인다.
AI를 조직 혁신과 경력 개발에 도입할 때 먼저 고민하는 것은 ChatGPT, Gemini, Claude 셋 중 무엇을 Main AI로, 무엇을 Sub AI로 구독할지 결정하는 일이다. 얼핏 보면 치과 AI 전환에 이 고민은 타당해 보이며, 그 고민의 대상에 노션 AI는 포함돼 있지 않을 것이다. 노션 AI는 AI Foundation 시장의 Major Player들과 겸상하기에는 시장 위상이 상대적으로 낮아 보이는 것이 사실이다.
이런 사실에도 불구하고 치과병·의원 AI 도입에서 새로운 관점을 제기하고자 한다.
- 제1 관점 : ChatGPT vs Gemini vs Claude
- 제2 관점 : Notion AI vs Others(ChatGPT/Gemini/Claude)
현재 LLM(Large Language Model)의 한계는 두 가지다.
- 첫째, Context Window의 한계다.
- 둘째, Hallucination(환각 현상)이다.
LLM 채팅 진행 시 하나의 주제로 이어지는 대화 영역을 세션(Session)이라고 한다. 한 세션당 처리할 수 있는 정보의 범위를 Context Window라고 한다. Context Window는 비용 측면에서는 소비되는 토큰의 양이며, 정보 처리 측면에서는 기억력의 한계라고 볼 수 있다. 대화가 길어질수록 중요한 맥락이 희석되거나 누락될 가능성이 높아진다.
LLM 채팅 진행 시 사용자 질문에 대해 LLM은 사전 학습 데이터와 웹 검색 데이터를 조합하여 답변한다. Hallucination은 사실과 다른 내용을 그럴듯하게 생성하는 환각 현상을 말한다. 이는 확률 기반의 언어 생성 방식과 학습 데이터의 편향, 추론 과정의 한계가 복합적으로 작용한 결과다.
노션 AI는 위에서 제기된 LLM의 두 가지 구조적 문제를 보완할 수 있는 현실적인 대안을 제시한다. 노션 AI 역시 LLM을 기반으로 동작하지만, 일반적인 채팅형 AI와 달리 워크 스페이스 내에 축적된 데이터를 검색하고 참조할 수 있다. 따라서 외부 정보에 의존하는 비중을 줄이고 조직 내부의 검증된 데이터를 활용함으로써 답변의 신뢰도를 높일 수 있다.
또한 LLM 채팅이 개별 세션 중심으로 작동하는 반면, 노션 AI는 워크스페이스 전반에 축적된 문서와 데이터베이스를 검색·참조할 수 있다. 이는 Context Window 자체의 한계를 해결하는 것은 아니지만 사용자가 체감하는 기억력의 한계를 크게 완화한다.
노션의 마케팅 슬로건은 ‘All-In-One Workspace’다. ‘All-In-One’은 Workspace를 수식하는 형용사구다. ‘모든 것을 하나로 모은다’는 의미는 단순히 파일을 한곳에 저장한다는 뜻이 아니다. PC와 클라우드 환경에 분산된 다양한 유형의 파일과 정보를 데이터베이스 구조 안에서 연결하고 관리한다는 의미에 가깝다.
노션 AI가 치과 AI 혁신을 일으키는 실질적인 도구로 기능하기 위해서는 다음과 같은 전제가 충족되어야 한다.
기존에 PC나 클라우드 환경의 여러 폴더에 분산 저장된 다양한 유형의 파일들을 구조화된 형태로 노션 워크스페이스에 축적할 수 있다면, 노션 AI 챗봇은 시대 정신에 부합하는 디지털 지식 관리의 새로운 지평을 보여줄 수 있을 것이다.
노션 AI는 데이터베이스 전체 차원, 속성 차원, 페이지 콘텐츠 차원에서 각각 기능할 수 있다. 노션 자체에서 데이터베이스를 설계하고 구축할 수도 있지만, Claude와 MCP(Model Context Protocol)를 연결하면 노션에서 수행하던 작업을 Claude를 통해 워크 스페이스 전체를 대상으로 수행할 수도 있다.
최근에는 Claude의 MCP 기능이 GUI 기반으로 제공되면서 사용자가 직접 MCP 코드를 작성하지 않아도 커넥터를 추가하는 방식으로 연동이 가능해지고 있다.
데이터베이스를 기획하고 생성하는 단계에서는 Claude를 활용하는 것이 효율적이며, 생성된 데이터베이스를 고도화하고 최적화하는 작업은 노션에서 수행하는 것이 효율적이다.
노션을 통계 플랫폼으로 사용하기에는 아직까지 트래픽과 성능 측면의 제약이 존재한다. 그럼에도 불구하고 노션에 통계 관리, 지식 관리, 업무 관리 등 치과병·의원의 모든 데이터를 통합 기록하고자 하는 이유는 분명하다.
궁극적으로 노션 워크스페이스에 치과병의원의 모든 정보를 모을 때 정보 분류 체계는 다음과 같은 카테고리로 구성될 수 있다.
- 노션 워크스페이스 정보관리 분류 체계
1. IS (Information System) : 통계 분석
2. OP (Operating Procedure) : 업무 지침
3. OS (Operating System) : 운영 체계
4. OB (Onboarding) : 직무 교육
5. KM (Knowledge Management) : 지식 체계
각 카테고리 내에서 실행되는 Workflow는 PDS Cycle을 기반으로 순환한다.
- P(Plan) : 계획 / ● D(Do) : 실행 / ● S(See) : 평가
예를 들어 노션 기반 SOP(Standard Operating Procedure, 표준운영지침)는 단순히 부서별·직책별 직무기술서와 직무분장표로 구성된 업무 매뉴얼에 국한되지 않는다.
업무 매뉴얼이 어디서, 언제, 무엇을, 누가, 누구에게, 어떻게 해야 하는지를 규정한다면, 직무기술서와 직무분장표로 정의된 행동이 개인 단위에서 실제로 실행되고 있는지 추적되어야 한다.
또한 실행되는 물리적 행동이 기대한 성과를 달성하고 있는지, 실제 문제를 해결하고 있는지 검증되어야 하며, 그 순환 구조 전체에 대한 유지보수와 지속적인 개선이 필요하다.
노션 워크스페이스에 정량적인 치과 수치 데이터와 정성적인 치과 문서 및 매뉴얼을 데이터베이스라는 구조적 포맷으로 기록할 수 있다면, 그 히스토리가 임계치 이상 축적되는 순간 노션 AI 챗봇은 단순한 검색 도구를 넘어선다.
그때 노션 AI는 치과병의원의 데이터를 이해하고, 기록을 연결하며, 필요한 정보를 찾아주고, 의사결정을 지원하는 AI 기반 디지털 운영체계의 핵심 플랫폼으로 기능하게 될 것이다. 그리고 그 지점에서 노션 AI는 치과병의원 AI 혁신과 디지털 혁신의 진원지가 될 수 있다.
치과의사신문 '치과경영 A to Z'에 연재된 글입니다. 원문 보기