약사도 이제 AI 툴을 직접 만드는 시대, 답은 바이브코딩이라는 주장

• AI가 약국 업무까지 꽤 직접적으로 흔들고 있다는 얘기가 나옴

  • 장동인 KAIST AI 대학원 책임교수는 경기약사학술대회에서 약사가 AI를 ‘쓰는 사람’에 머물면 안 되고, AI에게 일을 시킬 줄 아는 쪽으로 가야 한다고 봄
  • 기사에서 제시된 키워드는 바이브코딩(Vibe Coding). 코딩을 몰라도 한국어로 만들고 싶은 도구를 설명하면 AI가 앱이나 양식을 만들어주는 방식임

• 배경은 꽤 현실적임. 약사가 외워야 할 정보량이 계속 폭증한다는 것

  • AI가 신약 개발 기간을 기존 10년 수준에서 7년 이내로 줄이고 있어 신약 출시 속도가 빨라질 수 있다는 전망이 나옴
  • 표준 처방도 유전형, 생활습관을 고려한 정밀 처방으로 넘어가면서 약사는 단순 전달자가 아니라 ‘이 환자에게 왜 이게 맞는지’ 해석하는 사람이 돼야 한다는 주장임

• 약국의 기존 강점도 AI와 제도 변화 때문에 약해질 수 있음

  • 조제 자동화와 처방 검증 고도화는 약사의 반복 업무를 줄이는 동시에 기존 업무의 가치를 낮출 수 있음
  • 환자는 ChatGPT나 Claude 같은 생성형 AI로 약물 정보를 바로 검색할 수 있고, 비대면 진료 제도화는 약국 위치가 주는 우위도 흔들 수 있음

• 그래서 장 교수는 약사의 역할을 ‘정보 제공자’에서 ‘경험 설계자(Experience Designer)’로 바꿔야 한다고 말함

  • 초고령 사회에서 다제 복용 환자 관리, 방문약료 같은 영역은 AI가 완전히 대체하기 어려운 휴먼 터치가 남는 분야로 제시됨
  • 약사가 환자의 건강 여정을 보고 상담, 복약, 생활습관, 신뢰 관계까지 설계하는 쪽으로 가야 한다는 얘기임

• 대응 전략으로는 PACT 프레임워크가 나옴

  • P는 AI 도구를 단계적으로 익히는 Proficiency
  • A는 단순 업무를 AI에 넘기고 상담 같은 고부가 업무에 시간을 다시 배치하는 Adaptation
  • C는 신뢰와 공감을 기반으로 환자 관계를 강화하는 Connection
  • T는 면허 전문가로서 최종 판단과 검증 책임을 지는 Trust임

• 현재 약사 사회의 AI 활용은 검색이나 문서 생성 수준에 머무는 경우가 많다고 봄

  • 장 교수는 여기서 한 단계 더 가서 4단계인 바이브코딩으로 넘어가야 한다고 제안함
  • 예시로 고혈압 복약 캘린더, 일반의약품(OTC) 추천 트리, 신약 정보 요약 카드 같은 약국 맞춤형 도구가 언급됨
  • 기사에서는 이런 도구를 5분 만에 만들 수 있다는 식으로 설명됨. 약국별 반복 업무를 작게 자동화하는 데 초점이 있음

• 개발자 관점에서 재밌는 건 ‘도메인 전문가가 직접 내부 도구를 만든다’는 흐름임

  • 개발팀이 모든 현업 요청을 받아서 만드는 대신, 현업이 AI로 1차 도구를 만들고 개발자는 보안, 데이터 흐름, 배포, 검증 체계를 잡는 그림이 될 수 있음
  • 특히 약국처럼 규제가 강한 현장에서는 “AI로 만들 수 있냐”보다 “어떤 데이터를 어디까지 넣어도 되냐”가 실제 도입의 핵심임

---

기술 맥락

• 여기서 바이브코딩은 개발자를 완전히 대체한다기보다, 약사가 자기 업무를 작은 도구로 빠르게 바꾸는 선택에 가까워요. 약국마다 복약 안내 방식, 환자 유형, 자주 받는 질문이 다르기 때문에 범용 SaaS보다 작고 맞춤형인 도구가 더 잘 맞을 수 있거든요.

• 중요한 건 의료 데이터 경계예요. 환자 이름이나 처방 상세 같은 민감정보를 외부 AI에 넣는 순간 생산성 문제가 아니라 개인정보보호와 책임 문제가 돼요. 그래서 실제 구현에서는 익명화, 로컬 처리, 접근 권한, 로그 관리 같은 운영 체계가 먼저 잡혀야 해요.

• 개발자에게는 현업 주도 도구 제작 흐름을 어떻게 받아들일지가 포인트예요. 현업이 만든 초안을 그대로 운영에 올리는 게 아니라, 개발팀이나 보안 담당자가 검증 가능한 형태로 템플릿, 승인 절차, 데이터 입력 제한을 제공해야 실무에서 버틸 수 있어요.