송리나 Lina Song

의료는 왜 시장처럼 움직이지 않는가 - 채택을 결정하는 것은 기술이 아니라 압력의 구조다

2026-04-12T01:00:12Z

박사과정에서 처음 배운 것은 방법론이 아니었다. 의료에서는 좋은 제품이 곧바로 이기는 방식으로 세상이 움직이지 않는다는 사실이었다. 대부분의 산업에서 나쁜 결정은 빠르게 벌을 받는다. 서비스가 느린 식당은 다음 주에 손님을 잃는다. 리스크를 잘못 계산한 트레이더는 그날 돈을 잃는다. 피드백이 빠르다. 시장이 교정한다. 의료는 그렇게 작동하지 않는다.

미국 병원 COO는 뭘 원하는가 - 더 많은 데이터가 아니라, 설명 가능한 결정

2026-04-08T02:42:28Z

미국 병원 COO는 인력이 돌아가기를 원한다. 운영이 막히지 않기를 원한다. 규제 감사에서 안 걸리기를 원한다. 이건 누구한테 물어봐도 같은 대답이 나온다. Staffing shortage, throughput, compliance. 미국 병원 COO가 매일 아침 눈 뜨면서 생각하는 것들이다. 그런데 이 세 가지가 왜 반복적으로 흔들리는지를 추적하면,

작은 병원이 더 빨리 움직이는 이유 - 압력까지의 거리가 짧은 조직

2026-03-31T21:21:44Z

큰 병원은 모든 것을 갖추고 있다. 작은 병원은 거의 아무것도 없다. 그런데 더 빨리 움직이는 쪽은 종종 후자다. 대형 병원에는 Epic이 있다. Tableau가 있다. 데이터 분석팀이 있다. 거버넌스 위원회가 있다. 그런데 5화에서 말한 패턴은 대형 병원에서도 똑같이 나타난다. 의사결정의 근거는 회의실에서 사라진다. 인력 배치 정책이 바뀌었는데 왜 바뀌

조직을 지키는 것은 대개 장부에 없다 - 문서화, 재검토, 그리고 사라진 뒤에야 드러나는 가치

2026-03-29T03:56:16Z

지난주, Eric Ries의 강연을 들었다. 『Lean Startup』의 저자이자, 곧 출간되는 새 책 『Incorruptible』에 대한 이야기였다. 한 문장이 계속 남았다. 조직이 만드는 중요한 가치일수록 장부에는 늦게 나타난다. 때로는 아예 나타나지 않는다. 어떤 회사가 커뮤니티에 투자한다. 직무 이상의 교육을 제공한다. 생태계 전체에 도움이 되는

의료는 더 나은 것만으로 움직이지 않는다 - 결정의 설계

2026-03-24T16:33:36Z

더 좋은 제품이 결국 이기는 시장이 있다. 스마트폰이 피처폰을 밀어냈고, 스트리밍이 DVD를 밀어냈다. 소비자가 비교하고, 선택하고, 더 나은 쪽으로 이동하는 시장이다. 의료는 그렇게 움직이지 않는다. 병원 운영에 더 나은 도구가 있다고 해서 병원이 곧바로 그것을 선택하지는 않는다. 더 정확한 분석이 가능하다고 해서 기존 방식을 바꾸지도 않는다. 논문

모델은 맞았는데, 결정은 일어나지 않았다 - 모델은 20%, 조직이 80%다

2026-03-22T02:54:03Z

회의실에는 열 명이 앉아 있었다. 나는 세 가지 시나리오를 설명했다. 인력 재배치에 따른 비용 절감, 환자 대기 시간 변화, 초과근무 감소까지 숫자로 붙였다. 시뮬레이션은 명확했다. 반론이 나올 틈이 없었다. 발표를 마치자 누군가가 물었다. "그래서 이걸 누가 승인하죠?" 아무도 손을 들지 않았다. 그 순간 깨달았다. 문제는 모델 안이 아니라 회의

좋은 리더가 떠나면 같이 사라지는 것 - 결정은 남지 않는다

2026-03-20T03:18:27Z

10년차 팀장이 퇴사한다. 후임자가 와서 묻는다. "이 거래처랑은 왜 이 조건으로 계약하고 있어요?" 아무도 모른다. 계약서는 있다. 조건은 적혀 있다. 그런데 왜 그 조건이 선택됐는지는 적혀 있지 않다. "원래 그렇게 해왔어요." 이 문장이 나오는 순간, 그 조직은 판단이 아니라 관성으로 운영되고 있는 것이다. 이건 어느 회사에서나 벌어지는

좋은 결정은 뒤집을 수 있어야 한다 - 결정의 설계

2026-03-19T00:54:58Z

한 가지 장면을 상상해보자. 당신이 미국 병원 COO 앞에 서 있다. 인력 배치 시나리오 세 가지를 보여줬다. 각 시나리오의 비용, 환자 대기 시간 영향, 초과근무 감소 추정치까지 붙여서. COO가 슬라이드를 넘기지 않고 묻는다. "이 중 하나를 고른다고 합시다. 3개월 뒤에 상황이 바뀌면, 이 결정을 재검토해야 하는 시점을 어떻게 알죠?" 이 질문이

나는 실리콘밸리가 아니라 위스콘신에 왔다 - 병원 운영을 바꾸려는 사람이 서야 할 자리에 대하여

2026-03-14T02:28:02Z

나는 지금 미국 위스콘신주 매디슨에 산다. 8주짜리 미국 스타트업 액셀러레이터 프로그램에 들어와 있다. 사람들이 묻는다. 왜 샌프란시스코가 아니냐고. 왜 뉴욕이 아니냐고. 미국 진출이면 투자자가 있는 곳에 가야 하는 거 아니냐고. 맞는 말이다. 투자자를 만나러 간다면. 나는 병원을 만나러 왔다. 매디슨에서 차로 20분 거리에 Epic Syste

예측은 답이 아니다. - 더 똑똑한 AI가 더 나은 결정을 의미하지 않는 이유.

2026-03-10T19:26:08Z

우산을 사는 사람은 우비도 산다. 이 패턴을 발견하는 데 AI는 매우 뛰어나다. 수백만 건의 구매 데이터를 학습시키면, 우산 구매자에게 우비를 추천하는 모델을 만들 수 있다. 정확도도 높다. 문제는 이 모델이 비가 오는 이유를 모른다는 것이다. 비가 오니까 우산을 사고, 비가 오니까 우비를 산다. 우산이 우비의 원인이 아니다. 비가 원인이다. 그런데

데이터는 있다. 결정이 없다.

2026-03-04T14:31:39Z

대부분의 병원은 지난 분기에 무슨 일이 있었는지 알 수 있다. 병상 가동률 78%. 수술실 활용률 71%. 정형외과 서비스 라인의 인건비가 예산보다 2억 원 초과. 데이터는 있다 — Epic, Tableau, Power BI 대시보드 어딘가에. 과거를 보는 것은 더 이상 문제가 아니다. 미래를 계획하는 것도 마찬가지다. CFO 산하 재무팀이 예산 모델을