엔드투엔드 AI 지원 간호 워크플로 및 임상 적용 — 간호에서의 인공지능

이득:

환자 입원부터 퇴원까지 워크플로우의 모든 단계에서 현장 및 경계 내에서 인공지능을 통합하는 능력
진료소/서비스 규모에서 신속한 라이브러리, 검증 프로토콜 및 개인정보 보호 정책을 수립하는 능력
인공지능 지원 치료에 대한 환자의 안전, 책임 및 신뢰를 유지하는 감사 문화를 설계하는 능력

이전 단원에서는 환자 모니터링, 치료 계획, 교육, 인계, 약물 안전, 선별, 절차, 개인 정보 보호, 동의 및 의사소통 등 개별 간호 영역에서 AI의 사용을 시연했습니다. 이 최종 장치는 모든 것을 결합합니다. 입원부터 퇴원까지 환자의 여정에서 인공 지능을 어떤 한계 내에서, 어떻게, 어떤 한계 내에서 사용할 것인지 엔드 투 엔드 워크플로로 설계합니다. 또한 이를 서비스/클리닉 규모에서 지속 가능하게 만드는 프롬프트 라이브러리, 인증 프로토콜 및 개인 정보 보호 정책과 같은 구조를 확립하게 됩니다. 기본 원칙은 변함이 없습니다. AI는 모든 단계에서 도움이 됩니다. 환자의 안전, 책임 및 결정은 항상 유능한 사람에게 있습니다.

환자 여정 전반에 걸친 인공 지능

환자의 병원 여정을 단계별로 나누어 각 단계별로 인공지능의 역할과 한계를 살펴보자.

무대

인공지능의 보조 역할

한도/적격 승인

입원/분류

불만 사항, 위험 신호 알림 구성

범주 평결: 유능한 인력

첫 번째 리뷰

중요한 데이터 편집, 관찰 제목 알림

임상 평가: 간호사/의사

유지 관리 계획

진단/대상/개입 개요

개인화 및 승인: 담당간호사

추적

추세 요약, 조기 경고 지원

악화 결정: 간호사/의사

의학

체크리스트, 상호 작용 개요

복용량 및 순서: 의사 + 간호사 확인

회전율

SBAR 규제

확인 및 서명: 간호사

훈련/해제

재료 단순화, 번역

의학적 정확성: 의사의 지시 + 기관

연락처

리허설, 언어 편집

공감과 결단: 간호사

이 표는 인공지능이 모든 단계에서 의사결정자가 아니라 모든 단계에서 준비자이자 촉진자임을 보여줍니다. 워크플로우를 설정할 때 '인공지능은 무엇을 준비하고, 누가 결정을 내리는가'라는 질문을 모든 단계에서 명확하게 유지해야 한다.

서비스 규모의 세 가지 기본 구조

분산되어 있으면 개별적인 좋은 사용이 지속될 수 없습니다. 서비스를 보호하려면 세 가지 구조가 필요합니다.

프롬프트 라이브러리. 테스트를 거쳐 안전한 서비스 프롬프트 템플릿이 공통 장소(SBAR, 유지 관리 계획 초안, 교육 자료, 체크리스트)에 수집됩니다. 모든 사람이 동일하고 제한된 템플릿을 사용합니다. 품질은 일관됩니다.
인증 프로토콜. "검증 방법"은 각 출력 유형, 즉 누가 치료 계획을 승인하는지, 복용량을 확인하는 방법, 기록에 서명하는 사람에 대한 서면 규칙이 됩니다. 검증은 더 이상 개인에 의존하지 않고 시스템에 내장됩니다.
개인 정보 보호 정책. 사용할 수 있는 도구, 데이터의 익명화 방법, 공유할 수 없는 항목에는 명확한 규칙이 적용됩니다. 모든 사람은 동일한 개인 정보 보호 표준을 준수합니다.

팁: 좋은 AI 문화의 척도는 속도가 아니라 보안입니다. 서비스는 인공 지능을 통해 속도가 얼마나 빨라지는가가 아니라 인공 지능에 대한 보안에 중요한 결정을 잃지 않고 얼마나 일관되고 안전하게 작동하는지에 따라 측정됩니다.

세 개의 미니 케이스

사례 1 — 통합 교대. 간호사는 교대근무를 시작합니다. 그녀는 인공 지능으로 SBAR 초안을 구성 및 확인하고, 환자의 활력 추세를 요약하고, 자신의 임상 평가를 수행하고, 퇴원을 위한 교육 자료를 단순화하고 의사의 지시에 따라 이를 확인합니다. 모든 단계에서 인공지능은 시간을 절약해 줍니다. 모든 결정은 간호사가 내립니다. 교대는 빠르고 안전하게 진행됩니다.

사례 2 - 프롬프트 라이브러리의 힘. 서비스는 공통 프롬프트 라이브러리를 설치합니다. 새로 도착한 간호사는 검증된 템플릿을 사용하여 첫날부터 일관되고 잘 정의된 결과를 생성합니다. 개인적인 시행착오의 오류는 방지됩니다. 교훈: 공유 건설은 모든 사람에게 품질과 안전을 전파합니다.

사례 3 — 실수 방지. 검증 프로토콜 덕분에 간호사는 주문 비교 단계에서 인공지능이 생성한 투여량 일정에 오류가 있음을 감지할 수 있다. 프로토콜이 없으면 오류가 전달되었을 수 있습니다. 교훈: 서면 검증 프로토콜은 사람이 피곤하거나 서두르더라도 안전망을 제공합니다.

단계별: 자신만의 작업 흐름 설정

환자의 여정을 떠나십시오. 입학부터 퇴원까지의 단계.
각 단계에서 역할을 결정합니다. 인공지능은 무엇을 준비하고 있나요?
각 단계에서 한도를 설정합니다. 누가 결정을 내리고, 누가 승인합니까?
프롬프트 라이브러리를 설치합니다. 시도했지만 제한된 템플릿입니다.
인증 프로토콜을 작성합니다. 각 출력을 확인하는 방법은 무엇입니까?
개인 정보 보호 정책을 구현하고 정기적으로 검토하십시오.

복사 가능한 템플릿 4개

작업: 다음 서비스에 대한 AI 사용 맵 초안 작성: 환자 여정의 각 단계에서 AI의 지원 역할 및 의사 결정. 절대로 인공지능에게 의사결정 역할을 맡기지 마세요. 서비스: [...]

작업: 다음 출력 유형(누가 무엇을, 어떤 소스로 확인하는지, 누가 서명하는지)에 대한 확인 프로토콜 초안을 작성합니다. 안전에 중요한 단계를 눈에 띄게 표시하세요. 출력 유형: [SBAR / 치료 계획 / 복용량 일정 / 교육 자료]

작업: 당사 서비스에 대한 개인 정보 보호 정책 체크리스트를 준비합니다. 어떤 도구, 어떻게 익명화할 수 있는지, 무엇을 공유할 수 없는지, 누가 책임을 맡는지.컨텍스트: [...]

작업: 다음 프롬프트 템플릿을 서비스 라이브러리에 추가하기 전에 보안을 확인하세요. 의사 결정 역할이 포함되어 있는지, 비식별화를 상기시키는지, 확인 메모가 있는지 확인하세요. 누락된 항목을 표시하세요. 템플릿: [...]

약한 프롬프트 / 강한 프롬프트

약함: "우리 서비스에서 인공지능을 어떻게 활용할 것인지에 대한 계획을 작성하세요."

Strong: "다음 서비스의 경우 AI의 지원 역할만 포함하고 환자 여정의 각 단계(입원, 후속 조치, 관리 계획, 투약, 인계, 퇴원)에서 결정을 내리는 사람만 포함하는 사용 지도 초안을 작성하세요. 모든 단계에서 AI를 의사 결정자로 만들지 마세요. 각 단계마다 확인 및 개인 정보 보호 메모를 추가하세요. 이 초안을 팀과 함께 검토하겠습니다."

강력한 프롬프트에서는 워크플로가 여러 단계로 나누어지고 결정은 인간의 손에 맡겨지며 처음부터 검증과 개인 정보 보호가 구축됩니다.

일반적인 실수

인공지능을 한 단계에서 의사결정자로 만드는 것입니다. 모든 단계에서 결정은 개인의 몫이어야 합니다.
감독되지 않은 프롬프트 라이브러리 확장. 템플릿의 보안을 확인해야 합니다.
확인은 개인에게 맡깁니다. 프로토콜은 체계적으로 작성되어야 합니다.
개인 정보 보호 정책을 잊어버렸습니다. 도구 및 데이터 규칙은 명확해야 합니다.
안전보다 속도를 먼저 생각하세요. 그 척도는 일관성과 보안입니다.

파일럿 애플리케이션: 소규모로 시작하여 규모 확대

갑자기 어디서나 인공지능을 서비스에 도입하는 것은 위험합니다. 더 안전한 방법은 소규모 파일럿으로 시작하는 것입니다. 즉, 위험도가 낮은 단일 작업(예: 환자 교육 전단지 단순화)을 선택하고 제한된 팀과 함께 시도하면서 무엇이 효과가 있고 오류 위험이 있는지 관찰하는 것입니다. 파일럿 전반에 걸쳐 “인공지능이 어디에서 시간을 절약했는지, 어디에서 잘못됐는지, 어떤 검증 단계가 필요했는지” 등의 질문이 이어졌다. 답변됩니다. 작동이 입증되면서 검증 프로토콜과 함께 다른 작업으로 확산됩니다. 이 단계별 접근 방식은 신뢰를 구축하고 대규모 오류를 방지합니다.

조종사의 성공을 측정할 때는 올바른 질문을 하는 것이 필요합니다. 측정 기준은 "얼마나 더 빨라졌는가"가 아니라 "환자의 안전을 보호하면서 얼마나 일관되고 적은 부하로 작업할 수 있었는가"입니다. 잘못된 측정(속도만)은 위험한 지름길을 조장합니다.

지속적인 학습 및 검토

AI 도구는 빠르게 변화합니다. 오늘 올바른 습관이 내일 업데이트될 수도 있습니다. 그렇기 때문에 서비스의 인공지능 문화는 정적인 것이 아니라 살아 있어야 합니다. 프롬프트 라이브러리는 정기적으로 검토되어 쓸모 없거나 위험한 템플릿을 제거하고 새로운 요구에 맞게 안전한 템플릿을 추가합니다. 발생한 임박한 오류(확인 단계에서 문제가 어떻게 발견되었는지)는 팀과 공유됩니다. 이를 통해 모든 사람이 배울 수 있습니다. 새로운 직원은 라이브러리 및 프로토콜과 함께 교육을 받습니다. 따라서 인공 지능의 사용은 개인적이고 분산된 습관이 아니라 공통적이고 감독되며 지속적으로 개선되는 서비스 기능으로 전환됩니다.

가장 중요한 것은 이 전체 구조에서 변하지 않는 유일한 것을 보존하는 것입니다. 결정과 책임은 그 사람에게 있습니다. 도구가 발달하더라도 환자 머리에 있는 간호사의 눈과 판단력, 양심은 인공지능이 결코 채울 수 없는 곳이다.

요약하면

인공지능은 환자 입원부터 퇴원까지 모든 단계에서 준비자이자 가속기입니다. 그러나 그는 어떤 단계에서도 의사결정자가 아닙니다. 안전한 엔드투엔드 워크플로우를 통해 모든 단계에서 "AI는 무엇을 준비하고, 누가 결정을 내리는가"라는 질문을 명확하게 유지합니다. 서비스 규모의 유지 관리 가능성은 공통 프롬프트 라이브러리, 서면 인증 프로토콜, 명확한 개인 정보 보호 정책이라는 세 가지 구조에 의존합니다. 좋은 문화의 척도는 속도가 아니라 보안에 중요한 결정을 잃지 않고 일관된 보안을 유지하는 것입니다.

응용과제

자신의 서비스를 위한 엔드투엔드 AI 사용 맵 초안을 작성하세요. AI의 역할, 한계, 환자 여정의 각 단계에서 결정을 내리는 사람을 작성하세요. 그런 다음 (1) 출력 유형에 대한 인증 프로토콜 초안을 작성하고, (2) 서비스에 대한 개인 정보 보호 정책 체크리스트를 준비하고, (3) 프롬프트 템플릿의 보안을 확인하고 결함이 있는 경우 플래그를 지정합니다. 이를 팀과 공유할 수 있는 형식으로 만드세요.

체크리스트

[ ] 나는 환자의 여정을 여러 단계로 나누었습니다.
[ ] 각 단계에서 인공지능의 조연 역할을 설명하였습니다.
[ ] 각 단계에서 누가 결정을 내렸는지 결정했습니다.
[ ] 프롬프트 라이브러리의 초안을 만들었습니다.
[ ] 검증 프로토콜을 작성했습니다.
[ ] 개인정보 보호정책 체크리스트를 준비했습니다.
[ ] 속도가 아닌 일관된 안전성을 측정했습니다.

모듈 시험

1. 간호사가 인공지능에게 생체신호를 보내며 '이 환자의 진단명은 무엇이며, 어떤 약을 시작해야 합니까?'라고 묻습니다. 가장 올바른 접근 방식은 무엇입니까?

A) 인공 지능을 사용하여 중요한 데이터를 요약하고 의사에게 보고할 내용을 정리합니다. 진단과 치료 결정은 유능한 의사에게 맡기세요 ✔
나) 인공지능이 내린 진단을 환자 파일로 처리
다) 의사에게 묻지 않고 인공지능이 같은 약을 두 번 추천한 경우
D) 의사의 승인을 생략하고 처리 속도를 높이는 행위

설명: 진단과 치료 시작은 안전이 중요한 의학적 결정이며 의사의 권한에 속합니다. AI는 중요한 데이터를 요약하고 추세를 보여주며 의사에게 보고하는 과정을 간소화하는 데 사용될 수 있습니다. 그러나 진단과 약물치료는 임상검사와 담당 의사의 승인을 거쳐 결정됩니다. AI 출력은 이 결정을 대체하지 않습니다.

2. 인공지능이 소아에게 약물의 복용량을 계산하도록 했을 때 명확한 수치를 제공했습니다. 이 용량을 투여하기 전에 무엇을 해야 합니까?

A) 인공지능이 명확한 숫자를 알려주기 때문에 바로 적용이 가능하다.
B) 다른 환자에게서 기억하는 값으로 선량을 변경합니다.
C) 의사 지시, 현재 약물 참조 및 기관 프로토콜을 통해 복용량을 독립적으로 확인하고 필요한 경우 두 번째 간호사 확인을 받습니다. ✔
D) 다시 인공지능에게 같은 질문을 하고 평균을 낸다.

설명: 약물 복용량은 안전에 매우 중요합니다. AI는 선량 계산을 혼동하거나 체중/연령 요소를 잘못 적용하거나 값을 환각시킬 수 있습니다. 복용량은 항상 의사의 지시와 현재 약물 참조/기관 프로토콜에 의해 독립적으로 확인되어야 하며, 필요한 경우 두 번째 간호사 확인을 통해 확인되어야 합니다.

3. 인공 지능을 사용하여 SBAR 형식으로 교대근무 보고서 초안을 작성했습니다. 공식 등록을 하기 전 가장 좋은 태도는 무엇입니까?

가) 초안을 그대로 기록한다.
나) 인공지능이 작성했기 때문에 값을 확인하지 않음
다) 이관보고서를 읽지 않고 다음 교대로 전달하는 행위
D) 모든 정보와 관찰 내용을 환자의 실제 데이터와 비교, 수정, 검증하고 서명합니다 ✔

설명: 환자기록부 및 이송보고서는 법적 가치가 있는 문서입니다. AI는 빠르고 일관된 초안 뼈대를 생성할 수 있습니다. 그러나 모든 정보, 수치, 관찰 내용은 담당 간호사가 환자의 실제 데이터와 비교 및 수정하고 간호사가 확인하고 서명해야 합니다.

4. 공개되지 않은 환자 파일(이름, ID, 진단명, 영상)을 클라우드 기반 인공지능 도구에 제공해야 하는 경우 개인정보 보호 측면에서 가장 좋은 행동은 무엇입니까?

가) 전체 파일과 환자번호를 그대로 업로드
B) 개인 정보 보호 정책을 읽지 않고 무료 도구 사용
다) 교육에 사용되지 않는 기관 승인 도구로 맥락을 비식별화하고 최소한의 필수 데이터만 공유 ✔
라) 진단의 정확성을 위해 ID와 이름을 부여해야 한다고 가정

설명: 건강 데이터는 특별한 개인 데이터이며 법적 보호를 받습니다. 컨텍스트를 비식별화(이름, ID, 날짜, 위치 등의 식별자 삭제)하고, 교육에 데이터를 사용하지 않는 기관에서 승인하고 정책을 준수하는 도구를 선택하고, 필요한 최소한의 데이터만 공유해야 합니다.

5. 인공지능이 생성한 간호계획 초안에 대한 가장 정확한 태도는 무엇인가?

A) 초안을 초기 틀로 삼아 환자에게 맞춤화하고 임상적 판단으로 확인 ✔
B) 계획을 모든 환자에게 그대로 적용
C) 환자의 데이터를 보지 않고 계획을 수락
D) 제도적 기준과 비교하지 않고 이니셔티브를 실행한다.

설명: AI NANDA 진단은 대상 및 개입에 대한 골격을 신속하게 생성할 수 있습니다. 그러나 계획에는 환자의 실제 데이터, 우선순위 및 제도적 기준이 반영되지 않을 수도 있습니다. 담당 간호사는 환자에게 계획을 개별화하고 임상적 판단을 통해 이를 검토하고 승인해야 합니다.

6. 조기경보 점수(EWS/NEWS 등)를 계산할 때 인공지능을 활용하는 가장 적절한 방법은 무엇입니까?

A) 점수를 사용하여 중요한 데이터를 정리하고 추세를 보여줍니다. ✔ 환자의 평가와 결정은 간호사와 의사에게 맡기세요.
나) 점수가 정상이므로 환자를 보지 않고 합격
다) 인공지능의 점수에 따라 자발적으로 치료법을 변경하는 것
D) 임상적인 의심은 제쳐두고 점수에만 의존

설명: 조기 경고 점수는 선별 지원입니다. 이것만으로는 환자의 임상 상태를 판단할 수 없습니다. 인공지능은 필수 데이터를 정리하고 추세와 점수를 보여주는 데 도움을 줄 수 있지만, 환자를 보고 평가하고 악화 여부를 판단하는 것은 간호사와 의사의 몫이다. 점수가 정상으로 나타나더라도 임상적 의심이 우선합니다.

7. 건강문해력이 낮은 환자를 위한 인공지능 퇴원훈련 자료를 준비하셨습니다. 환자에게 투여하기 전에 가장 중요한 단계는 무엇입니까?

A) 소재에 의지해 깔끔하고 심플하게 보이도록
나) 의사의 지시와 기관이 승인한 정보를 각 의료지시에 확인하고, 피드백을 통해 환자의 이해도를 확인한다. ✔
다) 인공지능이 작성했기 때문에 확인하지 않고 지시하는 행위
라) 환자가 요청하지 않는 한 복약시간을 공개하지 않는다.

설명: AI는 언어를 단순화하는 데 능숙하지만 잘못된 복약 시간, 잘못된 복용 지시 또는 기관에 맞지 않는 권장 사항이 포함될 수 있습니다. 자료에 포함된 각 의료 지침은 의사의 지시와 기관에서 승인한 정보를 통해 검증되어야 합니다. 그런 다음 환자가 이해했는지 여부를 티치백(teach-back) 방법으로 확인해야 합니다.

8. 응급실 환자를 위해 인공지능에 불만 사항과 소견을 전달하고 분류 항목을 요청할 때 가장 건전한 접근 방식은 무엇입니까?

가) 인공지능이 부여한 카테고리를 직접 적용
B) AI를 사용하여 정보를 정리하고 위험 신호를 상기시킵니다. 검사 및 임상평가를 통해 최종 분류 결정 ✔
C) AI가 위험 신호를 보지 못하는 경우 위험 신호를 무시합니다.
라) 시험을 생략하고 인공지능의 텍스트에만 의존하는 행위

설명: 분류 범주 및 긴급 결정은 환자의 생명 안전에 직접적인 영향을 미치는 임상 평가이며 유능한 의료 인력의 책임입니다. AI는 정보를 정리하고 위험 신호 증상을 상기시키는 데 사용될 수 있습니다. 그러나 최종 범주는 검사와 임상 평가를 통해 결정됩니다.

9. 인공지능이 임상 과정의 단계를 요약하도록 했습니다. 구현 전 가장 좋은 행동은 무엇입니까?

A) 요약 내용을 신뢰하고 적용하여 유창하게 보이도록 하세요.
B) 인공지능이 걸음 수를 알려주기 때문에 걸음 수를 올바르게 계산합니다.
다) 환자에게 시술을 시도해보고 결과에 따라 결정한다.
D) 현재 기관 프로토콜 및 증거 기반 가이드의 각 단계와 리소스 확인 ✔

설명: AI는 일반 지식의 절차 단계를 요약하고 오래되었거나 조직에 적합하지 않은 단계를 반환할 수 있습니다. 각 단계와 그 출처는 현재 기관 프로토콜과 증거 기반 지침을 통해 확인되어야 합니다. 검증된 소스에 따라 절차가 적용됩니다.

10. 간호에서 인공지능을 안전하게 활용하는 가장 실용적인 방법인 '위험 구역 분리' 접근 방식 중 레드(안전 필수) 구역의 가장 적절한 예는 무엇입니까?

A) 환자 브로셔의 언어 단순화
B) 교대 노트 형식 편집
C) 약물 복용량 결정 및 치료 결정 ✔
라) 회의 요약을 항목별로 나누기

설명: 안전 영역은 위험도가 낮은 보조 작업(교육 텍스트 초안 작성, 메모 편집)입니다. 노란색 영역은 확인이 필요한 초안입니다. 레드존은 진단, 약물복용량, 분류 결정 등 생명안전에 직접적인 영향을 미치는 결정으로, 유능한 전문가의 승인이 필요한 결정이다. AI는 여기서 마지막 단어를 가지고 있지 않습니다.

11. 의약품 응용 분야에서 인공지능을 활용한 체크리스트를 작성할 때, 리스트의 중심에 둬야 할 원칙은 무엇인가요?

A) 올바른 환자, 올바른 약물, 올바른 복용량, 올바른 경로, 올바른 시간 원칙 ✔
나) 약물을 투여하는 가장 빠른 방법
다) 인공지능이 제시하는 명령을 맹목적으로 따르는 것
D) 교대근무 종료 시 1회만 점검 수행

설명: 약물 안전의 기본은 '올바른' 원칙입니다: 올바른 환자, 올바른 약물, 올바른 복용량, 올바른 경로, 올바른 시간(및 기록). AI는 이러한 원칙을 상기시키는 체크리스트를 생성하는 데 도움을 줄 수 있습니다. 다만, 각 신청은 간호사의 본인 확인과 의사의 지시에 따라 이루어집니다.

12. 환자 및 가족과의 어려운 대화를 준비할 때 인공지능을 활용하는 가장 좋은 방법은 무엇입니까?

A) 인공지능이 쓴 텍스트를 리허설 없이 환자에게 한 마디 한 마디 읽어주는 것
나) 공감은 전적으로 인공지능에게 맡긴다
다) 의사와의 조율 없이 인공지능 문자로 나쁜 소식을 전하는 행위
라) 의사소통 리허설과 언어 편집을 위해 인공지능을 활용하고 공감과 임상적 판단으로 텍스트를 완성한다 ✔

설명: 인공지능은 의사소통 연습, 언어 편집, 가능한 질문 예측을 위한 도구로서 가치가 있습니다. 그러나 진정한 공감, 인내심 있는 독서, 임상적 판단은 인간에게 속합니다. 인공지능이 생산하는 텍스트는 시작이며 기관과 윤리의 테두리 안에서 간호사의 인간적 손길로 완성되어야 한다. 나쁜 소식을 전하는 등의 상황은 의사와 협의하여 진행됩니다.

13. AI는 간호 질문에 매우 자신감 있고 상세한 답변을 제공했습니다. 이 '자신감 있는' 톤은 무엇을 의미하나요?

A) 대답은 절대적으로 정확합니다
B) 소스 제어가 필요하지 않습니다.
C) 어조는 정확성의 증거가 아닙니다. ✔ 정보는 여전히 출처와 프로토콜을 통해 확인되어야 합니다.
라) 인공지능은 이 분야에 특화되어 있다.

설명: 언어 모델은 진실을 모르더라도 유창하고 자신감 있는 텍스트를 생성합니다. 이 톤은 정확성의 증거가 아닙니다. AI는 품목, 가치 또는 자원을 환각으로 나타낼 수 있습니다. 자신감 있는 진술이 검증을 불필요하게 만들지는 않습니다. 모든 임상 정보는 최신 출처와 프로토콜을 통해 확인되어야 합니다.

14. 환자 안전 측면에서 지속 가능한 서비스에 인공지능을 활용하기 위해 구축해야 할 기본 구조는 무엇입니까?

A) 각 간호사는 비지도 인공지능을 자신만의 방식으로 활용한다.
B) 공통 프롬프트 라이브러리, 검증 프로토콜 및 개인 정보 보호 정책을 수립하고 유능한 승인을 통해 보안에 중요한 출력을 마감합니다. ✔
다) 인공지능 출력물을 기록하지 않고 바로 유지보수팀으로 전달
라) 중대한 사건이 발생한 이후에만 검증을 고려한다.

설명: 인공 지능의 분산 및 통제되지 않은 사용은 오류 및 개인 정보 보호의 위험을 확대합니다. 서비스 규모에서는 공통 프롬프트 라이브러리, 각 출력 유형에 대한 인증 프로토콜, 명확한 개인정보 보호/기밀유지 정책을 설정하고 유능한 승인을 통해 각 보안에 중요한 출력을 종료하는 것이 필수적입니다.