AI의 진짜 역할은 나쁜 가설을 빨리 죽이는 것이다
의료 데이터로 약국 입지 모델을 만들며 흔한 가설에서 출발했습니다. 약국이 몰린 곳은 과밀이라 위험하다는 포화 논리입니다. AI 에이전트에게 처방 수천만 건과 폐업 이력, 인구 통계로 검증을 시켰습니다. 결과는 단호했습니다. 밀도는 약국의 매출도 폐업도 설명하지 못했고, 시군구와 행정동, 반경 세 해상도에서 모두 같았습니다. 설명력은 사실상 0이었습니다.
데모가 자랑하던 정확도 0.93은 공간 누수가 만든 착시였습니다. AI는 공간 일반화와 생존 분석으로 그 착시를 벗겨냈습니다. 사람이 며칠을 들여 의심해야 할 일을 몇 시간 만에 정직하게 판별한 것입니다.
AI는 어디를 봐야 할지 모른다
여기서 멈췄다면 결론은 그냥 안 된다였습니다. 방향을 바꾼 건 현장을 아는 사람의 한마디였습니다. 약국 매출은 결국 옆 병원 처방에서 나오고, 처방량은 진료과마다 다르다는 통찰입니다.
그 한 문장으로 로직을 다시 짰습니다. 밀도 대신, 인근 병원의 처방 강도를 경쟁 약국 수로 나눈 처방 수요 지수입니다. 다시 돌리니 매출이 깨끗하게 갈렸습니다. 하위 구간과 상위 구간 사이 두 배 차이였습니다.
결합 공식: 전문가는 어디를, AI는 진짜인지를
AX를 오해하는 흔한 방식은 AI가 알아서 다 해준다는 기대입니다. 막상 일해 보면 반대입니다. 전문가는 어디를 팔지를 압니다. AI는 그게 진짜인지를 빠르게 검증합니다. 둘 중 하나만으로는 안 됩니다.
부수 효과도 컸습니다. 클라우드 데이터베이스에서 공공 API, 생존 분석까지 분석 파이프라인을 한 세션에 조립했습니다. 가설을 세우고 검증하는 사이클의 마찰 비용이 0에 가까워집니다. 그래서 더 많이, 더 빨리 틀려 볼 수 있습니다.