ChatGPT의 건강 답변이 다시 한 단계 올라갔다. OpenAI는 GPT-5.5 Instant를 적용한 뒤, 자체 비교에서 모델 답변이 의사가 작성한 답변보다 정확성, 명확성, 완성도에서 높은 점수를 받았다고 밝혔다. The Decoder가 전한 숫자는 더 직접적이다. 건강 관련 진술의 오답률이 최근 두 달 동안 71% 줄었다는 것이다.
하지만 이 소식의 핵심을 ‘AI가 의사를 이겼다’로 읽으면 가장 중요한 부분이 빠진다. OpenAI가 강조한 것은 단일 모델의 재주가 아니라 의료 답변을 측정하고, 검수하고, 제품에 다시 반영하는 운영 루프다. GPT-5.5 Instant가 HealthBench와 HealthBench Professional 같은 기계 기반 건강 벤치마크에서 최고가 아닌 모델 수준과 맞먹었다는 점도 그래서 중요하다. 이제 경쟁선은 단순한 챗봇 품질이 아니라, 특정 도메인에서 얼마나 꾸준히 실패를 줄일 수 있는가로 이동한다.
이번 발표에는 60개국 260명 이상의 의사 네트워크가 70만 건이 넘는 모델 응답을 검토했다는 설명도 붙어 있다. 이 숫자는 의료 AI가 더 이상 데모 화면 안에서만 평가되지 않는다는 신호다. 질문은 감기 증상부터 검사 결과 해석, 진료 준비, 보험 관련 정리처럼 실제 생활의 민감한 장면으로 흘러 들어간다. OpenAI는 매주 2억 3천만 명 이상이 ChatGPT로 건강 관련 조언을 한다고 말한다. 이 규모에서는 답변 한 줄의 표현, 불확실성 표시, 전문가 상담 유도 문장까지 제품 설계의 일부가 된다.
그래서 더 날카로운 긴장은 여기에 있다. 자체 비교에서 의사 작성 답변보다 높은 점수를 받았다는 문장은 강력한 마케팅이지만, 의료에서는 점수가 곧 책임을 대체하지 않는다. 모델이 더 명확하고 완성도 높은 답을 줄수록 사용자는 더 쉽게 신뢰할 수 있고, 바로 그 지점에서 검수 체계와 한계 고지가 더 중요해진다. 성능이 올라갈수록 위험도 사라지는 것이 아니라, 위험이 더 넓은 사용자 경험 속으로 이동한다.
이번 업그레이드를 볼 때 주목할 것은 승리 선언이 아니라 인프라다. HealthBench, 의사 네트워크, 오답률 추적, 대규모 사용자 배포가 하나의 루프로 묶이면 의료 AI는 ‘그럴듯한 답변 생성기’에서 ‘전문가 검수와 실패율 관리가 붙은 제품 파이프라인’으로 바뀐다. 앞으로의 질문은 누가 더 똑똑한 문장을 쓰느냐가 아니라, 누가 더 투명하게 한계를 드러내고, 더 빠르게 오류를 줄이며, 사용자가 위험한 결정을 혼자 내리지 않게 설계하느냐다.