AI가 소프트웨어를 무료로 만들 때 -- 삽입형 센서, Thick Software, 그리고 진짜 해자

소프트웨어가 먹히고 있습니다 -- AI에 의해

2011년, 마크 안드리센(Marc Andreessen)은 "소프트웨어가 세계를 먹고 있다"고 말했습니다. 2026년, 세계가 되먹고 있습니다.

GPT-4가 있으면 엔지니어링 팀 없이도 주말에 작동하는 SaaS를 구축할 수 있습니다. Cursor, Claude Code, Copilot은 시니어 엔지니어의 생산성을 3~5배 증폭시킵니다. 오픈소스 모델 추론 비용은 연간 90%씩 하락하고 있습니다^[1].

그 결과, 소프트웨어의 한계비용이 제로에 수렴하고 있습니다.

누구든지 AI를 이용해 3일 만에 재활 추적 앱, PROM 수집 도구, 환자 교육 플랫폼을 만들 수 있다면, 이것들 자체는 더 이상 가치가 없습니다.

이것은 가정이 아닙니다. SWORD Health(기업 가치 40억 달러)는 AI 동작 인식 엔진을 구축하는 데 7년을 투자했습니다^[2]. 오늘날 오픈소스 MediaPipe Pose는 보상 운동 감지에서 98% 이상의 정확도를 달성합니다^[3]. MedBridge는 2025년에 스마트폰 카메라만으로 동작 분석을 출시했습니다^[4] -- 추가 하드웨어가 필요 없습니다.

도구가 무료가 되면, 도구는 해자가 아닙니다.

Thin Software vs. Thick Software

이 용어들을 정의하겠습니다.

Thin Software는 인터페이스 층입니다. 기존 데이터를 더 보기 좋게 표시하거나, 기존 프로세스를 더 편리하게 실행합니다. 대시보드, 양식, 워크플로 자동화, 대부분의 SaaS -- 모두 Thin Software입니다.

Thin Software의 특징:

데이터 소스가 공개되어 있거나 대체 가능
핵심 로직을 AI가 일주일이면 다시 작성 가능
경쟁자에게 필요한 것은 더 나은 UI나 더 낮은 가격뿐
사용자 충성도가 습관에서 오지, 대체 불가능성에서 오지 않음

Thick Software는 독자적 데이터 소스와 깊이 통합된 시스템입니다. 데이터를 단순히 보여주는 것이 아니라, 다른 사람이 얻을 수 없는 데이터를 생성하고, 자신만이 훈련할 수 있는 모델을 훈련합니다.

Thick Software의 특징:

데이터 소스가 독자적이고, 물리적이며, 복제 불가능
핵심 가치가 코드가 아닌 데이터 흐름에 있음
경쟁자가 더 나은 소프트웨어로 추격할 수 없음. 병목이 데이터 취득에 있기 때문
사용자 충성도가 "이 시스템은 다른 시스템이 모르는 것을 알고 있다"에 기반

헬스케어 AI의 "Thin Software" 묘지

지난 5년간 디지털 헬스 분야에서 수백 개의 AI 제품이 등장했습니다. 대부분은 Thin Software입니다.

AI 트리아지 챗봇: 공개 의학 문헌으로 훈련. 어떤 LLM이든 구현 가능
재활 동작 인식: MediaPipe/YOLO Pose가 오픈소스이고 충분히 정확
환자 교육 플랫폼: 공개 가이드라인 콘텐츠. AI가 다국어 버전을 즉시 생성
스케줄링/워크플로 도구: 표준 CRUD 앱. Cursor로 3일이면 복제 가능

이 제품들은 나쁘지 않습니다 -- 방어할 수 없을 뿐입니다. AI가 소프트웨어 개발 비용을 제로로 몰아가면, 누구나 기능적으로 동등한 대안을 구축할 수 있습니다. 가격 경쟁이 시작됩니다. 마진이 사라집니다.

데이터가 해자 -- 단, 어떤 데이터인가에 달렸습니다

"데이터는 새로운 석유"라는 말은 이미 진부합니다. 하지만 대부분의 사람이 놓치는 중요한 구분이 있습니다.

복제 가능한 데이터 ≠ 해자. 공개 의학 문헌, FDA 데이터베이스, PubMed 논문 -- 어떤 AI 기업이든 스크래핑할 수 있습니다. 이 데이터로 훈련된 모델은 누구든 따라잡을 수 있습니다.

복제 불가능한 데이터 = 해자. 물리 세계에서 생성되고, 수집에 특정 하드웨어가 필요하며, 특정 임상 맥락에만 존재하는 데이터 -- 이것이 진정한 진입 장벽입니다.

구체적으로:

데이터 유형	복제 가능?	해자?
PubMed 문헌	누구든 스크래핑 가능	아니오
일반 웨어러블(걸음 수, 심박수)	Apple Watch가 이미 보유	아니오
스마트폰 모션 캡처(ROM)	MediaPipe가 오픈소스	아니오
PROM 설문 데이터	환자 관계 + 프로세스 필요	약함
삽입형 센서 조직 힘 데이터	특정 하드웨어 삽입 필요	강함
센서 + PROM + 동작 상호 상관	풀스택 필요	최강

삽입형 센서 = Thick Software의 기반

두 가지 개념을 연결하겠습니다.

삽입형 센서의 데이터는 현재 디지털 헬스에서 가장 복제 불가능한 데이터입니다. 그 이유는 다음과 같습니다.

물리적 장벽: 규제 기관이 승인한 의료기기를 인체에 삽입한 후에야 데이터 수집을 시작할 수 있습니다. 지름길도, API도, 오픈소스 대안도 없습니다.
임상 관계의 장벽: 외과의사가 당신의 임플란트 사용을 선택해야 합니다. 이것은 다운로드 결정이 아니라, 환자의 일생에 영향을 미치는 의학적 판단입니다.
시간적 장벽: 모든 데이터 포인트는 실제 수술과 실제 회복 과정에서 생성됩니다. 훈련 데이터 생성을 가속할 수 없습니다.
통합의 장벽: 단일 센서 데이터는 하나의 질문만 답합니다("조직이 얼마나 큰 힘을 받고 있는가"). 동작 데이터, PROM, 임상 기록과 결합해야 비로소 완전한 임상적 질문에 답할 수 있습니다.

이것이 센서가 Thick Software의 기반인 이유입니다. 자신만 접근할 수 있는 데이터 채널을 만들어냅니다. 이 채널 위에 구축되는 모든 AI 모델 -- 예측 모델, 알림 시스템, 개인화된 재활 프로토콜 -- 은 자동으로 이 해자를 물려받습니다.

Persona IQ가 열어놓은 흐름

Zimmer Biomet의 Persona IQ는 정형외과 디지털화의 이정표입니다 -- 현재 유일하게 시판되는 스마트 정형외과 임플란트^[5]. 추시 방문 전에 환자의 회복 상태를 외과의사에게 가시화한다는, 그 전까지 아무도 달성하지 못한 것을 실현했습니다.

매일 축적되는 보행 데이터를 통해 Persona IQ는 현재 다음이 가능합니다^[6].

정맥 혈전색전증(VTE) 위험 예측 -- 임상 증상이 나타나기 전에 비정상적 보행 패턴 변화를 감지
인공관절 주위 감염(PJI)의 조기 신호 표시 -- 갑작스러운 활동량 감소, 보행 대칭성 악화
예정된 방문 전 위험 환자 호출 -- 데이터에 이상이 나타나면 진료 사이 기간이더라도 시스템이 알림

이것은 획기적인 전진입니다. 전통적으로 외과의사는 추시 방문 시에만 환자 상태를 알 수 있었습니다. Persona IQ는 "수동적 대기"를 "능동적 모니터링"으로 바꾸어 정형외과 디지털 전환의 결정적 첫걸음을 내디뎠습니다.

그러나 Persona IQ는 이 세대 기술의 경계도 동시에 정의합니다. 동작을 측정하고 증상이 있는 변화를 감지할 수 있지만, 무증상의 조직 수준 변화는 아직 포착하지 못합니다. 환자가 기분이 좋고 정상적으로 걷고 있을 수 있습니다. 하지만 임플란트-골 경계면에서는 이미 비정상적 응력 분포가 발생하고 있을 수 있습니다 -- 이 "표면은 정상, 내부는 악화" 시나리오는 가속도계와 자이로스코프로는 보이지 않습니다.

차세대 삽입형 센서가 답해야 할 질문: 환자가 무엇을 느끼기 전에 조직 안에서 무슨 일이 일어나고 있는가.

이것이 바로 수동 LC 힘 센서의 영역입니다. 동작이 아닌 힘을 측정합니다. "무릎이 어떻게 움직이는가"가 아니라 "조직이 얼마나 큰 스트레스를 견디는가"를 측정합니다. CardioMEMS는 이미 심장 분야에서 이 기술 경로를 증명했습니다 -- CHAMPION 시험에서 심부전 입원을 37% 줄였습니다^[7]. 2026년까지 CardioMEMS는 10만 명 이상의 환자에게 삽입되었고, Abbott 심부전 사업부는 연간 12% 성장을 지속하며, FDA는 2026년 2월 차세대 리더를 승인했습니다^[8]. 이것은 역사적 선례가 아니라 가속하는 시장입니다. Discovery R은 동일한 물리학을 정형외과로 가져옵니다 -- Persona IQ를 대체하기 위해서가 아니라, Persona IQ가 아직 볼 수 없는 층을 추가하기 위해서입니다.

De Novo의 Thick Software 스택

모든 논의를 연결하면, 우리의 전략은 "최고의 AI 만들기"도 "최고의 앱 만들기"도 아닙니다. 대체 불가능한 데이터 흐름을 구축하는 것입니다.

Layer 1 -- 힘: Discovery R 삽입형 LC 센서 → 실시간 조직 경계면 힘 데이터. 스마트폰 앱이나 웨어러블로는 대체할 수 없습니다.

Layer 2 -- 동작: 스마트폰 CV + 웨어러블 → ROM, 보행, 보상 운동. 이 층의 기술은 대체 가능하지만, Layer 1과 통합될 때만 완전한 의미를 가집니다.

Layer 3 -- 경험: 자동화된 PROM 수집 → 환자 보고 통증, 기능, 삶의 질. 디지털화가 수집 비용을 낮추고, CMS 2028 규정 준수에 대응합니다.

Layer 4 -- 예측: 세 개 층 모두를 소비하는 ML 모델 → 누가, 언제, 어떤 개입이 필요한지 예측.

경쟁사는 Layer 2, 3, 4를 소프트웨어로 복제할 수 있습니다. 하지만 Layer 1의 센서 데이터가 없으면 그들의 모델은 한 차원이 빠진 세계와 같습니다 -- 표면은 보이지만 내부는 보이지 않습니다.

"풀스택 AI"의 진정한 의미

"풀스택 AI"에 대해서는 AI가 바꾸는 정형외과에서 논의했습니다. 이제 더 정밀하게 정의할 수 있습니다.

풀스택 AI는 "모든 것을 직접 하는 것"이 아닙니다. "데이터 소스에서 임상 결정까지의 완전한 체인에서 최소 하나의 링크가 복제 불가능한 것"입니다.

AI 시스템이 공개 데이터만 소비한다면 → Thin Software를 만들고 있습니다. AI 시스템이 독자적 데이터를 소비한다면 → Thick Software를 만들고 있습니다.

센서가 복제 불가능한 링크입니다. 소프트웨어는 이 링크를 임상적 가치로 전환하는 파이프라인입니다.

해자는 소프트웨어에 있지 않습니다. 해자는 데이터 흐름에 있습니다. 소프트웨어는 해자를 올바른 방향으로 이끄는 채널입니다.

결론: AI가 헬스케어 소프트웨어 기업을 죽이지는 않습니다

AI가 죽이는 것은 소프트웨어밖에 없는 헬스케어 소프트웨어 기업입니다 -- 공개 데이터를 예쁜 인터페이스로 감싼 제품입니다.

AI가 증폭하는 것은 독자적 데이터 소스를 소유한 기업입니다. AI가 "데이터를 인사이트로 바꾸는" 비용을 제로로 몰아가는 반면, "독자적 데이터를 취득하는" 비용은 줄지 않았기 때문입니다.

소프트웨어가 무료가 될 때, 데이터가 제품입니다. AI가 무료가 될 때, 센서가 해자입니다.

참고문헌

Stanford HAI. AI Index Report 2025 — AI model costs and performance trends. Link
SWORD Health acquires Kaia Health for $285M. MobiHealthNews. 2026. Link
Towards Intelligent Assessment in Personalized Physiotherapy with Computer Vision. Sensors. 2025. PMC
MedBridge Motion Analysis — phone-camera-based movement assessment. Link
Zimmer Biomet shares smart knee data at AAOS 2024. MedTech Dive. Link
Persona IQ sensor ROM correlation with in-office measurements. Journal of Clinical Orthopaedics and Trauma. 2026. ScienceDirect
Abraham WT, et al. Sustained efficacy of pulmonary artery pressure to guide adjustment of chronic heart failure therapy: CHAMPION trial. The Lancet. 2016;387(10017):453-461. PubMed
Abbott Wins FDA Approval for Updated Heart Failure Monitoring Device (CardioMEMS HERO). MedTech Dive. February 2026. Link