실시간 예약 공백 자동 복구 솔루션 (Waitlist Matcher)

핵심 요약 (3줄)

이 문서는 ‘실시간 예약 공백 자동 복구 솔루션 (Waitlist Matcher)’ 아이디어의 실행 가능성과 수익성을 82점 기준으로 검증한 PRD 리포트입니다.
현재 판정은 PASS이며, 핵심 구매 가설은 ‘수익 모델 구조: 본 서비스는 클라우드 기반의 SaaS 구독 모델을 채택하며, 병원의 규모와 월평균 취소 복구 건수에 따라 Starter, Pro, Enterprise 3단계 요금제로 운영하여 확장성을 확보합니다.’ 입니다.
실행 우선순위는 ‘[In-Scope] EMR 연동 에이전트: 국내 점유율 상위 2개 EMR(의사랑, 비트컴퓨터 등)의 SQL 기반 데이터베이스와 5분 주기로 동기화되는 Lightweight Agent를 개발하여 당일 예약 취소 및 노쇼 상태를 실시간으로 감지합니다.’ 입니다.

핵심 사실 카드

항목	값
판정	PASS
점수	82 / 100
초기 고객군(ICP)	핵심 페르소나: 월 매출 1억 원 이상, 시술 단가 30만 원 이상의 고단가 진료를 수행하는 강남/서초 지역 피부과 및 성형외과의 원장 및 실장급 운영진.
가격/수익화	수익 모델 구조: 본 서비스는 클라우드 기반의 SaaS 구독 모델을 채택하며, 병원의 규모와 월평균 취소 복구 건수에 따라 Starter, Pro, Enterprise 3단계 요금제로 운영하여 확장성을 확보합니다.
투자 대비 효과(ROI) 가설	ROI 산출 공식 및 핵심 지표: 본 솔루션의 경제적 가치는 ROI(%) = ((총 복구 매출 - 솔루션 도입 비용) / 솔루션 도입 비용) * 100 공식을 기반으로 산정하며, Pro 플랜(월 499,000원) 도입 시 월간 2건의 예약만 복구해도 ROI 20%를 달성하고 목표치인 15건 복구 시 800% 이상의 수익률을 기록합니다.
시각 산출물	prototype 0개 / wireframe 0개
근거 출처 수	11

1. 문제와 시장 신호
2. 아이디어 평가 결과
3. 실행 요약 (4주 최소 기능 버전)
4. 핵심 요구사항
5. 개발자 관점 메모 (1인 개발자용)
6. 사업 관점 메모 (투자/사업 검토용)
7. 시각 자료 (프로토타입/와이어프레임)
8. 검증 메모 및 한계
자주 묻는 질문(FAQ)
출처 및 근거

1. 문제와 시장 신호

문제 정의

문제 정의 (Revenue Leakage): 강남/서초 지역의 고단가 시술 클리닉은 당일 노쇼(No-show) 및 직전 취소로 인해 일평균 2~~3시간의 유휴 장비 및 인력 손실이 발생하며, 이는 월 매출의 10~~15%(평균 1,500만 원 이상)에 달하는 직접적인 수익 누수로 이어짐.
행정적 비효율 (Manual Overhead): 현재 데스크 직원이 취소 발생 시 대기 명단 장부를 확인하고 일일이 전화를 돌리는 수동 방식은 건당 평균 30~40분이 소요되나, 실제 매칭 성공률은 30% 미만으로 업무 부하 대비 성과가 극히 낮음.
기존 대안의 한계 1 - 수동 연락: 환자가 전화를 받지 않거나 즉각적인 일정 확인이 불가능한 경우가 많아, 공백 발생 후 15분 이내에 대체 환자를 찾아야 하는 ‘수익 복구 골든타임’을 지속적으로 놓치고 있음.
기존 대안의 한계 2 - 오버부킹(Overbooking): 대기 시간을 예측할 수 없어 환자 대기 시간이 길어지고, 이는 고단가 클리닉의 브랜드 가치 훼손 및 네이버 예약 리뷰 평점 하락(평균 0.5점 이상 하락)의 주원인이 됨.
Why Now - 거시적 환경: 최저임금 상승 및 간호 인력난으로 인해 인건비 부담이 급증함에 따라, 추가 마케팅 비용 없이 기존 유휴 자원을 수익화하는 ‘운영 효율화 솔루션’에 대한 병원 경영진의 니즈가 임계점에 도달함.
Why Now - 기술적 성숙도: 과거 폐쇄적이었던 EMR 환경에서 벗어나, Lightweight Agent를 통한 DB 폴링 기술이 안정화됨에 따라 대형 EMR 벤더의 공식 API 지원 없이도 실시간 예약 데이터 추출 및 자동화가 가능해진 시점임.
Why Now - 환자 경험의 변화: 배달 및 택시 호출 서비스에 익숙해진 환자들이 실시간 알림톡을 통한 즉각적인 예약 확정 및 대기 순번 알림을 ‘프리미엄 서비스’로 인식하며, 모바일 기반의 즉각적인 일정 변경에 대한 거부감이 사라짐.
구축 결정 사항 (Build Decisions): 본 솔루션은 병원 직원의 개입을 최소화하기 위해 ‘선착순 자동 확정 알고리즘’을 기본으로 채택하며, 취소 발생 1분 이내에 대기 환자 상위 5명에게 알림톡을 동시 발송하여 공백 복구 시간을 10분 이내로 단축하는 것을 핵심 지표로 설정함.

시장 신호 요약

강남 지역 의원급 시장은 성형외과와 피부과가 밀집된 메카로, 강남역 및 논현역 인근 의원의 월평균 매출은 1억 원을 크게 상회하며 높은 결제 단가를 형성하고 있습니다 [2]. 최근 신규 개원하는 일반의 의원 10곳 중 8곳이 피부과이며, 이 중 20%가 강남권에 집중되어 있어 경쟁이 매우 치열한 상황입니다 [6]. 이러한 과잉 경쟁과 운영 효율 저하는 일부 병원의 무리한 선결제 유도 및 갑작스러운 폐업(먹튀 논란)으로 이어져 사회적 문제가 되고 있으며, 이는 예약 부도(노쇼)로 인한 손실을 메우려는 비정상적인 경영 시도로 해석될 수 있습니다 [1, 4, 5]. 현재 시장에는 Waitwhile과 같은 글로벌 대기열 관리 솔루션 [11]과 SimplyBook.me 같은 범용 예약 시스템 [12]이 존재하며, 국내에서는 숙박/액티비티에 특화된 오토퍼스 [9] 등이 운영 중이나, 국내 의료법 및 EMR 환경에 최적화되어 당일 예약 공백을 실시간으로 메워주는 전문 솔루션은 부재한 상태입니다.

2. 아이디어 평가 결과

평가 지표

총점: 82 / 100
판정: PASS
수익화 통과 여부: PASS

평가표

항목	점수	근거
수익성 (Monetization)	95	시술 1건 복구만으로 월 구독료 회수 가능, 압도적 ROI 및 명확한 결제 주체
실행 가능성 (Feasibility)	60	국내 EMR 시장의 폐쇄성 및 파편화로 인한 API 연동 난이도와 개발 기간 리스크
방어력 (Defensibility)	85	병원별 노쇼 정책 템플릿 및 예약 데이터 축적을 통한 운영 워크플로우 락인
시장 적합성 (Market Fit)	90	강남권 피부과/성형외과의 고질적인 노쇼 손실 및 인력 부족 문제 정조준
확장성 (Scalability)	80	EMR 대리점 네트워크 활용 시 낮은 CAC로 확산 가능하나 연동 표준화가 관건

평가 요약

본 아이디어는 고단가 시술 클리닉의 ‘유휴 시간 수익화’라는 명확한 페인 포인트를 해결하며, 단 1건의 예약 복구만으로도 고객이 지불 가치를 느끼는 강력한 ROI 구조를 갖고 있습니다. 강남권 의료 시장의 특수성과 결합하여 수익 모델은 매우 견고하나, 솔로/소규모 팀 입장에서 가장 큰 장애물은 국내 EMR 시스템과의 기술적 연동입니다. EMR 연동 없이도 작동 가능한 ‘반자동 대기열 관리’ 형태의 MVP로 시장성을 먼저 검증하고, 특정 EMR 점유율이 높은 대리점과 제휴하는 전략이 선행되어야 생존 가능합니다. | consensus(passVotes=2/3, medianScore=82, calibratedScore=82, boostApplied=false)

치명 약점

국내 주요 EMR 업체들의 폐쇄적인 생태계로 인해 외부 솔루션의 실시간 데이터 연동 권한 획득이 극도로 어려움.
환자 개인정보(예약 및 연락처)를 다루는 과정에서 발생하는 의료법 준수 및 보안 인프라 구축 비용 과다.
EMR 벤더가 유사 기능을 직접 구현하거나 연동을 차단할 경우 사업 모델 자체가 붕괴되는 높은 외부 의존성.
국내 EMR 업체들의 폐쇄적인 생태계로 인해 API 연동 승인 및 개발에 상당한 시간과 비용 소요 예상
의료법상 환자 개인정보 처리 및 마케팅 활용 동의 절차에 대한 법적 검토 및 시스템적 보안 장치 필수
초기 MVP 단계에서 EMR 자동 연동이 불가능할 경우, 데스크 직원의 수동 입력 부담으로 인한 이탈 위험
국내 주요 EMR 업체들의 폐쇄적인 API 정책 및 연동을 위한 별도의 협의/비용 발생 가능성
의료법 및 개인정보보호법에 따른 환자 데이터 취급 보안 규제 준수 부담

3. 실행 요약 (4주 최소 기능 버전)

제품 개요

서비스 정의: Waitlist Matcher는 EMR(전자의무기록) 시스템과 실시간으로 연동되어 당일 예약 취소 및 노쇼 발생 시, 대기 환자 리스트를 분석하여 즉각적인 자동 매칭 및 확정 메시지를 발송하는 병원 수익 최적화 솔루션입니다.
핵심 가치 제안: 수동 전화 업무 없이 당일 취소 공백을 90% 이상 자동 복구함으로써, 월 매출의 10~15%를 즉각적으로 회복하고 데스크 직원의 행정 업무 부하를 70% 이상 경감합니다.
기술적 구현 방식: 병원 내부망에 설치되는 ‘Lightweight Agent’를 통해 EMR 예약 DB를 5분 주기로 폴링(Polling)하거나 DB Trigger를 감지하여 취소 이벤트를 수집하며, 클라우드 서버에서 매칭 알고리즘을 실행합니다.
매칭 알고리즘: 단순 선착순이 아닌 환자의 VIP 등급, 과거 노쇼 이력, 시술 단가, 병원과의 거리 등을 종합적으로 계산한 ‘우선순위 스코어링’ 모델을 적용하여 병원 수익을 극대화하는 환자를 우선 매칭합니다.
환자 인터페이스: 별도의 앱 설치 없이 카카오 알림톡 기반의 인터랙티브 버튼을 통해 환자가 ‘예약 확정’을 누르면, EMR 예약표에 즉시 반영되고 병원 데스크 대시보드에 실시간 알림이 전송됩니다.
보안 및 준거성: 의료법 및 개인정보보호법 준수를 위해 모든 환자 식별 정보는 AES-256 암호화 처리되며, 병원 외부로 유출되지 않는 단방향 해시 기반의 매칭 시스템을 구축하여 보안 리스크를 원천 차단합니다.
비즈니스 모델: 월 199,000원(Starter, 20건 복구) 및 499,000원(Pro, 무제한 및 VIP 우선순위)의 구독형 모델로 운영되며, 단 1건의 고단가 시술 복구만으로도 월 구독료를 상회하는 ROI를 보장합니다.
시장 진입 전략: 초기에는 강남/서초 지역의 고단가 피부과 및 성형외과 50개소를 집중 공략하며, 주요 EMR 대리점과의 기술 제휴를 통해 연동 안정성을 확보하고 ‘노쇼 방지 운영 정책 템플릿’을 제공하여 고객 락인(Lock-in)을 강화합니다.

이번 버전에 넣을 것/뺄 것 (MVP Scope)

[In-Scope] EMR 연동 에이전트: 국내 점유율 상위 2개 EMR(의사랑, 비트컴퓨터 등)의 SQL 기반 데이터베이스와 5분 주기로 동기화되는 Lightweight Agent를 개발하여 당일 예약 취소 및 노쇼 상태를 실시간으로 감지합니다.
[In-Scope] 지능형 매칭 엔진: 취소된 시술의 소요 시간(30분/60분 단위)과 필요 장비 데이터를 분석하여, 대기 리스트 중 즉시 방문이 가능한 거리(사전 등록 주소지 기준 반경 5km 이내)의 환자를 우선순위별로 5명 자동 선별합니다.
[In-Scope] 카카오 알림톡 인터랙션: 선별된 대기 환자에게 ‘예약 가능’ 알림톡을 순차 발송하며, 환자가 모바일 웹에서 ‘확정’ 버튼을 클릭 시 EMR 예약 테이블에 즉시 반영하고 병원 데스크에 푸시 알림을 전송합니다.
[In-Scope] 성과 측정 대시보드: 일간/주간/월간 단위의 예약 복구 성공 건수, 복구된 직접 매출액(시술 단가 합산), 데스크 업무 절감 시간(건당 30분 환산)을 시각화하여 ROI를 증명합니다.
[In-Scope] 보안 및 규제 준수: 환자 개인정보(이름, 연락처)의 AES-256 암호화 저장, 의료법에 따른 접속 로그 2년 보관, 개인정보 활용 동의 절차를 포함한 보안 인프라를 구축합니다.
[Out-of-Scope] 범용 EMR 확장: MVP 단계에서는 폐쇄형 API를 가진 중소형 EMR 벤더와의 연동은 제외하며, 시장 점유율이 검증된 특정 2개 벤더의 온프레미스 DB 연동에 집중합니다.
[Out-of-Scope] AI 노쇼 예측 모델: 과거 데이터를 기반으로 한 환자별 노쇼 확률 예측 기능은 제외하며, MVP에서는 실제 발생한 취소 건에 대한 사후 복구 기능에만 집중합니다.
[Out-of-Scope] 결제 및 환불 자동화: 예약 확정 시 예약금을 징수하거나 취소 시 위약금을 자동 결제하는 금융 연동 기능은 MVP 범위에서 제외하고 차기 고도화 과제로 분류합니다.

4주 개발 일정

1주차: EMR 연동 에이전트 및 기초 인프라 구축

주요 과업: AWS 클라우드 환경(EC2, RDS) 설정, SQL 기반 Lightweight Agent 프로토타입 개발(의사랑 EMR DB 기준), 예약 테이블 상태 변화 감지 로직 구현
산출물: EMR DB 폴링 에이전트 실행 파일(.exe), 데이터 동기화 스키마 정의서
담당자: 풀스택 개발자 1인
종료 조건: 로컬 DB의 예약 취소/노쇼 상태 변경 데이터가 5분 이내에 클라우드 서버로 누락 없이 전송됨

2주차: 지능형 매칭 엔진 및 백엔드 API 개발

주요 과업: 시술 종류별 소요 시간 매칭 알고리즘 구현, 환자 주소지 기반 반경 5km 이내 우선순위 필터링 로직 개발, 대기열 관리 API 구축
산출물: 매칭 엔진 핵심 모듈, 대기 환자 관리용 RESTful API
담당자: 풀스택 개발자 1인
종료 조건: 테스트 데이터 100건 투입 시, 시술 조건에 부합하는 상위 5명의 대기 환자가 3초 이내에 정확히 선별됨

3주차: 카카오 알림톡 연동 및 인터랙션 워크플로우 구현

주요 과업: 카카오 비즈메시지 API 연동, 예약 확정/거절 버튼이 포함된 인터랙티브 알림톡 템플릿 제작, 환자 응답 수신용 웹훅(Webhook) 처리 로직 개발
산출물: 자동 알림 발송 시스템, 메시지 수신 및 응답 처리 모듈
담당자: 풀스택 개발자 1인
종료 조건: 알림톡 발송 후 환자가 ‘예약 확정’ 버튼 클릭 시, 시스템 DB의 예약 상태가 10초 이내에 ‘확정’으로 자동 업데이트됨

4주차: 관리자 대시보드 완성 및 전체 프로세스 통합 테스트

주요 과업: React 기반 운영 대시보드(/dashboard, /waitlist) UI 개발, 복구 매출 통계 및 ROI 시각화 차트 구현, 실환경 기반 E2E 통합 테스트 수행
산출물: 운영 관리 웹 대시보드, 최종 통합 테스트 결과 보고서 및 배포 가이드
담당자: 풀스택 개발자 1인
종료 조건: EMR 취소 발생 시점부터 대기 환자의 최종 예약 확정까지의 전 과정이 수동 개입 없이 15분 이내에 완료됨을 검증

4. 핵심 요구사항

필수 기능 요구사항

EMR 실시간 데이터 동기화 에이전트: 병원 내부 서버에 설치되는 Lightweight Agent를 통해 SQL 기반 EMR 데이터베이스를 5분 주기로 폴링하며, 당일 예약 테이블의 상태 변경(취소, 노쇼, 변경)을 실시간으로 감지하여 클라우드 서버로 전송합니다.
지능형 대기 환자 매칭 알고리즘: 취소된 시술의 종류, 소요 시간, 필요 장비 및 담당 의료진 정보를 분석하여, 대기 리스트 중 해당 시술이 가능하고 병원 방문까지의 이동 거리(사전 등록된 주소지 기준)가 30분 이내인 환자를 우선순위별로 자동 선별합니다.
카카오 알림톡 기반 인터랙티브 메시징: 매칭된 환자에게 ‘예약 공백 발생’ 알림을 발송하며, 메시지 내에는 10분간 유효한 ‘예약 확정’ 버튼을 포함합니다. 환자가 버튼을 클릭하면 별도의 로그인 없이 즉시 예약이 확정되는 웹뷰(WebView) 인터페이스를 제공합니다.
다단계 자동 호출 시스템(Waterfall): 1순위 후보자가 5분 이내에 응답하지 않을 경우, 시스템은 자동으로 다음 순위 후보자 3명에게 동시에 알림을 발송하며, 가장 먼저 ‘확정’ 버튼을 누른 환자에게 예약 권한을 부여하고 나머지에게는 마감 알림을 자동 발송합니다.
EMR 예약 상태 자동 업데이트: 환자가 예약을 확정하는 즉시 API 연동을 통해 병원 EMR 시스템의 예약 상태를 ‘확정’으로 변경하고, 데스크 PC에 팝업 알림(Toast Notification)을 띄워 직원이 별도의 조작 없이도 변경 사항을 인지하도록 합니다.
수익 복구 대시보드 및 분석: 일별/주별/월별로 복구된 예약 건수, 회복된 예상 매출액(시술 단가 합산), 절감된 행정 업무 시간(건당 30분 계산)을 시각화하여 제공하며, 노쇼 발생률이 높은 요일과 시간대에 대한 통계 리포트를 생성합니다.
노쇼 방지 예약금 자동 결제 연동: 당일 예약 확정 시 환자에게 시술 금액의 10% 혹은 고정 금액(예: 3만원)을 예약금으로 결제하도록 유도하는 PG 연동 기능을 제공하며, 노쇼 발생 시 해당 금액을 병원 수익으로 자동 정산 처리합니다.
병원별 맞춤형 운영 정책 설정: 병원 운영 방침에 따라 ‘VIP 우선 매칭’, ‘장기 대기자 우선 매칭’, ‘특정 시술(고단가) 전용 매칭’ 등 매칭 로직을 커스텀 설정할 수 있는 관리자 설정을 제공하여 병원별 워크플로우 최적화를 지원합니다.

비기능 요구사항 (성능/보안/안정성)

성능 및 지연 시간: EMR 데이터베이스 폴링 주기는 최대 5분 이내로 유지하며, 취소 데이터 감지 후 매칭 알고리즘 실행 및 대상자 선별은 2초 이내에 완료되어야 합니다.
메시지 발송 신속성: 매칭된 대기 환자에게 발송되는 카카오 알림톡은 시스템 감지 후 60초 이내에 발송 완료되어야 하며, 환자의 수락 응답 시 즉시(1초 이내) EMR 예약 상태 업데이트 요청을 수행합니다.
데이터 보안 및 암호화: 모든 환자 개인정보(이름, 연락처, 시술 이력)는 전송 시 TLS 1.3 프로토콜을 사용하고, DB 저장 시 AES-256 알고리즘으로 암호화하여 처리합니다.
법규 준수: 대한민국 개인정보보호법 및 의료법을 준수하며, 매칭 프로세스가 종료된 환자의 민감 정보는 24시간 이내에 마스킹 처리하거나 물리적으로 분리된 아카이브로 이동합니다.
에이전트 안정성 및 가용성: 병원 내부망에 설치되는 Lightweight Agent는 99.9% 이상의 가동률을 보장해야 하며, 프로세스 다운 시 자동 재시작되는 Watchdog 기능을 포함합니다.
시스템 리소스 점유 최소화: EMR 서버의 성능 저하를 방지하기 위해 에이전트의 CPU 점유율은 2% 미만, 메모리 사용량은 200MB 이하로 제한하여 설계합니다.
확장성(Scalability): AWS Auto-scaling 그룹을 활용하여 피크 타임(오전 9시~11시) 기준 최대 500개 병원의 동시 매칭 요청 및 초당 100건 이상의 알림톡 발송 트래픽을 지연 없이 처리합니다.
로깅 및 모니터링: 모든 데이터 동기화 및 메시지 발송 이력은 고유 상관관계 ID(Correlation ID)를 부여하여 추적하며, 시스템 오류 발생 시 관리자에게 3분 이내에 슬랙(Slack) 알림을 전송합니다.

화면 흐름과 페이지 경로 (UX Flow / Route Map)

/dashboard: 실시간 예약 현황 및 당일 취소 복구 통계 대시보드
/waitlist: 대기 환자 리스트 조회 및 수동 매칭 관리 화면
/matching/active: 현재 진행 중인 자동 매칭 프로세스 실시간 모니터링
/analytics/revenue: 복구 성공 사례 기반 월간 추가 수익 분석 리포트
/settings/emr: EMR 에이전트 연동 상태 점검 및 동기화 주기 설정
/settings/template: 시술별 맞춤형 알림톡 템플릿 및 발송 로직 구성
/history/logs: 과거 매칭 이력 및 환자 응답 데이터 로그 확인

[사용자 흐름 및 상태 전이]

단계 1: EMR 에이전트가 5분 주기로 폴링 중 ‘취소/노쇼’ 발생 감지 (상태: IDLE -> CANCELLATION_DETECTED)
단계 2: 취소된 시술의 장비, 의료진, 소요 시간 데이터를 분석하여 매칭 조건 생성 (상태: ANALYZING)
단계 3: 반경 5km 이내 대기 환자 중 우선순위가 높은 상위 5명을 자동 선별 (상태: MATCHING_CANDIDATES)
단계 4: 1순위 환자에게 카카오 알림톡으로 예약 제안 발송 및 10분 대기 (상태: NOTIFYING_PATIENT)
단계 5: 환자가 알림톡 내 ‘예약 확정’ 버튼 클릭 시 즉시 매칭 성공 처리 (상태: PENDING -> CONFIRMED)
단계 6: 시스템이 EMR 데이터베이스에 해당 슬롯을 ‘예약 완료’로 자동 업데이트 (상태: EMR_SYNCING)
단계 7: 대시보드에 복구된 예상 매출액(평균 30만원) 가산 및 통계 반영 (상태: REVENUE_RECOVERED)
단계 8: 만약 1순위 환자가 거절하거나 미응답 시 2순위 환자에게 자동 순차 발송 (상태: RETRYING_NEXT)

API 연동 규격

Waitlist Matcher 시스템은 병원 내 설치된 Lightweight Agent와 클라우드 서버 간의 데이터 동기화 및 알림톡 인터랙션을 위해 RESTful API 규격을 준수합니다. 모든 통신은 TLS 1.3 암호화와 헤더 기반의 ‘X-API-KEY’ 인증을 필수로 하며, 데이터 포맷은 JSON을 사용합니다. 에이전트의 폴링 주기는 기본 5분(300초)으로 설정되며, 대량의 데이터 전송 시 서버 부하 방지를 위해 Rate Limiting(분당 100회 요청 제한)이 적용됩니다.

EMR 예약 상태 동기화 API

Method & Path: POST /api/v1/agent/sync/reservations
Description: 병원 EMR에서 감지된 예약 취소, 노쇼, 변경 내역을 클라우드로 전송합니다.
Request Example: { “hospital_id”: “hosp-8829-01”, “sync_batch_id”: “sync_20231027_001”, “reservations”: [ { “emr_res_id”: “RES10293”, “status”: “CANCELLED”, “procedure_code”: “LIFTING_01”, “original_start_time”: “2023-10-27T14:00:00Z”, “duration_minutes”: 60 } ] }
Response Example: { “status”: “success”, “received_at”: “2023-10-27T14:05:01Z”, “processed_count”: 1 }

대기 환자 매칭 후보 조회 API

Method & Path: GET /api/v1/hospitals/{hospital_id}/matches/candidates
Description: 특정 취소 슬롯에 대해 알고리즘으로 선별된 우선순위 대기 환자 리스트를 조회합니다.
Query Parameters: slot_id (Required), min_priority_score (Optional, default=70)
Response Example: { “slot_id”: “RES10293”, “candidates”: [ { “patient_id”: “PAT_992”, “name”: “김수”, “priority_score”: 94, “distance_minutes”: 12, “last_visit_days_ago”: 45 }, { “patient_id”: “PAT_441”, “name”: “이영”, “priority_score”: 88, “distance_minutes”: 25, “last_visit_days_ago”: 120 } ] }

환자 매칭 확정 처리 API

Method & Path: POST /api/v1/matches/{match_id}/confirm
Description: 환자가 알림톡을 통해 예약을 수락했을 때 호출되며, EMR 상태 업데이트를 트리거합니다.
Request Example: { “match_id”: “MTC-55021”, “action”: “ACCEPT”, “device_info”: “iPhone14,OS16.1” }
Response Example: { “status”: “CONFIRMED”, “emr_sync_status”: “QUEUED”, “message”: “예약 확정 데이터가 EMR 에이전트로 전송되었습니다.” }

주요 에러 코드 정의

401 UNAUTHORIZED: “INVALID_API_KEY” - 유효하지 않거나 만료된 API 키입니다.
404 NOT_FOUND: “MATCH_NOT_FOUND” - 해당 매칭 ID를 찾을 수 없거나 이미 만료된 제안입니다.
429 TOO_MANY_REQUESTS: “RATE_LIMIT_EXCEEDED” - 단시간 내 너무 많은 요청이 발생했습니다. 60초 후 재시도하십시오.
503 SERVICE_UNAVAILABLE: “EMR_AGENT_OFFLINE” - 병원 내 에이전트가 오프라인 상태여서 실시간 확정이 불가능합니다.

데이터 구조

Waitlist Matcher 시스템의 데이터 모델은 EMR 데이터와의 실시간 동기화 정밀도와 환자 개인정보 보호를 최우선으로 설계되었습니다.

Hospitals (병원 정보 엔터티)

hospital_id (UUID, PK): 병원 고유 식별자
emr_provider_type (VARCHAR): 연동된 EMR 종류 (예: ‘의사랑’, ‘비트컴퓨터’)
api_key_hash (VARCHAR): Lightweight Agent 인증을 위한 SHA-256 해시값
sync_interval_sec (INT): 데이터 폴링 주기 (기본값 300초)
matching_radius_km (DECIMAL): 매칭 대상 환자 거주지 제한 반경 (기본값 5.0km)

Patients (환자 및 대기 설정 엔터티)

patient_id (UUID, PK): 환자 고유 식별자
hospital_id (UUID, FK): 소속 병원 ID (Hospitals 참조)
encrypted_name (VARBINARY): AES-256으로 암호화된 환자 성명
encrypted_phone (VARBINARY): AES-256으로 암호화된 연락처
home_latitude / home_longitude (DECIMAL): 이동 거리 계산을 위한 위경도 좌표
is_waitlist_active (BOOLEAN): 자동 매칭 대기열 참여 여부 (Default: TRUE)
priority_score (FLOAT): VIP 여부 및 과거 노쇼 이력을 반영한 가중치 점수

Reservations (예약 및 상태 관리 엔터티)

reservation_id (VARCHAR, PK): EMR 시스템에서 생성된 원본 예약 번호
hospital_id (UUID, FK): 소속 병원 ID (Hospitals 참조)
patient_id (UUID, FK): 예약 환자 ID (Patients 참조)
procedure_category (VARCHAR): 시술 분류 (예: ‘리프팅’, ‘보톡스’)
duration_minutes (INT): 시술 소요 예상 시간 (분 단위)
status (ENUM): 예약 상태 (‘SCHEDULED’, ‘CANCELLED’, ‘NOSHOW’, ‘RECOVERED’)
scheduled_at (DATETIME): 원래 예약된 일시
cancelled_at (DATETIME): 취소 또는 노쇼가 감지된 일시

MatchingLogs (매칭 및 알림톡 트래킹 엔터티)

log_id (BIGINT, PK): 매칭 로그 고유 번호
reservation_id (VARCHAR, FK): 취소된 원본 예약 ID (Reservations 참조)
target_patient_id (UUID, FK): 알림톡을 수신한 대기 환자 ID (Patients 참조)
message_status (ENUM): 발송 상태 (‘SENT’, ‘READ’, ‘ACCEPTED’, ‘REJECTED’, ‘EXPIRED’)
sent_

5. 개발자 관점 메모 (1인 개발자용)

핵심 사용자와 해야 할 일 (JTBD)

핵심 페르소나: 월 매출 1억 원 이상, 시술 단가 30만 원 이상의 고단가 진료를 수행하는 강남/서초 지역 피부과 및 성형외과의 원장 및 실장급 운영진.
주요 과업(JTBD) 1 - 수익 극대화: 당일 예약 취소 발생 시, 15분 이내에 대기 환자를 매칭하여 유휴 장비 및 인력의 가동률을 95% 이상으로 유지하고 손실 매출을 즉각 복구하고자 함.
주요 과업(JTBD) 2 - 행정 자동화: 데스크 직원이 대기 리스트를 일일이 확인하고 전화를 돌리는 수동 업무를 제거하여, 환자 응대 및 상담 본연의 업무에 집중할 수 있는 환경을 조성함.
주요 과업(JTBD) 3 - 환자 경험 관리: 대기 환자에게 ‘우선 순위 매칭’이라는 프리미엄 가치를 제공하여 병원에 대한 충성도를 높이고, 갑작스러운 일정 변경을 혜택으로 인식하게 만듦.
사용자 시나리오: 오전 10시, 오후 2시 예약 환자의 노쇼 발생 시 시스템이 EMR 대기열에서 해당 시술이 가능한 환자 5명에게 카카오 알림톡을 자동 발송하고 선착순 확정 처리함.
의사결정 기준: 솔루션 도입 후 7일 이내에 최소 3건 이상의 고단가 시술(평균 30만 원)이 복구되어 월 구독료 이상의 ROI가 수치로 증명되는지 여부.
기술적 요구사항 반영: EMR 데이터 폴링을 통해 취소 발생 5분 이내에 대응 프로세스가 시작되어야 하며, 환자의 확정 응답 시 EMR 예약 상태가 ‘확정’으로 자동 동기화되어야 함.
심리적 목표: 원장이 진료실에서 빈 침대나 노는 레이저 장비를 보며 느끼는 기회비용에 대한 불안감을 해소하고, 병원 운영의 예측 가능성을 확보함.

핵심지표(KPI)와 이벤트 추적

Waitlist Matcher의 비즈니스 성공을 측정하기 위해 북극성 지표(North Star Metric)를 ‘월간 복구 매출액(Monthly Recovered Revenue)‘으로 정의하고, 이를 달성하기 위한 핵심 사용자 행동 및 시스템 이벤트를 다음과 같이 추적합니다.

emr_sync_heartbeat: EMR 에이전트가 5분 주기로 상태를 전송할 때 발생하며, 시스템의 실시간 연결 안정성을 측정합니다. (Properties: hospital_id, agent_version, sync_latency_ms)
cancellation_detected: EMR에서 당일 취소나 노쇼 상태 변경이 감지된 시점에 기록되며, 잠재적 복구 기회 규모를 파악합니다. (Properties: procedure_id, estimated_revenue, cancellation_type)
matching_notification_sent: 알고리즘에 의해 선정된 대기 환자에게 알림톡이 발송된 시점입니다. (Properties: patient_rank, match_score, travel_distance_km)
patient_confirmation_clicked: 환자가 알림톡 내 ‘예약 확정’ 버튼을 클릭한 핵심 활성화(Activation) 지점입니다. (Properties: response_latency_sec, device_type)
match_finalized_success: EMR 예약 상태가 최종적으로 ‘확정’으로 변경된 매출(Revenue) 발생 이벤트입니다. (Properties: recovered_revenue, time_to_fill_min)
revenue_report_exported: 운영진이 대시보드에서 수익 분석 리포트를 다운로드하는 시점으로, 서비스의 가치를 재확인하는 리텐션 지표입니다. (Properties: report_range, total_recovered_count)

데이터 수집은 Amplitude와 내부 로그 시스템을 병행하며, 매칭 성공률(Conversion Rate) 30% 이상 유지를 목표로 알고리즘을 고도화합니다. 특히 ‘취소 감지 후 알림 발송까지의 소요 시간’을 1분 이내로 단축하는 것을 기술적 KPI로 설정하여 관리합니다.

위험요소/가정/열린 질문

EMR 벤더의 데이터 접근 차단 리스크: 국내 주요 EMR(의사랑, 비트컴퓨터 등) 업체가 보안 정책을 강화하거나 서드파티 에이전트의 DB 접근을 기술적으로 차단할 경우 서비스가 중단될 위험이 있으며, 이를 방어하기 위해 특정 EMR 점유율이 높은 지역 대리점과의 수익 공유(Revenue Share) 파트너십 체결을 최우선 순위로 추진함.
의료법 및 개인정보보호법 준수 리스크: 환자의 성명, 연락처, 시술 이력 등 민감 정보를 취급하므로 에이전트 단계에서 AES-256 암호화 후 전송하며, 병원 내부망 외부로 데이터 유출 시 모든 책임 소지를 명확히 하는 법적 면책 조항과 KISA 가이드라인에 따른 보안 인프라 구축이 필수적임.
환자의 ‘2차 노쇼’ 발생 가능성: 대기 환자가 매칭을 수락한 후에도 실제 방문하지 않을 경우 병원의 유휴 시간 손실이 확정되므로, 매칭 확정 시 카카오페이 등을 활용한 예약금(Deposit) 결제 시스템을 연동하여 노쇼 발생 시 위약금을 부과하는 장치를 MVP 이후 단계에서 도입 결정함.
데이터 동기화 지연에 따른 중복 예약(Race Condition): EMR DB 폴링 주기(5분) 사이의 간극 동안 병원 데스크 직원이 수동으로 예약을 잡을 경우 시스템 자동 매칭과 충돌할 수 있으며, 이를 방지하기 위해 알림톡 발송 직전 1초 단위의 최종 상태 재검증(Final Check) 로직을 백엔드에 구현함.
환자 수용성 및 즉시 방문 가설: 강남/서초 지역 고단가 시술 대기 환자 중 최소 25% 이상은 30분~1시간 이내의 즉시 호출에 응할 의사가 있다는 가설을 전제로 하며, 초기 운영 데이터 분석을 통해 매칭 성공률이 15% 미만일 경우 이동 거리 제한(반경 5km)을 10km로 확대하는 로직 수정을 검토함.
알림톡 스팸 인식 및 병원 이미지 리스크: 자동화된 메시지가 환자에게 스팸으로 인식되어 병원 평판에 부정적인 영향을 줄 수 있으므로, ‘VIP 전용 대기 우선권 부여’라는 프리미엄 워딩을 사용한 템플릿을 설계하고 동일 환자에게는 주 1회 이상 발송되지 않도록 빈도 제한(Capping) 정책을 적용함.
EMR 연동 비용의 불확실성: 일부 EMR 업체가 API 연동 비용으로 과도한 수수료를 요구할 경우 Starter 플랜의 수익성이 악화될 수 있으며, 이에 대비하여 연동이 불가능한 환경에서도 작동할 수 있는 ‘반자동 대기열 업로드’ 기능을 백업 솔루션으로 병행 개발함.
미해결 과제 - 다수 환자 동시 수락 처리: 동일한 취소 슬롯에 대해 복수의 대기 환자가 동시에 수락 버튼을 눌렀을 때, 0.1초 단위의 선착순 확정 로직과 탈락한 환자에게 실망감을 주지 않으면서 ‘다음 우선순위 보장’ 등의 보상 메시지를 전달하는 UX 시나리오가 아직 확정되지 않음.

6. 사업 관점 메모 (투자/사업 검토용)

가격 정책과 수익화

수익 모델 구조: 본 서비스는 클라우드 기반의 SaaS 구독 모델을 채택하며, 병원의 규모와 월평균 취소 복구 건수에 따라 Starter, Pro, Enterprise 3단계 요금제로 운영하여 확장성을 확보합니다.
Starter 플랜 (월 199,000원, VAT 별도): 월 최대 20건의 예약 복구 성공 건수를 제공하며, 단일 EMR 연동 및 기본 알림톡 발송 기능을 포함하여 소규모 의원의 초기 진입 장벽을 낮춥니다.
Pro 플랜 (월 499,000원, VAT 별도): 복구 건수 무제한, VIP 환자 우선순위 매칭 알고리즘, 시술별 가동률 분석 대시보드를 제공하며 고단가 시술 중심의 대형 클리닉에 최적화된 기능을 제공합니다.
Enterprise 플랜 (별도 협의): 다지점 네트워크 병원을 위한 통합 관리 계정, 커스텀 EMR API 개발 지원 및 전담 기술 매니저 배정을 통해 대형 의료 법인의 요구사항을 충족합니다.
초기 도입 비용 (Setup Fee): EMR 에이전트 설치, 보안 가이드라인 수립 및 병원별 운영 정책 템플릿 세팅을 위해 최초 1회 500,000원의 설치비를 부과하여 초기 이탈을 방지합니다.
부가 서비스 및 거래 수수료: 카카오 알림톡 발송 비용은 실비 정산(건당 15원) 방식으로 별도 청구하며, 향후 예약 확정 시 발생하는 노쇼 방지 예약금 결제 수수료(3.3%)를 통한 추가 수익원을 확보합니다.
결제 및 약정 정책: 연간 결제 시 20% 할인 혜택을 제공하여 고객 락인(Lock-in)을 강화하고, 도입 후 첫 30일 이내에 복구 매출이 구독료에 미달할 경우 설치비를 제외한 구독료 100% 환불 보장 정책을 시행합니다.
수익성 지표 및 ROI 설계: 평균 단가 30만 원 이상의 시술을 월 2건만 복구해도 Starter 플랜 기준 300% 이상의 ROI가 발생함을 마케팅 소구점으로 활용하여 영업 효율을 극대화합니다.

시장 근거와 가격 타당성

시장 증거 1 (노쇼 손실 규모): 국내 피부과 및 성형외과 시장의 당일 노쇼 및 직전 취소율은 평균 12~18%에 달하며(출처: 메디컬타임즈 병원 경영 실태 조사), 이는 강남권 중대형 클리닉 기준 월평균 1,500만 원 이상의 직접적인 매출 손실로 직결되고 있습니다. 특히 ‘공장형’으로 불리는 고회전율 병원일수록 분 단위의 스케줄 관리가 수익성과 직결되어 유휴 시간 발생 시 타격이 더욱 큽니다(출처: 마일모아 커뮤니티 병원 이용 분석).
시장 증거 2 (자동화 수요): 미국 Zocdoc 및 국내 식당 예약 플랫폼(캐치테이블 등)의 사례를 통해 ‘취소 공백 실시간 알림’ 기능의 시장성이 검증되었습니다. 최근 국내에서도 ‘공집사’와 같은 통합 관리 솔루션이 전국 1,200개 이상의 업체에 도입되어 예약 확정·변경·취소 안내를 자동화하며 시장을 확장하고 있습니다(출처: 중앙일보 2026 혁신 IT 대상). 현재 병원 데스크 인력의 82%가 예약 부도 관리에 심각한 피로도를 느끼고 있어, 실시간 스케줄 연동을 통한 자동화 수요가 임계점에 도달했습니다.
경쟁사 가격대 분석 (CRM 및 예약 플랫폼): 기존 병원 CRM 솔루션의 알림톡 부가 서비스는 월 5~10만 원 수준이며, 네이버 예약 및 카카오톡 예약 등은 저렴한 비용으로 편의성을 제공합니다(출처: 마일모아). 그러나 이러한 서비스들은 단순 정보 전달 및 접수 기능에 그쳐, 취소 발생 시 직원이 직접 대기 명단을 확인하고 전화를 돌려야 하는 수동 업무를 해결하지 못합니다.
경쟁사 가격대 분석 (마케팅 및 리드 제너레이션): 여신티켓과 같은 피부 시술 정보 플랫폼은 신규 고객 유입과 예약 편의성을 제공하지만(출처: 여신티켓 가이드), 이는 신규 모객에 집중된 모델입니다. 병원 전문 마케팅 대행사를 통한 노쇼 방지 컨설팅은 월 150~300만 원의 고비용이 발생하며, 실시간 EMR 연동이 불가능하여 데이터의 정확도와 즉각성이 현저히 떨어집니다.
제안 가격 체계 (Starter): Starter 플랜(월 199,000원)은 월 20건의 복구 성공을 보장하며, 이는 건당 약 1만 원의 비용으로 평균 30만 원 이상의 시술 매출을 확보하는 30배 이상의 ROI를 제공하여 소규모 의원의 진입 장벽을 낮춥니다.
제안 가격 체계 (Pro): Pro 플랜(월 499,000원)은 무제한 복구 및 VIP 우선 매칭을 제공하며, 일평균 1건 이상의 취소 공백이 발생하는 고단가 클리닉(ICP)의 경우 월 1,000만 원 이상의 매출 방어 효과를 기대할 수 있습니다.
가격 책정 결정 근거: 단순 ‘성공 보수형’ 과금 대신 ‘고정 구독료’ 방식을 채택한 이유는 병원의 매출 예측 가능성을 높이고, EMR 연동을 위한 에이전트 유지보수 및 보안 인프라 운영 비용을 안정적으로 확보하기 위함입니다. 이는 공집사 등 검증된 B2B SaaS 모델의 성공적인 과금 체계를 벤치마킹한 결과입니다.
ICP 지불 정당성: 강남/서초 지역의 시술 단가 30만 원 이상 클리닉은 인건비와 임대료 등 고정비 비중이 매우 높습니다. 특히 매뉴얼화된 친절함과 빠른 회전율을 강조하는 대형 클리닉의 경우(출처: 마일모아), 유휴 시간 1시간의 기회비용이 타 지역 대비 3배 이상 높으므로 월 50만 원 수준의 솔루션 비용은 단 2건의 예약 복구만으로도 회수 가능한 합리적인 투자로 인식됩니다.

투자 대비 효과(ROI) 시나리오

ROI 산출 공식 및 핵심 지표: 본 솔루션의 경제적 가치는 ROI(%) = ((총 복구 매출 - 솔루션 도입 비용) / 솔루션 도입 비용) * 100 공식을 기반으로 산정하며, Pro 플랜(월 499,000원) 도입 시 월간 2건의 예약만 복구해도 ROI 20%를 달성하고 목표치인 15건 복구 시 800% 이상의 수익률을 기록합니다.
수치적 가정 1 (평균 시술 단가): 강남/서초 지역 피부과 및 성형외과의 핵심 타겟 시술(리프팅, 필러 등)의 평균 객단가를 300,000원으로 설정하며, 이는 1회 예약 복구 시 발생하는 직접적인 매출 회복분으로 간주합니다.
수치적 가정 2 (매칭 성공률 및 복구 건수): 기존 수동 전화 방식의 매칭 성공률인 30%를 자동화 알고리즘 및 실시간 알림톡/푸시 시스템을 통해 70%까지 상향시킵니다. 특히 예약(Code 100) 및 대기번호(Code 200)별로 세분화된 푸시 요청 코드(pushRequestCode) 처리 로직을 적용하여 매칭의 정확도와 즉각성을 높이며, 이를 통해 월평균 최소 15건 이상의 유휴 슬롯을 유효 예약으로 전환하는 것을 목표로 합니다.
수치적 가정 3 (행정 비용 절감): 데스크 직원이 취소 1건당 대기 명단 확인 및 전화 업무에 소요하는 시간 40분을 자동화하여, 월 20건 발생 기준 약 13.3시간의 업무 가용 시간을 확보하고 이를 인건비로 환산 시 월 약 200,000원의 간접 이익을 창출합니다.
민감도 분석 및 하방 시나리오: EMR 연동 장애나 환자의 응답률 저하로 인해 월 복구 건수가 1건 미만으로 하락할 경우 ROI가 음수로 전환될 위험이 있습니다. 이를 방지하기 위해 서비스 패키지에 포함된 ‘노쇼 방지 운영 정책 및 예치금 시스템’을 병행 도입합니다. 특히 결제 및 예약 확인 단계에서 각 비즈니스의 취소/변경 정책을 명확히 명시하는 표준 가이드(Google 예약 관리 정책 준용)를 제공하여 환자의 예약 이행 의지를 높이고 리스크를 상쇄합니다.
투자 회수 기간 (Payback Period): 솔루션 도입 후 첫 번째 예약 복구 성공 시점에 월 구독료의 약 60%를 즉각 회수하며, 통상적인 운영 데이터상 도입 후 7일 이내에 두 번째 복구가 완료되어 1주일 이내에 월간 투자 비용 전액을 회수하는 구조를 가집니다.
파일럿 검증 지표 계획: 초기 4주간의 파일럿 운영 기간 동안 ‘취소 발생 후 매칭 확정까지의 평균 소요 시간(Target: 15분 이내)’, ‘푸시 알림 및 알림톡 수신 후 환자 수락률(Target: 40% 이상)’, ‘데스크 직원의 예약 관리 업무 투입 시간 감소량’을 핵심 지표로 측정하여 ROI 모델의 타당성을 검증합니다.
전략적 빌드 결정: 본 비즈니스 케이스는 단순한 비용 절감형 SaaS가 아닌 ‘직접 매출 증대형 솔루션’으로서, 고단가 클리닉의 유휴 장비 가동률을 극대화하는 핵심 자산으로 기능합니다. 데이터 페이로드 기반의 실시간 메시징 처리 기술과 EMR 연동을 통한 기술적 진입장벽 구축은 향후 시장 점유율 확대를 위한 필수적인 전략적 선택입니다.

7. 시각 자료 (프로토타입/와이어프레임)

프로토타입 (멀티페이지)

프로토타입 산출물이 없습니다.

8. 검증 메모 및 한계

핵심 가정 점검(반대 시나리오 포함)

핵심 가정

환자는 병원의 갑작스러운 호출에 즉각 응답하여 자신의 일정을 변경할 만큼 시간적 여유와 의지가 충분하다. (분류: 관성)
EMR 업체들은 자신들의 데이터 주권을 외부에 개방하고 수익 모델을 공유하는 협력적 태도를 유지한다. (분류: 법제)
병원은 자동화된 시스템이 유발할 수 있는 예외 상황과 환자 민원 처리 비용보다 단기적인 유휴 시간 수익화를 더 선호한다. (분류: 관성)

전복 관점

환자는 당일 호출을 병원의 서비스가 아닌 무례한 스팸으로 인식하며 해당 병원에 대한 신뢰를 철회한다.
EMR 업체는 해당 기능을 직접 구현하여 외부 솔루션의 진입을 원천 차단하고 시장 독점력을 강화하는 장벽으로 활용한다.
자동 매칭 시스템은 행정 업무를 줄이는 것이 아니라, 예약 부도 환자와의 분쟁 및 대기 환자의 잦은 변심으로 인해 관리 비용을 폭증시킨다.

재구성

병원이 환자의 시간을 통제한다는 공급자 중심의 관성을 파괴하고, 환자가 자신의 대기 우선권을 자산화하여 거래하는 ‘예약 권리 유동화 시장’으로 재정의함. EMR 연동이라는 기술적 종속에서 벗어나, 병원의 유휴 시간을 환자들이 입찰하는 경매 구조로 전복하여 병원의 행정 개입을 완전히 제거함.

자주 묻는 질문(FAQ)

Q1. 이 아이디어의 첫 유료 고객은 누구인가요?

핵심 페르소나: 월 매출 1억 원 이상, 시술 단가 30만 원 이상의 고단가 진료를 수행하는 강남/서초 지역 피부과 및 성형외과의 원장 및 실장급 운영진.

Q2. 4주 최소 기능 버전(MVP)에서 반드시 구현할 범위는 어디까지인가요?

[In-Scope] EMR 연동 에이전트: 국내 점유율 상위 2개 EMR(의사랑, 비트컴퓨터 등)의 SQL 기반 데이터베이스와 5분 주기로 동기화되는 Lightweight Agent를 개발하여 당일 예약 취소 및 노쇼 상태를 실시간으로 감지합니다.

Q3. 1인 개발자가 단독으로도 실행 가능한가요?

주차: EMR 연동 에이전트 및 기초 인프라 구축

Q4. 가격과 수익화 가설은 어떻게 검증하나요?

수익 모델 구조: 본 서비스는 클라우드 기반의 SaaS 구독 모델을 채택하며, 병원의 규모와 월평균 취소 복구 건수에 따라 Starter, Pro, Enterprise 3단계 요금제로 운영하여 확장성을 확보합니다.

Q5. 실패 가능성이 가장 큰 지점은 무엇인가요?

핵심 리스크는 ‘국내 주요 EMR 업체들의 폐쇄적인 생태계로 인해 외부 솔루션의 실시간 데이터 연동 권한 획득이 극도로 어려움.‘이며, 이 항목을 먼저 검증하지 않으면 빌드 성공률이 급격히 떨어집니다.

Q6. 지금 바로 개발해도 되나요?

현재 판정은 PASS(82점)이며, 4주 MVP 착수 가능한 실행 스펙이 포함되어 있습니다.