의원급 치과는 오랫동안 보험 청구를 '서류 업무'로 떠안아 왔다. 치아보험 가입자 약 924만 명, 치주질환 환자 연 1,968만 명이라는 수요가 있는데도 행정 공백 탓에 청구를 포기하는 현장이 반복됐다1. 그런데 EMR 을 건드리지 않고 원장의 진료 텍스트를 보험 규격 데이터로 바꾸는 회사가 나왔고, 2025년 상용화 뒤 1년 만에 치과 215곳이 붙었다1. 거기에 뉴패러다임인베스트먼트가 프리 시리즈 A 를 얹었다 — 금액은 비공개다1.
왜 치과였나 — 가입자는 924만인데, 청구는 서류에 막혀 있었다
디지털 헬스케어에서 '청구'는 가장 오래되고 가장 덜 풀린 숙제다. 치아보험은 국내 가입 규모가 약 924만 명에 이르는 보장 항목이고, 치주질환으로 병원을 찾는 환자는 연간 1,968만 명을 넘는다1. 수요의 크기만 보면 자동화가 진작 들어왔어야 할 시장이다. 그런데 의원급 치과의 보험 청구는 여전히 서류 기반이었고, 행정 공백으로 인해 청구를 아예 포기하는 리스크가 현장에서 지속적으로 제기돼 왔다1. 청구 포기는 환자에게는 보장받을 돈을 못 받는 일이고, 치과에는 매출 누수이며, 보험사에는 계약자 불만이다. 세 당사자 모두가 손해인 구조가 그대로 방치돼 있었다.
왜 아무도 못 풀었나. 답은 EMR 파편화다. 전국 의원급 치과는 각기 다른 EMR 프로그램을 쓰고 있어, 데이터 허브를 세우는 것이 사실상 불가능에 가까웠다1. 청구를 자동화하려면 EMR 을 통일하거나 EMR 마다 따로 연동해야 하는데, 둘 다 의원급 단가로는 비용이 맞지 않는다. EMR 을 바꾸라고 요구하는 순간, 의원급 치과 시장은 닫힌다. 이것이 이 시장이 커다란 수요에도 불구하고 비어 있던 구조적 이유다.
위에이드의 접근은 그 전제를 뒤집는다. 특정 소프트웨어 환경에 구애받지 않는 EMR 프리 호환성을 출발점으로 두고, 의료진이 텍스트로 입력하는 비정형 임상 데이터를 머신러닝으로 표준 규격 데이터셋으로 가공한다1. 이 가공 엔진에 치과 도메인에 특화해 자체 튜닝한 소형 언어모델(sLLM)을 이식했고, 그 결과 솔루션이 경량화되면서 병원 내부 데이터의 규격화 효율이 올라갔다1. EMR 이 무엇이든 원장이 적는 텍스트만 있으면 된다는 설계다. 연동 대상이 '프로그램'에서 '사람이 쓴 글'로 바뀐 셈이다.
트랙션이 이 설계를 검증했다. 2025년 정식 상용화 버전을 론칭한 뒤 단기간에 전국 215곳 이상의 치과 병의원이 보움 네트워크에 들어왔다1. 뉴패러다임인베스트먼트 투자 심사팀이 가장 높게 평가한 지점도 이 독자 엔진이었다1. 뉴패러다임이 산 것은 청구 대행 서비스가 아니라, 분절된 의료 데이터와 보험 데이터를 잇는 아키텍처다.1
서류 청구 vs 보움 — 의원급 치과의 다섯 업무가 어디서 갈리나
비교의 기준은 단순하다. 원장이 손을 대야 하는 지점이 어디서 사라지는가. 아래 다섯 영역은 모두 투자 발표에서 위에이드가 전환 대상으로 명시한 업무다1.
| 업무 영역 | 전통 의원급 치과 | 위에이드 보움 연결 치과 |
|---|---|---|
| EMR 연계 | EMR 별 개별 연동 또는 교체 필요 · 파편화로 허브 구축 불가 | EMR 프리 호환 · 소프트웨어 환경 무관1 |
| 임상 데이터 | 원장이 텍스트로 쓴 비정형 기록이 그대로 쌓임 | 치과 특화 sLLM 이 표준 규격 데이터셋으로 가공1 |
| 보험 청구 | 서류 기반 · 행정 공백 시 청구 포기 | 원스톱 매칭 구조로 전환1 |
| 데이터 연결 | 의료 데이터와 보험 데이터가 분절 | 두 데이터를 잇는 아키텍처 보유1 |
| 확장 경로 | 병원 단위 행정 효율에서 멈춤 | 보험사 심사용 API 사업 모델로 전환 가능1 |
표의 마지막 행이 핵심이다. 앞의 네 행은 치과 한 곳의 효율 문제이지만, 다섯 번째 행은 치과 215곳이 모였을 때 보험사 쪽에서 생기는 수요의 문제다. 뉴패러다임이 '고부가가치 아키텍처'라고 부른 것은 이 전환 가능성을 가리킨다1.
위에이드가 쌓는 세 겹 — 연계, 규격화, 그리고 청구 너머
- EMR 프리로 진입 장벽을 지운다 의원급 치과 현장은 EMR 파편화 때문에 데이터 허브 구축이 불가능에 가까웠다1. 위에이드는 특정 EMR 에 종속되지 않는 호환성을 택해, 원장이 쓰던 프로그램을 그대로 두고 들어간다1. 교체 비용이 없으니 영업의 마찰이 줄고, 2025년 상용화 뒤 1년 안에 215곳 이상이 붙은 속도는 이 선택의 결과로 읽힌다1. 네트워크가 특정 EMR 벤더의 허락에 묶이지 않는다는 점도 같은 선택에서 나온다.
- sLLM 으로 텍스트를 데이터로 바꾼다 진료 기록은 원장이 텍스트로 적는 비정형 데이터다. 위에이드는 이 텍스트를 머신러닝으로 표준 규격 데이터셋으로 가공하는 독자 엔진을 만들었고, 치과 도메인에 특화해 자체 튜닝한 sLLM 을 이식해 경량화했다1. 범용 대형 모델이 아니라 작은 특화 모델을 택한 것은 의원급 현장에 올릴 수 있는 무게여야 했기 때문이다. 뉴패러다임 투자 심사팀이 가장 높게 평가한 지점이 바로 이 엔진이다1.
- 원스톱 매칭으로 청구를 끝내고, 그다음 보험사로 간다 서류 기반 청구를 원스톱 매칭 구조로 바꾸는 것이 보움의 현재 기능이다1. 정부의 실손보험 청구 전산화 기조와 의료 마이데이터 개방 규제 완화 흐름 속에서, 이 민간 청구 파이프라인은 보험사 심사용 API 사업 모델로 전환될 수 있다는 전망이 나온다1. 이번 투자금이 AI 엔진 고도화와 엔지니어링 인재 확보에 더해 파트너 보험사 연계 비즈니스 확장에 배정된 이유다1.
The Bet — 청구 대행이 아니라 의원급 마이데이터 인프라를 샀다
뉴패러다임인베스트먼트는 초기 테크 스타트업의 스케일업을 주도하는 VC 겸 액셀러레이터다1. 이번 딜은 2026년 3분기, 국내 투자 시장에서 바이오헬스 메가딜이 실종됐다는 집계가 나온 분기에 이뤄졌다2. 큰 돈이 헬스케어를 비켜 가던 시기에, 금액을 공개하지 않은 프리 시리즈 A 가 치과 핀테크에 붙었다는 사실 자체가 베팅의 성격을 말해 준다. 메가딜이 아니라 구조를 사는 딜이다.
뉴패러다임이 산 것은 치과 한 곳의 행정 효율이 아니다. 투자 심사팀이 높게 평가한 것은 비정형 임상 데이터를 표준 규격으로 바꾸는 독자 엔진이고, 발표문이 명시한 확장 경로는 보험사 심사용 API 사업 모델이다1. 정부의 실손보험 청구 전산화 기조와 의료 마이데이터 개방 규제 완화가 이 경로의 순풍이다1. 215곳의 치과 네트워크는 보험사가 심사용 데이터를 사 갈 만한 공급 측의 초기 형태이고, EMR 프리라는 선택은 그 네트워크가 특정 EMR 벤더에 종속되지 않고 계속 넓어질 수 있다는 뜻이다1. 투자금 용도가 AI 엔진 고도화, 전문 엔지니어링 인재 확보, 파트너 보험사 연계 비즈니스 확장 세 가지로 정리된 것도 같은 방향을 가리킨다1. 베팅의 핵심은 '치과가 청구를 쉽게 한다'가 아니라 '보험사가 이 데이터를 심사에 쓰기 시작한다'는 전환이다. 리스크도 분명하다. 투자 금액은 비공개이고, 이번 라운드는 뉴패러다임 단독이며, 연계가 확정된 보험사 이름은 아직 공개되지 않았다1.
다음 12개월에 지켜볼 지표 3개
- 파트너 보험사 이름이 공개되는가 투자금의 한 축이 파트너 보험사 연계 비즈니스 확장이다1. 보험사 심사용 API 모델은 아직 '가능할 전망'의 단계다1. 첫 보험사 파트너가 공개되는 순간, 보움은 병원용 행정 도구에서 양면 인프라로 티어가 바뀐다. 반대로 12개월 뒤에도 보험사 이름이 없다면, 이 회사는 여전히 치과 쪽 효율 도구에 머문 것이다.
- 215곳 다음의 가입 곡선 2025년 상용화 뒤 1년에 215곳 이상이었다1. 다음 1년에 같은 속도가 유지되는지, 그리고 EMR 프리가 실제로 다양한 EMR 환경에서 작동했는지가 가입 분포로 드러난다. 유료 전환율이나 활성 사용률은 공개되지 않았으므로, 이 숫자들이 처음 공개되는 시점도 같이 본다.
- 팁스 선정과 후속 라운드의 조건 위에이드는 팁스 및 후속 라운드 유치를 추진하고 있다1. 금액이 공개되는 첫 라운드가 될지, 보험사 쪽 전략 투자자가 들어오는지가 관전 포인트다. 한편 2026년 8월 한국딥러닝이 보험금 청구 특화 '딥에이전트 for 보험'을 출시하는 등 보험 청구 AI 경쟁이 시작됐다3. 치과 특화 sLLM 과 EMR 프리라는 포지션이 범용 청구 에이전트 앞에서 유지되는지도 같은 기간에 판가름난다.
그 데이터를 보험사가 사기 시작하는 순간이, 다음 이야기다.
