Blackstraw는 AMN Healthcare가 Azure를 이용해 성공적인 매칭을 하도록 돕습니다

2024년 7월 15일

의료서비스 인력 부문에서 채용 담당자는 끊임없이 긴급한 과제에 직면합니다. 빈 자리가 생길 때마다 숙련된 후보자들의 자격을 평가해 빠르고 정확하게 후보자들을 직책과 매칭시켜야 합니다. 파견 간호사와 의사 같은 전문 역할은 해당 분야의 긴급한 수요를 충족할 수 있도록 신속하게 대체 인력을 찾는 것이 필수적이기 때문에 이러한 과제를 극복하는 것이 매우 중요합니다. 하지만 그런 유형의 과제야 말로 데이터 및 AI 컨설팅 기업 Blackstraw가 해결할 준비가 된 과제입니다.

300여 명의 숙련된 데이터 과학자와 엔지니어들로 이루어진 Microsoft 파트너 Blackstraw는 Azure를 이용해 고객 조직이 데이터 인프라와 사업 운영을 현대화할 수 있도록 돕는 일을 합니다. 그뿐 아니라, 데이터를 이용해 고객의 비즈니스 요구 사항에 맞는 AI 솔루션을 구축 및 배포할 수 있습니다.

"AI와 데이터 엔지니어링이라는 양쪽 분야에 모두 발을 담그고 있습니다. 이를 바탕으로 삼아 고객들이 필요한 데이터를 캡처, 처리 및 저장할 수 있도록 지원하는 것입니다." Blackstraw의 설립자이자 CEO인 Atul Arya는 이렇게 말합니다. "하지만 데이터를 일단 처리해 저장한 후에는 그것을 어떻게 이해하고 활용할 수 있을까요? 이 데이터를 이용해 비즈니스 문제를 해결하려면 어떻게 해야 할까요? 여기서 필요한 것이 바로 AI입니다."

정확하고 자동화된 매칭 시스템

AMN Healthcare는 데이터 및 AI(Azure), 디지털 및 앱 혁신(Azure) 및 인프라(Azure)부문의 솔루션 파트너로서 Blackstraw의 경험을 감안해 이 Microsoft 파트너에게 자신들의 운영을 간소화하고, 채용 담당자들의 부담을 덜고, 전체 채용 과정에서 편향을 줄여주는 안전 장치를 구현할 수 있는 AI 기반 솔루션을 의뢰했습니다.

Blackstraw는 AMN Healthcare와 함께 현재 데이터 아키텍처 평가 작업을 실시한 후 Azure 머신 러닝(Azure Machine Learning) 스튜디오를 이용해 온프레미스 SQL Server 및 Azure CosmosDB를 포함해 기존 데이터 소스를 가지고 작업할 수 있는 자동화된 매칭 시스템을 개발했습니다. 후보자와 채용 담당자가 모두 사용할 수 있는 포털과 모바일 애플리케이션이 있는 이 시스템은 다음과 같은 4개의 핵심 요소로 구성되어 있습니다.

• 분류 및 회귀 알고리즘을 사용해 후보자의 자격, 과제 완수 확률, 경력과 해당 주문의 연관성 등과 같은 여러 요인들을 고려하는 고급 멀티모델 매칭 엔진.
• 성공적인 자격 증명 및 면접 통과 등과 같은 필수적인 결과를 예측하는 다단계 머신 러닝 파이프라인. 개인별 확률 점수에 특정 가중치를 할당한 후 미묘한 차이와 정밀한 우선 순위 지정을 적용해 종합적인 매치 점수를 매깁니다.
• 인구통계적 특성과 관련된 키워드나 구문에 의존하지 않고 자연 언어 처리 및 머신 러닝을 이용해 이력서와 커버 레터를 분석함으로써 편향을 줄여주는 소싱 도구. 또한 이 도구는 주관적인 요인(예: 이름, 성별 및 민족적 배경) 대신 객관적인 기준(예: 스킬, 경력 및 학력)에 기반에 후보자들을 선별할 수 있습니다. 
• 모델의 의사 결정에 영향을 미치는 요인들을 종합적으로 분석해 투명성과 신뢰성을 높이는 매치 설명가능성 대시보드(Match Explainability Dashboard).

이 애플리케이션은 직무 주문에 변동이 생기면 이를 자동으로 캡처해 실시간으로 처리하고, 이력서에서 정보를 추출해 직무 정보와 비교할 수 있습니다. "일종의 데이트 앱이라고 생각하시면 됩니다. 매치 확률은 얼마나 되는가, 하는 거죠. 환경은 다르지만 같은 개념입니다. 구인 게시된 직무와의 매칭 확률을 높이려고 하는 것입니다." Arya CEO는 말합니다.

그러한 확률을 높이려면 정확도와 정밀성을 높여야 하는데, 그것이 바로 Blackstraw가 모델을 정기적으로 재트레이닝시키고 엄격한 유지보수를 실시하는 이유입니다. "Azure 머신 러닝 스튜디오를 이용해 시간의 흐름에 따른 변화를 감지할 뿐 아니라 정확도 소실도 방지하고 있습니다." Arya CEO는 말합니다.

Blackstraw는 지금까지 Azure를 100건 이상 성공적으로 구현했지만 AI에 있어서는 실용주의적 관점을 통해 현실감을 유지하고 있습니다. "우리는 가능한 것뿐 아니라 불가능한 것에도 초점을 맞추며 불가능한 것에 대해 매우 솔직하게 얘기합니다." Arya CEO는 말합니다. "대답해야 할 매우 중대한 질문이 있습니다. 바로 AI의 부정확성은 어떻게 관리하는가, 하는 것입니다. 보통 이 질문을 하는 사람도 대답하는 사람도 많지 않지만 우리는 이 질문의 중요성을 잘 알고 있고 이 질문에 대응을 하고 있습니다."

몇 분만에 성사된 매치

일단 AMN Healthcare가 AI 기반의 자동 매칭 시스템을 배포하고 신규 주문을 시스템에 입력하지 단 몇 분 만에 후보자 매치가 발견되었습니다. 전체적으로 Azure Kubernetes Service와 Kubernetes Event Driven Architecture 덕분에 평균 처리 시간이 6분 미만으로 단축되었는데, 이는 채용 담당자들이 며칠 동안 이력서를 직접 분석하던 때에 비하면 엄청난 발전입니다.

Blackstraw의 솔루션은 매칭 프로세스를 개선했을 뿐 아니라 AMN Healthcare에 데이터 기반 의사 결정을 할 수 있는 역량을 제공하고 전체 인력 배치 프로세스를 최적화했습니다. Hagan CIO는 이렇게 말합니다. "이 솔루션은 앞으로 수개월 간 여러 다른 영역과 전문 분야에서 예상되는 주문 수량과 청구 요율에 대해 귀중한 인사이트를 제공함으로써 정보에 기반한 의사 결정과 전략적 계획 수립을 지원합니다. [이 솔루션은] 미래 인력 배치 수요에 대한 가시성을 제공함으로써 의료 인력 공급 관리를 개선하고 그에 따라 보다 효율적이고 효과적인 프로세스를 촉진하고 임상 인력을 환자 케어를 위해 필요한 곳에 더 신속하게 배치할 수 있게 도와줍니다."

앞으로 Blackstraw와 AMN Healthcare는 솔루션이 회사와 함께 진화해 나갈 수 있도록 함께 협력해 솔루션을 계속해서 개선해 나갈 계획입니다. Arya CEO는 이렇게 설명합니다. "AMN Healthcare는 대규모 조직인 만큼 이 모델이 함께 작동되거나 연결되어 있는 다른 애플리케이션들이 많습니다. 이곳에서 사용하는 모든 애플리케이션에 결합하는 것은 장기적인 전략이 될 것입니다."

Blackstraw는 방대한 경험과 심층적인 Azure 전문성을 바탕으로 의료 인력 배치 업체와 채용 담당자, 의료 전문 인력, 그리고 무엇보다 양질의 케어를 필요로 하는 환자들에게 의미 있는 영향을 미치는 솔루션을 구축했습니다.