Included Health, LangGraph와 Deep Agents 기반 연방형 의료 에이전트 'Dot' 공개

Included Health가 LangGraph와 Deep Agents를 기반으로 한 연방형 다중 에이전트 아키텍처를 적용한 AI 의료 가이드 **'Dot'**을 공개했다. 기존 의료 내비게이션 시스템은 결정 트리(decision tree) 방식의 경직된 UX와 긴급 상황 인식 지연 문제를 안고 있었으나, LLM 기반 에이전트를 도입해 개인화된 컨텍스트 처리와 자연스러운 대화를 가능하게 했다.

연방형 아키텍처와 Deep Agents의 역할

Dot은 메인 라우터 역할을 하는 'Dot supergraph'와 응급실 접수, 예약, 정신건강 등 도메인별 여정을 담당하는 하위 워크플로우로 구성된다. 각 제품 팀이 그래프의 일부를 소유하며 분산 개발하되, Deep Agents의 전역 플랫폼 프롬프트와 파일시스템 기반 컨텍스트 관리를 통해 에이전트 간 톤과 대화 이력의 일관성을 확보했다. 이를 통해 사용자가 반복적으로 정보를 설명할 필요가 없으며, 보험 커버리지 등 공유 기능은 플랫폼 서브 에이전트로 분리해 모든 에이전트가 접근할 수 있게 했다.

Skills 기반 동적 로딩과 인간 핸드오프

임상 능력과 서비스 정의는 Skills 레지스트리로 관리되며, Progressive Disclosure 방식을 통해 모델이 초기에는 짧은 설명만 받고 필요 시 전체 파일을 로드한다. 제3자 고용주 혜택(플랜당 20~30개)도 스킬로 인코딩 중이다. 또한 LangGraph의 durable execution 기능을 활용해 불확실한 상황에서 그래프를 일시정지하고 인간 member care advocate로 라우팅하는 Human-in-the-loop 설계를 적용했다. 인간은 에이전트를 'unblocking'하는 역할을 하며, 며칠 후 동일 스레드 복귀 시 전체 컨텍스트를 이어받는다.

성능 및 임상 결과

LangSmith를 통한 관측성과 multi-turn user simulation evals를 활용해 마이그레이션의 안전성을 검증했다. 8월 클라이언트 출시 후 chat engagement는 75% 상승했으며, 임상가의 채팅 채점 결과 care recommendation 합의율이 95% 목표치를 크게 상회했다. 정기 임상 감사에서는 high-risk 상황의 99% 이상을 식별해 취약 회원에 대한 선제적 지원이 가능함을 확인했다.