근무표 자동화 도입 전, 병동 데이터에서 먼저 정리해야 할 항목 7가지

근무표 자동화를 준비하는 수간호사에게 필요한 데이터 정리

근무표 자동화를 검토하는 병동이 늘고 있습니다. 그런데 시스템을 도입한다고 바로 일이 줄어드는 것은 아닙니다. 실제 병원 사례를 보면, 근무 유형과 숙련도, 휴가 계획, 팀 구성 기준이 먼저 정리된 곳에서 자동화가 자리 잡았고, 그렇지 않은 곳에서는 자동 생성 뒤에 다시 손으로 고치는 일이 남았습니다 [3], [5].

문제는 이 데이터가 한곳에 모여 있지 않다는 점입니다. 인사 시스템에 있는 정보도 있고, 엑셀 파일에 따로 적힌 정보도 있으며, 수간호사 머릿속에만 있는 운영 규칙도 있습니다. 자동화 도구는 이 흩어진 기준을 알아서 해석하지 않습니다. 먼저 어떤 데이터를 어떻게 정리할지 정해야 합니다.

이 글은 근무표 자동화 도입을 준비하는 수간호사와 병동 관리자를 위한 실무 체크리스트입니다. 간호사 근무표가 왜 본질적으로 어려운지를 이미 알고 있다면, 이제는 실제 운영 데이터를 어떻게 준비해야 작성 시간과 재조정 부담을 줄일 수 있는지로 넘어갈 차례입니다. 공정성 자체를 점검하는 별도의 글이 필요할 수 있지만, 이 글의 초점은 어디까지나 도입 전 데이터 준비입니다.

---

1. 근무 유형과 패턴을 먼저 명확히 정의합니다

자동화 도구는 근무 유형 이름만 읽지, 그 이름 뒤에 붙은 운영 규칙까지 알아서 이해하지는 못합니다. 데이, 이브닝, 나이트가 병동마다 의미하는 시간이 다를 수 있고, OFF와 연차, 교육을 같은 휴무로 볼지 따로 관리할지도 운영 방식에 따라 달라집니다.

먼저 정리할 것은 아래와 같습니다.

• 데이·이브닝·나이트의 실제 시간대
• 각 근무 유형에서 병동이 유지하려는 기본 인력 기준
• 연속 근무나 금지 패턴처럼 반복해서 쓰는 운영 규칙
• OFF, 연차, 교육, 휴가를 어떤 코드로 구분할지에 대한 정의

인하대병원 IH-NASS 연구에서도 시스템은 근무 조건과 근무 유형, 쉬프트당 간호사 수, 병동 제약조건, 개인 선호를 함께 반영해 근무표를 생성했습니다 [3]. 실제 인천세종병원 공지에서도 자동화 대상 데이터에 근무일과 휴식일 수, 요일별 업무 정도, 환자 수에 따른 배치 상황이 포함돼 있었습니다 [5]. 먼저 근무 유형이 무엇인지 병동 언어로 정의해야 합니다.

---

2. 연차와 고정 일정을 주기별로 정리합니다

연차는 근무표에서 가장 큰 변수 중 하나입니다. 그런데 월말이 다 돼서야 연차 요청이 몰리면 자동화를 돌려도 결과를 다시 손봐야 합니다. 교육 일정이나 회의, 외래 지원처럼 먼저 고정해야 하는 일정도 마찬가지입니다.

도입 전에 정리해둘 항목은 다음과 같습니다.

• 월 단위로 수집한 연차 계획
• 교육, 회의, 외래 지원처럼 먼저 반영해야 하는 고정 일정
• 휴가 신청 우선순위 규칙
• 갑작스러운 결원이 생겼을 때 예외로 처리할 수 있는 범위

CDC NIOSH는 수간호사와 관리자가 스케줄을 설계할 때 직원의 의견을 듣고, 개인의 교대 근무 내성과 업무 외 책임을 함께 고려하라고 권고합니다. 동시에 결원 상황이 생겼을 때 과도한 부담을 만들지 않는 인력 운영 전략을 미리 준비해야 한다고 설명합니다 [4]. 연차와 고정 일정 데이터가 먼저 정리돼 있어야 자동화가 이 제약을 받아들일 수 있습니다.

---

3. 간호사 숙련도와 역할 구분을 정리합니다

모든 간호사를 같은 조건으로 놓고 돌린 근무표는 실제 병동에서 오래 버티기 어렵습니다. 신규 간호사는 프리셉터와 같이 배치해야 할 수 있고, 특정 근무는 일정 숙련도 이상만 맡는 병동도 있습니다. 이 차이를 데이터로 표현하지 않으면 자동화는 현실을 반영하지 못합니다.

보통은 아래 정보를 먼저 정리합니다.

• 간호사별 숙련도 구분
• 프리셉터와 프리셉티 매칭 대상
• 특정 근무 유형에 제한이 있는 인원
• 특수 업무나 응급 대응 가능 여부

인하대병원 연구에서는 신규·중간·숙련 간호사를 나눠 쉬프트별 팀 구성을 비교했고, 자동화 도입 후 데이 근무에서 1년 미만 신규 간호사 비중이 줄어든 것으로 보고했습니다 [3]. 인천세종병원 사례도 프리셉터·프리셉티 역량과 간호사별 숙련도를 함께 고려했다고 설명합니다 [5]. 즉, 자동화 전에 필요한 것은 "누가 몇 년 차인가"보다 누가 어떤 역할을 맡을 수 있는가를 병동 기준으로 정리한 데이터입니다.

---

4. 근무 유형별 최소 필요 인원을 병동 기준으로 정리합니다

자동화 관점에서 중요한 것은 "법적 최소치"를 외우는 게 아니라, 이 병동이 실제로 어떤 인력 구성을 유지해야 운영이 흔들리지 않는지를 정리하는 일입니다. 같은 나이트 3명이라도 어느 병동은 경력자 1명이 꼭 필요하고, 어느 병동은 특정 업무 가능자가 포함돼야 할 수 있습니다.

다음을 확인해보세요.

• 데이·이브닝·나이트별 기본 필요 인원
• 특정 근무에 반드시 포함돼야 하는 역할이나 숙련도
• 주말과 평일에 달라지는 인력 기준
• 환자 수나 중증도 변화에 따라 조정되는 기준

인하대병원 IH-NASS는 쉬프트당 최소 팀원 수와 숙련도 균형을 함께 반영해 스케줄을 생성했습니다 [3]. 인천세종병원 사례도 환자 수별 배치 상황과 요일별 업무 정도를 고려했다고 밝히고 있습니다 [5]. 이런 정보가 빠지면 자동화는 인원 수는 맞춰도, 실제 운영에 맞는 배치는 만들기 어렵습니다.

해외 병원들이 이런 팀 구성 문제를 어떻게 다루는지 더 보고 싶다면 해외 병원의 간호사 근무표 관리 비결, 데이터로 증명된 글로벌 사례도 함께 참고해볼 만합니다.

---

5. 나이트 가능자와 회복 규칙을 따로 정리합니다

이 항목은 건강 조언이나 법 해석을 위한 것이 아니라, 자동화에 넣을 운영 기준을 분리하는 작업에 가깝습니다. 어떤 병동은 나이트 뒤 회복 OFF를 중요하게 보고, 어떤 병동은 연속 나이트 제한을 더 엄격하게 둡니다. 이런 기준이 수기 근무표에서는 기억과 경험으로 처리되지만, 자동화에서는 정리된 기준으로 바뀌어야 합니다.

이런 정보가 필요합니다.

• 나이트 가능자와 제한 대상자
• 연속 나이트 허용 범위
• 나이트 뒤 회복 OFF나 회복 간격 기준
• 연속 근무 뒤 쉬어야 하는 기본 패턴

2024년 BMC Nursing 연구는 로스터 작성자들이 피로 관리 지침을 충분히 교육받지 못한 채 근무표를 만드는 경우가 많았다고 보고했습니다 [1]. 같은 연구는 피로를 줄이려면 근무 패턴과 회복 간격을 더 의식적으로 다뤄야 한다고 설명합니다 [1]. 인하대병원 연구에서도 14시간 휴식, 연속 5일 근무 후 2일 OFF, 연속 나이트 뒤 OFF 같은 규칙을 반영한 결과, 나이트-오프-이브닝(NOE) 패턴이 줄고 연속 OFF가 늘었습니다 [3]. 이 데이터는 정리하기 쉽게 빠지지만, 실제 체감 품질 차이는 여기서 크게 납니다.

---

6. 변경 요청 처리 기준을 운영 기준으로 바꿉니다

변경 요청은 도입 후에 다룰 문제처럼 보이지만, 미리 정리해두면 재작업을 줄일 수 있습니다. 무엇을 예외로 볼지, 어디까지는 허용할지, 어떤 요청이 먼저 반영되는지 기준이 없으면 자동화 이후에도 수작업 조정이 반복됩니다.

미리 정리해둘 항목은 다음과 같습니다.

• 변경 요청 카테고리 구분
• 요청별 우선순위와 승인 조건
• 근무표 확정 후 수정 가능한 기한
• 긴급 결원 시 대체 인력 우선순위

2024년 BMC Nursing 연구에서는 근무표를 너무 일찍 닫으면 오히려 이중 처리와 추가 변경이 늘 수 있다는 현장 인식이 확인됐습니다 [1]. 또 2025년 BMC Nursing 연구는 현재 스케줄링이 공정성과 투명성 측면에서 부족하게 받아들여지는 경우가 많고, 기준이 보일 때 납득 가능성이 높아진다고 설명합니다 [2]. 결국 변경 요청 처리 기준은 사후 대응 문서가 아니라, 자동화 도입 전에 먼저 정리해야 할 운영 기준입니다.

변경이 운영에 어떤 부담을 만드는지 더 보려면 근무표 변경 관리가 병동 운영을 흔드는 이유: 수간호사가 놓치기 쉬운 리스크 7가지도 같이 읽어보셔도 좋습니다.

---

7. 공정성을 보려면 어떤 항목을 수치로 볼지 정합니다

"공정하게 짰다"는 말만으로는 설명이 어렵습니다. 공정성을 점검하는 기존 글이 결과를 보는 글이라면, 여기서는 한 단계 앞에서 무엇을 수치화하면 자동화가 공정성 판단을 도울 수 있는지를 정리합니다. 정해진 답은 없습니다. 병동이 스스로 추적할 항목을 고르는 단계입니다.

예를 들면 아래 같은 항목부터 시작할 수 있습니다.

• 월별 주말 근무 횟수
• 월별 나이트 근무 횟수
• 특정 근무 유형의 연속 배치 횟수
• 연속 근무일과 회복 OFF 간격
• 연차 사용 현황과 남은 연차
• 교육 참여나 필수 일정 반영 현황

2025년 BMC Nursing 연구는 간호사들이 공정성과 투명성을 중요하게 보며, 미리 정의된 기준과 사람의 최종 검토를 함께 두는 방식이 납득 가능성을 높인다고 설명합니다 [2]. 인하대병원 연구에서도 공정성과 편의성 인식이 함께 측정됐고, 자동화 후 나이트-오프-이브닝(NOE) 감소와 연속 OFF 증가처럼 실제로 비교 가능한 지표가 생겼습니다 [3]. 중요한 것은 다른 병동의 수치를 그대로 가져오는 일이 아니라, 우리 병동이 무엇을 보고 공정하다고 판단할지 먼저 정하는 일입니다.

---

데이터 정리가 먼저인 이유

근무표 자동화 도구는 주어진 데이터를 계산할 뿐, 병동의 운영 규칙을 알아서 추론하지는 않습니다. 근무 유형이 불명확하면 어떤 제약을 우선해야 할지 모릅니다. 숙련도 정보가 없으면 안전한 팀 구성을 계산할 수 없고, 변경 요청 규칙이 없으면 자동 생성 뒤에도 사람이 다시 예외를 붙여야 합니다.

실제 인천세종병원 사례에서는 근무일과 휴식일 수, 연차 소진, 요일별 업무 정도, 프리셉터·프리셉티 역량, 숙련도, 환자 수별 배치 상황을 함께 고려해 자동화를 진행했고, 작성 시간이 크게 줄었다고 밝혔습니다. 예시로 순수 근무표 작성 시간이 6시간에서 5분으로 단축된 사례도 제시됐습니다 [5]. 이 사례를 그대로 모든 병동에 적용할 수는 없지만, 자동화보다 먼저 데이터 정리가 필요하다는 점은 분명하게 보여줍니다.

엑셀 중심 운영에서 이런 데이터 구조를 유지하기 어려운 이유는 엑셀로 간호사 근무표 만들기? 수간호사가 알아야 할 한계와 대안에서도 확인할 수 있습니다. 결국 자동화 도구를 고르는 일보다 먼저 해야 할 일은, 병동 운영 기준을 데이터로 바꾸는 일입니다.

---

체크리스트: 우리 병동의 데이터 정리는 어느 정도인가요?

아래 항목 중 4개 이상이 "정리되지 않음"에 해당한다면, 자동화 도구를 도입하기 전에 데이터 정리를 먼저 하는 편이 좋습니다.

항목	정리됨	부분적	정리되지 않음
근무 유형과 시간대 정의가 문서화되어 있다	☐	☐	☐
연차와 교육 같은 고정 일정이 월 단위로 정리된다	☐	☐	☐
간호사 숙련도와 역할 구분이 되어 있다	☐	☐	☐
근무 유형별 기본 필요 인원이 정리돼 있다	☐	☐	☐
나이트 가능자와 회복 규칙이 구분돼 있다	☐	☐	☐
변경 요청 처리 기준이 팀 안에서 공유된다	☐	☐	☐
공정성을 확인할 때 볼 수치 항목이 정의돼 있다	☐	☐	☐

이 체크리스트는 연구에서 검증된 절대 표준이라기보다, 자동화 도입 전 준비도를 살펴보기 위한 실무 점검표로 보시면 됩니다.

---

자주 묻는 질문

Q. 데이터 정리 없이 자동화 도구를 먼저 도입해도 되나요?

가능은 하지만, 기대한 만큼 일이 줄지 않을 수 있습니다. 운영 기준이 불명확하면 자동 생성 뒤에 사람이 다시 수정해야 할 일이 남기 때문입니다.

Q. 모든 데이터를 한 번에 완벽하게 정리해야 하나요?

그럴 필요는 없습니다. 근무 유형 정의, 숙련도 구분, 기본 인력 기준처럼 영향이 큰 항목부터 먼저 정리하고, 이후에 공정성 추적 항목이나 세부 예외 규칙을 보완하는 방식이 현실적입니다.

Q. 공정성 글과 이번 글은 무엇이 다른가요?

공정성 글은 이미 나온 근무표를 어떻게 점검할지에 더 가깝고, 이번 글은 자동화에 넣기 전에 어떤 데이터를 준비해야 하는지를 다룹니다. 하나는 결과를 보는 글이고, 다른 하나는 입력을 준비하는 글입니다.

Q. 변경 요청 기준도 자동화 운영 기준으로 봐야 하나요?

네. 자동화가 끝난 뒤에 사람이 계속 예외를 붙여야 한다면 도입 효과가 줄어듭니다. 어떤 요청을 예외로 볼지 미리 정리해두면 수정 횟수를 줄이는 데 도움이 됩니다.

Q. 공정성을 위한 수치 항목은 어디까지 정의해야 하나요?

처음에는 주말 횟수, 나이트 횟수, 연속 근무일 정도만 정해도 충분합니다. 중요한 것은 많이 만드는 것이 아니라, 팀이 실제로 설명할 때 쓰는 항목부터 고르는 일입니다.

---

참고 자료

1. Boivin, C., et al. (2024). Nurse rostering: understanding the current shift work scheduling processes, benefits, limitations, and potential fatigue risks. BMC Nursing. https://link.springer.com/article/10.1186/s12912-024-01949-2
2. Gerlach, M., et al. (2025). Exploring nurse perspectives on AI-based shift scheduling for fairness, transparency, and work-life balance. BMC Nursing. https://bmcnurs.biomedcentral.com/articles/10.1186/s12912-025-03808-0
3. Kang, H.W., et al. (2025). Shift nurses’ work quality and job satisfaction after implementing the Inha University hospital nursing AI scheduling system (IH-NASS). BMC Nursing. https://pmc.ncbi.nlm.nih.gov/articles/PMC12210576/
4. CDC NIOSH. Training for Nurses on Shift Work and Long Work Hours - Action Steps for Nurse Managers. https://www.cdc.gov/niosh/work-hour-training-for-nurses/longhours/mod12/07.html
5. 인천세종병원 (2025). 혜원의료재단 세종병원, 원내 디지털 기술 적용 매진. https://incheon.sejongh.co.kr/notice/958