주제 10.2 — 품질 개선 및 개선 과학

품질 개선은 일선 팀에게 작은 변화 시험으로 돌봄을 측정 가능하게 더 낫게 만드는 규율 있고 데이터 기반의 방법을 주며, 디지털 도구와 연결하면 대시보드와 자동화를 정적 보고가 아니라 지속적 학습의 엔진으로 바꾼다.

보건·돌봄에서 이것이 중요한 이유#

품질 개선(QI)은 국민보건서비스(NHS)와 전 세계 보건·돌봄의 상당 부분에 걸친 지배적 개선 규율이다. 트러스트에서 가르치고, 병동 수준의 조회에 내장되어 있으며, 국가 기관이 옹호한다. 디지털 딜리버리를 이끈다면 QI와 나란히 일하는 것이 아니라, 이미 목표, 척도, 변화 시험으로 생각하는 시스템 안에서 일하고 있다. 그 언어를 무시하면 팀이 고립되고, 유창하게 말하면 이미 그것을 신뢰하는 임상의, 관리자, 이사회에게 디지털 업무가 이해되게 된다.

더 깊은 이유가 더 중요하다. 보건·돌봄에서 일하는 방식의 변동은 겉치레 문제가 아니다. 부당한 변동은 일부 환자가 더 오래 기다리고, 일부는 안전하지 않은 돌봄을 받고, 일부는 아예 배제됨을 뜻한다. 개선 과학은 좋은 의도와 영웅적 노력이 더 나은 성과를 신뢰성 있게 낳지 못하고 시스템이 낳기 때문에 정확히 존재한다. 임상 워크플로에서 몇 분을 줄이거나, 안전 격차를 닫거나, 낮은 디지털 자신감을 가진 사람들을 불균형하게 배제하는 단계를 없애는 디지털 서비스는 그렇게 부르든 아니든 개선 업무를 하고 있는 것이다.

QI는 흔한 디지털 실패, 곧 변화를 출시하고 효과가 있었다고 가정하는 것으로부터도 보호한다. 개선 과학은 하나의 겸허한 통찰 위에 구축된다. 대부분의 변화는 개선이 아니며, 시간에 걸친 측정 없이는 어느 것이 개선인지 알 수 없다. 그 규율을 채택하면 팀이 정직하게 유지되고, 이사회와 규제 기관 앞의 주장이 방어 가능하며, 사용자가 더 안전해진다. 이 주제는 QI를 제대로 운영하는 방법, 프로젝트 딜리버리 및 연구와 어떻게 다른지, 이미 가진 디지털 도구와 어떻게 융합하는지 보여 준다.

핵심 개념#

보건·돌봄의 품질 관리는 제조에서 병상까지 이어지는 계보에서 이끌어 낸다. 지적 뿌리는 통계학자 W. Edwards Deming의 업적으로, 품질은 개인에게 더 열심히 하라고 촉구하는 데서가 아니라 시스템의 변동을 이해하고 줄이는 데서 온다고 가르쳤다. Deming의 사고는 Walter Shewhart의 것과 함께 현대 보건 QI의 중심에 있는 반복적인 계획-실행-점검-조치 고리인 PDCA / 계획-실행-점검-조치(PDSA) 주기를 낳았다.

대부분의 NHS 팀은 Institute for Healthcare Improvement(IHI)가 대중화한 프레임워크로 주기를 세 가지 질문과 짝짓는 개선 모델(Model for Improvement) 안에서 PDSA를 운영한다. 우리는 무엇을 달성하려 하는가? 변화가 개선임을 어떻게 알 것인가? 어떤 변화를 만들면 개선이 되겠는가? 첫 질문은 (구체적이고, 측정 가능하며, 기한이 있는) 목표 진술로 답한다. 세 번째는 흔히 목표를 그것에 영향을 준다고 믿는 주요 및 부차 동인에 연결한 뒤 구체적 변화 아이디어에 연결하는 **동인 도표(driver diagram)**로 지도화한다.

QI는 지속적 개선 프로세스 철학을 공유하는 개선 접근의 가족 중 하나다. 끊임없이 만나게 될 두 형제는 도요타 생산 방식에서 나와 낭비를 제거하고 흐름을 개선하는 데 초점을 둔 린과, 통계적 방법으로 결함과 변동을 줄이는 식스 시그마다. 의료에서 이것들은 흔히 "린 식스 시그마"로 섞인다.

개선을 위한 측정은 스냅샷이 아니라 시간에 걸친 데이터를 보는 데 의존한다. 두 가지 주력 도구는 관측 데이터를 시간 순서로 중앙값에 대해 그린 런 차트와, 통계적으로 도출된 한계가 있는 런 차트로 통계적 공정 관리(SPC)의 바탕이 되는 관리도다. SPC는 공통 원인 변동(안정된 시스템의 평범한 잡음)과 특수 원인 변동(무언가 진정으로 바뀌었다는 신호)을 구별하게 해 준다. NHS에서 이는 "Making Data Count" 접근으로 가르쳐진다.

이 중 어느 것도 심리적 안전 없이는 작동하지 않는다. 사람들이 벌받지 않고 문제를 제기하고, 시험이 실패했음을 인정하고, 현상에 이의를 제기할 수 있다는 공유된 믿음이다. 직원이 결함을 숨기는 곳에서는 개선이 불가능하며, 이 주제의 다른 모든 것의 전제 조건이다.

모범 사례#

1. 해법이 아니라 목표 진술에서 시작하라. 무엇이든 설계하기 전에 무엇을, 누구를 위해, 얼마나, 언제까지 달성하려는지 적으라. 예컨대 "3월까지 의뢰에서 첫 디지털 분류까지의 중앙값 시간을 9일에서 3일로 줄이기"다. 숫자가 있고 기한이 있는 목표는 명확성을 강제하고 측정의 기준을 준다. 이 단계를 건너뛴 팀은 성과 대신 기능을 토론하게 되고 성공했는지 결코 알 수 없다. 이는 주제 10.0 — 목표와 핵심 결과(OKR)에 직접 연결되지만, QI 목표는 일반적인 목표보다 좁고 더 시험 가능하다는 점에 유의하라.

2. 동인 도표로 변화 이론을 드러내라. 목표를 그것에 가장 영향을 주는 주요 동인에, 이어서 부차 동인에, 구체적 변화 아이디어에 지도화하라. 이는 가정을 보이고 논쟁 가능하게 만들며, 팀이 단일 개입에 모든 것을 거는 것을 막는다. 시험의 순서를 정하는 데도 도움이 된다. 레버리지가 가장 높은 동인을 먼저 공략할 수 있다. 도표를 (물리적이든 가상이든) 벽에 두고 배우는 대로 수정하라. 이것은 일회성 산출물이 아니라 살아 있는 가설이다.

3. 빅뱅 출시 대신 작고 빠른 PDSA 주기를 운영하라. 규모를 키우기 전에 한 진료소, 한 병동, 한 코호트에서 변화를 시험하라. 무슨 일이 일어날지 예측하고, 시험을 운영하고, 예측에 대해 데이터를 점검하며, 채택, 조정, 포기를 결정하라. 작은 시험은 위험을 줄이고, 문제를 일찍 드러내며, 확산에 필요한 증거와 자신감을 쌓는다. 이것은 고정 범위 프로젝트 계획과 근본적으로 다른 리듬이며, 디지털 팀이 습관을 버려야 하는 때가 가장 많은 곳이다.

4. 사전-사후 스냅샷이 아니라 런 차트와 SPC로 시간에 걸쳐 측정하라. 한 쌍의 숫자는 변화가 개선을 일으켰는지 무작위 변동을 잡았는지 알려 줄 수 없다. 지표를 런 차트나 관리도로 그려 추세, 이동, 특수 원인 신호를 볼 수 있게 하라. 차트가 일관되고 다른 이들이 읽을 수 있도록 NHS "Making Data Count" 관례를 채택하라. 이 규율은 잡음의 공을 주장하는 것으로부터도 보호하며, 이는 이사회와 규제 기관에 대한 신뢰를 침식한다.

5. 척도의 균형을 잡으라. 모든 개선은 다른 무언가를 더 나쁘게 만들 가능성이 있다. 성과 척도와 함께 과정 척도(변화가 실제로 일어나고 있는가?)와 균형 척도(부작용으로 악화되는 것이 있는가 — 안전, 직원 업무량, 접근의 형평성?)를 추적하라. 처리량을 높이면서 스마트폰이 없는 사람을 조용히 배제하는 디지털 분류 도구는 돌봄을 개선하지 않았다. 균형 척도는 정확히 이런 종류의 해악에 대한 조기 경보 시스템이다.

6. 일선 팀에 개선할 진정한 허락과 역량을 주라. 위에서 의무화되고 중앙 팀이 실행하는 개선은 정착하는 일이 드물다. QI 교육, 코칭, 보호된 시간에 투자하여 일을 하는 사람들이 자체 시험을 운영할 수 있게 하라. IHI와 성숙한 NHS 트러스트가 트러스트 전체 프로그램의 척추로 설명하는 인프라, 곧 QI 교수진, 측정 기능, 접근 가능한 데이터를 구축하라. 디지털 팀의 일은 흔히 일선 개선을 막는 데이터와 도구의 마찰을 제거하는 것이다.

7. 처음부터 확산과 지속 가능성을 위해 설계하라. 한 병동의 일회성 이득이 6개월 안에 증발하는 것은 흔하고 사기를 꺾는 결과다. 성공한 변화를 어떻게 표준화하고, 워크플로에 내장하며, 유지되도록 모니터링할지, 그리고 단순히 복사해 붙이지 않고 비슷한 환경으로 어떻게 확산할지 계획하라. 디지털 도구는 여기서 엄청나게 도움이 된다. 자동화와 기본값은 코팅된 포스터보다 훨씬 더 신뢰성 있게 개선된 프로세스를 고정할 수 있다. 여기가 QI가 주제 8.1 — 변화 관리와 만나는 곳이다.

8. QI를 디지털 데이터와 대시보드와 융합하라. 개선 과학은 적시 데이터가 없으면 굶으며, 대부분의 NHS QI는 역사적으로 손으로 센 표본으로 운영되었다. 팀이 기존 시스템에서 거의 실시간의 런 차트와 SPC 차트를 드러낼 수 있다면 학습 고리를 극적으로 줄인다. 대시보드, 자동화된 데이터 파이프라인, 셀프서비스 분석을 단지 보고가 아니라 개선 인프라로 다루라. 이는 디지털 기능이 임상 품질에 기여할 수 있는 가장 분명하고 가치 높은 기여의 하나다.

팀과 논의할 질문#

1. 우리는 품질 개선을 하고 있는가, 프로젝트 딜리버리를 하고 있는가, 연구를 하고 있는가 — 그리고 차이를 아는가? 이 세 가지 방식은 일상적으로 혼동되고 그 혼동은 비싸다. 프로젝트 딜리버리는 정의된 범위를 기한과 예산 안에 전달하려는 것이고, 연구는 엄격한 통제와 윤리 승인으로 일반화 가능한 지식을 만들려는 것이며, QI는 반복적인 작은 변화 시험으로 지역 시스템을 더 낫게 만들려는 것이다. 개선을 위한 측정은 연구를 위한 측정보다 의도적으로 가볍다. 다음 주기를 안내할 만큼의 데이터를 원하지, 공표 가능한 연구를 원하는 것이 아니다. QI 시험에 연구 수준의 엄격함을 적용하면 팀이 마비되고, 사실상 연구인 것에 QI의 비공식성을 적용하면 윤리 및 안전 실패의 위험이 있다. 현재의 각 이니셔티브가 진정으로 어디에 속하는지, 각각에 맞는 거버넌스가 있는지 이야기하라. 이를 잘못하는 것이 디지털 개선 업무가 정체되거나 부당한 정밀 검토를 받는 흔한 이유다.

2. 변화가 잡음이나 희망적 사고가 아니라 개선이라는 것을 어떻게 알겠는가? 이것이 개선 모델의 두 번째 질문이며 대부분의 팀이 가장 약한 곳이다. 지금 성과, 과정, 균형 척도가 무엇인지, 얼마나 자주 수집할지, 시간에 걸쳐 어떻게 표시할지 결정하라. 나중에 유리한 사전-사후 비교를 골라 뽑으려는 유혹을 받지 않도록 출시 전에 런 차트나 SPC를 약속하라. 각 척도의 "특수 원인 신호"가 어떤 모습일지, 누가 그것을 선언할 권한이 있는지 논의하라. 불편한 결론에 정직하라. 투자한 변화가 효과가 없었음을 기꺼이 봐야 한다. 같은 지적 정직이 둘 다의 바탕이므로 이를 주제 1.3 — 근거 기반 의사결정에 연결하라.

3. 일선 팀에 실제로 개선할 허락, 시간, 데이터가 있는가, 아니면 전달하라는 압박뿐인가? 개선 역량은 구호가 아니다. 보호된 시간, 코칭, 심리적 안전, 접근 가능한 데이터가 필요하다. 직원이 시험이 실패했음을 보고하는 것이 안전하다고 느끼는지, 비난을 예상하는지 솔직히 물으라. 그들이 필요한 데이터가 몇 달이 아니라 며칠, 몇 주 안에 도착하는지, 디지털 시스템이 돕는지 방해하는지 물으라. 조직에 진정한 QI 인프라 — 교수진, 방법, 측정 기능 — 가 있는지, 개선이 소수의 열성가에 달려 있는지 고려하라. 디지털 팀이 일선의 길에서 무엇을 치워 줄 수 있는지 논의하라. 수작업 데이터 수집, 취약한 스프레드시트, 지연된 보고서다. 답은 보통 기술보다 문화에 대해 더 많은 것을 드러내며, 주제 10.4 — CEO와 고위 리더를 위한 가시성이 이사회에 무엇을 드러내야 하는지를 직접 형성한다.

4. 변화가 효과가 있을 때, 그것을 어떻게 유지하고 확산시킬 것이며 — 조용히 되돌아가지 않았음을 어떻게 알겠는가? 가장 사기를 꺾는 QI 결과는 관심이 옮겨 가면 몇 달 안에 사라지는 진정한 지역 이득이고, 두 번째는 개척한 병동 너머로 확산되지 않는 성공이다. 입증된 변화를 어떻게 표준화하고 내장할지 구체적으로 논의하라. 이상적으로는 코팅된 포스터나 쇠퇴하는 개인의 선의가 아니라 기본값과 자동화를 통해 도구 자체에 넣는다. 개선 프로젝트가 종결된 뒤 누가 척도를 소유하는지, 런 차트나 SPC 차트가 계속 돌아서 되돌아감이 1년 뒤의 놀라움이 아니라 특수 원인 신호로 나타나는지 결정하라. 확산을 복사해 붙이기가 아니라 의도적 적응의 행위로 이야기하라. 한 진료소에서 효과가 있던 것은 직원, 환자, 시스템이 다른 환경에서 단순히 롤아웃되지 않고 다시 시험되어야 한다. 조직이 지속 가능성과 확산에 실제로 자원을 대는지, "종결"을 "완료"로 다루는지 정직하라. 여기가 QI가 주제 8.1 — 변화 관리와 만나는 곳이며 디지털 기본값이 가장 강한 레버다.

5. 우리의 개선은 불평등을 좁히는가 벌리는가 — 그리고 균형 척도가 그것을 실제로 잡아내겠는가? 디지털 개선은 평균을 올리면서 일부 집단을 뒤에 남기기 특히 쉽다. 새 온라인 경로가 가장 덜 잘 봉사하는 사람들이 집계 데이터에서 가장 덜 보이는 경우가 많기 때문이다. 해악을 숨길 수 있는 단일 대표 수치를 보고하지 않고, 중요한 차원 — 연령, 박탈, 언어, 디지털 자신감, 장애 — 으로 척도를 세분화할지 지금 결정하라. 이 구체적 변화에서 형평성 균형 척도가 어떤 모습인지, 그것이 잘못된 방향으로 움직일 때 누가 조치할 책임이 있는지 논의하라. 상충 관계에 솔직하라. 자기 의뢰 양식과 나란히 전화 경로를 유지하는 데는 돈과 직원이 들고, 디지털 이용이 오르면 "옛" 채널을 폐지하라는 압박은 정확히 배제가 스며드는 방식이다. 정직한 답은 이 변화에서 가장 위험에 처한 집단을 명명하고, 해악을 어떻게 일찍 탐지할지 밝히며, 데이터가 안전하다고 말할 때까지 비디지털 경로를 열어 두겠다고 약속한다. 이는 이 책 다른 곳에서 논의한 형평성 의무와 공공 서비스로서의 책임에 직접 연결된다.

6. 여기서 우리 디지털 기능의 구체적이고 가장 가치 높은 개선 기여는 무엇이며 — 어디서 과도하게 구축하고 있는가? 디지털 팀은 모든 품질 문제에 새 소프트웨어로 답하고 싶은 유혹을 받지만, 가장 큰 기여는 흔히 측정을 산업화하는 것이다. 손으로 센 표본을 라이브 시스템에서 나온 신뢰할 만한 거의 실시간의 런 차트와 SPC 차트로 바꿔, 학습 고리를 몇 달에서 며칠로 줄이는 것이다. 자동화된 측정과 합리적 기본값이 진정으로 개선을 고정하는 곳과, 단순한 프로세스 변경이 이미 해결한 문제를 과도하게 치장하는 곳을 논의하라. 동인 도표가 도구가 실제로 병목임을 보이기 전에 도구 — 이 주제 예시의 온라인 양식 — 를 다시 구축하는 것을 경계하라. 노력이 일선의 개선 업무에서 마찰을 제거하는지, 아무도 요청하지 않은 번쩍이는 산출물을 더하는지 물으라. 정직한 답은 학습을 측정 가능하게 가속하는 한두 가지 수와 단지 진전처럼 보이는 기능을 구별하고, 팀의 희소한 역량을 레버리지가 가장 높은 동인에 겨냥해 둔다.

실제 사례: 보건·돌봄 예시#

한 통합 돌봄 위원회(ICB)가 지역사회 물리치료 서비스를 걱정한다. 일차 진료에서 의뢰된 환자는 첫 접촉까지 중앙값 21일을 기다리고, 불만이 늘고 있으며, 새 온라인 자기 의뢰 양식은 분명히 도움이 되지 않았다. 디지털 팀의 본능은 양식을 다시 만드는 것이다. 대신 서비스의 임상 리드와 디지털 제품 관리자는 이를 품질 개선 프로젝트로 운영하기로 한다.

그들은 목표 진술을 쓴다. 진료 예약 불참률을 높이거나 온라인 도구를 쓸 수 없는 환자의 접근을 줄이지 않으면서, 4개월 안에 의뢰에서 첫 의미 있는 접촉까지의 중앙값 시간을 21일에서 7일로 줄이기. 동인 도표를 만든다. 주요 동인은 처음 가정한 양식 자체가 아니라 의뢰의 질, 분류 속도, 진료 예약 가용성임이 드러난다. 가장 큰 병목은 분류다. 의뢰가 임상의가 검토하기 전에 공유 받은편지함에 며칠 동안 앉아 있다.

작게 시작한다. 한 PDSA 주기에서 물리치료사 한 명이 한 일반의 진료소의 의뢰에 대해 팀이 기존 데이터로 한 주 만에 세운 간단한 디지털 작업 목록을 써서 당일 분류를 시험한다. 분류 시간이 하루 미만으로 줄 것이라 예측하고, 점검 단계가 이를 확인하며 뜻밖의 사실을 드러낸다. 의뢰의 3분의 1에 안전하게 분류하는 데 필요한 정보가 없어 재작업을 강요한다. 다음 주기는 구조화된 의뢰 템플릿을 시험한다. 내내 디지털 팀은 일일 분류 시간의 런 차트와 중앙값 대기의 SPC 차트를 "Making Data Count" 관례에 따라 드러내, 서비스 전체가 월간 보고서를 기다리지 않고 거의 실시간으로 진전을 볼 수 있게 한다.

결정적으로 그들은 균형 척도를 추적한다. 환자 연령과 박탈별로 세분화한 전화 대 온라인 양식으로 오는 의뢰의 비율이다. 온라인 자기 의뢰가 오르면서 가장 박탈된 동네의 고령 환자에게 닿지 않고 있음을 알아채고 전화 경로를 완전히 인력 배치한 채 유지한다. 4개월 차에 중앙값 대기는 6일에 안정적으로 머문다. 운 좋은 한 달이 아니라 관리도의 진정한 이동이다. 구조화된 템플릿과 분류 작업 목록이 이제 선의에 의존하지 않고 도구에 내장된 기본 워크플로이므로 개선이 유지된다.

부문별 관점#

스타트업#

보건 기술 스타트업은 공식 QI 프로그램이 드물고 필요하지도 않지만, 핵심 규율은 직접 적용 가능하고 자주 소홀히 된다. 개선 모델은 제품 실험에 자연스럽게 대응된다. 목표 진술은 가설이고, PDSA 주기는 구축-측정-학습 고리이며, 균형 척도는 하나의 지표를 최적화하면서 임상 안전이나 형평성을 조용히 해치는 전형적 스타트업 실패에 대비한다. 주된 위험은 시간에 걸친 측정 없는 속도다. 빠르게 출시하고 한 주의 상승으로 승리를 선언한다. 런 차트 사고를 일찍 채택하라. 싸고, 결국 필요해질 NHS 구매자와 임상 파트너에게 성과 주장을 신뢰할 만하게 만든다. 작은 팀 안의 심리적 안전을 경쟁 자산으로 다루라. 실패한 시험을 정직하게 보고하는 것이 규모에서 엉뚱한 것을 만드는 것을 피하는 방법이다.

소규모 사업체#

확립된 소규모 제공자 — 일반의 진료소, 지역 약국, 요양원, 재가 돌봄 제공자, 단일 사업장 클리닉 — 에게는 실제 환자와 지속적인 운영이 있지만 전담 QI나 분석 역량은 드물고 현금이 빠듯하다. 좋은 소식은 개선 모델이 정직하게 축소된다는 것이다. 진료소 관리자와 임상의가 하나의 목표 진술을 쓰고, 작은 PDSA 주기를 운영하고, 아무것도 사지 않고 화이트보드나 스프레드시트에 간단한 런 차트를 둘 수 있다. 보호할 규율은 시간에 걸친 측정이다. 지난주 숫자로 변화를 판단하려는 충동에 저항하고, 근무일 안에 실제로 수집할 수 있는 두세 가지 척도(온라인 도구를 쓸 수 없는 환자의 접근 같은 균형 척도 포함)를 고르라. 유지할 수 없는 맞춤 대시보드를 구축하지 말고 기존 임상 시스템이 이미 기록하는 것에 기대고, "Making Data Count" 같은 국가 접근이 무료 관례와 템플릿을 제공한다면 재발명하지 말고 채택하라. 제약은 야심이 아니라 시간이므로, 시험을 진정으로 작게 유지하고 입증된 변화가 상설 워크플로가 되게 하여 지속적 노력 없이도 유지되게 하라.

대기업#

대형 제공자나 공급업체에는 보통 확립된 QI 인프라 — 교수진, 훈련된 코치, 개선 방법, 측정 기능 — 가 있으며, 때로 수백 개의 동시 프로젝트에 이른다. 대기업의 위험은 스타트업의 반대다. 진정한 변화 시험이 아니라 거버넌스를 위해 동인 도표가 만들어지는, 준수 의례가 된 관료적 QI다. 디지털 기능의 가장 가치 있는 수는 개선을 위한 측정을 산업화하는 것이다. 라이브 시스템에서 나온 자동화되고, 신뢰할 만하며, 거의 실시간의 SPC 차트로, 개선 팀이 손으로 세는 것을 멈추고 더 빨리 배우게 한다. 대규모 전환 프로그램을 개선과 혼동하는 대기업의 습관을 경계하라. 주제 5.2 — 프로그램 중심 업무가 분명히 하듯 둘에는 다른 거버넌스가 필요하다. 지속 가능성과 확산이 규모에서 가장 어려운 문제이므로, 좋은 지역 결과가 알아서 퍼지리라 가정하지 말고 의도적으로 투자하라.

정부#

NHS England, ICB, 독립 공공 기관 같은 국가 및 지역 기관은 시험을 직접 운영하기보다 방법, 의무, 인프라를 통해 QI를 형성한다. "Making Data Count" 프로그램이 좋은 모델이다. 모든 곳의 개선 대화의 질을 높이는, 국가적으로 촉진되는 일관된 SPC 접근이다. 이 수준의 위험은 성과 관리를 개선과 혼동하는 것이다. 목표를 부과하고 2점 비교로 조직의 순위를 매기는 것은, SPC 사고가 특히 경고하는 바, 잡음을 신호로 착각한다. 정부의 최선의 기여는 역량과 공유된 방법을 폭넓게 구축하고, 개선할 일선의 허락을 보호하며, 모든 척도를 판단으로 바꾸려는 유혹에 저항하는 것이다. 국가 디지털 표준을 정할 때 개선을 위한 측정 관례를 내장하여 보증만이 아니라 개선이 기본 자세가 되게 하라.

흔한 실패 양상#

• 목표 이전의 해법 중심. 구체적이고 측정 가능한 목표 없이 "새 앱을 만들자"로 뛰어들어, 성공을 결코 판단할 수 없고 노력이 아무도 검증하지 않은 기능에 흩어진다.
• 사전-사후 연극. 런 차트라면 평범한 변동을 드러냈을 두 데이터 점으로 개선을 주장한다. 팀이 스스로와 이사회를 속이는 가장 흔한 단일 방식이다.
• 균형 척도 없음. 안전, 직원 업무량, 접근의 형평성을 조용히 악화시키면서 처리량을 개선한다. 낮은 디지털 자신감을 가진 사람들을 배제하는 디지털 도구에 특히 위험하다.
• 프로젝트 관리로 위장한 QI. 고정 범위 빅뱅 계획을 운영하고 진정한 변화 시험도, PDSA도, 조정하거나 포기할 의지도 없이 QI라 부른다.
• 개선을 연구나 성과 관리와 혼동. 빠른 학습을 마비시키는 연구 수준의 엄격함을 적용하거나, 개선 데이터를 심리적 안전을 파괴하는 순위표로 무기화한다.
• 증발하는 일회성 이득. 지역의 성공을 표준화하고, 내장하고, 유지하고, 확산시킬 계획 없이 축하하여 시스템이 몇 달 안에 조용히 되돌아간다.
• 일선의 허락 없는 중앙 통제. 직원에게 자체 시험을 운영할 시간, 안전, 데이터를 허용하지 않으면서 위에서 개선을 의무화하여 얄팍한 준수를 보장한다.
• 데이터 기아. 디지털 시스템이 적시 SPC 차트를 드러낼 수 있는데 수작업의, 지연되고, 신뢰할 수 없는 데이터로 QI를 운영하여 학습 고리가 필요 이상으로 훨씬 느리다.

성숙도 모델#

체크리스트#

• 이 개선을 위한 구체적이고, 측정 가능하며, 기한이 있는 목표 진술을 썼다.
• 변화 이론을 명시적이고 수정 가능하게 만드는 동인 도표가 있다.
• 형평성 균형 척도를 포함해 성과, 과정, 균형 척도를 정의했다.
• "Making Data Count"에 따라 데이터를 런 차트나 SPC 차트로 시간에 걸쳐 표시한다.
• 규모를 키우기 전에 각 시험에 예측을 두고 작은 PDSA 주기로 변화를 시험한다.
• 이것이 개선인지, 프로젝트 딜리버리인지, 연구인지 분명히 하고 그에 맞게 거버넌스한다.
• 일선 팀에 자체 시험을 운영할 허락, 보호된 시간, 심리적 안전이 있다.
• 디지털 시스템이 지연된 수작업 집계가 아니라 적시의 신뢰할 만한 데이터를 개선 업무에 공급한다.
• 개선으로 입증되는 모든 변화를 유지, 표준화, 확산할 계획이 있다.
• 2점 비교가 아니라 SPC 사고로 리더에게 개선을 보고한다.

주요 출처#

• NHS England — Making Data Count: NHS를 위한 통계적 공정 관리 자료와 교육.
• Institute for Healthcare Improvement (IHI) — Model for Improvement, PDSA, and the Science of Improvement resources.
• Langley, Moen, Nolan, Nolan, Norman & Provost — The Improvement Guide (2nd edition), 개선 모델에 대한 기초 텍스트.
• The Health Foundation — Quality Improvement Made Simple 및 보건 의료의 개선에 관한 관련 증거 검토.
• W. Edwards Deming — Out of the Crisis 및 심오한 지식 체계.
• Amy C. Edmondson — The Fearless Organization, 팀의 심리적 안전에 관해.

참고문헌#

1. PDCA — Wikipedia — https://en.wikipedia.org/wiki/PDCA
2. W. Edwards Deming — Wikipedia — https://en.wikipedia.org/wiki/W._Edwards_Deming
3. Quality management — Wikipedia — https://en.wikipedia.org/wiki/Quality_management
4. Continual improvement process — Wikipedia — https://en.wikipedia.org/wiki/Continual_improvement_process
5. Lean manufacturing — Wikipedia — https://en.wikipedia.org/wiki/Lean_manufacturing
6. Six Sigma — Wikipedia — https://en.wikipedia.org/wiki/Six_Sigma
7. Run chart — Wikipedia — https://en.wikipedia.org/wiki/Run_chart
8. Control chart — Wikipedia — https://en.wikipedia.org/wiki/Control_chart
9. Statistical process control — Wikipedia — https://en.wikipedia.org/wiki/Statistical_process_control
10. Psychological safety — Wikipedia — https://en.wikipedia.org/wiki/Psychological_safety
11. Making Data Count — NHS England — https://www.england.nhs.uk/publication/making-data-count/
12. Science of Improvement — Institute for Healthcare Improvement — https://www.ihi.org/resources/how-to-improve
13. The Improvement Guide — Langley, Moen, Nolan, Nolan, Norman & Provost, Jossey-Bass — https://www.wiley.com/en-us/The+Improvement+Guide%3A+A+Practical+Approach+to+Enhancing+Organizational+Performance%2C+2nd+Edition-p-9780470192412
14. Quality Improvement Made Simple — The Health Foundation — https://www.health.org.uk/publications/quality-improvement-made-simple