---
title: "AI 스크라이브 정확도 벤치마크, 호주 — Hanah"
description: "호주용 Hanah AI 스크라이브 정확도 벤치마크: 2026년 7월 30일 채점한 녹음 11개 기준 단어 오류율 1.6%, 사전 등록 임상 사실 113개 대비."
source: https://hanah.health/ko/au/trust/transparency/
---

검증 투명성

# AI 스크라이브 정확도 벤치마크 — 호주

각 수치를 어떻게 측정했는지와 그 한계를 포함해, 이 결과의 [방법론](https://hanah.health/ko/au/trust/wer-methodology/)은 방법론 문서에 있어요.

같은 녹음으로 다른 AI 스크라이브 6개와 비교했을 때, Hanah의 기록은 필요한 임상 세부 사항을 평균보다 11% 더 많이 담았고(93.7% 대 84.2%), 중대한 환각 표시는 평균 기록당 0.96건인 데 비해 0건이었으며, Hanah의 녹취록은 임상적으로 중요한 오류가 66% 적었어요. [비교 결과 보기](https://hanah.health/ko/benchmark/).

## 주요 지표

## 포함률 세부 내역

## 심사단 구성

각 세부 사항은 패널에 설정된 모든 심사 위원이 채점해요. 어려운 사례에서는 판정이 엇갈리는데, 그 자체가 신호예요. 심사 위원별 판단 근거는 아래에 원문 그대로 보여 드려요.

## 진료 세션

녹음을 클릭하면 원본 오디오, 기준 정답 녹취록, 음성 인식(STT) 파이프라인이 들은 내용, 생성된 모든 문서, LLM별 판정과 근거를 자세히 볼 수 있어요.

## 방법론·출처

방법론

단어 오류율, LLM 심사단, 프롬프트 범위의 기대 항목, 보정 점검, 코퍼스 발전 로드맵(합성 → 역할극 → 실제 진료).

[방법론 문서 읽기 →](https://hanah.health/ko/au/trust/wer-methodology/)

원본 데이터

이 페이지의 바탕이 되는 기계 판독 가능한 전체 결과물이에요. 이 페이지의 모든 수치는 이 파일에서 바로 계산할 수 있어요.

[원본 데이터 열기 →](https://hanah.health/au/trust/transparency/data.js)

재현성

코퍼스, 심사 위원 프롬프트, 심사 모델 버전을 모두 버전 관리해요. 누구나 같은 커밋으로 평가 도구를 다시 실행해 이 수치를 재현할 수 있어요.

[트러스트 센터 홈 →](https://hanah.health/ko/au/trust/)