글로벌 제약사 75%가 생성형 인공지능을 우선순위로 둔 지금, 진짜 병목은 데이터

• 신약개발 인공지능 경쟁이 꽤 본격화됐는데, 업계가 다시 보는 건 모델보다 데이터임

  • 바이오비아 웨비나에서 나온 핵심 메시지는 “인공지능 모델 성능보다 연구 현장의 데이터 품질과 연결성이 먼저”라는 쪽이었음
  • 실험실별로 데이터가 흩어져 있고 기록 체계가 제각각이면, 아무리 좋은 모델을 붙여도 의미 있는 결과를 뽑기 어렵다는 얘기임

• 숫자로 보면 분위기는 이미 꽤 뜨거움

  • 발표 자료 기준으로 올해 글로벌 제약사의 75%가 생성형 인공지능을 전략적 우선순위로 두고 있음
  • 인공지능을 활용해 설계된 의약품도 173개 이상이 임상 개발 단계에 들어갔다고 함
  • 그러니까 “인공지능 신약개발이 올까?”가 아니라 “현장 데이터가 이 속도를 따라가나?”가 더 현실적인 질문이 된 셈임

• 그런데 현장에서는 여전히 GIGO 문제가 반복되고 있음

  • GIGO는 Garbage In, Garbage Out, 즉 쓰레기 데이터를 넣으면 쓰레기 결과가 나온다는 말임
  • 같은 화합물을 연구자마다 다른 이름으로 기록하는 명명법 불일치가 대표 사례로 나왔음
  • 실패한 실험 데이터가 충분히 남지 않거나, pH와 배양시간 같은 핵심 조건 메타데이터가 빠지는 경우도 많다고 함

• 특히 “실패 데이터”가 중요하다는 지적이 꽤 현실적임

  • 인공지능이 성공 사례만 보면 어떤 조건에서 결과가 틀어지는지 배우기 어렵기 때문임
  • 신약개발은 성공 케이스만큼 실패 케이스가 많은 분야라, 실패 기록을 안 남기면 모델 입장에서는 맥락이 통째로 사라지는 셈임
  • 개발자 관점으로 치면 장애 로그 없이 성공 응답만 보고 시스템을 튜닝하겠다는 얘기랑 비슷함

• 또 하나의 병목은 데이터 사일로임

  • 연구 데이터가 실험실, 조직, 프로젝트별로 분절돼 저장되면 필요한 데이터를 찾거나 재사용하기 어려워짐
  • 단순히 데이터를 많이 쌓는 게 아니라, 인공지능이 학습 가능한 고품질 데이터로 바꾸는 게 핵심이라고 강조됐음

• 그래서 제시된 원칙이 FAIR임

  • Findable은 쉽게 찾을 수 있어야 한다는 뜻이고, Accessible은 권한 안에서 접근 가능해야 한다는 뜻임
  • Interoperable은 서로 다른 시스템 사이에서 호환돼야 한다는 의미고, Reusable은 다시 쓸 수 있는 형태여야 한다는 의미임
  • 연구 프로젝트 일정, 산출물, 비용, 후보물질 시뮬레이션 데이터, 실험 기록, 샘플, 분석 결과가 연결돼야 인공지능도 데이터의 맥락을 이해할 수 있음

• 디지털전환과 인공지능전환의 순서도 질문으로 나왔음

  • 답은 “반드시 순차 진행은 아니다”에 가까웠음
  • 다만 현실적으로는 데이터 기반이 잘 잡힌 기업일수록 인공지능전환 성공 가능성이 높다는 설명이 붙었음
  • 최근에는 전자연구노트와 실험정보관리시스템을 구축하면서 동시에 인공지능 활용 가능성을 검증하는 사례도 늘고 있다고 함

---

기술 맥락

• 이 기사에서 말하는 핵심 선택은 “더 큰 모델을 먼저 붙이자”가 아니라 “연구 데이터를 인공지능이 읽을 수 있게 정리하자”예요. 신약개발은 실험 조건이 조금만 달라도 결과가 달라지기 때문에, pH나 배양시간 같은 메타데이터가 빠지면 모델이 배울 근거가 무너져요.

• 실패 데이터를 남겨야 하는 이유도 여기에 있어요. 성공 사례만 있으면 모델은 어떤 조건에서 후보물질이 안 되는지 구분하기 어렵거든요. 실제 연구에서는 실패가 훨씬 많기 때문에, 실패 기록이 빠진 데이터셋은 보기엔 깔끔해도 학습 가치가 낮을 수 있어요.

• FAIR 원칙은 단순한 문서 관리 규칙이 아니에요. 실험 기록, 샘플, 분석 결과, 시뮬레이션 데이터를 서로 연결해야 나중에 인공지능이 “이 결과가 왜 나왔는지”까지 추적할 수 있어요. 그래서 전자연구노트와 실험정보관리시스템 같은 기반 시스템이 인공지능 프로젝트의 선행 작업처럼 다뤄지는 거예요.