Anthropic이 실험 가운을 입었어 — AI가 이제 실험실 책상에 앉는다

6월 30일, Anthropic이 조용히 그런데 아주 큰 발표를 하나 했어. 이름하야 'Claude Science'. 챗봇이나 코딩 어시스턴트가 아니라, 제약 회사와 연구소 실험실에서 쓰라고 만든 전용 AI야. 다리오 아모데이가 직접 나서서 발표했는데, 그가 한 말이 인상적이었어. "지금까지 인류는 생물학의 복잡함을 오직 머리로만 씨름해왔다"고. 이 말 한마디에 이 제품이 뭘 노리는지 다 담겨 있어. 이제 그 복잡함을 AI와 나눠서 짊어지겠다는 거거든. 그리고 여기서 끝이 아니야. Anthropic은 같은 날 자기들이 직접 신약 개발에도 뛰어들겠다고 밝혔어. AI 회사가 툴만 파는 게 아니라 실제로 약을 만드는 주체가 되겠다는 선언이야. 이게 왜 중요하냐면, 이건 단순히 "기능 하나 추가했어요" 수준이 아니라 Anthropic이 특정 산업을 정조준한 첫 대형 수직 제품이거든. 그리고 그 산업이 하필 사람 목숨과 직결된 제약이라는 거지.

등장인물

이 이야기의 중심에는 당연히 다리오 아모데이가 있어. Anthropic의 CEO고, AI 안전성을 강조하던 인물로 유명하잖아. 근데 이번엔 안전 얘기가 아니라 "생물학의 복잡함"이라는, 조금은 철학적인 표현으로 발표를 열었어. 이게 아모데이 스타일이야. 단순히 신제품 스펙 나열이 아니라 왜 이 일을 하는지 큰 그림부터 얘기하는 거. 그가 오랫동안 공개적으로 얘기해온 게 있는데, AI가 생물학·의학 연구를 가속화해서 인류의 질병 극복 시간표를 확 당길 수 있다는 믿음이야. Claude Science는 그 믿음을 처음으로 구체적인 제품 형태로 꺼내놓은 거라고 보면 돼.

두 번째 등장인물은 Eric Kauderer-Abrams. Anthropic의 생명과학 부문 수장이야. 이 사람이 한 말이 이번 발표에서 가장 곱씹을 만해. "우리는 여러분과 함께 이걸 직접 살아봐야 한다"고 했거든. 그리고 덧붙이길, Anthropic은 "긴밀한 피드백 루프의 힘을 믿고", "참호 속에서 신약을 개발하려 애쓰는 여러분과 함께 우리도 직접 경험하는 것 말고는 대체할 방법이 없다"고 말했어. 이게 그냥 마케팅 문구가 아니라, Anthropic이 왜 툴만 팔지 않고 직접 신약 개발까지 손대는지에 대한 설명이야. 즉, 자기들이 만든 도구를 실제 전장에서 써보지 않으면 그 도구가 진짜 쓸모 있는지 알 수 없다는 논리지.

세 번째 등장인물은 이름은 안 나왔지만 존재감은 확실한 집단, 바로 제약·바이오 연구자들이야. 유전체학자, 단백질체학자, 구조생물학자, 화학정보학자 같은 사람들. 이 사람들이 매일 겪는 고통이 뭐냐면, 연구 하나를 진행하려면 수십 개의 서로 다른 데이터베이스와 파일 포맷과 분석 툴을 오가야 한다는 거야. 이 도구 저 도구 옮겨 다니느라 정작 연구에 쓸 시간이 깎여나가는 거지. Claude Science가 정조준한 게 바로 이 사람들의 일상이야.

마지막으로 등장인물이라기보다는 '무대'에 가깝지만, "neglected diseases"라 불리는, 전통적인 제약회사가 상업성이 없다고 외면해온 질병들도 이번 이야기에서 빼놓을 수 없어. Anthropic이 자체 신약 개발을 시작하면서 처음 겨냥한 영역이 바로 여기야. 돈이 안 되니까 아무도 안 건드리던 질병들. 이 선택 하나가 이 발표 전체의 결을 다르게 만들어.

핵심 내용

그래서 Claude Science가 정확히 뭐냐. Anthropic 공식 페이지에서는 이걸 "Claude for Life Sciences"라는 카테고리 아래에 놓고 소개해. 근데 언론에서는 다들 그냥 'Claude Science'라고 부르고 있어. 둘 다 같은 걸 가리키는 이름이라고 보면 돼. 핵심은 이거야. 연구자들이 연구의 모든 단계에서 수십 개의 데이터베이스, 파일 포맷, 분석 도구를 넘나들 필요 없이, 단 하나의 연구 환경 안에서 작업할 수 있게 만들었다는 것. 지금까지 연구자들은 유전체 데이터는 이 툴로, 단백질 구조는 저 툴로, 화합물 분석은 또 다른 툴로 하는 식으로 하루에도 몇 번씩 맥락 전환을 해야 했어. Claude Science는 이걸 하나로 묶어버린 거야.

구체적으로 뭐가 들어있냐면, 60개가 넘는 큐레이션된 스킬과 커넥터가 미리 세팅되어 있어. 유전체학(genomics), 단일세포 분석(single-cell), 단백질체학(proteomics), 구조생물학(structural biology), 화학정보학(cheminformatics) 이 다섯 개 영역을 커버해. 연구자는 도구를 바꿔가며 헤맬 필요 없이 이 안에서 분석을 돌리고 데이터에 접근할 수 있어. 이걸 표로 정리하면 이래.

영역 무엇을 다루나 기존 방식의 문제
유전체학 (Genomics) DNA 서열, 유전 변이 분석 서로 다른 데이터베이스·포맷 오가야 함
단일세포 분석 (Single-cell) 개별 세포 단위 데이터 해석 전용 툴마다 학습 곡선 존재
단백질체학 (Proteomics) 단백질 발현·상호작용 분석 대용량 데이터 처리에 별도 파이프라인 필요
구조생물학 (Structural biology) 단백질·분자의 3D 구조 구조 예측·시각화 툴이 파편화되어 있음
화학정보학 (Cheminformatics) 화합물 설계·스크리닝 신약 후보 물질 탐색에 반복 작업 많음

이 다섯 영역을 하나의 창구로 묶었다는 게 이 제품의 실질적인 기술적 핵심이야. 화려한 신규 모델을 내놓은 게 아니라, 기존 Claude를 특정 산업의 워크플로우에 맞춰 최적화한 '애플리케이션 레이어'라고 보는 게 정확해. 다시 말해 Claude Science는 완전히 새로운 두뇌가 아니라, 그 두뇌를 실험실이라는 특수한 환경에 맞게 옷을 갈아입힌 제품인 거야.

그리고 이 발표에서 진짜 무게감 있는 부분은 따로 있어. Anthropic이 단순히 "우리 도구를 써주세요"에서 멈추지 않고, 자기들이 직접 신약 연구개발(R&D)에 뛰어들겠다고 선언한 거야. 그것도 처음 겨냥한 게 전통 제약회사들이 상업적으로 매력이 없다고 외면해온 'neglected diseases', 즉 소외된 질병들이야. AI 랩이 툴 벤더에서 벗어나 직접 연구 주체가 되겠다는 이 결정이, 어쩌면 스킬 60개보다 훨씬 큰 이야기일 수 있어.

각자의 이득

Anthropic 입장에서 이건 명확한 사업적 계산이 깔려 있어. 지금까지 Claude는 범용 AI 어시스턴트로 알려져 있었잖아. 코딩하고, 글 쓰고, 리서치 돕고. 근데 범용 시장은 이미 OpenAI, Google 같은 거대 플레이어들이 정면으로 붙는 레드오션이야. 반면 제약·생명과학은 예산 규모가 크고, 워크플로우가 복잡해서 한번 자리 잡으면 잘 안 바뀌는 '락인(lock-in)' 효과가 강한 산업이야. 즉 Anthropic은 범용 경쟁에서 한 발 비켜서서, 돈 되고 오래가는 특정 산업에 깊이 파고드는 전략을 택한 거지. 게다가 직접 신약 개발까지 하면 "우리가 만든 도구가 실제로 신약을 만들어냈다"는 최고의 레퍼런스 사례를 스스로 만들 수 있어. 이보다 강력한 세일즈 포인트가 어디 있겠어.

제약회사와 연구소 입장에서는 어떨까. 이들이 얻는 건 시간이야. 신약 하나가 시장에 나오기까지 보통 10년 넘게 걸리고, 그 과정 대부분이 데이터 탐색과 분석에 소모돼. 연구자가 툴 전환에 쓰는 시간을 줄이고 실제 가설 검증에 더 많은 시간을 쓸 수 있다면, 이건 곧바로 개발 속도와 비용 절감으로 이어져. 특히 중소 바이오텍처럼 자체 데이터 인프라 팀을 크게 꾸리기 어려운 곳들은 이런 '올인원 연구 환경'의 효용이 더 클 수밖에 없어.

연구자 개인 입장에서 보면 이건 좀 더 미묘해. 한편으로는 반복적이고 지루한 작업, 그러니까 포맷 변환하고 데이터베이스 오가는 일에서 해방될 수 있다는 기대가 있어. 근데 다른 한편으로는 "이러다 내 전문성이 AI로 대체되는 거 아니야?"라는 불안도 분명 있을 거야. 이건 나중에 궁금증 섹션에서 다시 짚어볼게.

마지막으로 사회 전체, 특히 소외된 질병으로 고통받는 환자들 입장에서 보면 이건 꽤 의미심장해. 전통 제약회사들은 투자 대비 수익이 안 나오는 질병에는 좀처럼 손을 안 대. 근데 AI 랩이 그 틈을 자기 발로 들어가겠다고 한 거야. 물론 이게 자선사업은 아니고, 브랜드 이미지와 기술 검증이라는 계산도 깔려 있겠지만, 적어도 지금까지 방치됐던 영역에 새로운 플레이어가 등장했다는 사실 자체는 환자들에게 나쁜 소식은 아니야.

과거 유사 사례 — 성공과 실패

AI가 신약 개발이나 과학 연구를 돕겠다고 나선 게 이번이 처음은 아니야. 가장 잘 알려진 성공 사례는 단백질 구조 예측 AI야. 이전에는 단백질 하나의 3D 구조를 알아내는 데 실험실에서 수개월, 심지어 수년이 걸리기도 했는데, 딥러닝 기반 구조 예측 모델이 등장하면서 이 시간이 극적으로 단축됐다는 게 과학계에서 널리 인정받은 성과야. 이 사례가 중요한 이유는, "AI가 생물학의 특정 병목 구간 하나를 확실히 뚫어낼 수 있다"는 걸 증명했기 때문이야. Claude Science가 노리는 것도 비슷한 결이야. 다만 이번엔 단백질 구조 하나가 아니라 연구 워크플로우 전체를 겨냥한다는 게 다르지.

반면 실패 사례, 혹은 최소한 기대에 못 미쳤던 사례도 분명 있어. 지난 몇 년간 "AI가 신약 개발을 몇 년씩 단축시켜줄 것"이라는 장밋빛 전망이 여러 차례 나왔지만, 실제 임상시험 단계까지 가서 결과를 낸 사례는 생각보다 더디게 나왔어. AI가 후보 물질을 빠르게 찾아내는 건 잘하는데, 그 물질이 실제로 사람 몸에서 안전하고 효과적인지 검증하는 임상 단계는 여전히 시간과 규제, 생물학적 불확실성이라는 벽에 부딪히거든. 즉 AI는 '탐색' 단계는 잘 가속화하지만 '검증' 단계까지 자동으로 빨라지는 건 아니라는 교훈이 쌓여온 거야.

또 하나 참고할 만한 흐름은, 거대 기술기업들이 과학 연구용 전용 AI 도구를 내놓은 사례들이 이미 여러 차례 있었다는 점이야. 이런 도구들이 연구자들 사이에서 실제로 얼마나 뿌리내렸는지는 도구마다 편차가 컸어. 어떤 건 특정 연구 커뮤니티에서 표준 도구로 자리 잡았고, 어떤 건 초기 관심만 반짝하고 사그라들기도 했지. 이 차이를 가른 건 결국 "그 도구가 실제 연구자의 일상적인 고통을 얼마나 정확히 해결했느냐"였어.

이런 과거 사례들을 놓고 보면 Claude Science의 성패를 가를 지점이 좀 더 선명해져. 스킬 60개, 데이터베이스 통합 같은 스펙은 출발점일 뿐이고, 진짜 승부는 연구자들이 실제로 하루 업무에 이걸 얼마나 꾸준히 쓰느냐, 그리고 그 결과물이 논문이나 신약 후보로 실제 이어지느냐에서 갈릴 거야.

경쟁자 카운터 플레이

Anthropic이 이렇게 제약·생명과학이라는 산업을 정조준했으니, 당연히 경쟁자들도 가만있지 않을 거야. 가장 먼저 떠올릴 수 있는 건 OpenAI와 Google이야. 두 회사 모두 이미 범용 AI 모델을 과학 연구에 적용하려는 시도를 계속해왔고, 각자 나름의 생명과학·헬스케어 파트너십을 쌓아온 이력이 있어. Anthropic이 먼저 '수직 특화 제품'이라는 형태로 치고 나온 이상, 이 두 회사도 비슷한 형태의 산업 특화 패키지를 내놓을 유인이 커졌다고 봐야 해. 범용 모델의 성능만으로 경쟁하던 시대에서, 이제는 "누가 특정 산업의 워크플로우를 더 깊이 이해하고 있느냐"의 싸움으로 전선이 넓어지는 거지.

기존 생명과학 전용 소프트웨어 회사들의 반응도 흥미로운 관전 포인트야. 유전체 분석, 단백질체 분석 같은 영역에는 이미 오랫동안 그 분야만 파온 전문 소프트웨어 업체들이 있거든. 이들 입장에서 Claude Science는 위협이자 동시에 기회일 수 있어. 위협인 이유는 Anthropic이 이 여러 영역을 한꺼번에 통합해버리면 개별 전문 툴의 존재 가치가 흐려질 수 있기 때문이고, 기회인 이유는 오히려 이런 전문 업체들이 Claude Science의 커넥터·파트너로 올라타는 길을 택할 수도 있기 때문이야. 실제로 이번 발표에서 언급된 '60여 개의 큐레이션된 스킬과 커넥터'라는 표현 자체가, 이미 여러 외부 도구·데이터 소스와의 연동을 전제로 하고 있다는 뜻이기도 해.

제약회사들, 특히 이미 자체 AI·데이터 사이언스 팀을 크게 꾸려놓은 대형 제약사들의 반응도 갈릴 거야. 어떤 곳은 자체적으로 쌓아온 내부 도구와 파이프라인이 있으니 굳이 외부 플랫폼에 종속되고 싶어하지 않을 수 있고, 반대로 어떤 곳은 그 내부 도구를 유지보수하는 비용과 인력 부담을 덜고 싶어서 Claude Science 같은 통합 플랫폼으로 갈아타려 할 수도 있어. 이 선택은 결국 각 제약사의 규모, 예산, 그리고 "데이터 주권을 얼마나 중요하게 여기는가"에 따라 갈릴 문제야.

마지막으로 짚어야 할 건, Anthropic이 직접 신약 개발까지 하겠다고 나선 순간, 이제 이 회사는 단순한 '기술 벤더'가 아니라 잠재적인 '경쟁자'로도 비칠 수 있다는 점이야. 제약회사 입장에서 자기네 연구 데이터와 워크플로우를 Anthropic의 플랫폼에 태우면서, 동시에 그 Anthropic이 같은 질병 영역에서 직접 신약을 개발하고 있다면 이해 상충을 걱정하는 목소리가 나올 수밖에 없어. 다만 Anthropic이 처음 겨냥한 게 'neglected diseases', 즉 전통 제약사들이 원래 관심 없던 영역이라는 점이 이 우려를 어느 정도는 완화해줄 수 있을 거야.

그래서 뭐가 달라지는데

일반 사용자 입장에서는 사실 이 발표가 당장 체감되진 않을 거야. Claude Science는 일반 소비자용 챗봇이 아니라 연구소와 제약회사가 계약해서 쓰는 산업용 도구거든. 다만 장기적으로 보면 얘기가 달라져. 만약 이 도구가 실제로 신약 개발 속도를 앞당기는 데 기여한다면, 그 결과물은 결국 우리가 병원에서 처방받는 약, 특히 지금까지 소외됐던 질병의 치료제로 돌아올 수 있어. 당장은 아니어도, 몇 년 뒤 뉴스에서 "이 신약은 AI 플랫폼을 활용해 개발 기간을 단축했다"는 문장을 보게 될 가능성이 이제 조금 더 커진 거야.

연구자와 과학자 입장에서는 훨씬 직접적인 변화가 예상돼. 당장 소속 기관이 Claude Science를 도입한다면, 매일 반복하던 데이터베이스 전환, 파일 포맷 변환 같은 잡무가 줄어들 수 있어. 하지만 동시에 새로운 도구를 배우고 적응하는 초기 비용도 감수해야 하고, 무엇보다 "이 AI가 내놓은 분석 결과를 얼마나 신뢰할 수 있는가"를 스스로 검증하는 습관이 더 중요해질 거야. 도구가 편해질수록 그 결과를 맹신하지 않고 비판적으로 검토하는 역량이 오히려 더 요구되는 역설이 생기는 거지.

제약업계 종사자, 특히 R&D 의사결정권자 입장에서는 이제 새로운 선택지가 하나 생긴 셈이야. 자체 인프라를 계속 키울지, 아니면 Claude Science 같은 통합 플랫폼에 올라탈지를 저울질해야 해. 특히 예산이 넉넉하지 않은 중소 바이오텍이라면 이 선택이 회사의 연구 속도와 경쟁력에 실질적인 영향을 미칠 수 있어. 반대로 대형 제약사라면 이미 구축된 내부 시스템과의 통합성, 그리고 데이터 보안 측면에서 좀 더 신중하게 접근할 가능성이 커.

투자자나 산업 관찰자 입장에서 이번 발표는 하나의 신호탄으로 읽힐 수 있어. Anthropic이 범용 AI 경쟁에서 벗어나 특정 산업 수직 통합으로 전략을 넓히기 시작했다는 뜻이거든. 이게 성공하면 다른 AI 랩들도 비슷한 산업별 수직 제품을 잇달아 내놓을 가능성이 높아. 즉 지금 우리가 보고 있는 건 단순히 제품 하나의 출시가 아니라, AI 업계 전체의 경쟁 방식이 '누가 더 똑똑한 모델을 만드나'에서 '누가 특정 산업을 더 깊이 파고드나'로 옮겨가는 초입일 수도 있어.

🥄 남은 궁금증 세 가지

— Anthropic이 직접 신약을 개발한다는데, 정말 약이 나올 때까지 계속할까? 신약 개발은 보통 10년 넘게 걸리고 임상시험 단계마다 큰돈과 시간이 들어가는 긴 싸움이야. Anthropic이 지금 초기 발을 들였다는 것과, 끝까지 완주해서 실제 승인받은 약을 시장에 내놓는 것 사이에는 아주 먼 거리가 있어. 단정하긴 일러.

— 제약회사들이 자기 연구 데이터를 외부 AI 플랫폼에 정말 맡길까? 제약업계는 원래 데이터 보안과 지적재산권에 극도로 민감한 곳이야. 60개가 넘는 스킬과 커넥터가 아무리 편리해도, 핵심 연구 데이터를 외부 플랫폼에 태우는 결정은 회사마다, 그리고 데이터 종류마다 다르게 판단할 가능성이 커. 초기엔 민감도가 낮은 작업부터 조심스럽게 시작하는 곳이 많을 거야.

— 연구자들이 이 도구 없이도 일 잘하던 거 아니야? 굳이 바꿀 필요가 있을까? 도구 전환에는 항상 학습 비용과 저항이 따르기 마련이야. 특히 이미 자기만의 워크플로우와 스크립트를 갖춘 숙련된 연구자일수록 새 플랫폼으로 옮기는 걸 주저할 수 있어. 결국 이 도구가 살아남으려면 "귀찮음을 줄여주는 정도"를 넘어서 "이거 없이는 못 하겠다" 수준의 체감 효용을 줘야 하는데, 그건 실제 사용 데이터가 쌓여야 알 수 있는 부분이야.

참고 자료

수치는 발표 시점 기준이라 바뀔 수 있어.