[디지털데일리 옥송이 기자] "생성형 AI 모델을 연구·개발하고 제공하는 기업들은 절대 혼자서 살아갈 수 없다. POC(Proof of concept. 개념 검증) 단계를 넘어 생성형 AI를 실제 현장에 적용하기 위해선 충분한 준비와 파트너십이 필요하다."

박용민 LG AI연구원 AI비즈니스팀 리더가 9일 서울 소공동 롯데호텔에서 열린 디지털데일리의 'AI WAVE 2024' 콘퍼런스에서 생명공학에서의 생성형AI 도입 사례를 소개하고, 나아가야 할 발전 방향을 짚었다.

박 리더는 생명공학 인공지능 시장에 대해 먼저 설명했다. 그는 "생명공학도 신약 물질 발굴, 임상 시험 등에서 다양한 생성형 AI가 도입되고 있다"면서 크게 신약 개발·정밀 의료, 의료 영상 분석, 병원 워크플로우 관리, 환자 관리 등 네 가지 분야로 구성된다고 전했다.

박 리더는 "네 가지에 이르는 각 분야별 AI 사례는 '생산성 향상을 위한 인공지능(AI for productivity growth)'과 '새로운 기술 등 창의력을 보조하는 인공지능(AI for scientific discovery)' 두 갈래로 쪼개진다"고 말했다.

먼저, 생산성 향상을 위한 인공지능의 경우 LLM(거대언어모델)이 여러 상황에서 적용된다. 제약사의 경우 경쟁사의 신약 물질 특허가 출원했을 때 빠른 스캐닝이 필수적이다. 현재까지는 노동집약적 과정을 통해 일일이 특허 내 분자 구조 등을 수작업으로 처리하고 있으나, LLM을 도입해 빠르게 데이터를 정형화하고 요약하는 방안을 개발하고 있다.

콜센터에서도 LLM의 중요성이 증대되고 있다. 바이오마커 등 동반 진단 키트가 급증하면서, 검사 결과 해석에 대한 제약사 콜센터 문의가 쏟아지고 있다. 반면, 콜센터 직원들이 동반 진단 키트에 대한 전문적인 지식을 빠르게 습득하고 안내하기 어려운 상황이 이어지고 있다. 이에 바이오 분야 문헌, FDA 레이블 등으로 학습된 LLM에 기반해 코파일럿 형태로 콜센터를 운영하면 효율적인 업무가 가능하다는 것이다.

새로운 기술 등 창의력을 보조하는 인공지능은 데이터 라이선스와 신약 물질 발굴, 임상시험 문서 작성 등에서 활약한다. 이를테면 RWE(Real world evidence) 연구에 필요한 중요 내용이 비정형 데이터인 경우가 다수인데, 데이터를 모아 LLM 튜닝하는 방식으로 문제점을 해결 할 수 있다.

투자 규모에 비해 FDA 승인 확률은 10%에 불과할 정도로 낮은 신약 물질 발굴 사례에서 테크바이오 업체는 생성형AI 기반 솔루션으로 임상시험 통과 확률을 높일 수 있다. 생성형AI 솔루션이 단백질 구조 예측, 생체 분자 표현, 생체분자 생성, 분자 도킹 등의 작업 등을 수행 가능해서다.

다만, 현재까지 글로벌 IT 업계의 예산 측면에서 생성형AI가 차지하는 비중은 현저하게 낮은 수준이다.

박 리더는 가트너의 IT전망를 인용해 "글로벌 IT 기업들의 예산은 일반 IT, AI, 생성형 AI 예산 순이다. 올해까지만 해도 생성형AI 예산은 그래프에서 눈에 잘 인식되지 않을 정도에 불과하나, 그 비중은 점차 확대되고 있다"며 "사업 모델 관점에서 살펴보면 향후에는 생성형AI가 IT예산에서 중요한 역할을 할 것"이라면서, 이는 단순히 생성형 AI 기술을 도입하기 위해 투자하는 것에서 끝나지 않는다는 점을 짚었다.

그는 "새로운 버전의 기술이 나올 때마다 비저닝을 해줘야 할텐데 이 막대한 비용을 버틸 기업이 얼마나 되겠냐"면서 아직 POC 단계인 생성형 AI를 실질적인 적용에 이르게 하기 위해선 기업간의 파트너십과 여러 논의가 필요하다는 점을 강조했다.

끝으로 박 리더는 "AI 기술에 대한 높은 이해도를 가진 전자·화학·통신·의료·법률·특허 등의 도메인 전문가팀 등 AI 컨설턴트 역할이 중요하다"면서 "LG AI연구원은 생명공학 분야 생성형 AI와 관련해 여러 이슈를 대비하는 등 제대로 준비하고 있다"고 덧붙였다.