Novo Nordisk는 신약 개발 파이프라인에 자율형 "에이전트형 AI(agentic AI)" 에이전트를 도입하여 가설 설정부터 후보 물질 도출까지의 시간을 단축하기 위해 Amazon Web Services(AWS)와 파트너십을 체결했습니다. 이번 행보는 단순히 패턴을 찾아내는 예측 모델에서 벗어나, 인간의 개입 없이도 다단계 실험을 수행할 수 있는 AI 시스템으로의 전환을 의미합니다.
예측에서 실행으로
제약 연구는 오랫동안 유전체 데이터를 분석하고, 잠재적 표적을 식별하며, 화합물이 단백질에 어떻게 결합할지 모델링하기 위해 머신러닝 도구에 의존해 왔습니다. 하지만 이러한 도구들은 통찰(insight) 단계에서 멈춥니다. 과학자들은 여전히 다음 실험을 설계하고, 시뮬레이션을 실행하며, 결과를 해석해야 합니다. 반면, 에이전트형 AI는 '행동'하도록 설계되었습니다. AI 에이전트는 "단백질 X에 대한 저분자 억제제를 식별하라"와 같은 고수준의 목표를 받으면, 데이터 검색, 분자 설계 알고리즘, 시뮬레이션 실행을 하나로 연결하고 심지어 실험 프로토콜까지 제안하며 단일 워크플로 내에서 작업을 완수할 수 있습니다.
실제로 Novo Nordisk는 세 가지 핵심 작업에 이러한 에이전트를 사용할 예정입니다:
- 표적 식별(Target identification) – 오믹스 데이터셋을 스캔하여 질병 관련 유전자나 단백질을 정확히 찾아내고, 약물성(druggability)에 따라 순위를 매깁니다.
- 치료제 설계(Therapy design) – 후보 분자 구조를 생성하고, 도킹 및 역학 시뮬레이션을 실행하며, 예측된 효능 및 안전성 프로필을 바탕으로 화학 구조를 반복적으로 개선합니다.
- 프로토콜 자동화(Protocol automation) – 실험 계획을 초안하고, 시약을 주문하며, 지속적인 학습을 위해 결과를 다시 AI 루프로 피드백합니다.
각 단계 사이의 수동 작업을 제거함으로써, 회사는 전통적으로 수년이 걸리던 프로세스를 몇 달로 압축하기를 기대하고 있습니다.
AI 엔진이자 클라우드 중추로서의 AWS
이번 계약을 통해 AWS는 Novo Nordisk의 우선 클라우드 제공업체이자 전략적 AI 파트너로 선정되었습니다. AWS는 고성능 컴퓨팅 클러스터, 시퀀싱 및 임상 데이터를 위한 페타바이트급 저장 공간, 그리고 과학적 워크로드에 최적화된 AI 서비스 제품군을 제공할 예정입니다. 또한 이번 파트너십을 통해 Novo Nordisk의 런던 사업장에 공동 혁신 허브(co-innovation hub)가 구축되며, 이곳에서 데이터 과학자, 생물학자, AWS 엔지니어들이 맞춤형 AI 에이전트를 프로토타이핑하고 테스트하게 됩니다.
이 허브는 생산 라인이 아닌 샌드박스입니다. 팀들은 다양한 에이전트 아키텍처를 실험하고, 독점 생물학 데이터베이스를 통합하며, 희귀 질환 경로 또는 오프 타겟 효과(off-target effects)와 같은 에지 케이스를 에이전트가 어떻게 처리하는지 평가할 수 있습니다. 이러한 근접성은 복잡한 생물학을 최첨단 AI와 결합할 때 필수적인 피드백 루프의 속도를 높여줍니다.
바이오테크 분야가 주목하는 이유
신약 개발은 비용이 많이 들고 시간이 오래 걸리는 것으로 악명이 높습니다. 업계 평균적으로 하나의 분자를 개념 단계에서 시장에 출시하기까지 10년 이상의 시간과 수십억 달러의 비용이 소요됩니다. 그 타임라인을 확실하게 몇 주 또는 몇 달씩 단축할 수 있는 기술은 비용을 직접적으로 낮추고, 환자의 접근성을 높이며, 기업의 경쟁력을 강화합니다.
에이전트형 AI는 또한 바이오테크 분야를 클라우드 우선 운영 모델로 밀어붙이고 있습니다. 필요에 따라 대규모 컴퓨팅 클러스터를 즉시 가동하고, 병렬 시뮬레이션을 실행하며, 분자 설계의 모든 반복 과정을 공유 저장소에 저장할 수 있는 기업은 전략적 우위를 점하게 됩니다. Novo Nordisk와 AWS의 협력은 차세대 제약 혁신이 확장 가능한 클라우드 인프라와 뗄 수 없는 관계가 될 것임을 시사합니다.
리스크와 우려 사항
자율형 에이전트의 가능성이 인간의 전문성 필요성을 없애는 것은 아닙니다. 검증(validation)은 여전히 병목 구간으로 남아 있습니다. AI가 제안한 화합물은 여전히 합성 과정을 거쳐야 하고, 시험관 내(in vitro) 테스트를 통과해야 하며, 독성 평가를 받아야 합니다. 비판론자들은 AI 시스템이 학습 데이터의 편향을 물려받아, 과거의 패턴을 벗어난 새로운 메커니즘을 간과할 수 있다고 지적합니다. 규제 당국은 아직 AI가 생성한 후보 물질에 대한 명확한 가이드라인을 정의하지 않았으며, 이는 AI 기반 임상 시험에서 안전 문제가 발생할 경우 책임 소재에 대한 의문을 제기합니다.
통합 또한 또 다른 장애물입니다. 기존의 실험실 정보 관리 시스템(LIMS)과 전자 연구 노트(ELN)는 인간 중심의 워크플로를 기반으로 구축되었습니다. 이러한 생태계에 자율형 에이전트를 연결하려면 상당한 재설계가 필요할 수 있으며, 이러한 통합 비용은 공개되지 않았습니다.
향후 주목할 점
- 성능 벤치마크 – 런던 허브의 초기 연구를 통해 에이전트가 타겟 선정에서 화학적으로 유효한 리드(lead)로 얼마나 빠르게 전환될 수 있는지, 그리고 이것이 전통적인 파이프라인과 비교했을 때 어떠한지를 밝혀낼 것입니다.
- 규제 대응 – AI가 생성한 후보 물질이 임상 시험에 진입함에 따라, 규제 기관은 그 근간이 되는 AI 프로세스를 어떻게 평가할지 결정해야 할 것입니다. 어떠한 가이드라인이든 산업 전체의 선례가 될 수 있습니다.
- 경쟁적 파급 효과 – 다른 대형 제약사들도 유사한 AI 우선 전략을 탐색할 것임을 암시해 왔습니다. 만약 Novo Nordisk가 측정 가능한 수준의 속도 향상이나 비용 절감을 입증한다면, 바이오테크 기업과 주요 클라우드 제공업체 간의 연쇄적인 파트너십이 이어질 것으로 예상됩니다.
- 인재 흐름 – 이번 협력은 생물학에 집중하는 AI 연구자들을 끌어들여 채용 패턴을 재편하고, 잠재적으로 학술 프로그램들이 “생명 과학을 위한 에이전트형 AI(agentic AI)”를 강조하도록 유도할 수 있습니다.
핵심 요약
Novo Nordisk와 AWS의 협력은 신약 개발에 대한 담론을 “AI가 우리에게 무엇을 말해줄 수 있는가?”에서 “AI가 우리를 위해 무엇을 할 수 있는가?”로 전환합니다. 실행을 자율 에이전트에게 맡김으로써, 이 파트너십은 역사적으로 길고 비용이 많이 들었던 프로세스를 더 효율적이고 반복적인 사이클로 압축하는 것을 목표로 합니다. 성공한다면 신약이 환자에게 도달하는 속도를 재정의할 수 있겠지만, 이는 강력한 검증, 규제의 명확성, 그리고 AI 에이전트를 기존 실험실 워크플로우에 통합하는 능력에 달려 있습니다. 업계는 런던 허브의 첫 결과가 나오기를 면밀히 지켜볼 것이며, 이 결과는 차세대 AI 기반 의학의 벤치마크가 될 수 있습니다.