AI 약물 개발, '모델 성능' vs. '접근성' — 진정한 병목은 무엇일까?
Published May 19, 2026
수십 년간 인류가 씨름해 온 난제 중 하나는 바로 신약 개발입니다. 하나의 성공적인 분자를 찾아내기까지 10년이 넘는 시간과 수십억 달러의 막대한 비용이 투입되며, 이마저도 대부분의 후보 물질은 최종 단계에서 고배를 마시기 일쑤죠. 이러한 비효율성을 개선하기 위해 지난 수년간 수많은 AI 스타트업들이 뛰어들었고, 그들은 첨단 도구를 능숙하게 다룰 수 있는 기술적으로 숙련된 연구자들의 고통을 어느 정도 덜어주었습니다. 하지만 과연 이것이 이 분야의 진정한 혁신일까요? 아니면 AI가 약속했던 ‘게임 체인저’로 나아가기 위한 마지막 퍼즐 조각이 아직 남아 있는 걸까요?
AI 약물 개발의 새로운 전장: 인터페이스 대 모델 성능
많은 벤처 투자사들의 지원을 받는 Chai Discovery나 Isomorphic Labs 같은 회사들은 더 나은, 더 강력한 AI 모델을 구축하는 데 초점을 맞춰 치열한 경쟁을 벌여왔습니다. 그들의 믿음은 명확합니다. 더 정교하고 정확한 모델이 더 빠르고 효과적인 약물 발견을 가능하게 할 것이라는 생각이죠. 하지만 이와는 다른 시각으로 이 문제를 바라보는 기업이 있습니다. 바로 SandboxAQ입니다. 그들은 병목 현상이 ‘모델’ 자체가 아니라 ‘인터페이스’에 있다고 지적하며, 접근성이야말로 진정한 혁신의 열쇠라고 주장합니다.
SandboxAQ는 최근 Anthropic과의 협력을 통해 자사의 과학 AI 모델을 Claude에 직접 통합하는 파격적인 행보를 보였습니다. 이는 강력한 약물 발견 및 재료 과학 도구를 대화형 인터페이스 뒤에 배치함으로써, 사용자가 어떤 특별한 컴퓨팅 인프라 없이도 자연어만으로 첨단 AI 기능을 활용할 수 있게 되었다는 것을 의미합니다. 한마디로, 복잡한 과학 연산에 박사 학위가 없어도 된다는 이야기죠. 이 대목에서 우리는 중요한 질문을 던져볼 수 있습니다. 과연 복잡한 기술을 더 복잡하게 만드는 것이 혁신일까요, 아니면 그 기술을 누구에게나 손쉽게 사용할 수 있도록 만드는 것이 혁신일까요? SandboxAQ는 후자에 베팅하고 있는 것입니다.
“물리학에 기반한” AI 모델, LQMs의 힘
Alphabet에서 분사하여 약 5년 전 설립된 SandboxAQ는 구글의 전 CEO인 에릭 슈미트(Eric Schmidt)를 회장으로 두고 있으며, 투자자들로부터 무려 9억 5천만 달러 이상을 유치했습니다. 이들은 사이버 보안 비즈니스 등 다양한 사업 분야를 구축하고 있지만, 특히 독특한 강점은 바로 **대규모 정량 모델(Large Quantitative Models, LQMs)**을 개발한다는 점입니다.
이 LQMs는 단순한 패턴 인식을 넘어 “물리학에 기반한(physics-grounded)” 모델이라는 점이 핵심입니다. 다시 말해, 텍스트 데이터에서 패턴을 학습하는 일반적인 LLM(대규모 언어 모델)과는 달리, LQMs는 물리 세계의 근본적인 규칙과 법칙에 기반하여 구축됩니다. 이를 통해 양자 화학 계산을 수행하고, 분자 동역학(molecular dynamics)은 물론, 분자 수준에서 화학 반응이 어떻게 전개되는지를 연구하는 미세 역학(microkinetics)까지 시뮬레이션할 수 있습니다. 이것이 왜 중요할까요? 실제 실험실에서 분자 합성이나 테스트를 시작하기 전에, 후보 물질이 어떻게 행동할지, 어떤 특성을 가질지 정확하게 예측할 수 있다는 뜻입니다. 이는 천문학적인 비용과 시간을 절약할 수 있는 결정적인 차이를 만듭니다.
SandboxAQ는 뉴스 보도자료를 통해 “실제 실험실 데이터와 과학 방정식을 기반으로 훈련된 LQMs는 바이오 제약, 금융 서비스, 에너지, 첨단 소재 등 50조 달러 이상의 정량 경제 분야를 위해 설계된 AI 모델”이라고 설명했습니다. 이들의 목표가 단순히 또 하나의 챗봇이나 코드 어시스턴트를 만드는 것을 넘어, AI가 진정으로 혁신할 수 있는 광범위한 경제 분야를 겨냥하고 있음을 명확히 보여주는 대목입니다. 개인적으로는 이러한 ‘물리학 기반’ 접근 방식이 단지 ‘더 나은 예측’을 넘어 ‘설명 가능한(explainable)’ AI를 향한 중요한 단계가 될 수 있다고 생각합니다. 단순히 결과를 도출하는 것을 넘어, 그 결과가 왜 그런지 물리적 원리를 통해 설명할 수 있다면, 과학자들의 신뢰를 얻는 데 훨씬 유리할 테니까요.
접근성의 민주화: 누가 AI를 사용할 수 있는가?
Chai Discovery와 Isomorphic Labs가 “더 나은 모델”이라는 과학 자체에 집중했다면, SandboxAQ는 “누가 실제로 그것을 사용할 수 있는가”에 집중하고 있습니다. SandboxAQ의 AI 시뮬레이션 총괄 관리자인 나디아 하르헨(Nadia Harhen)은 “처음으로, 최첨단 [정량] 모델이 최첨단 LLM(Claude) 위에 탑재되어 누구나 자연어로 접근할 수 있게 되었다”고 강조합니다. 이전에는 SandboxAQ의 LQMs를 사용하기 위해서는 사용자가 직접 컴퓨팅 인프라를 구축해야 하는 번거로움이 있었습니다. 하지만 이제는 Claude라는 친숙한 대화형 인터페이스를 통해 복잡한 과학 연산을 명령할 수 있게 된 것입니다.
SandboxAQ의 주 고객층은 대규모 제약 회사나 산업 회사에 근무하는 계산 과학자, 연구 과학자, 또는 실험가들입니다. 이들은 신제품이 될 새로운 재료를 끊임없이 탐색하는 사람들입니다. 하르헨은 “우리 고객들은 다른 모든 소프트웨어를 사용해봤지만, 문제의 복잡성이 너무 커서 작동하지 않거나 실제 세계에서 결과가 긍정적으로 나타나지 않았을 때 우리를 찾아온다”고 말했습니다. 이는 SandboxAQ의 솔루션이 단순히 새로운 도구를 제공하는 것을 넘어, 기존 방식으로는 해결하기 어려웠던 근본적인 한계를 극복하는 데 기여하고 있음을 시사합니다.
업계 흐름을 보면, 전문화된 AI 모델이 LLM을 ‘프론트엔드’로 삼아 접근성을 높이는 방식이 점점 더 보편화될 가능성이 높습니다. LLM은 범용 언어 이해와 생성 능력을 통해 복잡한 전문 시스템의 진입 장벽을 낮추는 만능 인터페이스 역할을 할 수 있습니다. SandboxAQ의 이번 통합은 이러한 트렌드의 선두 주자로서, 고도로 전문화된 과학 분야 AI가 어떻게 일반 사용자, 또는 적어도 비-컴퓨팅 전문가에게도 그 힘을 발휘할 수 있는지를 보여주는 중요한 사례라고 생각합니다. 이는 결과적으로 AI의 산업 전반 확산에 지대한 영향을 미칠 것입니다.
궁극적으로, 이 소식은 AI 기반 과학 연구의 미래가 단지 ‘더 뛰어난 알고리즘’에만 있는 것이 아니라, 그 알고리즘을 얼마나 많은 사람이 쉽게 활용할 수 있게 만드느냐에 달려 있음을 시사합니다. SandboxAQ의 접근 방식은 AI 기술의 민주화를 통해 인류의 난제를 해결하는 새로운 가능성을 제시하고 있습니다.
출처
- 원문 제목: SandboxAQ brings its drug discovery models to Claude — no PhD in computing required
- 출처: AI News & Artificial Intelligence | TechCrunch
- 원문 기사 보러가기
