요약
- 제약 분야의 지출은 증가하고 있지만, 의미 있는 수익을 보고하는 경영진은 9%에 불과합니다.
- 데이터가 병목 현상의 원인입니다. 기술 리더의 68%는 AI 실패의 원인으로 부실한 데이터 거버넌스를 꼽습니다.
- 디지털 전환이란 과학 정보를 연결하고 표준화하여 AI가 신뢰할 수 있는 증거를 바탕으로 작동하도록 만드는 것을 의미합니다.
- 디지털 전환을 달성한 기업들은 후보 물질을 더 빠르게 출시하고 있습니다. 인실리코(Insilico)는 전임상 후보 물질 도출까지 12~18개월이 소요되어 기존의 2.5~4년 대비 획기적인 단축을 이루었습니다.
인공지능(AI)은 제약 R&D 분야를 빠르게 재편하고 있으며, 제약 AI 시장은 2026년 61억 6천만 달러에서 2031년 349억 9천만 달러 규모로 성장하여 향후 5년간 약 6배 가까이 커질 것으로 전망됩니다.딜로이트의 2026년 생명과학 전망 보고서에 따르면, 바이오 제약 및 의료 기술 분야 경영진의 78%가 AI가 주요 변화를 주도하는 핵심 역할을 할 것으로 기대하고 있으며, 41%는 R&D 생산성 향상을 최우선 과제로 꼽았습니다. 그러나 AI 투자를 측정 가능한 비즈니스 가치로 전환하는 것은 여전히 큰 과제입니다. 바이오 제약 및 의료 기술 경영진 중 22%만이 AI 이니셔티브를 성공적으로 확장했다고 보고했으며, 2025년에 유의미한 수익을 달성했다고 답한 비율은 9%에 불과합니다.
AI가 제약 R&D 전반에 내재화됨에 따라, 조직은 모델이 측정 가능한 가치를 제공할 수 있도록 신뢰할 수 있는 결과물을 생성하게 해야 합니다. 그러나 파편화되고 신뢰할 수 없는 과학 데이터는 기반 모델이 아무리 발전하더라도 AI가 달성할 수 있는 성과를 제한합니다.가트너 조사에 따르면 조직의 63%가 AI를 대규모로 지원하는 데 필요한 데이터 관리 관행을 갖추지 못했거나 갖추었는지 확신하지 못하고 있습니다. 바로 이 지점에서 디지털 전환이 필요합니다.
본 기사에서는 디지털 전환이 제약 분야의 AI 투자가 실제로 성과를 거둘 수 있을지 결정짓는 방식, 조직이 이를 올바르게 수행했을 때 변화하는 점, 그리고 과학 인력을 본연의 연구에서 분리하지 않으면서 디지털 전환을 구축하는 방법을 다룹니다.
디지털 전환: AI 준비 데이터를 위한 촉매제
제약 R&D에서 AI는 표적 식별, 선도 물질 최적화, 임상 시험 설계 등 고도의 전문성이 요구되는 작업을 지원합니다. 각 작업은 생물학, 화학, 임상 연구, 규제 업무 전반에 걸친 증거를 활용합니다. 이러한 증거가 서로 연동되지 않는 시스템에 분산되어 있으면 AI는 그 간극을 메울 방법이 없습니다. 결과물은 확신에 차 보일지라도 실제로는 가용 증거의 일부만을 기반으로 하여 불완전할 수 있습니다. 신약 개발에서 이러한 사각지대는 타임라인을 늦추고 경쟁력을 약화시키며 치료제 출시를 지연시킬 수 있습니다.
디지털 전환은 조직 전반의 과학 정보를 구조화하고 연결하는 지속적인 작업으로, 형식과 용어를 일관되게 만들어 모든 팀과 모델이 동일한 신뢰할 수 있는 증거를 활용할 수 있도록 합니다. ZS의 2026년 CDIO 연구에 따르면 제약 및 바이오테크 기술 리더의 68%가 AI 이니셔티브 실패의 주된 이유로 데이터 품질 및 거버넌스 소홀을 꼽았습니다. 디지털 전환은 조직이 레거시 과학 정보를 활용할 수 있도록 돕고 새로운 정보의 수집, 표준화, 관리 방식을 개선함으로써 이러한 격차를 해소합니다. 그 결과 모델이 신뢰할 수 있고 완전하며 일관된 증거를 바탕으로 작동할 수 있는 연결된 AI 준비 데이터 생태계가 구축됩니다.
AI 준비 데이터가 제약 R&D의 측정 가능한 가치를 창출하는 방법
AI 준비 데이터 기반이 마련되면 AI는 신약 개발 수명 주기 전반에 걸쳐 더 큰 가치를 제공합니다. 파편화된 데이터셋이 아닌 연결되고 신뢰할 수 있는 정보를 바탕으로 모델은 더 많은 증거를 평가하고, 유망한 표적을 더 빠르게 발견하며, 후보 물질을 더 정밀하게 최적화하고, 더 신뢰할 수 있는 통찰력을 생성합니다.
이러한 역량은 이미 측정 가능한 성과를 내고 있습니다:
- 인실리코 메디슨(Insilico Medicine): 구조화된 과학 정보를 기반으로 한 통합 플랫폼을 사용하여 생성형 AI가 특발성 폐섬유증 임상 2a상 시험 중인 렌토세르팁(rentosertib)의 생물학적 표적과 약물 분자를 모두 식별해 냈습니다. 이는 AI가 발견하고 설계한 약물 중 최초로 임상 개념 증명에 도달한 사례입니다. 인실리코의 광범위한 포트폴리오 전반에서 이러한 접근 방식은 기존 신약 개발의 2.5~4년 대비 프로젝트당 약 60~200개의 분자를 사용하여 전임상 후보 물질 도출까지 평균 12~18개월이 소요되었습니다.
- 앱사이(Absci): 파편화된 레거시 기록 대신 구조화되고 일관된 항체 설계 데이터를 기반으로 작업한 앱사이의 생성형 AI 플랫폼은 염증성 장질환 후보 물질인 ABS-101의 항체 서열을 설계하여 표적 선정부터 IND 제출까지 약 24개월 만에 완료했습니다.
속도를 넘어: 더 깨끗한 데이터, 더 나은 결과
2024년 12월 네이처(Nature) 연구에 따르면 실제 임상 데이터를 AI와 통합했을 때 약 25,000명의 환자 대상 암 결과 예측이 유의미하게 개선되었습니다. 별도로 IQVIA의 2026년 글로벌 R&D 트렌드 보고서는 신흥 바이오 제약 기업의 AI 기반 R&D 프로그램이 비AI 기반 프로그램보다 초기 임상 성공률이 더 높다고 밝혔습니다.
제약 산업에서 디지털 전환을 성공시키기 어려운 이유
AI 준비가 완료된 데이터 기반을 구축하는 것은 간단해 보입니다. 하지만 진정한 차별점은 수십 년간 축적된 과학 문헌과 내부 연구 자료를 체계화하고, 분야별로 일관된 명명법과 용어를 적용하며, 파편화된 지식을 신뢰할 수 있고 검색 가능한 자원으로 연결하는 정보 큐레이션에 있습니다. 대부분의 제약 R&D 조직은 이러한 작업을 대규모로 수행하는 데 필요한 전문성을 갖추지 못하고 있습니다.
제약 업계 전문가의 49%가 전문 기술 및 인재 부족을 디지털 전환의 가장 큰 걸림돌로 꼽았으며, 조직의 절반 가까이가 여전히 자사 인력이 관련 업무를 수행할 준비가 되어 있지 않다고 평가합니다. 데이터 관리 전담 팀이 없으면 그 책임은 고스란히 화학자, 생물학자, 임상 연구원들의 몫이 됩니다. 이미 본연의 연구 업무로 바쁜 제약 연구원들에게 데이터 큐레이션, 표준화, 거버넌스까지 맡기는 것은 실질적인 손실을 초래합니다. 과학 정보를 정리하는 데 쏟는 매 시간은 곧 연구 개발에 쓰지 못하는 시간이 되기 때문입니다. 이러한 압박 속에서 데이터 관리는 소홀해지거나 생략되기 일쑤이며, 결국 AI 모델은 파편화되거나 대표성이 부족한 과학 정보를 학습하게 되어 AI 기반 R&D 의사결정에 대한 신뢰도를 떨어뜨립니다.
디지털 전환 확장을 위한 전문성 격차 해소
과학 정보 전담 역량의 부재는 업계 전반에 걸쳐 나타납니다. R&D 리더의 67%가 AI 도입 속도에 만족하지 못하고 있으며, 신뢰할 수 없고 비정형화된 정보가 가장 흔한 장애물 중 하나로 지목됩니다. 하지만 제약 조직이 AI 준비가 완료된 데이터 생태계의 모든 측면을 스스로 구축할 필요는 없습니다. 많은 기업이 R&D 및 정보학 팀을 보완하기 위해 전문적인 외부 역량을 활용합니다. 이를 통해 연구원들에게 큐레이션과 거버넌스 책임을 전가하지 않고도 AI가 의존하는 과학 데이터 기반을 탄탄하게 구축할 수 있습니다.
CAS Custom ServicesSM은 도메인 전문 지식, 과학 데이터 큐레이션, AI 및 알고리즘 전문성을 결합하여 조직이 파편화된 정보를 연결된 AI 준비 데이터로 전환하도록 돕습니다. AI 모델 학습, 새로운 과학 정보 통합, 에이전트형 AI 배포, 검색 증강 생성(RAG) 구현 등 어떤 작업을 수행하든, CAS는 디지털 전환의 토대가 되는 데이터 기반을 강화해 드립니다. 그 결과 더 신뢰할 수 있는 AI 기반 R&D가 가능해지고, AI 주도 의사결정에 대한 확신이 커지며, 연구원들은 신약 개발이라는 본연의 업무에 집중할 시간을 확보할 수 있습니다.
성공적인 제약 AI 투자는 디지털 전환에서 시작됩니다
디지털 전환은 AI가 제약 R&D 전반에서 가치를 창출하는 데 필요한 연결되고 신뢰할 수 있는 과학 정보를 제공합니다. 이러한 기반을 갖춘 제약 조직에서 AI는 이미 신약 개발을 가속화하고, 예측 정확도를 높이며, 신약 개발 수명 주기 전반에 걸쳐 더욱 정보에 입각한 의사결정을 지원하고 있습니다.
디지털 전환을 신중하고 자원이 충분히 투입되는 역량으로 다루는 조직은 과학적 발견과 정보 관리 사이에서 선택을 강요받지 않고, AI와 연구원 모두가 성공할 수 있는 환경을 조성합니다. 이것이 바로 파일럿 프로그램 단계에 머무는 AI 이니셔티브와 제약 R&D 전반에서 측정 가능한 가치를 창출하는 이니셔티브를 구분 짓는 핵심입니다.
CAS Custom Services가 제약 조직의 AI 준비 데이터 기반 구축을 어떻게 돕는지 확인해 보십시오.
