제약 R&D에서 데이터 제한이 인공지능을 저해하는 방식과 조직이 이 추세를 반전시키는 방법

대부분의 제약 팀은 인공지능의 성능이 저조한 이유가 모델이 충분히 고급화되지 않았기 때문이라고 생각합니다. 하지만 실제 걸림돌은 데이터입니다.

인공지능 파일럿 프로젝트는 초기에는 유망해 보이지만 확장 단계에서 실패하는 경우가 많습니다. 과학 정보는 파편화되어 있고 일관성이 없으며, 이를 정제하는 데 많은 부담이 따릅니다. R&D 프로그램이 성장함에 따라 이러한 데이터 격차는 더욱 커지며, 이는 모델 배포를 지연시키고 예측력을 약화시킵니다. 결과적으로 과학자들은 연구보다는 끊임없는 데이터 정리에 매달리게 됩니다.

이 정식 보고서는 생물학, 화학, 약리학 전반에서 인공지능이 신뢰할 수 있는 결과를 도출하기 위해 필요한 데이터 조건을 명확히 제시합니다. 또한 데이터 기반을 개선함으로써 모델 정확도를 높이고, 재작업을 줄이며, 인공지능 확장을 가로막는 마찰을 제거하는 방법을 보여줍니다.