Listen

Description

1. 왜 이 사례인가

Insilico Medicine은 홍콩 증권거래소에 상장된(HKEX: 3696) 신약 개발 기업입니다. 이 회사는 스스로를 “임상 단계의 생성형 AI 기반 신약 개발 기업”으로 소개합니다. Longevity.Technology에 따르면 이 회사는 2014년에 설립되었으며, 홍콩 상장은 조달 금액 기준으로 2025년 홍콩 최대 규모의 바이오텍 IPO였습니다. 회사 소개 페이지에서 Insilico는 자사의 Pharma.AI 플랫폼을 기반으로 구축된 “엔드투엔드 생성형 AI 기반 바이오텍 기업”이라고 밝히고 있습니다. 이번에 소개하는 변화 이전부터 AI는 이미 회사의 일부였습니다. 보도자료에서도 표적 발굴 플랫폼인 PandaOmics와 자동화 실험실인 LifeStar2를 새로운 계층이 연결하는 기존 시스템으로 제시합니다.

2026-05-06, Insilico는 “차세대 지능형 실험실 운영체제”라고 부르는 LabClaw를 발표했습니다. 보도자료 제목은 이번 변화를 “자동화에서 자율화로(from Automation to Autonomy)” 나아가는 과정으로 규정합니다. 실험실 로봇은 이미 도입되어 있었습니다. 달라진 점은 실험을 계획하고, 스테이션 간 작업을 조율하며, 사후 데이터를 처리하는 주체입니다. 보도자료에 따르면 이러한 업무가 사람에서 AI 에이전트 그룹으로 넘어가고, 연구자는 정해진 체크포인트에서만 개입합니다.

이 사례가 주목받는 이유는 세 가지입니다. 첫째, 보도자료가 회사의 표현을 빌려 이전 상태를 명확히 기술하기 때문입니다. 사전 프로그래밍된 경직된 워크플로, AI 모델로 환류되지 않던 데이터, 실험실 스테이션 전반에 걸쳐 다단계 실험을 수작업으로 조율하던 인력 등이 이에 해당합니다. 둘째, 에이전트의 역할을 이름별로 명시하고 실제 실행 사례를 통해 연구자가 여전히 결정권을 행사하는 지점을 보여줍니다. 셋째, 웨트랩에서 도출된 결과가 표적 발굴 플랫폼으로 다시 공급되어 다음 예측 모델을 갱신한다는 점입니다.

보도자료는 LabClaw를 “경량 Agent-Guard 구조를 기반으로 구축된 제약 업계 최초의 실험실 자율화 시스템”이라고 지칭합니다. 이는 회사 측 주장이며, 독립적인 기관의 검증을 거친 평가는 아닙니다. 아래에 기술된 LabClaw 관련 설명은 모두 Insilico의 발표 내용에 근거한 것이며, 외부에서 검증된 바는 없습니다.

2. Problem

보도자료는 기존 실험실 자동화가 이미 달성한 성과부터 짚고 넘어갑니다. 액체 핸들링 워크스테이션, 고처리량 스크리닝 플랫폼, 자동화 세포 배양 시스템 덕분에 수작업 대비 “실험 처리량이 획기적으로 증가”했고 체계적 오류가 줄었다고 설명합니다. 보도자료가 지적하는 문제는 그러한 장비 주변에 여전히 수작업으로 남아 있던 영역입니다. 보도자료는 “자동화에서 진정한 자율화로 나아가는 과정”에서 마주하는 세 가지 병목을 다음과 같이 열거합니다.

“워크플로의 경직성: 사전 프로그래밍된 워크플로는 동적 변수에 유연하게 대응하기 어렵습니다. 중간 단계에서 오류가 발생하거나 QC 이상 징후가 나타나면 시스템은 사람의 개입을 필요로 했습니다.”

“데이터 사일로: 자동 해석 및 폐쇄 루프 피드백 경로가 없으면, 장비에서 쏟아져 나오는 대량의 데이터가 상위 단계의 AI 생성 추론이나 하위 단계의 통계 분석과 연결되지 못해 실시간 데이터 활용과 가치 실현이 제한됩니다.”

“높은 조율 비용: 서로 다른 기능 구역에 걸친 다단계 실험을 여전히 수작업으로 조율하고 추적해야 하므로, 연구 외적인 업무가 과도하게 발생해 생산성 병목이 생깁니다.”

보도자료는 이를 자사 실험실에 국한된 진단이 아니라 업계 전반의 병목으로 제시합니다. 다만 사례 연구에서는 Insilico 연구진이 표적을 선정하기 전에 일하던 이전 방식을 “방대한 문헌을 검토하고 근거를 수작업으로 정리하던 비효율적인 기존 방식”으로 묘사하고 있습니다.

종합하면 도입 전 상태는 다음과 같습니다. 연구자들은 문헌을 직접 읽고 후보 표적에 대한 근거를 수작업으로 모았습니다. 실험은 고정된 사전 프로그래밍 워크플로에 따라 진행되었습니다. 특정 단계에서 실패가 발생하거나 품질 검사상 이상이 보이면 사람이 개입해야 했습니다. 실험실의 분리된 스테이션 전반에 걸친 작업 일정 수립과 추적도 사람이 맡았습니다. 장비에서 나온 데이터는 실험을 애초에 제안했던 AI 모델로 자동 피드백되는 경로가 없었습니다.

Insilico Medicine의 IT 총괄 디렉터인 Lin Sha는 과학자들의 부담을 덜어주고자 했던 영역을 다음과 같이 설명합니다.

“LabClaw의 핵심적인 의의는 과학자들이 집중하는 대상을 재정의하는 데 있습니다. 시간 소모적인 표준 작업과 번거로운 일정 조율을 대신 맡아줌으로써, LabClaw는 지치지 않는 연구 코파일럿 역할을 수행합니다.”

확인된 사실: 기존 실험실 자동화(액체 핸들링, 고처리량 스크리닝, 자동화 세포 배양)가 배경으로 언급됨. 회사 측이 밝힌 세 가지 병목(단계 실패나 QC 이상 시 수작업 개입이 필요한 워크플로 경직성, 장비 출력값과 AI 추론 간의 데이터 사일로, 기능 구역 전반의 수작업 조율 및 추적). 회사 측이 비효율적이라고 설명한 수작업 문헌 검토 및 근거 정리 방식의 과거 표적 연구. Lin Sha의 발언.

3. Solution

3.1 LabClaw의 기반 계층

LabClaw는 실험실 하드웨어를 대체하지 않습니다. 보도자료에 따르면 이 시스템은 “Insilico의 완전 자동화 실험실인 LifeStar2를 보완하도록 특별히 설계”되었습니다. LabClaw는 기존의 네 가지 계층을 연결합니다.

* Insilico의 자체 AI 표적 발굴 플랫폼인 PandaOmics

* 자동화 실험실 하드웨어: 세포 배양, 고처리량 스크리닝, NGS(차세대 염기서열 분석) 등을 포함하며 “수십 대의 장비에 걸쳐 있는” LifeStar2 내 6개 기능 구역 및 구역 간 자재를 운반하는 AGV(무인 운반차)

* LIMS(실험실 정보 관리 시스템)

* 데이터 분석 파이프라인

보도자료는 이러한 구성을 “AI의 사고, 자동화된 실행, 인간의 감독으로 구성된 새로운 3대 축의 실험 패러다임”이라고 설명합니다.

3.2 정해진 역할을 수행하는 다섯 에이전트

보도자료에 따르면 LabClaw는 5개의 협업 AI 에이전트와 28개의 전문 스킬 모듈로 구성됩니다. 에이전트는 역할별로 다음과 같이 명명되었습니다.

* Experiment Coordinator

* Orchestration Expert

* Science Analyst

* QC Inspector

* Data Specialist

보도자료에서는 이 중 세 에이전트의 실제 업무를 설명합니다. Science Analyst는 PandaOmics 및 기타 지식 베이스를 검색하여 근거와 함께 표적을 제안합니다. Experiment Coordinator는 선정된 표적을 실험실 절차로 변환하여 실행합니다. QC Inspector는 전 과정에서 “환경 매개변수와 세포 상태”를 모니터링합니다. 보도자료에는 Orchestration Expert와 Data Specialist에 대해 이름 외의 구체적인 설명이 없으며, 에이전트들이 어떤 모델을 사용하는지도 명시되어 있지 않습니다.

3.3 연구자의 승인 지점

보도자료는 이 설계를 “Agent-Guard 구조”라고 부릅니다. 에이전트는 제한된 범위 내에서 자율적으로 행동하지만, 특정 변경 사항은 백엔드 검증과 사람의 최종 승인을 거쳐야 합니다.

“이러한 설계를 통해 에이전트는 안전한 경계 내에서 자유롭게 작동하는 동시에 모든 상태 변경이 백엔드에서 검증되고 사람의 확인을 거치도록 보장하여, 과학적 안전 기준을 훼손하지 않고 효율성을 극대화합니다.”

다른 부분에서 보도자료는 동일한 메커니즘을 “과학적 및 규정 준수 요건을 충족하도록 보장하는 핵심 지점에서의 Human-in-the-Loop(사람 개입) 승인 메커니즘”으로 설명합니다. 연구자는 “내장된 체크포인트를 활용해 전문가적 인사이트를 제공하거나 AI 기반 가상 스크리닝 및 실험 프로토콜의 매개변수를 미세 조정”할 수도 있습니다.

Lin Sha는 사람의 역할을 다음과 같이 설명합니다.

“여기서 Human-in-the-Loop 메커니즘은 과학자가 의사결정의 중심에 머물도록 보장합니다. 명석한 인재들을 반복적인 피펫팅 업무에서 해방시켜, 과학적 가설 수립, 복잡한 데이터로부터의 통찰 도출, 혁신적인 전략 설계 등에 가장 귀중한 에너지를 쏟을 수 있게 해줍니다.”

3.4 질문에서 실험 실행까지의 과정

워크플로는 별도의 프로그래밍 없이 자연어로 작성된 연구 목표에서 시작합니다. 보도자료에 따르면 에이전트들은 “목표를 자율적으로 이해한 후 이를 중심으로 표적 선정, 시약 준비, 장비 실행, 데이터 분석을 포함한 완전한 워크플로를 자동으로 수립”합니다.

실행 단계에서 시스템은 PandaOmics와 LIMS에 작업을 할당하고 6개 기능 구역 및 AGV를 조율합니다. 워크플로는 보도자료에서 “레고 블록 같다”고 표현한 20개의 모듈형 단계로 구축되며, 다음 5개 영역을 포괄합니다.

* AI 및 계산 서비스

* 샘플 및 자재 준비

* 자동화 실험 실행

* 데이터 분석 및 리포트 생성

* 알림 및 협업

사전 구성된 템플릿은 8개입니다. 표적 검증, CRISPR 바이오마커 검증, 고처리량 스크리닝, 유효 물질 발굴, 표현형 안전성 평가, LifeStar2 운영, LIMS 자재 준비 상태 점검, 데이터 분석이 포함됩니다. 연구자는 또한 “대화를 통해” 자체 템플릿을 생성하고 이를 비공개 또는 공개로 저장하여 재사용할 수 있습니다.

3.5 결과의 피드백 방식

보도자료에 따르면 LabClaw는 “CRISPR 유전자 편집 효율 분석, RT-qPCR 계산, NGS QC를 자동으로 완료하고 검증된 데이터를 자체 PandaOmics 플랫폼으로 실시간 피드백”합니다. 회사는 그 결과를 “계산적 예측에서 웨트랩 검증 및 모델 최적화로 이어지는 루프로, AI가 실험 피드백을 통해 학습하여 한층 개선된 정밀도로 유망한 약물 표적과 분자를 발굴하는 체계”라고 설명합니다. 이는 2장에서 언급된 데이터 사일로 문제에 대한 해법입니다. 이제 실험실 결과물이 다음 표적을 제안하는 모델을 직접 갱신합니다.

3.6 실제 적용 사례: 항노화 표적 프로젝트

보도자료는 최근 프로젝트 하나를 3단계로 나누어 설명합니다. 프로젝트의 날짜, 팀 규모, 소요 기간은 명시되지 않았습니다.

* 표적 선정. 연구팀이 대화창을 통해 요청을 전달했습니다. Science Analyst는 PandaOmics 및 “다중 소스 지식 베이스”를 조회하여 점수, 신규성 평가, 기존 알려진 약물과의 연관성이 포함된 가장 유망한 표적 20개를 제시했습니다. “연구자들은 인터페이스에서 이 선택을 확인했습니다.”

* 실험 설계 및 실행. Experiment Coordinator가 자재 준비 점검, 세포 배양, 유전자 편집, 고함량 이미징을 포함하는 7단계 표준작업절차(SOP)를 조율했습니다. 실행 중에는 QC Inspector가 환경과 세포 상태를 모니터링했습니다.

* 분석 및 피드백. 장비가 플레이팅, 형질주입, 이미징을 완료한 후, 시스템은 유전자 편집 효율과 세포 표현형 점수를 계산하여 “표적 중요도 순위의 동적 업데이트를 위해 결과를 데이터베이스로 실시간 전송”했습니다.

사람의 역할에 대해 보도자료는 다음과 같이 밝힙니다.

“전체 과정에서 연구자는 세 곳의 핵심 지점에서만 의사결정 확인을 수행하면 되며, 그 외의 모든 반복적이고 기초적인 실험 작업은 시스템이 자동으로 완료합니다.”

명시된 지점은 표적 목록을 확인하는 첫 번째 핵심 지점뿐입니다. 보도자료는 나머지 두 지점이 어디인지는 밝히지 않았습니다.

확인된 사실: LabClaw가 LifeStar2(6개 기능 구역, 수십 대 장비, AGV), PandaOmics, LIMS, 데이터 파이프라인을 기반으로 구축됨. 5개 에이전트(Experiment Coordinator, Orchestration Expert, Science Analyst, QC Inspector, Data Specialist) 및 28개 스킬 모듈. 백엔드 검증과 사람의 상태 변경 확인을 거치는 Agent-Guard 설계. 핵심 지점에서의 Human-in-the-Loop 승인 및 매개변수 조정을 위한 내장 체크포인트. 자연어 기반 작업 시작. 5개 영역의 20개 모듈형 단계. 8개 명시된 템플릿 및 연구자가 저장한 템플릿 지원. PandaOmics로 피드백되는 자동화된 CRISPR, RT-qPCR, NGS QC 분석. 20개 표적, 7단계 SOP, QC 모니터링, 자동 점수 산출, 순위 업데이트 및 세 차례의 연구자 확인이 포함된 항노화 프로젝트 사례. Lin Sha의 발언.

4. Impact

보도자료에는 측정된 성과 지표가 제시되지 않았습니다. 절감된 시간, 비용, 처리량, 오류율, LabClaw에서 수행된 프로젝트 수 등의 구체적 수치는 없습니다. 언급된 수치는 시스템 구조에 관한 것뿐입니다. 5개 에이전트, 28개 스킬 모듈, 6개 기능 구역, 20개 모듈형 단계, 8개 템플릿, 그리고 사례 연구에 등장한 20개 표적, 7단계 절차, 3회의 사람 확인 등이 전부입니다.

유일한 효율성 관련 주장은 사례 연구에 나타납니다. 회사 측은 Science Analyst를 통한 표적 선정을 통해 “수주일이 걸리던 생물학적 배경 조사를 몇 분으로 단축했다”고 주장합니다. 다만 이를 어떻게 측정했는지는 설명하지 않습니다. 또한 수치를 명시하지 않은 채 QC 모니터링이 “실험 작업으로 인한 데이터 변동성을 대폭 줄여준다”고 언급합니다.

보도자료가 실질적으로 설명하는 내용은 주체별 업무 분담의 변화입니다.

설립자이자 CEO인 Alex Zhavoronkov는 이번 변화를 속도보다는 역할의 변화로 규정합니다.

“LabClaw는 향상된 연구개발 효율성을 제공할 뿐만 아니라 연구 패러다임의 업그레이드를 보여줍니다. 과학자들은 과중한 실험 조율과 프로세스 관리에서 해방되어 보다 창의적인 과학적 판단과 연구에 에너지를 집중할 수 있습니다.”

그는 다음 단계로 “다중 실험실 간 협업, 적응형 최적화 역량, 규정 준수 시스템”을 언급했습니다.

확인된 사실: 측정된 결과는 공개되지 않음. 구조적 수치만 명시됨(5개 에이전트, 28개 스킬 모듈, 6개 기능 구역, 20개 모듈형 단계, 8개 템플릿; 사례 연구 내 20개 표적, 7단계 절차, 3회의 인간 확인). 두 가지 정량화되지 않은 회사 측 주장(표적 연구에 대한 “수주일을 몇 분으로”, QC 모니터링을 통한 데이터 변동 감소). 회사 설명에 따른 위 표의 도입 전후 업무 구분. Alex Zhavoronkov의 인용문 및 그가 명시한 세 가지 다음 단계.

5. Insight

에이전트가 넘겨받은 것은 실험 자체가 아니라 조율 업무였습니다. 물리적 실험 작업은 이미 LifeStar2가 수행하고 있었습니다. LabClaw가 이어받은 영역은 사람과 기계 사이의 계층입니다. 즉, 연구 목표를 절차로 변환하고, 각 스테이션에 일정을 배정하며, 문제를 감시하고, 결과물을 처리하는 일입니다. 보도자료는 이 계층에서 발생하는 비용을 “연구 외적인 과도한 업무”로 규정했습니다. 이번 사례에서 실험실 일하는 방식의 변화는 대부분 이러한 조율 작업에서 일어났습니다.

인간의 승인은 상태 변화와 연동되어 있습니다. 보도자료는 사람이 에이전트의 모든 행동을 일일이 검토한다고 설명하지 않습니다. 에이전트가 “안전한 경계 내에서” 자유롭게 행동하고, 백엔드가 상태 변경을 검증하며, 소수의 핵심 지점에서 사람이 확인하는 구조를 취합니다. 사례 연구에서 첫 번째 승인 지점은 표적 목록이었습니다. 에이전트가 근거와 함께 20개 표적을 제안하면, 웨트랩 작업이 시작되기 전에 연구자가 이를 승인합니다. 실험실 자원이 본격적으로 투입되는 단계 직전에 인간의 판단을 배치한 것입니다.

루프는 데이터베이스에서 완성됩니다. 과거에는 실험실 데이터와 AI 예측이 단절되어 있었습니다. 이제는 유전자 편집 효율과 표현형 점수가 데이터베이스의 표적 순위를 갱신하고, 검증된 데이터가 PandaOmics로 돌아갑니다. 다음 라운드의 표적 선정은 사람이 결과를 수작업으로 옮기지 않아도 직전 실험 결과에 기반해 시작됩니다.

템플릿은 워크플로의 재사용성을 보장합니다. 20개의 모듈형 단계와 8개의 템플릿은 에이전트에게 명확한 구성 요소를 제공합니다. 연구자는 대화를 통해 새로운 템플릿을 저장할 수 있습니다. 이는 기존의 문제점으로 지적되었던 완전히 고정된 사전 프로그래밍 워크플로와, 매번 백지상태에서 새로…



This is a public episode. If you would like to discuss this with other subscribers or get access to bonus episodes, visit parkdaesun.substack.com