제약 산업에서 AI의 역할 확대
2026년 1분기 실적 발표 시즌을 맞아 글로벌 빅 파마(Big Pharma) CEO들이 일제히 인공지능(AI)의 실질적 성과를 수치로 공개했다. 아스트라제네카, 브리스톨 마이어스 스큅(BMS), 머크(Merck)의 수장들은 AI가 단순한 기대감이나 홍보 구호를 넘어 신약 후보 물질 탐색 시간 50% 단축, 표적 선정 공정 축소, 전사 AI 플랫폼 구축 등 '측정 가능한 영향'을 이미 내고 있다고 강조했다.
이 발언들은 Fierce Pharma가 정리한 주요 제약사 CEO 발언 분석을 통해 확인됐다. 아스트라제네카는 자체 개발한 오픈소스 생성형 AI 프레임워크 '리인벤트(Reinvent)'를 전면에 내세웠다.
파스칼 소리오(Pascal Soriot) CEO는 리인벤트를 통해 잠재적 신약 후보 물질의 분자 구조를 식별하는 데 걸리는 시간을 절반으로 단축했다고 밝혔다. 소리오 CEO는 "리인벤트 프로그램이 개념에서 선도 분자로 나아가는 속도를 근본적으로 변화시키고 있다"고 직접 언급했다.
이 도구는 연구자들이 수개월에 걸쳐 수행하던 분자 탐색 작업을 수주 내로 압축하며, 아스트라제네카 R&D 파이프라인 전반의 속도를 끌어올리는 역할을 하고 있다. BMS의 크리스 보너(Chris Boerner) CEO는 AI 도구 활용 확대와 연구실 자동화 강화를 통해 R&D 인프라에 본격 투자하고 있다고 밝혔다.
BMS가 설정한 목표는 표적 선정과 분자 설계에 소요되는 시간을 현재 대비 절반으로 줄이는 것이다. 보너 CEO는 이 과정에서 AI가 핵심 역할을 담당하고 있다고 설명했다. 더 빠르고 정밀한 신약 개발이 가능해지면 개인 맞춤형 치료제 개발로 이어지며, 이는 환자 개개인의 유전적·임상적 특성에 최적화된 치료 옵션을 제공하는 토대가 된다.
AI의 정교한 데이터 분석 능력은 향후 BMS의 연구 개발 방향성을 결정짓는 핵심 변수로 작용할 전망이다.
광고
머크의 로버트 데이비스(Robert Davis) CEO는 구글 클라우드와의 파트너십을 통해 AI 플랫폼을 R&D, 제조, 상업 팀 전반에 걸쳐 적용하겠다는 계획을 발표했다. 이번 협력은 머크가 신약 개발에만 국한하지 않고, 생산 공정과 영업·마케팅 영역까지 AI 적용 범위를 넓히는 발판이 됐다.
데이비스 CEO는 AI 기술이 운영 효율성을 높이고 새로운 치료법 개발을 앞당기는 데 직접적으로 기여하고 있다고 설명했다. 이처럼 세 회사의 사례는 AI가 제약 산업 가치 사슬 전반에서 실질적인 성과를 내기 시작했음을 보여주는 구체적인 증거다.
빅 파마 CEO들의 AI 활용 발표
AI 도입이 가속화되는 한편, 이에 따른 부정적 영향에 대한 우려도 제기된다. 자동화 확대가 실험실 및 분석 인력의 역할 변화를 초래할 수 있으며, AI 모델의 오류가 신약 후보 물질 선정에 영향을 미칠 경우 임상 단계에서 예상치 못한 부작용으로 이어질 수 있다.
이에 각 제약사는 인간 연구자의 감독 아래 AI를 운용하는 하이브리드 체계를 구축하고, AI 예측 결과에 대한 교차 검증 프로세스를 강화하는 방향으로 대응하고 있다. AI의 정확성과 신뢰성을 보장하기 위한 내부 검토 체계가 AI 도입과 병행해 정비되고 있다.
전문가들은 AI가 제약 산업의 연구 개발 체계를 구조적으로 바꿀 것이라고 분석한다. AI의 분자 분석 능력은 기존에 경험과 직관에 의존하던 표적 선정 과정을 데이터 기반 의사결정으로 전환시키고 있으며, 이를 통해 임상 성공 가능성이 높은 후보 물질을 조기에 걸러내는 일이 가능해졌다.
연구자와 AI가 각자의 강점을 결합하는 방식이 신약 개발의 새로운 표준으로 자리를 잡아가고 있다. 한국 제약·바이오 산업에서도 AI 활용의 필요성은 높다. 국내 기업들은 AI 기술을 통해 신약 개발 기간을 단축하고 비용을 줄이며 글로벌 경쟁력을 확보하려는 움직임을 본격화하고 있다.
광고
이를 위해 정부의 정책 지원과 대학·연구소 간 협력 체계 구축이 병행되고 있으며, AI 기반 신약 개발 인프라를 확충하는 데 공공과 민간이 함께 투자하고 있다. 아스트라제네카·BMS·머크의 사례가 국내 기업들에 구체적인 벤치마크가 될 수 있다는 점에서, 글로벌 빅 파마의 AI 도입 전략을 면밀히 분석하는 작업이 요구된다.
AI가 가져올 제약 산업의 미래
2026년 1분기 실적 발표에서 확인된 핵심 메시지는 분명하다. AI는 이미 제약 R&D의 속도 경쟁에서 측정 가능한 성과를 내고 있으며, 이를 먼저 내재화한 기업이 다음 치료제 개발 사이클에서 유리한 위치를 점할 것이다.
분자 구조 탐색 시간 50% 단축, 표적 선정 공정 혁신, 전사적 AI 플랫폼 구축—이 세 가지 흐름은 글로벌 제약 산업이 AI를 선택의 문제가 아닌 생존의 조건으로 받아들이고 있음을 보여준다. 빠르고 효과적인 치료제 개발을 통해 제약업계의 발전이 가속화되고 있으며, AI와 제약 산업의 결합은 장기적으로 각 기업의 파이프라인 경쟁력을 좌우하는 요인이 될 것이다.
AI 기술의 발전은 의료진과 연구자들이 새로운 치료법을 탐색하고 적용하는 방식에 근본적인 변화를 가져올 것이며, 이는 궁극적으로 환자들에게 더 나은 의료 서비스를 제공하는 데 기여한다. 글로벌 제약 산업에서 AI 기반 기술 개발 경쟁이 심화되는 가운데, AI는 신약 개발 속도 향상, 맞춤형 치료법 확보, 운영 효율성 제고에서 결정적 역할을 하는 핵심 기술로 확고히 자리를 잡았다.
FAQ
Q. 아스트라제네카의 AI 프레임워크 '리인벤트'는 어떤 도구인가?
A. 리인벤트(Reinvent)는 아스트라제네카가 자체 개발한 오픈소스 생성형 AI 프레임워크다. 이 도구는 방대한 분자 데이터를 학습해 신약 후보 물질의 분자 구조를 탐색하고 식별하는 데 특화돼 있다. 아스트라제네카는 리인벤트 도입을 통해 기존에 수개월이 걸리던 후보 물질 식별 과정을 절반 수준으로 단축했다고 밝혔다. 소리오 CEO는 이 도구가 '개념에서 선도 분자로 나아가는 속도를 근본적으로 변화시키고 있다'고 직접 평가했다. 현재 오픈소스로 공개돼 있어 외부 연구기관과의 협력 가능성도 열려 있다.
Q. 한국 제약·바이오 기업들은 글로벌 AI 경쟁에서 어떻게 대응해야 하나?
A. 아스트라제네카·BMS·머크의 사례는 AI가 단순 보조 도구를 넘어 신약 개발 일정과 비용 구조를 바꾸는 핵심 변수임을 보여준다. 국내 기업들은 글로벌 수준의 AI 인프라를 갖추기 위해 대학·연구소와의 공동 개발 체계를 구축하고, 정부 지원을 통해 데이터 공유 환경을 정비하는 전략을 병행해야 한다. 특히 신약 후보 물질 탐색 단계에서 AI를 조기에 도입할수록 임상 진입까지의 기간과 비용을 줄일 수 있다는 점에서, 투자 우선순위를 R&D 초기 단계에 배치하는 것이 효과적이다. 글로벌 빅 파마와의 기술 격차를 줄이기 위해서는 AI 전문 인력 육성과 플랫폼 내재화가 시급한 과제다.
Q. AI 도입이 제약 연구에서 갖는 한계와 리스크는 무엇인가?
A. AI 모델이 제시하는 분자 구조 예측이나 표적 선정 결과는 학습 데이터의 질과 범위에 따라 오류를 포함할 수 있으며, 이를 무비판적으로 수용하면 임상 단계에서 예상치 못한 실패로 이어질 수 있다. 자동화 확대에 따른 인력 구조 변화도 단기적으로 현장 연구자들의 역할 재정의를 요구한다. 이에 주요 제약사들은 AI 예측 결과를 인간 전문가가 반드시 교차 검증하는 이중 체계를 운용하고 있으며, AI 모델의 설명 가능성(explainability)을 높이기 위한 기술 연구도 병행하고 있다. AI 도입의 효과를 극대화하면서 리스크를 최소화하려면, 기술 도입 속도와 검증 체계 정비 속도를 함께 높이는 접근이 필요하다.
광고
){kind=small}
){kind=small}
){kind=small}
){kind=small}