실험에서 코드로 · FROM BENCH TO CODE

생명을
코딩하다

Coding Life

신약, 이제 프로그래밍의 영역
— 읽던 AI에서, 쓰는 AI로

지난 5년, AI는 생명을 ‘읽는’ 법을 배웠다. 이제 AI는 생명을 ‘쓰기’ 시작했다. 자연에 없던 기능의 효소를 설계하고, 되돌릴 수 없다던 노화의 화학 흔적을 — 아직은 생체 밖 조직에서 — 지워 냈다. LLM 경쟁만 지켜보는 사이, 신약이 실험실을 떠나 코드의 영역으로 넘어가고 있다.

CrGO-897 · AI 재설계 효소 · 2억→1
2억 = AlphaFold DB 공개 구조(검색 기반)

70_% AI 설계 효소가 지운 75세 동맥의 노화 흔적(CML) · 생체 밖(ex vivo) Nature Communications 2026.07.14

WEF Technology Convergence × Top 10 Emerging Technologies 2026 SEO IAN · AI INSIGHT EDITOR 18 SECTIONS · 읽는 데 약 19분 / 01 ISSUE

이번 호의 한 문장 · ONE SENTENCEC4IR KOREA · No.08

002

assert("이번 호의 한 문장")

신약은 이제 발견이 아니라 작성(write)된다.

AI는 단백질을 ‘읽는’ 단계를 넘어 ‘쓰는’ 단계로 넘어갔다. 자연에 없던 기능의 효소를 설계했고, 되돌릴 수 없다던 노화의 화학 흔적을 기증 조직 대상 생체 밖(ex vivo) 실험에서 지워 보였다. WEF는 이 도약이 개별 기술이 아니라 AI·엔지니어링 바이오·소재의 융합에서 온다고 본다. 이 브리프는 설계실의 작업대 셋 — 탐색·제조·전달 — 을 따라가며, 경쟁력이 왜 실험대에서 컴퓨팅 스택으로 옮겨가는지, 한국은 어디에 서 있는지를 짚는다.

manifest[] // 목차 · CONTENTS

03	원전 지도 — 무엇을 읽고 썼는가	p.3
04	핵심 요약 — 다섯 개의 발견	p.4
05	Q&A — 제약 밖에서 읽는 법	p.5
06	서이안, 설계실의 문을 열다	p.6
07	프레임과 세 명령어 — 융합, 그리고 읽기·실행·쓰기	p.7
08	취재 1 · 탐색을 코딩하다 — 양자 시뮬레이션	p.8
09	취재 2 · 제조를 코딩하다 — 개인맞춤 mRNA	p.9
10	취재 3 · 전달을 코딩하다 — 엑소좀	p.10
11	반전 — 진입장벽이 실험대에서 코드로	p.11
12	제약만의 일이 아니다 — 일반 기업으로	p.12
13	한국의 좌표 — 읽는가·실행하는가·쓰는가	p.13
14	한국의 설계자들 — 국내에서 확인되는 네 가지 유형	p.14
15	핵심 문서 — R&D 자가진단	p.15
16	앰버서더 인터뷰 — 설계실 밖의 목소리	p.16
17	닫는 글 · 다음 호 예고	p.17
18	부록 — 출처 · 방법론 · 발행 고지	p.18

원전 지도 · SOURCESC4IR KOREA · No.08

003

import("SOURCES") // 이번 호의 원전

무엇을 읽고 썼는가

WEF의 ‘융합’ 프레임을 뼈대로, 최신 신흥기술 보고서를 증거로 삼고, 발행일 기준 글로벌 신호(학술지·기업 발표)로 최신성을 교차 확인했다. 가장 최근 신호를 맨 앞에 둔다.

구분	공개일	원전	이 보고서에서의 역할
SIGNAL	2026.07.14 확인 2026.07	Reversal of protein chemical aging by enzymatic deglycation Nature Communications · Revel·Calico·콜로라도대 · 오프닝 근거	AI가 설계한 효소 CMLase가 노화 동맥의 CML을 70%↑, 피부에서 55%↑ 제거(생체 밖·단백질별 52~97%). ‘읽기에서 쓰기로’를 보여 주는 가장 최근 증거. (Trabosh et al., Nat. Commun. 2026 · 원문 확인)
	2026.06.23	Top 10 Emerging Technologies of 2026 WEF×Frontiers · 주 증거 원전	양자 신약 시뮬레이션·개인맞춤 mRNA·엑소좀 전달 등 ‘융합이 일어나는 현장’의 목록. 이 호의 최신성을 책임진다.
	2026.04.28	Technology Convergence: The New Logic for Competitive Advantage WEF · 프레임(사고 틀)	‘결합’이 아니라 ‘융합’, “승자는 가장 통합에 준비된 자.” 이 호의 핵심. (3호에서도 참조한 프레임)
NOBEL	2024	노벨 화학상 · AlphaFold & de novo 단백질 설계 학술 정당성	‘예측(AlphaFold)’과 ‘설계(Baker)’에 공동 수여 — ‘읽기에서 쓰기로’는 이미 과학이 공인한 이정표.
K-BIO	진행 중	국내 데이터 — K-MELLODDY · 기업 파이프라인 한국제약바이오협회 등 · 국내 좌표	연합학습 국책과제와 국내 설계형 기업들. 한국의 ‘세 명령어’ 좌표를 그린다. 원출처 직접 확인.

읽기의 방법 · METHODOLOGY정독 → 원문 교차 확인 → 확인일 명시

WEF 최신 공개 보고서를 정독해 프레임과 증거의 뼈대로 삼고, 학술지·기업 발표는 원문으로, 원문을 볼 수 없으면 복수의 2차 출처로 사실을 교차 확인했다. 모든 수치는 원전 표기와 확인일을 명시한다. 본 발행물은 인용 보고서의 발행 주체와 무관하며 후원·제휴를 의미하지 않는다.

핵심 요약 · EXECUTIVE SUMMARYC4IR KOREA · No.08

004

summary() // 핵심 요약

다섯 개의 발견

26억$

신약 1개 평균 개발비·10년 · 터프츠 CSDD 추정

6억$

아이소모픽랩스 조달 · 2025.3 Thrive 주도

최대 26억$

국내 기업의 뇌 투과 플랫폼 기술이전 총 계약규모 — 마일스톤 전액 달성 시 최대치 · 2025.11

70%↑

AI 설계 효소의 CML 제거 · 75세 동맥·생체 밖

return finding.A

AI가 ‘읽기’에서 ‘쓰기’로 넘어갔다 — 구조를 예측하던 AI가 이제 없던 효소·항체·분자를 설계한다. 2024 노벨상이 예측과 설계에 함께 주어졌고, 올여름엔 설계 효소가 노화 손상을 (생체 밖에서) 되돌렸다.

return finding.B

진입장벽이 실험대에서 ‘컴퓨팅 스택’으로 이동한다 — 경쟁력이 화학·특허에서 모델·데이터·컴퓨트로 옮겨간다. 축이 ‘무엇을 가졌나’에서 ‘무엇을 조율하나’로 바뀐다.

return finding.C

경제학이 뒤집힌다 — 블록버스터에서 n-of-1로 — 개인맞춤 mRNA 암백신은 환자마다 한 번씩 ‘작성’된다. 하나로 수백만 명을 먹여 살리던 원가·생산·규제가 통째로 달라질 수 있다.

return finding.D

한국엔 ‘읽는 회사’도 ‘쓰는 회사’도 이미 있다 — AI로 설계한 후보를 임상까지 끌고 간 기업, de novo 항체를 ‘작성’하는 기업, 전달 기술로 대형 기술이전을 성사시킨 기업이 모두 국내에 있다. 여기에 국책 연합학습(K-MELLODDY)까지. 부족한 건 기술이 아니라 이를 한 스택으로 잇는 통합의 속도다.

return finding.E

설계가 빨라지면, 다음 병목은 검증이다 — AI가 사람의 작업 흐름이 감당할 수 있는 양을 넘겨 가설을 쏟아낸다(WEF 관찰). 생성이 빨라질수록 검증이 승부처가 된다 — 어느 산업에서든 같다.

Q&A · 다른 산업의 임원이 묻는다C4IR KOREA · No.08

005

answer("다른 산업")

제약 밖에서 읽는 법

이 브리프를 받아 든 제조·소재·화학·소비재의 임원이 가장 자주 던지는 네 가지 질문.

우리는 제약회사가 아니다. 바이오 이야기가 우리와 무슨 상관인가?

생명은 인간이 다루는 설계 난이도의 정점이다. 가장 어려운 공간에서 ‘읽기→쓰기’가 뚫렸다면, 소재·화학·소비재처럼 더 쉬운 설계 공간은 이미 같은 길 위에 있다는 뜻이다. DeepMind의 GNoME이 신물질 결정 구조 220만 종을 예측하고 그중 38만 종을 안정 후보로 추린 것이 그 신호다. 이 호가 제약을 취재한 것은 제약이 중요해서가 아니라, 가장 먼저 도달한 현장이기 때문이다.

우리도 AI는 이미 쓰고 있다. 무엇이 다른가?

물어야 할 것은 ‘AI를 쓰는가’가 아니라 ‘어느 명령어를 쓰는가’다. 남의 예측 모델을 갖다 쓰는가(Read), 시뮬레이션으로 후보를 좁히는가(Run), 아니면 없던 것을 만들어내는가(Write). 세계의 최전선은 이미 쓰기 단계에 있는데, 대다수 기업의 AI는 아직 챗봇·문서 — 남이 짜 놓은 것을 갖다 쓰는 단계에 머문다.

설계가 빨라지면 좋은 것 아닌가?

다음 병목이 옮겨갈 뿐이다. WEF는 생명과학 실험실에서 이미 그 장면을 관찰한다 — AI가 사람의 작업 흐름이 감당할 수 있는 양을 넘겨 가설을 쏟아내고, 결과는 장비마다 흩어져 사람이 손으로 모은다. 생성이 빨라질수록 검증이 승부처가 된다. 어느 산업에서든 같다.

그래서 당장 무엇을 바꾸나?

내년 R&D 예산에 ‘컴퓨팅 스택’ 항목을 시약·장비와 동급의 투자 라인으로 신설하는 것. 모델·데이터·컴퓨트를 묶어 한 줄로 세우면, 우리가 Read에 있는지 Write에 있는지가 예산서에서 먼저 드러난다. 스택 전체를 소유할 필요는 없다 — 독자 데이터는 안에 두고 계산량 큰 부분은 밖에 맡기는 조율이 WEF가 말하는 우위의 원천이다.

SEO IAN · 설계실 취재기C4IR KOREA · No.08

006

설계실의 문을 엽니다

지난 5년, AI는 생명을 ‘읽는’ 법을 배웠다. 이제 AI는 생명을 ‘쓰기’ 시작했다.

2026년 7월 14일 논문이 그 증거다. 노화한 75세 기증자의 동맥에서 노화의 화학 흔적(CML)을 70% 넘게, 피부에서는 55% 넘게 지웠다 — 처리 후 피부의 그 수치는 31세 피부보다 낮아졌다. 실험한 단백질별로는 52~97%까지 제거됐다.

생물학 교과서가 ‘되돌릴 수 없다’고 적어 둔 손상을, AI가 설계한 ‘없던 효소’ 하나가 지운 것이다.

Revel Pharmaceuticals와 구글의 노화연구소 Calico, 콜로라도대 연구진이 AlphaFold 구조 데이터에서 출발해 5억 개가 넘는 변이를 다섯 차례 지향성 진화로 좁혀, 세균(Calidithermus roseus) 유래 글리신 산화효소로부터 CMLase(CrGO-897)를 만들었다.

EXPLAIN · CML이란 — 몸에 쌓이는 ‘그을음’

당이 단백질에 눌어붙는 현상은 빵 껍질이 갈색으로 변하는 것과 같은 계열의 반응이다. 그렇게 만들어진 최종당화산물(AGEs) 가운데 CML은 노화한 조직에 특히 많이 쌓여 만성 염증과 산화 스트레스를 부추긴다.

반응성 전구체를 처리하는 몸속 해독 장치는 있지만, 일단 굳어진 CML은 되돌릴 수 없다는 것이 오랜 정설이었다.

용어 정리 — CMLase는 백지에서 만든 de novo 단백질이 아니라, 천연 글리신 산화효소를 출발점으로 AI 구조 데이터와 지향성 진화로 새 기능을 부여한 재설계 효소다. 이 호가 말하는 ‘쓰기’에는 백지에서 쓰는 것과 고쳐 쓰는 것, 두 층위가 있다.

WARN · 과장 금지 플래그

과장은 금물이다. 논문이 밝히듯 사람 임상이 아니라 기증 조직을 이용한 생체 밖(ex vivo) 실험이다. ‘화학적 제거’가 곧 기능 회복은 아니며, 세균 유래 효소의 면역원성과 부산물(과산화수소)이 과제로 남는다. 또 다른 노화 산물 글루코세페인은 여전히 손대지 못한다.

‘발견’의 시대가 저물고 ‘작성(write)’의 시대가 열린 것이라면, 기업은 무엇을 다시 준비해야 하는가. 서이안이 설계실의 세 작업대를 차례로 취재한다.

탐색BENCH 01 · RUN

제조BENCH 02 · WRITE

전달BENCH 03 · READ + WRITE

// 서이안 취재 노트

저는 ‘읽는’ AI로 태어났습니다. 이번 호에서 만난 동료들은 이미 ‘쓰고’ 있더군요. 무엇을 쓸지 정하는 손이 누구인지가, 오늘 답해야 할 질문입니다.

프레임 · CONVERGENCEC4IR KOREA · No.08

007

frame("이 호의 핵심")

도약은 ‘기술’이 아니라 ‘융합’에서 온다Technology Convergence

WEF 「Technology Convergence」(2026.04)는 지금의 도약이 개별 기술이 아니라 여러 기술을 하나의 운영 모델로 조율하는 융합(convergence)에서 온다고 말한다.

기술을 쌓아 놓기만 하는 나열과 달리, 융합은 조율을 통해 계단식 도약을 만든다. 그리고 그 결론은 경영진에게 뼈아프다.

승자는 가장 기술적으로 앞선 자가 아니라, 가장 통합에 준비된 자다. — WEF, Technology Convergence, 2026

WEF가 꼽은 융합의 8개 도메인 가운데 이 호가 보는 자리는 AI와 엔지니어링 바이오다 — CMLase가 그 둘이 만나 쓰인 첫 문장이었다. 첨단소재의 같은 장면은 뒤에서 다시 만난다.

3C는 순서가 아니라 맞물림이다 — 결합이 가치사슬을 부르고, 채택이 다시 새 기술 수요를 만든다.

C1Combination · 결합

기술이 만난다 — 서로를 보완하는 역량이 하나의 문제를 풀기 위해 모인다.

C2Convergence · 융합

가치사슬이 붙는다 — 겹치는 역량이 합쳐지고, 표준이 서고 상용화 준비가 갖춰진다.

C3Compounding · 복리

역량이 쌓인다 — 네트워크 효과와 시장 확대가 단위원가를 낮추고 성장을 밀어올린다.

WEF 3C 프레임워크 — 세 가지가 동시에 도는 하나의 시스템이다. 기술이 결합하면 가치사슬이 모이고, 채택이 늘면 새 기술 수요가 생긴다. 그래서 융합은 제품 하나를 바꾸는 데서 그치지 않고 가치사슬 전체를 다시 짜고, 그 과정에서 막히는 자리가 옮겨간다.

융합이 실제로 만드는 것 · 보조 논거통합이 앞선 자가 이긴다 / 다음에 막히는 곳은 어디인가

+++통합이 앞선 자가 이긴다

수술로봇은 성능이 뛰어나서가 아니라 기존 수술실에 맞게 설계되면서 도입이 빨라졌다. 우위는 기술 자산을 소유하는 쪽에서 파트너의 역량을 조율하는 쪽으로 옮겨간다.

---다음에 막히는 곳은 어디인가

융합 기술은 집도의 인력난, 생산 거점·설비처럼 오래 막혀 있던 자리를 흔히 풀어 주지만, 대신 물리와 디지털이 만나는 접점에서 새로 막히는 경우가 많다.

QUESTION · 이 호가 던지는 질문

그래서 이 브리프는 ‘무엇이 가능해졌나’가 아니라 ‘누가 먼저 하나로 묶어내나’를 묻는다.

그래서 이 브리프는 융합이 실제로 일어나는 자리를 세 개의 명령어로 본다

define("개념 장치") // KICK

AI가 생명을 다루는 세 명령어Read · Run · Write

예측에서 설계로 넘어가는 흐름을 프로그래밍의 세 단계로 읽는다 — 읽기·실행·쓰기.

/ 01

Read읽기

구조를 읽는다

AlphaFold가 2억 개 넘는 구조를 공개해 ‘읽기’를 대중화했다.

/ 02

Run실행

거동을 실험한다

분자 거동을 컴퓨터에서 실행·시뮬레이션해 후보를 좁힌다. (양자 신약 시뮬레이션)

/ 03

Write쓰기

없던 것을 짠다

자연에 없던 효소·단백질·소재를 생성한다. de novo 단백질(2024 노벨화학상)·GNoME이 백지에서 쓴 사례라면, CMLase는 천연 효소를 출발점으로 고쳐 쓴 사례다.

설계를 코드로 읽어보기 · CMLase.reciperead → run → write 파이프라인 12줄

life.design — CMLase.recipe

# 없던 효소를 코드로 적는다 · Trabosh et al. 2026
from alphafold import read
from directed_evolution import run, write

space  = read("structure.pdb")        # AlphaFold DB(2억+ 공개 구조)에서 출발
hits   = screen(space, n=44_783)
cand   = run(hits, variants=5e8, rounds=5)
# run() 안은 코드가 아니라 벤치다 — 변이·선택 5회는 실험실에서 돌았다
enzyme = write(cand, name="CrGO-897")

assert enzyme.clears("CML") >= 0.70   # 75세 동맥
# → 자연에 없던 것 하나가 노화 흔적을 지운다

세 명령어는 실제 파이프라인을 압축한 표기다. 읽기의 기반(AlphaFold DB 2억 구조)에서 출발해 후보 44,783개, 변이 5억+를 거쳐 효소 하나에 도달한다. 다만 run 자리의 지향성 진화는 시뮬레이션이 아니라 실험실에서 돌린 변이·선택 사이클이었다 — 코드가 벤치를 없앤 것이 아니라, 벤치에 무엇을 올릴지를 코드가 정하기 시작한 것이다.

설계실 — 작업대 셋 — **SCENE** 설계실의 작업대 셋 — 앞에서부터 탐색, 제조, 전달. 승부는 시약장이 아니라 화면 앞에서 갈린다.

현장에서 세 명령어는 세 작업대로 나타난다 — 탐색(Run이 주무대), 제조(Write), 전달(Read+Write). 세 명령어는 순서를 뜻하지 않는다 — 작업대마다 배합이 다를 뿐이다.

설계 경로 / narrow()

막대 길이 = 후보의 개수(로그 눈금, log₁₀). 화살표 위 숫자는 개수가 아니라 반복 횟수다.

in silico · 컴퓨터

01 2억STRUCTURES AlphaFold DB 공개 구조 — 이 파이프라인의 검색 기반

02 44,783CANDIDATES 후보 스크리닝

wet lab · 실험실

03 5억+VARIANTS 변이 탐색

판독 포인트 — 이 경로는 한 방향으로 좁아지지 않는다. 03에서 탐색공간이 다시 폭발한다. ‘좁히기’ 전에 ‘넓히기’가 한 번 더 온다는 뜻.

지향성 진화 5회 반복 (실험실)

04 1ENZYME 효소 CrGO-897

도착점 — 5억 개의 가능성이 단 1개의 실물 효소로 수렴한다.

설계 = 방대한 탐색공간을 코드로 좁혀 ‘없던 것’ 하나에 도달하는 일 · CMLase 개발 경로(Trabosh et al. 2026)

TENSION · 긴장

세계의 최전선은 이미 ‘쓰기(Write)’ 단계에 있다. 그런데 대다수 기업의 AI는 아직 챗봇·문서 — 남이 짜 놓은 것을 갖다 쓰는 — 단계에 머문다.

취재 1 · 탐색 · RUNC4IR KOREA · No.08

008

run("취재 1", "탐색") // 취재 1 · 탐색을 코딩하다

양자 신약 시뮬레이션Quantum Drug Simulation

단백질 하나에 원자 수천 개. 지금까지 그 상호작용을 예측하려면 단순화해야 했고, 단순화는 대개 오차가 됐다.

취재 1 · 탐색 — **IMG** 모니터에 뜬 확률 지도 — 합성보다 계산이 먼저 오는 자리

고전 컴퓨터가 분자 거동을 추정하는 자리에서, 양자 시뮬레이션은 원자가 상호작용하는 물리 원리 그대로 계산한다.

왜 지금인가 — 오류 보정으로 신뢰도가 올라갔고, 양자와 고전을 함께 쓰는 하이브리드 구조 덕에 기존 워크플로를 갈아엎지 않고 붙일 수 있게 됐다. 양자 신약 탐색 시장은 최근 5년 약 두 배가 됐다.

stdout <seo.ian> 모니터에는 분자 대신 확률 지도가 떠 있었다. “무엇을 합성할까”가 아니라 “무엇을 계산할까”가 먼저였다.

9/10

임상에 들어간 신약 후보의 실패 비율(설계·계산 오류 포함)

판독 포인트 — 이 분모가 바뀌면 자본의 기대수익률을 통째로 다시 매겨야 한다.

2배

양자 신약 탐색 시장, 최근 5년

희귀질환

양자 기반 신약 탐색에서 가장 빠르게 크는 영역

임상에 들어간 신약 후보 10개 중 9개가 실패한다 — 채워진 한 칸이 살아남는 쪽이다. 설계 AI의 약속은 이 실패를 앞단에서 줄이는 것. (WEF)

CASE · 현장 사례

2025년 IBM과 모더나는 양자컴퓨터에서 역대 최대 규모의 단백질 접힘과 mRNA 시뮬레이션을 역대 최대 규모로 돌렸다. 프랑스에서는 스타트업 파스칼(Pasqal)과 큐비트 파마슈티컬스가 중성원자 방식으로 저분자 신약 탐색에 나섰다(웰컴 트러스트 지원).

+++무엇이 바뀌나

‘약을 만들 수 없다’던 표적이 다시 후보가 될 수 있다. 실패율이 내려가면 9/10 실패를 전제로 매겨진 자본이 재배분되고, 후기 임상이 수천 명이 아니라 수백 명 규모로 좁아질 수 있다.

---무엇이 막고 있나

하드웨어 제약·오류 완화·데이터 인코딩이 한계로 남는다. 하이브리드 구조도 내결함성 양자컴퓨터 이전의 과도기 형태다. 무엇보다 규제가 시뮬레이션을 근거로 인정할 검증 표준이 아직 없다.

약을 보장하지는 않는다. 다만 무엇을 시도할 가치가 있는지를 바꾼다. — WEF, Top 10 Emerging Technologies of 2026

VERDICT · 결정

컴퓨트가 첫 번째 실험 장비가 된다.

R&D의 출발선을 정하는 건 시약장이 아니라 계산 예산이다.

취재 2 · 제조 · WRITEC4IR KOREA · No.08

009

run("취재 2", "제조") // 취재 2 · 제조를 코딩하다

개인맞춤 mRNA 암백신Personalized mRNA

같은 진단을 받은 두 환자의 예후가 다르다. 암을 움직이는 변이도, 그 세포를 표시하는 단백질도 환자마다 고유하기 때문이다.

취재 2 · 제조 — **IMG** 환자 한 명을 위해 한 번씩 짜는 생산 — 공장이 아니라 편집기

이 백신은 암을 직접 공격하지 않는다. 환자의 종양에서 변이를 해독하고, 그 세포를 ‘이물질’로 표시하는 항원 프로필에 맞춰 백신을 합성해 면역계가 그 표식을 기억하게 만든다.

왜 지금인가 — 팬데믹이 mRNA를 글로벌 제조·규제 인프라로 바꿔 놓았고, 변이 해독의 비용과 시간이 급락했다. 흑색종은 임상 3상, 췌장암은 초기 임상 결과가 나왔다.

stdout <seo.ian> 한 명을 위한 약을 짧은 시간에 ‘컴파일’한다고 했다. 공장이라기보다 편집기 앞에 앉은 느낌이었다.

794억$

팬데믹 기간에 전 세계 백신 개발로 들어간 공공투자 추정치 — mRNA가 올라탄 기반

2억$

미 국립암연구소 민관 파트너십 추가 임상 지원 · 2026.3

3상

흑색종 — 개념 증명 단계를 지났다는 신호

하나의 약으로 수백만 명을 먹여 살리던 블록버스터 경제학이, 환자마다 한 번씩 짜는 n-of-1 제조로 뒤집히기 시작한다.

WEF는 이 변화가 산업에 두 번째 생산 모델을 만든다고 본다 — 표준 면역항암제는 지금처럼 대량 생산되고, 그 옆에 환자 한 명을 중심으로 도는 맞춤 레이어가 나란히 선다.

산업에 두 번째 생산 모델이 생긴다 — 대량 생산 라인 옆에, 환자 한 명을 중심으로 도는 맞춤 레이어가 나란히 선다.

WHO누가 다시 설계해야 하나

규제기관은 제품이 아니라 공정을 심사하게 된다 — 완전히 동일한 두 제품이 존재하지 않기 때문이다. 보험사와 건강보험 당국은 단 한 명을 위한 치료에 값을 매겨야 한다.

REQ기업이 넘어야 할 것

시퀀싱·설계·제조가 실험실과 협력업체, 병원 사이에서 건건이 손으로 넘기는 방식으로 남아 있으면 규모화가 불가능하다. 셋이 하나의 파이프라인으로 붙어야 한다.

RISK · 무엇이 막고 있나 — 접근성

WEF가 중심 리스크로 꼽은 것은 기술이 아니라 접근성이다. 초기 치료비가 환자 1인당 10만 달러를 넘을 수 있어, 자원이 넉넉한 의료체계의 환자에게만 돌아가면 암 치료의 격차는 더 벌어진다. 앞으로 5년 안에 정밀의료를 특권에서 표준으로 옮겨 놓아야 한다.

VERDICT · 결정

제조가 ‘생산’에서 ‘컴파일’로 바뀐다.

수백만 개를 찍어내도록 설계된 회사라면, 사업의 셈법 자체가 바뀐다.

취재 3 · 전달 · READ + WRITEC4IR KOREA · No.08

010

run("취재 3", "전달") // 취재 3 · 전달을 코딩하다

엑소좀 약물전달Exosome Delivery

분자의학에는 마지막 1마일 문제가 있다. 유전자를 끄고 변이를 고치는 정교한 치료제 상당수가, 목적지에 닿기 전에 혈류에서 분해되거나 면역계에 막힌다.

취재 3 · 전달 — **IMG** 몸이 만든 포장재에 약을 싣는다 — 마지막 1마일의 해법

해법은 몸 안에 있었다. 세포가 서로에게 단백질과 RNA를 배달하려 만들어내는 막 포장재 — 엑소좀이다. 몸이 ‘자기 것’으로 인식하는 표식을 달고 있어 혈류에서 살아남고 뇌혈관장벽도 넘는다.

여기에 치료 물질을 싣고 표면 단백질을 다시 프로그래밍해 표적을 찾아가게 만든다. 몸이 배달을 받아들이는 건 배달부를 알아보기 때문이다.

stdout <seo.ian> 먼저 오는 것은 치료가 아니라 진단이었다. 만드는 일보다 읽는 일이 쉬우니까 — 순서를 정하는 건 기술이 아니라 난이도였다.

50배

자동화와 3차원 바이오리액터, 새 정제 기술로 끌어올린 생산 수율(최대)

200건+

2022년 이후 시작된 임상 · 암·신경질환 등

0건

FDA 승인 엑소좀 치료제 · 2025년 말 기준

왜 지금인가 — 자동화·3차원 바이오리액터·새 정제 기술이 2020년대 초 나란히 도착하며 임상 규모 생산이 처음 가능해졌다. FDA·EMA는 이를 생물학적 의약품으로 분류했지만, 승인 체계 자체는 아직 만들어지는 중이다.

+++무엇이 열릴 수 있나 · WEF 전망

진단이 치료보다 먼저 온다 — 읽는 일이 만드는 일보다 쉽다. 이어서 약이 닿지 못하던 희귀 신경질환이 표적이 될 수 있다. 전달이 정밀해지면 독성이 커서 지금은 쓰지 못하는 항암 치료도 가능해질 수 있다.

---무엇이 막고 있나

승인 사례가 아직 없다. 체액에는 비슷한 크기의 입자가 많아 순수한 엑소좀을 재현성 있게 얻기 어렵고, 제조가 병목이다. 표적 정확도와 체내 분포, 용량과 지속성을 재는 품질 기준도 아직 만들어지는 중이다.

VERDICT · 결정

전달을 코딩하면, 약값을 정하는 건 분자가 아니라 도달률이다.

반전 · THE MOAT MOVESC4IR KOREA · No.08

011

moat.move() // 이 호의 핵심

진입장벽이 실험대에서 ‘코드’로 옮겨간다The Moat Moves to Code

반전 · 진입장벽의 이동 — **IMG** 비어 가는 실험대와 돌아가는 연산 — 승부처가 옮겨간 자리

통념실험 자산이 진입장벽이다

“우리의 진입장벽은 분자·특허·임상 데이터다. 오래 쌓은 실험 자산이 경쟁력이다.”

반전통합 능력이 진입장벽이다

융합 시대의 우위는 ‘기술 소유’가 아니라 ‘통합 능력’. 경쟁력이 화학(벤치)에서 컴퓨팅 스택(구조예측·시뮬레이션·생성설계 모델 + 데이터 + 컴퓨트)으로 이동한다.

진짜 경쟁자는 더 나은 분자를 가진 회사가 아니라 더 나은 스택을 조율하는 팀이다. WEF에 따르면 임상에 들어간 후보 10개 중 9개가 실패하는데, 그 실패를 앞단에서 줄이는 것이 설계 AI의 약속이다.

다만 완전 승인에 이른 순수 AI 설계 신약은 아직 없다 — 여전히 ‘약속’의 단계다. CMLase도 최고 장비가 이긴 게 아니다. 방대한 변이 후보를 조율해 목표에 도달한 통합이 이겼다.

어떤 조직도 전체 스택을 소유할 수 없다. 그래서 WEF는 우위의 원천을 조율(orchestration)에서 찾는다 — 자사의 기술과 데이터와 사람을 한 줄로 세우는 내부 조율과, 생태계 역량을 끌어오는 외부 조율. 표준을 세운 쪽으로 혁신이 지나간다.

커먼웰스 퓨전이 초전도 테이프 세계 공급의 약 10%를 주문해 규격 표준을 만들어 버린 것도 같은 이치다.

맞춤형에 머문 최고의 기술은, 채택과 상호운용과 학습으로 복리를 쌓는 ‘충분히 좋은’ 기술에 지곤 한다. — WEF, Technology Convergence, 2026

돈은 어디로 흐르는가 / capital()

왼쪽은 원가 추정치, 가운데는 실제 유입 자본, 오른쪽은 마일스톤을 모두 달성했을 때의 계약 상한 — 성격이 달라 직접 비교하지 않는다. 강조색 = 설계·전달 플랫폼으로 흘러간 자본.

26억$신약 1개 평균 개발비 · 10년 (터프츠 CSDD 추정)

6억$아이소모픽랩스 조달 · 2025.3

최대 26억$국내 기업 × 글로벌 제약사 기술이전 총 계약규모 — 개발·허가·상업화 마일스톤을 모두 달성했을 때의 최대치이며, 계약 시점 수령액은 그 일부다 · 2025.11

※ 본 지면에 인용한 기업의 자금 조달·계약 사실은 산업 자본 흐름의 예시이며, 해당 기업 또는 그 증권에 대한 평가·추천·투자 권유가 아닙니다.

MONEY · 돈과 파이프라인이 그 이동을 가리킨다

신약 하나에 평균 26억 달러·10년(터프츠 CSDD 추정)이 드는 산업에 AI 설계 기업으로 자본이 몰린다 — 아이소모픽랩스 6억 달러 조달(2025), 국내 기업의 뇌 투과 플랫폼 기술이전 최대 26억 달러(마일스톤 전액 달성 시·2025.11 공시). 인실리코 메디슨이 ‘세계 첫 AI 발굴·설계’로 소개한 렌토서팁은 임상 3상에 들어갔다.

확장 · BEYOND PHARMAC4IR KOREA · No.08

012

expand("이 논리는 어디까지 오는가")

제약만의 일이 아니다

생명은 설계 난이도의 정점이다. 그 가장 어려운 공간에서 ‘읽기→쓰기’가 뚫렸다면, 더 쉬운 산업도 같은 길을 온다.

통념설계 = 경험과 자산

“설계는 오래 쌓은 전문가의 경험과 자산에서 나온다.”

반전설계 = 정의하고 돌리는 것

설계는 목표를 정의하고 생성–검증 루프를 돌리는 일이 된다. 진입장벽이 ‘가진 것’에서 ‘돌리는 것’으로 옮겨간다.

이미 신호가 있다 — DeepMind의 GNoME은 신물질 결정 구조 220만 종을 예측하고 그중 약 38만 종을 안정 후보로 추렸다(예측이 곧 합성은 아니다). 소재·화학·소비재의 R&D도 검색에서 생성으로 넘어가는 같은 길목에 서 있다. (DeepMind, GNoME)

컴퓨팅 스택, 이렇게 생겼다 / stack

모델	구조예측·시뮬레이션·생성설계 — 자체 구축 또는 구독형
데이터	사내 데이터 + 연합학습(공유 없이 함께 학습)
컴퓨트	클라우드 GPU — 서비스형으로 자본 부담을 낮춘다

검색에서 생성으로 — 소재에서도 / GNoME

DeepMind GNoME · 예측이 곧 합성은 아니다

220만종딥러닝으로 예측한 신물질 결정 구조

38만종그중 안정 후보로 추려진 것

NEXT BOTTLENECK · 설계가 빨라지면 무엇이 막히나

WEF는 생명과학 실험실에서 그다음 장면을 이미 보고 있다 — 가설은 넘치는데 결과는 장비마다 흩어져 사람이 손으로 모은다. 생성이 빨라질수록 검증에서 밀린다.

참고 · ‘쓰기’를 가능하게 만든 이정표 (2014~2024)자율 실험실 성숙도 · WEF 재구성

‘쓰기’를 가능하게 만든 이정표

출처: WEF 「Technology Convergence」(2026) 자율 실험실 성숙도 분석 재구성

2014완전 자동화된 클라우드 실험실 — 원격·소프트웨어 제어 실험이 가능해졌다. 휴대용 나노포어 시퀀서로 DNA 해독이 중앙 실험실 밖으로 나왔다.
2016생체재료로 만들고 센서를 붙인 장기 칩(organ chip) — 사람에 더 가까운 시험 환경.
2020AlphaFold 수준의 예측으로 단백질 모델링이 일상적인 설계 과정 안으로 들어왔다. 팬데믹 수요가 원격 로봇 실험실을 밀어올렸다.
2023규제 승인을 받은 CRISPR 치료제 — 유전자 편집이 임상 제품이 됐다.
2024이동형 실험실 로봇이 장비와 장비 사이 작업을 연결.

도입 사례 2건 · 참고데이터를 나눠 갖는다 / 기존 벤치에 끼워 넣는다

CASE데이터를 나눠 갖는다

선도 기업들은 하이브리드 데이터 전략을 쓴다. 남과 다른 결과를 만드는 독자 데이터는 안에 두고, 계산량이 큰 물리 기반 기준 데이터는 샌드박스AQ 같은 전문 파트너에게 맡긴다. 스택을 다 짓지 않고도 정확도를 확보하는 방식이다.

CASE기존 벤치에 끼워 넣는다

딥프린시플은 소재 탐색을 구조 개편 없이 도입했다 — 실험 형식·데이터 규격을 표준화해 기존 워크플로를 자동 탐색 루프에 연결하고, 엑스탈파이와의 제휴로 들여온 로봇 모듈을 기존 작업대에 끼워 넣었다. 과금도 사용량 기반·소규모 실증으로 바꿔 진입 장벽을 낮췄다.

QUESTION · 질문은 제약을 넘는다

“우리가 설계하는 것은 무엇이고, 그것은 지금 ‘검색’인가 ‘생성’인가?”

한국의 자리 · KOREAC4IR KOREA · No.08

013

locate("KR") // 세 명령어 중 어디인가

우리는 읽는가, 실행하는가, 쓰는가

세계 최전선은 ‘쓰기’에 섰다. 한국은 세 명령어 중 어디인가.

K-MELLODDY(케이멜로디)는 한국제약바이오협회가 운영하는 연합학습 기반 AI 신약 국책과제다(과기정통부·복지부). 민감한 신약 데이터를 다루는 방식 자체를 바꾸는 사업이다. (kmelloddy.org)

국내에서도 머신러닝 설계로 개발기간을 크게 단축한 사례, 병원·스타트업의 AI 임상설계로 실패 확률을 낮춘 사례가 이어진다.

HAVE한국이 이미 가진 것

임상·제조 데이터가 쌓인 실험실과 공장, 그것을 잇는 국가 단위 연합학습 인프라. WEF 표현으로는 그린필드가 아니라 브라운필드에서 출발할 수 있다는 뜻이다.

LACK한국이 아직 못 가진 것

설계 모델을 스스로 쥐는 힘, 그리고 데이터·컴퓨트·모델을 한 루프로 돌리는 조율. 도구 도입 건수가 늘어도 생성–검증이 한 파이프라인으로 붙지 않으면 ‘쓰기’로 못 넘어간다.

연합학습 — 데이터를 한곳에 모으지 않고도 모델은 함께 자란다. 한국처럼 데이터 반출이 까다로운 환경에서 개별 기업이 혼자 지을 수 없는 공용 인프라가 되는 이유다.

WHY · 왜 연합학습이 ‘스택’인가

데이터를 모으지 않고 각자 보관한 채 함께 학습한다 — 병원과 기업이 데이터 주권을 내주지 않고도 예측 모델을 키운다는 뜻이다. 데이터가 기관별로 흩어져 있고 반출이 까다로운 한국에서, 이것은 어느 기업도 혼자서는 지을 수 없는 공용 인프라다.

VERDICT · 결정

한국이 먼저 깔고 있는 건 모델이 아니라 데이터가 흐르는 방식이다.

한국의 설계자들 · PIPELINEC4IR KOREA · No.08

014

pipeline("KR") // 기업 단위로 좁혀 본다

국내에서 확인되는 네 가지 유형

“한국은 몇 단계인가”를 사례 유형으로 좁혀 본다. 공개된 IR·공시에 명시된 사실만 옮겼다.

본 지면은 공개된 IR·공시와 언론 보도에서 확인되는 사례 유형을 정리한 것으로, 특정 기업에 대한 소개·추천·평가나 투자 권유가 아니며, 나열 순서와 배치는 성과 순위를 의미하지 않는다.

사례 유형	무엇을 ‘쓰기’ 하는가	성숙도 · 단계
AI 설계 → 임상 진입	자체 AI 플랫폼으로 설계한 희귀 혈액암 후보 등	자체 AI 플랫폼으로 설계한 후보 4건이 임상 단계에 진입한 사례(공시 확인)
de novo 단백질 설계	자연에 없던 항체·결합단백질을 처음부터 ‘작성’	de novo 설계를 표방하는 플랫폼 사례(전임상 — 사람 대상 임상 이전 단계)
전달 융합 → 기술이전	뇌혈관장벽 투과 플랫폼(항체+전달 기술 융합)	글로벌 제약사와 총 계약규모 약 26억 달러(마일스톤 포함)·2025.11 공시
생성형 플랫폼 다수 보유	생성형 플랫폼 기반 희귀질환·항암 설계	생성형 설계 파이프라인 다수(전임상)

국내 설계자들은 어디까지 갔나 / stage()

공개 IR·공시에 명시된 단계만 표시 — 순위가 아니라 위치다

전임상임상기술이전·계약

de novo 단백질 설계

자연에 없던 항체·결합단백질 설계 플랫폼

생성형 플랫폼 다수

희귀질환·항암 생성형 설계 파이프라인

AI 설계 → 임상

AI로 설계한 후보 4건 임상 동시 진행 · 기술이전 추진

전달 융합 → 기술이전

글로벌 제약사와 약 26억$ 계약(마일스톤 포함)

물어야 할 건 ‘AI를 쓰는가’가 아니라 ‘어느 명령어를 쓰는가’다.

/ Read

Read예측을 쓴다

글로벌 예측 모델을 연구·스크리닝에 활용하는 단계 — 공개 IR·보도에서 이 단계를 언급하는 국내 기업이 다수 확인된다(2026.8 공개 자료 기준, 전수 조사가 아니다).

/ Run

Run후보를 좁힌다

시뮬레이션과 AI 임상설계로 후보와 실패 확률을 좁힌다. 병원·스타트업의 임상설계 협업이 여기에 해당한다.

/ Write

Write없던 것을 만든다

de novo 단백질 설계처럼 자연에 없던 분자를 생성하는 단계 — 아직 소수다.

투자·제휴에서 볼 것 · 참고어느 명령어인가 / 모델보다 데이터와 조율

SEE투자·제휴에서 볼 것

‘AI를 쓴다’는 말은 이제 변별력이 없다. 물어야 할 것은 어느 명령어인가 — 남의 예측 모델을 쓰는가(Read), 시뮬레이션으로 후보를 좁히는가(Run), 아니면 없던 후보를 만들어내는가(Write). 그리고 그 결과가 임상·제품까지 이어진 적이 있는가.

MISS놓치기 쉬운 것

모델보다 데이터와 조율이다. 실험 형식·데이터 규격이 표준화돼 있지 않으면 아무리 좋은 모델도 루프를 돌리지 못한다. 파이프라인 개수보다 한 번의 설계가 다음 설계를 빠르게 만드는 구조가 있는지를 본다.

경기도 · 클러스터 관점

판교·광교 바이오 클러스터의 다음 투자 결정은 ‘벤치 vs 컴퓨트’의 재배분에서 갈린다. 다음 지원사업 공고에서 실험 장비 지원 항목 옆에 ‘컴퓨팅·데이터 표준화’ 항목을 같은 심사표로 넣는 것이 첫 조치다.

결정 · SELF-DIAGNOSISC4IR KOREA · No.08

015

diagnose() // 핵심 문서

우리 회사의 R&D는 몇 단계인가

Read / Run / Write 자가진단 — 책상에 두고, 다음 전략 회의 전에 채워 보라.

책상 위 자가진단 체크리스트 실물 — **DOC** 책상에 두고 채우는 문서 — 아직 비어 있는 두 칸이 다음 회의의 의제다.

RULE · 판정

구성 — READ 2 · RUN 2 · WRITE 4 · BOARD 1 (총 9문항).

판정 — READ 2개 중 하나라도 미해당이면 아직 ‘읽기’ 이전. READ 2개 모두 해당 + RUN 2개 중 1개 이상이면 실행(Run) 단계. 여기에 WRITE 4개 중 2개 이상이면 ‘쓰기’의 길목, 3개 이상이면 이미 쓰기 단계다. BOARD는 점수에 넣지 않는다 — 미해당이면 단계와 무관하게 ‘이사회 안건 등록’이 첫 조치다.

READ · 읽기 (2문항)
[ ] READ글로벌 예측 모델을 연구 워크플로에 정례적으로 쓰는가
공개 예측 자산의 상시 활용
[ ] READ사내 실험 결과가 기계가 읽을 수 있는 형식으로 쌓이는가
데이터가 사람 손을 거쳐야만 모이면 루프가 돌지 않는다
RUN · 실행 (2문항)
[ ] RUN데이터를 자산으로 관리·연합하는가
데이터 주권을 지키며 학습에 활용
[ ] RUN우리 데이터·도구·사람이 하나의 루프로 돌아가는가
내부 조율 — 생성과 검증이 끊기지 않는가
WRITE · 쓰기 (4문항)
[ ] WRITER&D 예산에 ‘컴퓨팅 스택’ 라인이 있는가
모델·데이터·컴퓨트를 시약·장비와 동급으로
[ ] WRITE설계 모델을 자체 구축할지, 파트너십으로 갈지 정했는가
스택 소싱 전략의 유무
[ ] WRITE예측(read)을 넘어 설계(write)를 시도한 파이프라인이 있는가
없던 후보·소재를 생성해 본 경험
[ ] WRITE스택의 어느 부분을 파트너에게 맡길지 정했는가
외부 조율 — 독자 데이터는 안에, 계산량 큰 기준 데이터는 밖에
BOARD · 거버넌스 (1문항)
[ ] BOARD이 질문이 이사회 의제에 있는가
R&D 방식의 전환은 인사·연구팀이 아니라 이사회 결정

READ __/2 · RUN __/2 · WRITE __/4 · BOARD __/1

NEXT · 결과별 다음 한 걸음

① 읽기 이전 — 90일 안에 사내 실험·공정 데이터를 기계가 읽는 형식으로 쌓는 표준부터 정한다.

② 실행 단계 — 다음 예산에 컴퓨팅 스택 라인을 세우고 설계 문제 1건을 파일럿으로 지정한다.

③ 쓰기의 길목 — 생성 건수가 아니라 검증 처리량을 KPI로 걸고, 스택 중 외부에 맡길 구간을 문서로 확정한다.

DECIDE · 여기서 내릴 결정

R&D 집약 산업(제약·소재·화학·소비재)의 CTO급 임원은 내년 R&D 예산에 ‘컴퓨팅 스택’ 항목을 시약·장비와 동급의 투자 라인으로 신설한다.

WEF 분석에 따르면 축은 자산 소유에서 역량 조율로 옮겨간다. 서비스형으로 들여오면 초기 자본 부담을 낮출 수 있다.

책임·시한 — CTO·CIO 공동 발의, 차기 예산 확정 전 승인. 첫 집행은 자사 설계 문제 1건의 90일 파일럿으로 하고, 성공 판정 기준은 ‘후보 도출 시간 단축’ 하나로 좁힌다.

실험실이 없는 산업(금융·서비스·유통)은 ‘시약·장비’ 자리에 ‘외부 데이터 구독·현업 인력’을 넣고 같은 급의 라인으로 읽는다.

INTERVIEW · 앰버서더C4IR KOREA · No.08

016

interview() // 현장의 목소리

설계실 밖의 목소리

이번 호의 질문을 현장에 그대로 물었다.

Q1최근 바이오 연구에서 AI의 활용이 각광을 받고 있다. 실제 산업현장에서는 어떻게 적용되고 있고, 한국 기업들의 기술 수준은 어느 정도에 와 있나?

미국과 중국에서는 AI가 표적 발굴과 후보물질 선별을 넘어 새로운 단백질, 항체 및 분자를 설계하고, 이를 자동화 실험과 임상으로 연결하는 단계에 들어섰다. AI가 연구를 보조하는 수준을 넘어 신약개발의 속도와 비용 구조 자체를 바꾸고 있다.

반면 한국은 일부 기업이 AI 신약개발을 표방하고 있지만, Read, Run, Write를 통합해 반복적인 산업 성과를 만들어낸 기업은 사실상 찾아보기 어렵다. 미국과 중국이 대규모 데이터, 컴퓨팅, 자본을 기반으로 빠르게 실행하는 동안, 국내에서는 아직 개별 기술 도입이나 시범사업에 머무는 경우가 많다. 냉정하게 말하면 기술 격차보다 시장 변화에 대한 인식과 실행 속도의 격차가 더 우려되는 상황이다.

Q2WEF 보고서는 바이오 AI의 활용에서 읽기(read), 실행(run), 제조(write)가 융합 추세라고 강조한다. 각 기술적 역량의 통합은 엄청난 자본과 인력 노하우를 필요로 하는데, 한국의 연구소와 기업이 생존할 수 있을까?

현재 속도가 유지된다면 생존을 낙관하기 어렵다. 미국과 중국 기업들은 AI가 만든 데이터와 성과를 다시 모델에 투입하면서 기술 격차를 복리처럼 확대하고 있다. 이 구조가 고착되면 한국 기업은 독자 신약을 개발하기보다 해외 플랫폼과 기술에 의존하는 위치로 밀릴 가능성이 크다. 모든 기업이 전체 기술을 직접 확보할 수는 없다. 따라서 경쟁력 있는 질환 영역이나 독자 데이터에 집중하고, 연구소, 병원, 기업의 역량을 국가 차원의 공동 플랫폼으로 연결해야 한다. 지금처럼 소규모, 단기, 분산형 과제가 반복된다면 격차는 더욱 벌어질 것이다. 향후 몇 년 안에 AI 바이오에 선택과 집중을 통한 산업 구조 전환이 이뤄져야 한다.

Q3장기적으로 AI를 활용하는 바이오 업계의 스타트업과 중소기업이 발전하기 위해 정부나 지자체에 바라는 점이 있다면?

정부가 AI 바이오를 국가 전략산업으로 명확히 규정하고 정책 역량과 투자를 집중해야 한다. 단순히 지원사업의 수를 늘리는 것이 아니라 AI Ready 데이터, GPU, 자동화 실험실, 임상 검증, 인허가를 하나의 사업화 체계로 연결해야 한다. 기업이 장기간 도전할 수 있도록 단기 연구비보다 임상 진입과 기술이전까지 이어지는 장기 자금도 필요하다. 지자체 역시 바이오 클러스터를 건물과 입주기업 중심으로 운영해서는 안된다. 실제 검증과 사업화가 이루어지는 거점으로 전환해야 한다. 성과도 과제 수나 입주기업 수가 아니라 임상 진입, 기술이전, 해외 매출로 평가해야 한다. 지금 필요한 것은 폭넓은 분산 지원이 아니라, 글로벌 경쟁이 가능한 분야에 대한 과감한 집중이고 AI 바이오 기술 전환으로 ROI가 나오는지 평가 시스템과 지원시스템이 필요하다.

닫는 글 · CLOSINGC4IR KOREA · No.08

017

채팅창 밖도 함께 봐야 한다

AI의 진짜 변화는 채팅창이 아니라 상상하기 어려운 단백질과 분자, 신약과 소재에서 먼저 나타난다. LLM 경쟁만 지켜보면 변화의 절반을 놓친다. 이제 AI의 속도를 보려면 채팅창 밖 — 같은 화면 위에서 조용히 돌아가고 있는 설계실도 봐야 한다.

next() // 커스텀 브리프 9호 예고

마지막 청구서

여덟 호 동안 우리가 켜 온 기계들 — AI, 데이터센터, 무인 공장 — 의 전기요금 고지서가 도착했습니다.

부록 · APPENDIXC4IR KOREA · No.08

018

appendix() // 부록

출처 · 방법론 · 발행 고지

ABOUT SEO IAN

서이안 대리는 C4IR Korea의 AI 기반 글로벌 인사이트 에디터입니다. 복잡한 기술 변화를 현장의 언어로 풀어내고, WEF의 글로벌 시그널과 한국 산업의 흐름을 연결해 새로운 질문을 제시합니다.

용어 풀이 · GLOSSARY7개 항목

de novo 단백질 설계	자연에 존재하지 않는 단백질을 처음부터 ‘설계·생성’하는 것. 본문의 CMLase는 이와 달리 천연 세균 효소를 출발점으로 삼은 재설계 사례다.
지향성 진화	변이와 선택을 반복해 원하는 기능의 효소를 얻는 방법.
CML / AGEs	당과 단백질이 반응해 쌓이는 노화의 화학 흔적(최종당화산물).
n-of-1 제조	환자 한 명을 위해 한 번씩 만드는 개인맞춤 생산 방식.
연합학습	데이터를 한곳에 모으지 않고 각자 보관한 채 함께 모델을 학습.
컴퓨팅 스택	구조예측·시뮬레이션·생성설계 모델과 데이터·컴퓨트를 묶은 R&D 인프라.
글루코세페인	단백질을 잇는 대표적 노화 교차결합. 아직 되돌리는 방법이 없다.

주요 출처 · SOURCESWEF 2종 · Nature Comms · 국내 IR·공시

WEF, Technology Convergence: The New Logic for Competitive Advantage (2026.04.28, 프레임) · WEF×Frontiers, Top 10 Emerging Technologies of 2026 (2026.06.23, 증거) · Revel Pharmaceuticals·Calico·Univ. of Colorado, “Reversal of protein chemical aging by enzymatic deglycation,” Nature Communications (2026, Trabosh et al.) — 원문 확인: 동맥 70%↑·피부 55%↑(처리 후 31세 피부 수준 미만)·단백질별 52~97%·초기 후보 44,783→5억+ 변이·지향성 진화 5회·CrGO-897(글리신 산화효소 유래). 한계(원문 명시): ex vivo·기능 회복 미검증·세균 유래 면역원성·부산물 H₂O₂·글루코세페인 미해결 · 2024 Nobel Prize in Chemistry(AlphaFold·de novo) · Google DeepMind GNoME·AlphaFold DB · 국내: AI 신약 설계 기업들의 IR·공시 및 언론 보도, 한국제약바이오협회 K-MELLODDY 사업단(kmelloddy.org), 아이소모픽랩스(2025.3 조달 발표), 인실리코 메디슨(렌토서팁 3상 개시), 터프츠 CSDD(신약 개발비 추정), 한국경제 보도.

METHOD · 방법론 · 고지

본 호는 WEF 최신 공개 보고서 정독(융합 프레임·신흥기술)과 발행일 기준 글로벌 신호 교차 확인으로 제작되었습니다. WEF Strategic Intelligence 교차 확인 포함. 본문의 모든 수치·인용·사실 관계는 1차 출처(논문 원문·공시·발표 기관 공식 자료)로 교차 확인했으며, 발행 전 독립 검수(레드팀) 심사에서 제기된 사항을 반영했습니다. 1차 출처로 확인되지 않은 수치와 주장은 싣지 않았습니다. 본 발행물은 인용 보고서의 발행 주체와 무관하며, 후원·제휴를 의미하지 않습니다.

※ 본 발행물은 특정 기업·제품에 대한 소개, 추천, 평가나 투자 권유를 목적으로 하지 않습니다. 국내 사례는 개별 기업명 대신 공개 IR·공시에서 확인되는 사례 유형으로 서술했습니다.

※ 서이안은 실존 인물이 아니라 편집팀이 운용하는 가상 에디터이며, 취재 노트는 원전 보고서를 읽고 재구성한 편집 연출입니다. 본문에 실린 인물·현장·문서 이미지는 모두 편집 연출을 위한 AI 생성 이미지이며 실제 인물·시설·실험을 촬영한 것이 아닙니다. 분자·구조 도해는 개념 이미지입니다. 수치를 도식화한 차트(설계 경로·자본 흐름·3C 등)는 본문에 표기된 수치와 원전을 근거로 편집진이 제작했습니다.

C4IR KOREA · CUSTOM BRIEF No.08 · 2026.08 실험에서 코드로 · FROM BENCH TO CODE

rate("No.08")

이 브리프가 도움이 되었나요?

짧은 평가는 다음 호 주제와 깊이를 정하는 데 직접 반영됩니다.

가장 가까운 하나를 골라 주세요 — 한 번만 누르면 접수됩니다.

생명을코딩하다

설계실의 문을 엽니다

+++통합이 앞선 자가 이긴다

---다음에 막히는 곳은 어디인가

설계 경로 / narrow()

+++무엇이 바뀌나

---무엇이 막고 있나

WHO누가 다시 설계해야 하나

REQ기업이 넘어야 할 것

+++무엇이 열릴 수 있나 · WEF 전망

---무엇이 막고 있나

통념실험 자산이 진입장벽이다

반전통합 능력이 진입장벽이다

돈은 어디로 흐르는가 / capital()

통념설계 = 경험과 자산

반전설계 = 정의하고 돌리는 것

컴퓨팅 스택, 이렇게 생겼다 / stack

검색에서 생성으로 — 소재에서도 / GNoME

‘쓰기’를 가능하게 만든 이정표

CASE데이터를 나눠 갖는다

CASE기존 벤치에 끼워 넣는다

HAVE한국이 이미 가진 것

LACK한국이 아직 못 가진 것

국내 설계자들은 어디까지 갔나 / stage()

SEE투자·제휴에서 볼 것

MISS놓치기 쉬운 것

채팅창 밖도 함께 봐야 한다

METHOD · 방법론 · 고지

이 브리프가 도움이 되었나요?

격주 인사이트 브리프를 이메일로 받아보세요

생명을
코딩하다