Anthropic이 샌프란시스코 베이 지역에서 실제 생물학 실험실을 운영하고 있다는 소식이 전해졌다. 이른바 ‘wet lab’으로, 세포와 단백질, 화합물 같은 실제 생물학·화학 물질을 다루는 공간이다. Anthropic은 이곳에서 일부 연구를 직접 수행하고 외부 연구 파트너와도 협업하고 있는 것으로 알려졌다.
AI와 실험실의 결합 자체가 새로운 것은 아니다. 화학과 재료과학, 생명과학 분야에서는 이미 AI가 실험 조건을 제안하고, 로봇 장비가 이를 수행한 뒤 결과를 다시 분석하는 ‘self-driving lab’이 발전해왔다. 또한 원격으로 실제 실험 장비를 사용하는 ‘cloud lab’도 존재한다.
다만 지금까지는 대체로 연구기관이나 바이오·화학 기업이 기존 실험실에 AI를 도입하는 방식이었으나, Anthropic의 경우는 방향이 반대다. 범용 생성형 AI 모델을 개발하는 회사가 직접 실제 실험 공간까지 갖추기 시작했다.
이 차이는 단순히 연구 시설 하나가 늘었다는 의미에 그치지 않는다. 모델과 소프트웨어를 만들던 AI 기업이 이제는 실제 실험이 이뤄지는 환경까지 자기 연구 구조 안으로 끌어들이기 시작했다는 점에서, Anthropic의 이번 움직임은 조금 다르게 볼 필요가 있다.
모델 회사가 왜 실제 실험실까지 필요할까
Anthropic이 wet lab까지 갖추게 된 과정을 보면, 이번 움직임이 갑자기 나온 것은 아니다. 최근 몇 달 동안 회사는 Claude를 단순히 질문에 답하는 AI에서, 실제 연구 과정에 더 깊이 들어가는 도구로 확장해왔다.
지난 6월 공개한 ‘Claude Science’가 그 출발점에 가깝다. 별도의 과학 전용 모델이라기보다, 연구자가 논문을 찾고 코드를 돌리거나 데이터를 분석하는 여러 작업을 Claude와 이어서 할 수 있도록 만든 연구 환경이다. Anthropic은 이를 과학자를 위한 ‘AI workbench’라고 부른다.
이후 8월 공개한 ‘Model Hardware Standard’는 AI 에이전트가 현미경과 액체 처리 장비, 로봇팔 같은 연구장비를 공통된 방식으로 다룰 수 있도록 만든 규격이다. Claude가 화면 안에서 분석만 하는 데서 벗어나, 실제 실험 과정과 연결될 수 있는 길을 만든 셈이다.
9월에는 생명과학 연구자를 대상으로 한 ‘Life Sciences Verification Program’도 내놨다. 일정한 자격과 보안·윤리 기준을 충족한 연구기관이나 팀에 일반 사용자보다 생물학 관련 제한을 완화한 Claude 접근 권한을 제공하는 프로그램이다. 약물 발견과 연구 생물학, 임상개발, 제조처럼 실제 생명과학 업무에서 Claude를 더 깊게 활용하려는 목적이다.
이 흐름을 따라가면 wet lab의 등장이 조금 더 자연스럽게 보인다. 연구자가 Claude를 활용할 수 있는 환경을 만들고, AI와 실제 연구장비를 연결한 뒤, 이제는 그 결과를 현실에서 확인할 수 있는 실험 공간까지 갖추기 시작한 것이다.
여기서 함께 봐야 할 개념이 ‘closed-loop research’, 폐쇄형 연구 루프다.
이름은 다소 어렵지만 구조는 단순하다. AI가 기존 연구를 바탕으로 가설이나 다음 실험 조건을 제안하고, 실제 실험에서 나온 결과를 다시 받아 분석한 뒤, 그 결과를 토대로 다음 실험을 정하는 방식이다. 한 번의 분석이나 실험으로 끝나는 것이 아니라, 실험 결과가 다시 다음 연구의 출발점이 되는 구조다. Self-driving lab 역시 이런 폐쇄형 실험 구조를 핵심으로 한다. 이런 구조가 제대로 작동하려면 AI의 성능만으로는 부족하다. 아무리 그럴듯한 가설을 만들더라도 생물학에서는 실제 세포나 단백질이 예상대로 반응하는지를 확인해야 한다. 결국 AI가 제안한 것을 현실에서 시험하고, 그 결과를 다시 AI에 돌려줄 환경이 필요하다.
물론 Anthropic의 wet lab이 이미 AI 혼자 가설을 세우고 실험까지 수행하는 완전자율 연구실이라는 뜻은 아니다. 실제 연구자와 외부 파트너가 여전히 중요한 역할을 맡고 있다.
그래서 지금의 변화는 AI가 혼자 연구하기 시작했다기보다, AI와 실제 실험이 점점 더 가까워지고 있다는 데 있다.
데이터를 읽는 AI에서, 데이터를 만드는 AI로
실험실을 직접 운영한다는 것의 의미는 공간이나 장비 자체보다, AI가 만나는 데이터의 성격이 달라질 수 있다는 점에 있다.
지금까지 대형 언어모델은 주로 이미 존재하는 데이터를 통해 학습해왔다. 논문과 특허, 데이터베이스, 코드, 기존 실험 결과처럼 누군가가 먼저 만들어놓은 기록이 중심이다. 하지만 과학 연구에서는 이미 알려진 사실을 읽는 것만으로는 충분하지 않다. 아직 답이 없는 질문을 만들고, 실제 실험을 통해 그 답을 새 데이터로 만들어내는 과정이 중요하다.
AI가 기존 연구를 바탕으로 가설을 제시하고, 실험 결과를 다시 받아 다음 조건을 조정하는 구조가 반복되면 달라지는 점이 생긴다. AI가 단순히 기존 데이터를 읽고 분석하는 데서 그치지 않고, 새로운 연구 데이터가 만들어지는 과정에 들어가기 시작한다는 점이다.
여기서 더 주목할 부분은 연구 과정에서 쌓이는 데이터다.
논문에는 정리된 결과가 주로 남지만, 실제 연구실에서는 실패한 실험과 예상과 다른 반응, 중간에 바뀐 조건처럼 외부에 공개되지 않는 정보도 함께 쌓인다. 과학계에서는 이런 null result나 실패 결과가 문헌에 충분히 남지 않는다는 문제도 오래전부터 지적돼 왔다. 이런 기록은 다음 실험을 설계할 때 매우 중요한데, 무엇이 잘되는지뿐 아니라, 무엇이 잘되지 않는지도 중요한 정보이기 때문이다.
AI 회사가 실제 연구 과정에 가까워질수록, 공개 논문만 읽을 때와는 다른 종류의 연구 데이터와 더 가까워질 가능성도 커진다.
결국 앞으로 AI 기업의 자산은 얼마나 많은 데이터를 학습했는가에만 있지 않을 수 있다. 새로운 데이터를 얼마나 빠르게 만들어내고, 다시 연구에 활용할 수 있는가 또한 중요해질 수 있다.
AI 회사는 어디까지 커질까
이 지점부터 Anthropic은 단순한 모델 개발회사로만 보기 어려워진다.
Claude라는 모델을 만들고, 연구자가 활용할 수 있는 작업환경을 제공하고, 실제 연구장비와 연결되는 표준을 만들며, 전문 연구자에게 별도의 접근권한을 주고, 이제는 실제 실험실까지 운영한다.
그렇다고 Anthropic이 제약회사가 된 것은 아니다. 회사는 상업적 임상시험을 직접 수행하는 제약사 역할과는 거리를 두고 있고, 기존 제약·바이오 기업과 협력하는 방향을 택하고 있다.
다만 AI 회사가 맡는 역할의 범위는 분명 넓어지고 있다. 예전에는 AI 회사가 모델을 만들고, 연구기관이 그 모델을 가져다 쓰는 구조가 비교적 선명했다. 지금은 모델뿐 아니라 연구 도구와 장비 연결 방식, 실제 실험 환경까지 AI 회사가 직접 다루기 시작한다.
이렇게 되면 경쟁의 기준도 자연스럽게 넓어진다.
지금까지 AI 경쟁은 더 큰 모델, 더 많은 GPU, 더 높은 벤치마크 점수처럼 모델 자체를 중심으로 설명돼 왔다. 하지만 AI가 과학이나 의료, 로봇처럼 현실 세계와 가까운 분야로 들어갈수록 실제 실험과 검증이 이뤄지는 환경의 가치도 커진다.
이런 곳은 단순히 AI를 사용하는 장소가 아니라, AI가 결과를 확인하고 새로운 데이터를 얻는 장소가 되기 때문이다.
Anthropic의 wet lab이 눈에 띄는 이유도 여기에 있다. AI가 처음으로 실험에 쓰이기 시작해서가 아니라, 범용 AI 기업이 모델 밖의 실험 환경까지 직접 자기 연구 구조 안에 넣기 시작했다는 점이다.
이제 경쟁은 더 똑똑한 AI를 만드는 데서 끝나지 않는다.
그 AI가 직접 질문하고, 시험하고, 새로운 답을 만들어낼 수 있는 ‘세계’를 누가 먼저 갖추느냐가 다음 경쟁이 될 수 있다.
