AI라고 하면 챗GPT처럼 글을 쓰거나 이미지를 만드는 생성형 AI부터 떠올리는 분들이 많습니다.
그런데 지금 제약·바이오 업계에서는 조금 다른 AI 경쟁이 벌어지고 있습니다.
바로 수많은 화합물과 생물학적 데이터를 분석해 새로운 신약 후보를 찾는 AI입니다.
2026년 8월 17일 보도에서 인용한 한국제약바이오협회 AI신약융합연구원 자료에 따르면
2025년 기준 국내 제약사와 AI 신약개발 기업 사이의 협업·공동연구는 약 160건, 전임상 등을
포함한 AI 신약개발 파이프라인은 약 450건에 이르는 것으로 소개됐습니다.
숫자만 보면 상당합니다.
그런데 여기서 궁금해집니다.
AI에게 “암 치료제 하나 만들어줘”라고 입력하면 신약이 만들어지는 걸까요?
물론 실제 과정은 그렇게 간단하지 않습니다.
AI 신약개발, 도대체 무엇을 한다는 걸까?
전통적인 신약개발에서는 질병과 관련된 표적을 찾고, 여기에 작용할 가능성이 있는 물질을 탐색한 뒤 수많은 실험과 검증을 거칩니다.
쉽게 비유하면 엄청나게 큰 창고에서 원하는 조건을 가진 열쇠를 찾는 과정과 비슷합니다.
문제는 후보가 너무 많다는 것입니다.
이때 AI는 방대한 화합물과 생물학적 데이터를 분석해 가능성이 상대적으로 높은 후보를 좁히는 도구로 활용될 수 있습니다.
예를 들어 연구자는 AI를 활용해 특정 단백질과 상호작용할 가능성이 있는 물질을 예측하거나 화합물의 특성을 분석할 수 있습니다.
최근에는 활용 범위가 후보물질 탐색을 넘어 전임상 연구와 임상시험 설계 등으로 확대되는 흐름도
나타나고 있습니다.
AI가 연구자를 대신해 약을 완성한다기보다, 연구자가 검토해야 할 수많은 가능성을 빠르게 좁혀주는 도구라고 이해하면 쉽습니다.
1~2년 걸리던 초기 연구가 5개월? SK바이오팜 사례
이번에 특히 눈에 들어오는 사례가 SK바이오팜과 SK텔레콤의 협업입니다.
2026년 8월 17일 보도에 따르면 SK바이오팜은 SK텔레콤의 AI와 GPU 자원을 활용해 난치성 암
표적치료제 연구에 활용할 초기 유효물질을 발굴했습니다.
해당 프로젝트에서는 통상 1~2년이 걸리던 초기 연구기간을 60% 이상 단축해 약 5개월 만에 완료했다고 소개됐습니다.
상당히 인상적인 숫자입니다.
하지만 여기서 중요한 부분이 있습니다.
'60% 이상 단축'은 이 프로젝트에서 나온 성과이지 AI를 사용하면 모든 신약개발 기간이 60% 단축된다는 뜻은 아닙니다.
신약개발은 후보물질을 찾았다고 끝나지 않습니다.
후보물질이 실제로 기대한 방식으로 작용하는지 실험해야 하고, 안전성 등을 확인하는 전임상 과정을 거쳐야 합니다. 이후 임상시험을 통해 사람에게서 안전성과 유효성 등을 단계적으로 검증하는 과정도 필요합니다.
따라서 초기 후보 탐색 속도와 신약 하나가 최종적으로 허가되는 전체 기간은 구분해서 볼 필요가
있습니다.
이제 제약사가 직접 AI 플랫폼을 만든다
또 하나 흥미로운 변화가 있습니다.
과거에는 제약회사가 외부 AI 전문기업의 기술을 활용하는 방식이 눈에 띄었다면
이제는 자체적인 AI 신약개발 플랫폼을 구축하는 움직임도 나타나고 있습니다.
보도에 따르면 JW중외제약은 자체 AI 신약개발 통합 플랫폼인 'JWave(제이웨이브)'를
고도화하고 있습니다.
동아쏘시오그룹 역시 IT 전문 계열사 DAI와 함께 AI와 바이오데이터를 결합한 AIDDP(AI Drug Discovery Platform)를 구축했다고 소개됐습니다.
SK바이오팜은 자체 연구뿐 아니라 2026년 6월 중국의 AI 신약개발 기업 인실리코 메디신(Insilico Medicine)과 중추신경계 신약 후보물질 발굴을 위한 공동연구에도 착수한 것으로 전해졌습니다.
즉,
제약회사의 질환·신약개발 경험 + AI 기업의 알고리즘·컴퓨팅 기술 + 축적된 바이오데이터
이 세 가지를 결합하는 경쟁이 벌어지고 있는 셈입니다.
AI가 찾아낸 물질이 실제 임상까지 갈 수 있을까?
AI 신약개발에서 진짜 중요한 질문은 따로 있습니다.
“AI가 후보를 몇 개 찾았느냐”가 아니라 “그 후보가 실제 검증 단계를 얼마나 통과하느냐”입니다.
국내에서도 AI 플랫폼을 활용해 발굴한 후보물질이 임상 단계로 진입한 사례가 소개되고 있습니다.
기사에서는 파로스아이바이오가 자체 AI 신약개발 플랫폼 Chemiverse(케미버스)를 활용해 개발한 PHI-101이 임상 단계에 진입했고, 급성 골수성 백혈병을 대상으로 글로벌 임상 2상이 추진되고 있다고 전했습니다.
다만 여기서도 임상 진입과 신약 개발 성공은 같은 의미가 아닙니다.
임상시험에 들어간 후보물질도 이후 연구 결과에 따라 개발이 변경되거나 중단될 수 있습니다.
따라서 특정 AI 플랫폼이 임상 후보를 만들어냈다는 사실은 기술의 활용 가능성을 보여주는 사례로
볼 수 있지만 해당 치료제가 효과와 안전성을 최종적으로 입증했다는 의미로 확대해서는 안 됩니다.
AI가있는데 왜 신약개발은 여전히 어려울까?
AI가 이렇게 발전했다면 이런 질문도 자연스럽게 생깁니다.
“그럼 앞으로 신약을 금방 만들 수 있는 것 아닌가?”
현실은 훨씬 복잡합니다.
AI의 예측 능력은 학습에 사용하는 데이터의 양과 품질에 큰 영향을 받습니다.
잘못되거나 편향된 데이터를 학습하면 그럴듯해 보이지만 실제 실험에서는 맞지 않는 결과를 제시할 수도 있습니다.
그리고 컴퓨터에서 가능성이 높다고 예측된 물질도 실제 세포와 동물실험, 사람을 대상으로 하는
임상시험에서는 다른 결과가 나타날 수 있습니다.
생명현상 자체가 매우 복잡하기 때문입니다.
그래서 AI 신약개발에서 앞으로 더욱 중요해질 것으로 예상되는 것이 데이터와 실험 검증의
연결입니다.
AI가 빠르게 후보를 추천하는 능력만큼, 그 결과를 실제 실험과 임상에서 얼마나 정확하게 검증하느냐가 중요합니다.
결국 경쟁력은 'AI 자체'보다 데이터에 있다?
제약업계가 AI 플랫폼 구축에 투자하는 이유를 살펴보면 또 하나의 키워드가 보입니다.
바로 데이터입니다.
신약 연구를 하면서 축적한 화합물 정보와 실험 결과, 질환 관련 데이터 등이 AI 모델과 결합하면
기업만의 연구 자산이 될 가능성이 있습니다.
특히 성공한 실험뿐 아니라 어떤 후보가 왜 실패했는지를 보여주는 데이터 역시 연구에서는 의미가
있을 수 있습니다.
결국 앞으로의 경쟁은 단순히 “우리 회사도 AI를 사용한다”는 수준을 넘어설 가능성이 큽니다.
얼마나 좋은 데이터를 확보했는지, AI의 예측을 실제 실험으로 얼마나 빠르게 검증할 수 있는지,
그리고 그 결과를 다시 데이터로 축적할 수 있는지가 중요해지는 것입니다.
AI가 연구자를 대신하는 시대가 올까?
현재 흐름을 보면 당분간은 'AI 연구원 대 인간 연구원'이라는 경쟁구도로 보는 것보다 AI를
활용하는 연구자의 업무 방식이 달라지는 과정으로 이해하는 것이 자연스럽습니다.
AI가 수많은 후보를 빠르게 분석하더라도 어떤 질환을 연구할지 결정하고, 결과를 해석하고, 실험을
설계하며 안전성과 유효성을 검증하는 과정에는 여전히 다양한 분야의 전문가가 필요합니다.
결국 AI 신약개발의 진짜 가치는 사람이 해야 했던 모든 일을 없애는 데 있다기보다, 가능성이 낮은
후보를 일찍 걸러내고 더 유망한 연구에 시간과 자원을 집중하도록 돕는 데 있다고 볼 수 있습니다.
국내에서 제약사와 AI 기업의 협업이 약 160건, 관련 파이프라인이 약 450건까지 확대됐다는 것은
AI가 단순한 실험적 기술에서 실제 R&D 도구로 이동하고 있음을 보여주는 하나의 지표입니다.
이제 관심 있게 지켜볼 부분은 협업 숫자가 얼마나 늘어나는가보다 그중 실제 전임상과 임상,
그리고 최종적인 신약 개발 성과까지 이어지는 사례가 얼마나 등장하느냐일 것입니다.
FAQ
Q. AI가 혼자서 신약을 만드는 건가요?
아닙니다. AI는 방대한 데이터를 분석해 표적이나 후보물질을 탐색하고 특성을 예측하는 등의 과정에서 활용되는 도구입니다. 이후 실험과 전임상·임상 검증에는 연구자와 의료·제약 분야 전문가의 역할이 필요합니다.
Q. AI를 사용하면 신약개발 기간이 60% 줄어드나요?
모든 신약에 적용되는 수치는 아닙니다. 기사에서 언급된 60% 이상 단축은 SK바이오팜과 SK텔레콤의 특정 초기 연구 사례입니다. 전체 신약개발 기간이 일괄적으로 60% 단축된다는 의미가 아닙니다.
Q. AI가 발굴한 후보물질이 임상에 들어가면 신약 성공 가능성이 높은가요?
임상 진입 자체가 최종 성공을 의미하지는 않습니다. 후보물질은 이후 임상시험에서 안전성과 유효성 등을 검증해야 하며 연구 결과에 따라 개발이 중단될 수도 있습니다.
관련 정보 확인하기
- 한국제약바이오협회
https://www.kpbma.or.kr/ - 식품의약품안전처
https://www.mfds.go.kr/ - 의약품안전나라
https://nedrug.mfds.go.kr/ - ClinicalTrials.gov
https://clinicaltrials.gov/
※ 이 글은 사용자가 제공한 2026년 8월 17일 보도에 제시된 한국제약바이오협회 AI신약융합연구원 자료 및 기업 사례를 중심으로 AI 신약개발의 원리를 이해하기 쉽게 정리한 정보성 콘텐츠입니다. 특정 후보물질의 치료 효과나 임상 성공 가능성을 의미하지 않습니다.
0 댓글