앤트로픽, 연구자용 AI 작업 환경 '클로드 사이언스' 출시

생명과학과 신약 개발 연구자들의 일상은 연구 자체보다 데이터 변환과 씨름하는 데 더 많은 시간을 씁니다. 수십 개의 생물학 데이터베이스를 오가고, 맞춤형 데이터 파이프라인을 짜고, HPC 클러스터 터미널에서 작업 완료를 기다리느라 정작 중요한 가설 검증이 늦어지기 일쑤였습니다.

Anthropic이 연구자들을 위한 통합 작업 공간인 Claude Science를 발표하고 macOS와 Linux의 Pro, Max, Team, Enterprise 구독자를 대상으로 베타 버전을 내놓았습니다. 완전히 새로운 생물학 전용 모델을 개발한 것이 아니라, 기존 Claude Opus 4.8을 포함한 범용 모델에 연구 맞춤형 인터페이스와 도구를 결합한 형태입니다.

STAT 보도에 따르면, Anthropic의 생명과학 책임자 Eric Kauderer-Abrams는 발표 행사에서 도구의 효용성을 직접 증명하기 위해 회사가 자체적인 신약 개발까지 시도할 계획이라고 밝혔습니다.

오케스트레이터 에이전트와 엔비디아의 결합

Claude Science의 핵심은 연구 프로젝트를 관리해 주는 주 조율 에이전트입니다. 유전체학, 단백질체학, 단일세포 분석, 구조생물학, 화학정보학 등에 특화된 60개 이상의 사전 구성 스킬과 커넥터를 기본 제공합니다.

엔비디아의 BioNeMo Agent Toolkit과의 통합도 이뤄졌습니다. 연구자가 자연어로 명령하면 Evo 2, Boltz-2, OpenFold3 같은 생명과학 전용 모델과 엔비디아 가속 라이브러리를 곧바로 호출해 작업을 수행합니다. 엔비디아에 따르면 RAPIDS-singlecell 라이브러리를 통해 130만 개 세포의 전처리 및 클러스터링 시간을 52분에서 25초로 줄였고, nvMolKit을 활용한 분자 형태 생성 속도는 최대 3000배 빨라졌습니다.

컴퓨팅 자원 관리도 맡길 수 있습니다. 로컬 장비뿐 아니라 연구실의 자체 HPC 클러스터(SSH 연결)나 Modal 클라우드 계정에 연결해 필요에 따라 수백 개의 GPU로 작업을 자동 확장합니다. 자원을 쓰기 전 계획을 세우고 사용자 승인을 받으며, 데이터는 외부 서버로 유출되지 않고 연구실 내부 인프라에 머무른 채 각 단계에 필요한 최소한의 맥락만 모델에 전송됩니다.

환각 잡는 검토 에이전트와 재현성 보장

연구 논문 작성에서 생성형 AI의 가장 큰 걸림돌은 가짜 인용과 잘못된 계산입니다. Claude Science는 작성 에이전트 외에 인용의 정확성과 계산 오류, 코드와 도표의 불일치를 실시간으로 잡아내는 별도의 검토 에이전트(reviewer agent)를 작업 흐름에 포함했습니다.

결과물의 재현성도 갖췄습니다. 3D 단백질 구조, 화학 분자식, 게놈 브라우저 트랙 등을 자체 렌더링하며, 모든 그림에는 이를 생성한 정확한 코드와 실행 환경, 대화 기록이 함께 저장됩니다. 그래프를 수정할 때 코드를 다시 짤 필요 없이 로그 스케일로 바꿔 달라거나 격자선을 지워 달라고 자연어로 말하면 모델이 자체 코드를 수정합니다.

앨런 연구소(Allen Institute)의 신경과학자 Jérôme Lecoq은 약 20개의 맞춤형 스킬을 조합해 수천 편의 논문을 분석하는 파이프라인을 구축했고, 기존에 2년씩 걸리던 100페이지 분량의 심층 리뷰 논문 작성을 단기간에 10편 이상 작성했습니다. UCSF 뇌종양 센터의 Stephen Francis 교수 연구팀도 교모세포종 유전체 분석에 걸리는 시간을 기존의 10분의 1 수준으로 줄였습니다.

Anthropic은 학술 기관을 위한 연구실 할인 플랜을 도입하고, 최대 50개 프로젝트를 선정해 최대 3만 달러의 크레딧을 제공합니다. 신청은 2026년 7월 15일까지 진행됩니다.

왜 중요한가

우리는 Anthropic이 특화 모델 개발 대신 연구 워크플로를 장악하는 소프트웨어 계층에 집중한 것이 매우 영리한 전략이라고 봅니다.

현재 거대 테크 기업들의 과학 연구 AI 전략은 뚜렷하게 갈리고 있습니다. OpenAI는 지난 4월 생물학 추론에 특화된 전용 모델 GPT-Rosalind를 내놓았지만 철저한 자격 심사를 거친 일부 엔터프라이즈 파트너에게만 제한적으로 공개했습니다. Google DeepMind는 AlphaFold 같은 자체 독점 과학 모델을 쥐고 생태계를 구성하고 있습니다. 반면 Anthropic은 Claude Code로 입증한 개발 환경 통합 전략을 과학 영역으로 확장해, 일반 Pro 유저까지 포섭하는 실용적인 유통 방식을 택했습니다.

민감한 생물학 데이터를 연구실 인프라에 둔 채 SSH로 기존 HPC와 클라우드를 자유롭게 오갈 수 있다는 점은 현업 연구자들에게 즉각적인 효용을 제공합니다.

다만 한계도 분명합니다. 인용과 수치를 교차 검증한다는 검토 에이전트 역시 결국 동일한 언어 모델 계열이 스스로를 채점하는 구조입니다. 독립된 외부 검증 체계가 완전히 확립되지 않은 만큼, 실제 논문 투고 단계에서는 여전히 연구자가 숫자를 일일이 대조해야 하는 부담이 남아 있습니다.