AI 과학자 꿈꾸는 FutureHouse, 생물학 연구 자동화 도구 ‘Finch’ 공개

에릭 슈미트가 후원하는 비영리 연구 조직 FutureHouse가 생물학 연구를 보조하는 AI 도구를 공개했다. 2025년 5월 6일 공개된 이 도구의 이름은 ‘Finch’로 연구 논문과 같은 생물학 데이터를 입력받아 질문에 답하고 분석 코드를 실행한 뒤 결과를 시각화하는 기능을 갖췄다. 

FutureHouse는 향후 10년 안에 과학 연구 전반을 보조하거나 일부 자동화할 수 있는 이른바 ‘AI 과학자’를 구축하겠다는 목표를 내세우고 있으며 Finch는 그 첫 단계로 소개됐다.

FutureHouse는 전 구글 최고경영자였던 에릭 슈미트가 후원자로 참여하고 있는 조직이다. 이 단체는 기존 AI가 주로 텍스트 생성이나 요약에 머물렀던 것과 달리 실제 연구 과정에 개입해 데이터를 해석하고 가설 형성에 도움을 주는 방향을 지향하고 있다. 

Finch는 이러한 방향성을 가장 직접적으로 보여주는 사례로 논문 텍스트를 기반으로 생물학적 질문을 입력하면 내부적으로 코드를 실행해 결과를 도출한다. 해당 결과는 데이터 처리와 결과 해석까지 포함한다는 점을 강조하고 있다.

Sam Rodriques 최고경영자는 이 도구를 “1년 차 대학원생 수준”에 비유했다. 연구 초기에 수행하는 문헌 검토와 기초 분석을 빠르게 처리할 수 있다는 의미다. Rodriques는 소셜미디어를 통해 Finch가 내부 프로젝트에서 유용한 통찰을 제공했다고 밝혔으며 수 분 만에 이러한 작업을 수행할 수 있다는 점을 ‘초능력’에 가깝다고 표현했다. 

다만 이 도구만 가지고 연구자를 대체하기는 어렵고 반복적이고 시간이 많이 드는 작업을 줄여주는 보조 수단으로 묘사하는 것이 더욱 정확하다는 설명이다.

Finch는 주로 연구 논문을 입력 데이터로 활용한다. 사용자가 “암 전이의 분자적 원인은 무엇인가”와 같은 질문을 입력하면 관련 논문을 분석하고 필요한 경우 통계 분석이나 그래프 생성을 수행한다. 

생물학 연구에서 흔히 사용되는 RNA 시퀀싱 데이터 분석이나 유전자 발현 비교와 같은 작업도 데모에서 제시됐다. 이러한 분석은 통상 연구자가 직접 코드를 작성해 수행하는 작업으로 Finch는 이를 자동화하려는 시도를 하고 있다.

FutureHouse의 이러한 접근은 최근 AI 업계 전반에서 나타나는 과학 자동화 흐름과 맞닿아 있다. 오픈AI 최고경영자 샘 알트만은 앞서 초지능 AI가 과학 발견과 혁신을 크게 가속할 수 있다고 언급한 바 있다. 

최근 앤트로픽 역시 과학 연구에 특화된 AI 프로그램을 공개하며 암 치료 연구까지 가능성을 언급했다. 이처럼 주요 인공지능 기업과 연구 조직들은 과학 분야를 차세대 핵심 적용처로 보고 있다.

그러나 현실적인 평가는 아직 신중하다. Finch는 공개 시점 기준으로 아직 폐쇄형 베타 단계에 머물러 있다. Rodriques 역시 이 도구가 ‘어리석은 실수’를 저지르기도 한다고 인정했다. 데이터 해석 과정에서 잘못된 결론을 내리거나 분석 절차를 혼동하는 사례가 있다는 것이다. 

이는 생물학 연구에서 치명적인 오류로 이어질 수 있기 때문에 FutureHouse는 생물정보학자와 계산생물학자를 채용해 정확성과 신뢰성을 검증하고 있다고 설명했다.

현재까지 Finch나 FutureHouse의 다른 도구가 독창적인 과학적 발견을 공식적으로 이뤄냈다는 사례는 공개되지 않았다. 이는 AI가 과학 연구에 실질적으로 기여할 수 있는지에 대한 회의적인 시각과도 맞물린다. 

많은 연구자들은 현 시점의 AI가 연구 방향을 제시하거나 가설을 검증하는 데에는 아직 한계가 있다고 평가하고 있다. AI로 데이터들 사이에서 패턴을 찾을 수는 있지만 그 의미를 해석하고 실험으로 이어가는 과정은 여전히 인간 연구자의 영역이라는 지적이다.

그럼에도 불구하고 생물학과 신약 개발 분야는 AI 기업들에게 매력적인 시장으로 평가된다. 시장조사기관 프리시던스 리서치는 2024년 기준 AI 기반 생물학 및 신약 개발 시장 규모가 약 658억8000만 달러에 달하며 2034년에는 1603억1000만 달러까지 성장할 수 있다고 전망했다. 

연구 비용이 크고 실패 확률이 높은 분야 특성상 자동화와 효율화에 대한 수요가 크기 때문이다.하지만 과거 사례는 기대와 현실의 간극을 보여준다. AI를 활용해 신약을 개발하겠다고 나섰던 Exscientia와 BenevolentAI는 최근 몇 년간 임상 시험에서 실패를 겪었다. 

구글 딥마인드가 공개한 단백질 구조 예측 모델 AlphaFold 3 역시 정확도가 상황에 따라 크게 달라진다는 평가를 받고 있다. 이러한 사례는 AI가 연구 도구로서 가능성을 보여주면서도 만능 해법은 아니라는 점을 시사한다.

Finch 역시 이러한 맥락에서 연구 논문을 빠르게 정리하고 기초 분석을 수행하는 데에는 유용할 수 있지만 그 결과를 그대로 신뢰하기에는 아직 이르다. AI가 생물학 연구의 일부를 빠르고 효율적으로 수행할 수 있다는 가능성은 제시했지만 실제 발견으로 이어졌다고 평가할 만한 성과는 아직 없다고 보아야 한다.