Claude Science 공개, 보스턴 바이오 인재 수요는 ‘AI 연구 자동화’로 넓어진다

AI 기업 Anthropic이 과학자용 연구 워크벤치인 Claude Science를 베타로 공개하고, 자체 신약 개발 구상까지 밝히면서 AI와 바이오 산업의 접점이 다시 주목받고 있다. 이번 변화는 연구자가 챗봇에 질문하는 수준을 넘어, 문헌 조사·데이터 분석·단백질 구조 시각화·실험 설계 보조를 하나의 작업 환경으로 묶으려는 시도라는 점에서 의미가 있다.

Anthropic은 2026년 6월 30일 Claude Science를 베타로 공개했다. 회사 설명에 따르면 이 도구는 연구자가 PubMed, Jupyter, R, 고성능 컴퓨팅 클러스터, 생물정보학 데이터베이스 등을 오가며 처리하던 작업을 한 환경에서 이어갈 수 있도록 설계됐다. 유전체, 단일세포 분석, 단백질체, 구조생물학, 화학정보학 등 분야별로 60개 이상의 과학용 스킬과 커넥터를 제공하고, 결과물에는 어떤 코드와 데이터 흐름으로 생성됐는지 확인할 수 있는 기록을 남기는 방식이다.

The Verge는 7월 3일 Anthropic이 Claude Science 공개와 함께 자체적으로 신약을 개발하려는 계획도 밝혔다고 보도했다. Anthropic 생명과학 책임자는 우선 방치 질환, 즉 시장성이 낮아 연구 투자가 충분히 이뤄지지 않는 질환 영역을 언급했다. 다만 어떤 질환을 먼저 다룰지, 후보물질을 찾은 뒤 임상시험이나 제조를 어떤 방식으로 진행할지 등 구체적인 실행 계획은 아직 공개되지 않았다.

보스턴과 케임브리지의 바이오 생태계에서 이 소식이 중요한 이유는 분명하다. 켄달스퀘어를 중심으로 한 제약·바이오 기업, 연구병원, 대학 연구실은 이미 AI 기반 단백질 설계, 유전체 분석, 임상 데이터 해석을 실험적으로 활용하고 있다. 지금까지 많은 AI 도구가 특정 분석 단계의 보조 소프트웨어에 가까웠다면, Claude Science 같은 제품은 연구 과정 전체를 연결하는 방향에 가깝다. 연구자가 논문을 찾고, 데이터를 정리하고, 분석 코드를 만들고, 그림과 보고서를 다듬는 반복 업무를 줄이려는 흐름이다.

그렇다고 AI가 곧바로 신약 개발을 자동화한다는 뜻은 아니다. 신약 후보는 여전히 실험실 검증, 독성 평가, 동물실험, 사람 대상 임상시험, 규제 심사를 거쳐야 한다. The Verge가 인용한 전문가들도 AI 모델이 실험을 불필요하게 만들 정도에는 도달하지 않았다고 설명했다. 현재까지 FDA 승인을 받아 시장에 나온 AI 설계 신약도 없다. AI는 탐색 속도를 높이고 연구 가설을 넓히는 데 도움을 줄 수 있지만, 약이 실제로 안전하고 효과적인지는 현실의 실험과 임상 데이터로 확인해야 한다.

유학생과 취업 준비생에게는 직무 해석이 달라지는 신호로 볼 수 있다. 바이오 분야의 AI 역량은 단순히 프롬프트를 잘 쓰는 능력보다 생물학적 맥락, 데이터 품질, 재현 가능한 분석, 실험팀과의 협업을 함께 요구한다. 예를 들어 bioinformatics, computational biology, scientific software engineering, AI model validation, lab data engineering 같은 직무는 연구 지식과 소프트웨어 역량이 동시에 필요하다. Python이나 R을 다룰 수 있다는 점만으로 충분하지 않고, 분석 결과를 다시 검증할 수 있도록 코드·환경·데이터 기록을 남기는 습관이 더 중요해지고 있다.

현직자에게는 AI가 맡을 수 있는 업무와 사람이 책임져야 할 업무를 구분하는 능력이 중요해질 수 있다. 문헌 요약, 후보 타깃 정리, 시각화 초안 작성은 AI가 빠르게 도울 수 있다. 반면 실험 설계의 타당성 판단, 데이터 편향 확인, 규제 문서에 들어갈 근거 검토, 환자 데이터 보호 같은 영역은 조직 안에서 책임 소재가 분명해야 한다. 바이오 기업이 AI 도구를 더 깊게 도입할수록 과학자, 데이터 엔지니어, 보안·컴플라이언스 담당자가 함께 일하는 구조가 늘어날 가능성이 있다.

비자와 채용 측면에서는 일반 정보 차원의 확인이 필요하다. 보스턴권 연구병원, 대학, 비영리 연구기관, 대형 제약사는 비교적 체계적인 채용·스폰서십 절차를 갖춘 경우가 많지만, 스타트업은 자금 상황과 직무 우선순위에 따라 달라진다. OPT, STEM OPT, H-1B를 고려하는 지원자는 면접 과정에서 회사가 해당 직무에 대해 스폰서십을 검토하는지, 역할이 연구직인지 소프트웨어직인지, 근무지가 학교·병원·기업 중 어디인지 확인하는 편이 현실적이다. 이는 개인별 이민 판단이 아니라 구직 과정에서 살펴봐야 할 기본 변수다.

창업 관심자에게도 메시지가 있다. AI 바이오 스타트업은 이제 ‘AI로 신약을 찾는다’는 설명만으로 투자자와 고객을 설득하기 어렵다. 실제 실험 데이터 접근성, 임상으로 이어질 수 있는 질환 선택, 규제 대응, 제약사와의 협업 구조가 함께 필요하다. Anthropic처럼 대형 AI 기업이 생명과학 고객을 직접 겨냥하면, 보스턴의 초기 스타트업은 특정 질환, 특정 데이터셋, 특정 실험 워크플로에 깊게 들어가는 차별화가 더 중요해질 수 있다.

독자가 당장 볼 지점은 세 가지다. 첫째, 바이오와 AI가 만나는 직무에서는 분석 결과의 재현성과 검증 가능성이 핵심 역량으로 올라오고 있다. 둘째, AI 도구를 쓰는 연구실이나 회사일수록 데이터 보안, 환자정보 보호, 감사 가능한 기록을 중시할 가능성이 크다. 셋째, 채용 공고에서 AI, bioinformatics, automation, scientific computing, regulatory data 같은 단어가 함께 등장하는지 살펴볼 필요가 있다.

Claude Science 공개가 보스턴 바이오 채용을 단기간에 크게 바꾼다고 보기는 어렵다. 다만 방향은 분명하다. AI는 연구자의 일부 업무를 돕는 도구이면서 동시에 연구 과정을 다시 설계하는 인프라로 들어오고 있다. 앞으로 봐야 할 변수는 Anthropic이 실제로 어떤 질환 영역에서 후보물질을 제시하는지, 제약사와 연구기관이 이 도구를 실험실과 임상 준비 단계에 얼마나 깊게 연결하는지, 그리고 그 과정에서 어떤 새 직무가 꾸준히 생기는지다.