Recursion·Genentech, AI 발굴 신경과학 표적 초기개발로…보스턴 채용 확대 신호는 제한적

AI 기반 신약개발 기업 Recursion이 Genentech와 구축한 대규모 생물학 데이터 지도에서 첫 신경과학 표적을 공동 초기 신약발굴 프로그램으로 넘겼다. 인공지능이 찾아낸 가설이 대형 제약사의 연구 의사결정으로 이어졌다는 점은 주목할 만하지만, 아직 임상 성공이나 보스턴 지역의 채용 확대를 의미하는 단계는 아니다.

Recursion은 8월 5일 발표한 2026년 2분기 실적에서 Genentech가 양사 협력에서 나온 첫 신경과학 표적을 공동 초기 신약발굴 프로그램으로 선택했다고 밝혔다. 표적의 명칭과 대상 질환, 이번 결정에 따른 단기 지급액은 공개하지 않았다.

신약개발에서 ‘표적’은 질병에 영향을 주는 유전자나 단백질처럼 약물이 작용할 대상을 뜻한다. 초기 신약발굴은 해당 표적을 조절할 물질을 찾고 실험으로 검증하는 임상 이전 단계다. 따라서 이번 결정은 후보물질이나 치료제가 완성됐다는 의미와는 구분해야 한다.

양사는 2021년부터 머신러닝과 대규모 세포 이미지 분석을 활용해 신경과학과 일부 암 영역의 생물학적 관계를 지도처럼 구축해 왔다. Genentech는 이 협력 사례로 약 4,600만 개의 이미지와 1만7,000개 유전자를 연결한 미세아교세포 지도를 소개했다. 미세아교세포는 뇌의 면역 기능에 관여하며 신경퇴행성 질환 연구에서 중요하게 다뤄지는 세포다.

이번 선택의 기술적 의미는 AI가 논문을 정리하거나 이미 알려진 후보물질의 순위를 매기는 보조 도구를 넘어, 제약사가 실제 연구 자원을 투입할 신규 표적을 제안하는 과정에 활용됐다는 데 있다. 다만 앞으로도 후보물질 도출과 최적화, 전임상 효능·독성 평가, 임상시험을 거쳐야 한다. 기술적 진전과 임상적 성공, 사업적 수익은 서로 다른 단계에서 판단할 필요가 있다.

재무 수치는 AI 신약개발 기업이 마주한 현실도 보여준다. Recursion의 2분기 매출은 770만 달러로 전년 동기 1,920만 달러보다 감소했다. 회사는 전년도에 일부 Roche·Genentech 협력 단계가 완료된 영향으로 이번 분기에 인식한 관련 매출이 줄었다고 설명했다. 순손실은 1억3,100만 달러였고, 연구개발비는 8,960만 달러로 전년 동기 1억2,860만 달러보다 감소했다.

회사는 운영 효율화를 반영해 2026년 현금성 운영비 전망을 3억9,000만 달러 미만에서 3억7,500만 달러 미만으로 낮췄다. 6월 말 기준 현금·현금성 자산과 제한성 현금은 5억5,680만 달러였다. 추가 자금조달이 없다는 전제에서 현재 운영계획상 현금이 2028년 초까지 유지될 것이라는 전망도 유지했다.

이는 단기적인 현금 고갈 상황과는 거리가 있다는 회사 측 판단이다. 그러나 매출보다 연구개발 지출이 큰 임상단계 바이오 기업에서는 협력사의 후속 프로그램 선택, 단계별 계약금, 자체 임상 데이터와 실제 현금 지출 속도가 계속 중요한 사업 변수다. 현금 보유액만으로 개별 연구 프로그램이나 조직의 안정성을 판단하기는 어렵다.

보스턴과의 연결성도 연구 성과와 고용 신호를 나눠 볼 필요가 있다. Recursion은 2024년 AI 신약개발 기업 Exscientia를 인수했지만, 2025년 연차보고서에서 보스턴의 옛 Exscientia 사무실 9,662제곱피트를 2030년 1월까지 전대했다고 밝혔다. 회사는 2026년에도 사업상 핵심성이 낮다고 판단한 미국·캐나다·영국 시설의 통합을 이어갈 계획이라고 설명했다. 이번 표적 진전만으로 보스턴 조직이나 채용이 확대될 것으로 해석하기 어려운 이유다.

다만 보스턴·케임브리지의 바이오 인력시장에는 직무 변화의 단서가 있다. AI와 함께 필요한 역할은 모델 개발자에 한정되지 않는다. 생물학 데이터를 분석 가능한 형태로 관리하는 데이터 엔지니어링, 계산생물학, AI가 제시한 가설을 실험으로 검증하는 중개연구, 임상 데이터 과학, 모델의 근거와 재현성을 점검하는 검증 업무가 함께 요구된다. 소프트웨어와 실험실, 임상 및 규제 업무를 연결할 수 있는 인력의 중요성도 커질 수 있다.

유학생과 이직 준비자는 채용공고에서 ‘AI’라는 표현 자체보다 해당 직무가 연구 과정의 어디에 위치하는지 살펴볼 필요가 있다. 모델을 직접 개발하는 역할인지, 제약사의 데이터 환경에 배치하는 역할인지, 실험 결과를 해석하고 다음 연구 결정을 지원하는 역할인지에 따라 요구 역량이 달라진다. 포트폴리오에는 모델 성능뿐 아니라 데이터 출처와 품질관리, 검증 방식, 실패 사례, 분석 결과가 연구 의사결정에 미친 영향을 함께 담는 편이 실무 역량을 설명하는 데 유용하다.

취업비자 지원이 필요한 지원자는 회사 전체의 현금 보유액과 별도로 지원 팀의 예산, 근무지, 고용 형태와 스폰서십 정책을 채용 초기 단계에서 확인하는 것이 현실적이다. 비자 지원 가능성은 직무와 회사 정책, 개인 상황에 따라 달라질 수 있으므로 일반적인 채용 문구만으로 결론을 내리기는 어렵다.

이번 발표의 핵심은 AI가 곧바로 신약을 만들어냈다는 것이 아니라, 대규모 생물학 데이터에서 도출된 가설 하나가 대형 제약사의 공동 초기개발 절차로 이동했다는 점이다. 앞으로는 표적과 질환의 공개 여부, 후보물질 도출, Genentech의 추가 프로그램 선택, Recursion의 임상 성과와 현금 지출 속도를 함께 봐야 기술적 진전이 사업성과 지역 고용으로 이어지는지를 판단할 수 있다.