클로드 에이전트 950개, 21시간 만에 신종 효소 발견

effidev·2026년 9월 24일

AI 에이전트를 코딩 업무에만 쓰고 있다면, 이번 사례는 눈여겨볼 만하다.

앤스로픽이 2026년 9월 23일 공개한 결과에 따르면, 클로드 에이전트 약 950개가 21시간 동안 2억 1,000만 토큰을 써서 DNA 서열 데이터베이스를 뒤졌고, 그 과정에서 지금까지 아무도 특성을 밝히지 못한 신종 효소 시스템을 찾아냈다. 연구진은 사람 과학자였다면 이 정도 분석에 몇 주에서 몇 달이 걸렸을 것이라고 밝혔다.

이 글은 코딩 에이전트나 멀티 에이전트 파이프라인을 다뤄 본 개발자, 그리고 “AI 에이전트가 실제로 어디까지 자율적으로 일할 수 있는가”에 관심 있는 사람을 위한 것이다. 클로드가 페르마 대정리를 11일 만에 기계 검증한 사례를 다룰 때처럼, 이번에도 앤스로픽 공식 발표문과 함께 공개된 프리프린트를 직접 확인해 수치를 옮겼다.

이상한 것을 알아챈 사람들이 만든 도구들

생물학을 바꾼 발견 중 상당수는 “자연에 있는 이상한 분자 기계를 누군가 알아챈” 데서 시작했다. 세 가지 예를 들면 이렇다.

DNA를 특정 서열에서 정확히 잘라내는 단백질인 제한효소(restriction enzyme)는 원래 박테리아의 면역 시스템에서 발견됐다 — 침입한 바이러스의 DNA를 잘라 무력화하는 용도였다. 연구자들은 이 효소를 이용해 원하는 자리에서 DNA를 자르고 다른 생물의 유전자를 이어 붙일 수 있다는 걸 알아챘고, 여기서 유전공학 산업 전체가 출발했다.

DNA를 고온에서도 복제하는 Taq 중합효소는 옐로스톤 온천 속 박테리아에서 발견됐다. 이 효소가 지금 대부분의 유전자 진단 검사에 쓰이는 PCR(중합효소 연쇄반응) 기법의 토대가 됐다.

CRISPR(유전자 가위라고도 부르는 유전자 편집 기술)도 처음엔 그냥 “박테리아 DNA에 있는 이상한 반복 서열”로만 기록됐던 것이, 지금은 유전자 편집 기반 치료제의 근간이 됐다. 쉽게 말해 CRISPR-Cas 시스템은 DNA의 원하는 자리를 정확히 찾아 자르고, 그 자리에 새 유전 정보를 끼워 넣을 수 있게 해주는 “프로그래밍 가능한 유전자 편집 도구”다. 처음엔 박테리아가 바이러스 DNA 조각을 저장해 뒀다가 다시 침입했을 때 알아보고 잘라내는 면역 기록 장치였는데, 과학자들이 이 저장·인식·절단 메커니즘을 통째로 떼어내 원하는 유전자를 편집하는 도구로 바꿔 놓은 것이다.

세 사례의 공통점은 “누군가 방대한 데이터를 훑다가 이상한 패턴을 알아챘다”는 것이다. 지금까지는 그 “누군가”가 사람 과학자였다. 앤스로픽의 이번 발표는 그 역할을 AI 에이전트가 대신할 수 있는지 시험한 결과다.

생물학 연구실을 차린 AI 회사

앤스로픽은 2026년 봄, 클로드를 이용해 기초 생물학 연구를 가속하는 것을 목표로 한 전담 연구 그룹과 자체 실험실을 새로 꾸렸다. 목표는 명확하다 — DNA 데이터셋을 뒤져 기능이 밝혀지지 않은 단백질 계열을 찾아내고, 가설을 대규모로 생성한 뒤, 실제 실험실에서 검증하는 것이다.

이 팀을 이끄는 과학자들은 원래 CRISPR 시스템의 진화·조절을 연구하거나, 차세대 세포·유전자 치료제용 신규 효소를 발굴하던 사람들이다. 실험실은 베이 에어리어에 있고, 사람 몸에 감염되는 병원체는 다루지 않는 낮은 생물안전등급(BSL-1·BSL-2)에서만 일한다. 젖은 실험(단백질을 실제로 발현시키고 검증하는 작업) 자체는 전부 사람 과학자가 손으로 한다 — 클로드는 실험을 설계하고 데이터를 뒤지고 해석하는 쪽을 맡는다.

에이전트 950개가 21시간 동안 한 일

연구팀이 클로드에게 준 일감은 단순했다. “역전사효소(reverse transcriptase, RT — RNA를 DNA로 베껴 쓰는 효소) 계열 중에서 흥미로운 신규 사례를 데이터베이스에서 찾아라.”

그다음부터는 사람의 개입이 거의 없었다. 클로드 에이전트들은 20만 개가 넘는 RT 서열을 긁어모았고, 그중 3,500개의 신규 후보 시스템을 골라냈고, 다시 가장 유력한 20개로 추려 사람이 읽을 수 있는 보고서를 작성했다. 이 전체 과정에 투입된 것이 약 950개 에이전트, 21시간, 2억 1,000만 토큰이다.

작업 방식은 사람 연구자의 절차를 그대로 흉내 낸다. 먼저 특정 단백질 계열을 훑으며 관련 논문을 읽고, 공개된 데이터로 기존에 알려진 결과를 재현해 자기 분석 방법이 맞는지 검증한다. 그다음 어떤 시스템으로도 설명되지 않는 유전자 이웃을 찾아, 후보마다 “이건 이런 기능일 것 같다”는 가설과 근거를 정리한 짧은 보고서를 쓴다. 이후 단계에서는 클로드 스스로 그 근거를 비판적으로 재검토하는데, 이 단계에서 대부분의 후보가 탈락한다. 한 차례 조사가 끝나면 검증해 볼 가치가 있는 후보가 하나 남거나, 아예 하나도 안 남는다.

후보가 사람의 검토를 통과하면 그제야 실험실 차례다. 표준 실험균주에 단백질을 발현시키고 생화학적·구조적으로 특성을 확인하는데, 이 데이터 해석에도 클로드가 참여한다. 연구팀은 클로드 사이언스(Claude Science)와 클로드 코드를 그대로 썼고, 때로는 여러 클로드 세션을 동시에 조율하는 자체 하네스를 붙였다.

흥미로운 점은 이렇게 쌓인 수백에서 수천 건의 후보 보고서 자체가 연구 대상이 됐다는 것이다. 연구팀은 “검증할 가치가 있다고 판단한 제안”과 “제쳐둔 제안”을 가르는 기준이 뭔지 계속 분석했고, 그 결과를 다시 클로드에게 주는 지시문에 반영해 연구팀 자신의 “과학적 감(taste)“을 클로드가 흉내 내도록 만들었다. 사람이 결과만 검수하는 게 아니라, 클로드가 무엇을 후보로 올릴지 판단하는 기준 자체를 사람 연구자의 판단에 맞춰 계속 조정한 것이다.

발견은 감탄사 한 줄에서 시작됐다

수천 건의 후보를 거르던 중, 한 에이전트가 특이한 RT 계열 하나를 더 깊이 들여다보기로 했다. 그 RT 유전자 옆의 원본 DNA 서열을 훑던 에이전트는 이렇게 기록을 남겼다.

“[RT 옆의 DNA가] 놀랍다. 육안으로도 보이는 탠덤 반복 배열이… 이거 CRISPR 같은… 반복 배열 아닌가?!”

에이전트는 이후 사람 과학자가 했을 법한 절차를 그대로 밟았다. 반복 서열의 개수를 세고 간격을 측정했고, 이미 알려진 RT 시스템들과 배치를 비교했고, 같은 패턴을 보고한 논문이 있는지 문헌을 뒤졌다. 충분히 분석한 끝에 새로운 생물학적 시스템을 찾았다고 판단해 사람이 검토할 보고서를 제출했다.

이 서열은 이전 연구에서 이미 존재가 확인된 파지(박테리아를 감염시키는 바이러스) 속 RT였다. 다만 그 옆에 붙어 있던 비암호화 DNA 반복 배열과, 기능이 알려지지 않은 부속 단백질까지 묶어서 하나의 시스템으로 알아본 것은 이번이 처음이라고 연구팀은 밝혔다.

이름 없는 효소 시스템, ART

연구팀은 이 시스템에 “배열-연관 역전사효소(array-associated reverse transcriptase, ART)“라는 이름을 붙였다. ART는 세 부분으로 이뤄진다 — RT 본체, 그 옆의 파트너 유전자, 그리고 일정한 간격으로 늘어선 DNA 반복 서열 배열이다.

이 반복 배열의 구조는 CRISPR 배열과 닮았다. CRISPR 배열은 서로 다른 RNA 서열들을 은행처럼 저장해 두는 공간인데, 바로 이 구조 덕분에 CRISPR-Cas 시스템이 “프로그래밍 가능한” 생명공학 도구가 될 수 있었다. ART도 초기 실험에서 이 반복 배열이 여러 개의 짧은 RNA 조각으로 실제 발현되는 것이 확인됐다 — CRISPR와 비슷한 방식으로 작동할 가능성을 시사하는 대목이다.

다만 ART가 실제로 어떤 기능을 하는지는 아직 밝혀지지 않았다. 연구팀도 “ART의 핵심 기능을 규명하는 작업은 진행 중”이라고 못박았다. 지금까지 확인된 건 “CRISPR과 구조적으로 닮은 새로운 시스템이 존재한다”는 것까지고, 그것이 DNA를 자르는지 복사하는지 붙이는지는 앞으로 실험으로 밝혀야 한다. 연구팀은 이 내용을 담은 프리프린트를 공개했고, 이번 발표는 그 결과를 조기에 공유하는 성격이라고 설명했다.

CRISPR 공동발명자가 내놓은 평가

CRISPR 유전체 편집의 개척자 중 한 명이자 MIT·브로드 연구소 교수인 펑장(Feng Zhang)은 이 프리프린트를 검토한 뒤 다음과 같이 말했다.

“AI 에이전트가 생물학적 발견에 기여할 수 있다는 흥미로운 사례다. 역전사효소와 연관된 RNA 반복 배열을 찾아낸 것은 정말 흥미로우며 추가 연구가 필요하다. 이 연구가 더 많은 과학자들이 AI를 연구에 활용하도록 자극이 되기를 바란다.”

CRISPR을 실제로 발명한 당사자가 “구조적으로 닮았다”는 판단에 동의했다는 것은, 이 발견이 AI가 지어낸 우연한 패턴 매칭이 아니라 실제로 검토할 가치가 있는 신호라는 뜻이다. 다만 펑장의 표현도 “흥미롭다·추가 연구가 필요하다”까지지, “이것도 CRISPR만큼 쓸모있을 것”이라는 단정은 아니다.

왜 코딩 에이전트를 쓰는 사람에게도 의미가 있나

이 사례에서 눈여겨볼 것은 효소 자체보다 작업 방식이다. 20만 개의 후보를 3,500개로, 다시 20개로 좁히는 깔때기 구조, 그리고 “후보를 통과시킬지 말지”를 스스로 비판적으로 재검토하는 단계는 코딩 에이전트를 운영해 본 사람에게 낯설지 않은 패턴이다.

이 회사는 이미 여러 사례에서 비슷한 접근을 보여준 적이 있다. 안티그래비티 팀워크 실험에서는 AI끼리 서로 반박하게 만들어 난제를 풀었고, 72시간 자율 사업 운영 실험에서는 AI에 실제 업무를 통째로 맡겼다가 낯선 사람에게 청구서를 보내는 실수도 함께 드러났다. 이번 효소 발견 사례가 다른 점은, 실수해도 되돌릴 수 있는 영역(가설 생성)과 사람이 반드시 확인해야 하는 영역(실험실 검증·최종 판단)을 명확히 나눠 뒀다는 것이다. 클로드가 아무리 확신에 찬 감탄사를 남겨도, 실제로 단백질을 발현시키고 검증하는 건 여전히 사람 과학자의 손이었다.

또 하나 주목할 부분은 “후보 보고서 자체를 학습 재료로 쓴다”는 대목이다. 연구팀은 클로드가 만든 수백~수천 건의 가설 보고서를 놓고 “이게 왜 검증할 가치가 있다고 판단했는지”를 사람이 계속 복기했고, 그 판단 기준을 다시 지시문에 반영했다. 이건 코딩 에이전트에게 리뷰 코멘트를 남기고 그 패턴을 다음 프롬프트나 규칙 파일에 반영하는 것과 구조적으로 동일하다 — 다만 대상이 코드가 아니라 생물학적 가설이라는 점만 다르다.

규모를 코딩 작업에 대입해 보면 감이 더 잘 온다. 950개 에이전트가 21시간 동안 돌았다는 건, 사람 개발자 한 명이 순차적으로 같은 일을 했다면 몇 달이 걸렸을 분량을 하루 만에 처리했다는 뜻이다. 여기서 중요한 건 “에이전트가 많아서 빠르다”가 아니라, 그 많은 에이전트의 산출물을 사람이 일일이 읽지 않고도 걸러낼 수 있는 단계적 필터(20만 → 3,500 → 20)가 함께 설계돼 있었다는 점이다. 필터 없이 에이전트 수만 늘리면 사람이 검토해야 할 결과물만 950배로 늘어난다 — 이번 사례가 보여주는 건 병렬화 자체가 아니라, 병렬화한 결과를 사람이 감당할 수 있는 크기로 좁히는 설계다.

이런 접근이 왜 지금에야 가능해졌나

유전체 마이닝(genome mining) 자체는 새로운 기법이 아니다. 서열 데이터베이스에서 아무도 특성을 밝히지 않은 유전자를 찾아 이상한 것을 알아채고, 그 기능을 알아내는 작업은 지금까지 대부분 사람 연구자가 직접 논문을 읽고 서열을 비교하며 해 왔다. 문제는 속도다 — 지금까지 발견된 RT 계열 대부분이 이런 방식으로 하나씩 찾아졌고, 전문가 한 명이 후보 하나를 검증하는 데도 상당한 시간이 든다.

클로드 에이전트들이 이 작업에서 대신한 것은 “읽고, 비교하고, 알려진 패턴과 다른 걸 골라내는” 반복 노동이다. 연구팀이 설계한 파이프라인은 크게 네 단계로 나뉜다 — ① 특정 단백질 계열을 훑으며 기존 문헌으로 자기 검증 ② 알려진 시스템으로 설명 안 되는 후보를 추출 ③ 후보마다 가설과 근거를 담은 보고서 작성 ④ 그 근거를 스스로 비판적으로 재검토해 탈락시키기. 이 네 단계 중 사람이 가장 먼저 개입하는 지점은 ④를 통과한 극소수 후보를 검토할 때다.

확인된 것과 아직 확인되지 않은 것

이 글을 쓰면서 명확히 구분해 둘 것이 있다. 확인된 사실은 다음과 같다.

• 클로드 에이전트 약 950개가 21시간 동안 2억 1,000만 토큰을 써서 20만 개 이상의 RT 서열을 조사했다.
• 그 결과 3,500개의 신규 후보 시스템을 추렸고, 20개로 좁혀 보고서를 작성했다.
• 그중 한 사례에서 CRISPR 배열과 구조적으로 닮은 반복 서열 배열을 새로 발견했다(ART).
• 초기 실험에서 이 반복 배열이 짧은 RNA로 실제 발현되는 것을 확인했다.
• CRISPR 공동발명자 펑장이 프리프린트를 검토하고 긍정적으로 평가했다.

반대로 아직 확인되지 않은 것도 있다. ART가 실제로 DNA를 자르거나 편집하는 기능을 하는지는 밝혀지지 않았다. 프리프린트는 동료 심사(peer review — 다른 전문가들이 방법과 결론을 검증하는 공식 절차)를 아직 거치지 않은 상태다. “CRISPR만큼 쓸모 있는 도구가 될 것”이라는 주장은 연구팀도, 펑장도 하지 않았다 — 지금 단계에서 말할 수 있는 건 “구조가 닮았고, 더 살펴볼 가치가 있다”까지다.

여기서 짚어야 할 중요한 전제가 하나 더 있다. 앤스로픽 실험실은 사람에게 감염되는 병원체는 다루지 않는 낮은 등급(BSL-1·BSL-2)에서만 일한다. 이번에 발견된 ART도 사람을 감염시키는 바이러스가 아니라 박테리아를 감염시키는 파지에서 나왔다. 신약이나 치료제로 곧장 이어지는 발견이 아니라, “새로운 생물학적 부품을 찾았다”는 기초 연구 단계의 결과라는 뜻이다.

다음은 무엇인가

앤스로픽은 이번 발표를 “완성된 결과”가 아니라 “초기 결과를 조기에 공유하는 것”이라고 못박았다. 연구팀 스스로도 ART의 핵심 기능을 규명하는 작업이 진행 중이라고 밝혔다. 즉 지금 시점에서 나올 수 있는 다음 소식은 두 갈래다 — ART가 CRISPR처럼 DNA를 자르거나 편집하는 프로그래밍 가능한 도구로 밝혀지는 경우, 또는 구조만 닮았을 뿐 전혀 다른 기능으로 판명되는 경우. 둘 다 있을 수 있는 결과이고, 지금 단계에서 어느 쪽이라고 단정하는 자료는 없다.

연구팀은 이 접근을 유전체학 바깥의 다른 생물학 분야로도 넓히고 싶다고 밝혔고, 연구 아이디어가 있는 과학자들의 협업 제안을 받고 있다고 덧붙였다. 회사 차원에서는 신약 개발, 클로드에게 생물학·화학을 학습시키는 팀 등 다른 생명과학 조직도 함께 운영 중이라고 밝혀, 이번 실험실이 단발성 홍보가 아니라 지속적으로 투자하는 조직의 일부임을 시사했다.

지금 이 흐름에서 챙길 수 있는 것

AI 에이전트로 연구나 개발 업무를 자동화하려는 사람이라면, 이 사례에서 가져갈 교훈은 셋으로 정리된다.

첫째, 넓게 훑고 좁게 검증하는 깔때기 구조가 대규모 자율 작업에서 여전히 유효하다. 20만 건을 3,500건으로, 다시 20건으로 줄이는 단계적 필터링은 사람이 일일이 볼 수 없는 규모의 데이터를 다룰 때 표준적인 접근이 될 수 있다.

둘째, “비판적 재검토” 단계를 따로 두는 것이 핵심이다. 클로드가 후보를 만드는 단계와, 그 후보를 스스로 의심하며 걸러내는 단계를 분리했기 때문에 대부분의 오탐이 사람 손에 닿기 전에 걸러졌다. 에이전트 파이프라인을 설계할 때 “생성”과 “검증”을 같은 프롬프트 안에서 뭉뚱그리지 않는 것이 이 사례가 보여주는 실질적인 설계 원칙이다.

셋째, 되돌릴 수 없는 결정(이 경우 실제 실험실 작업)은 끝까지 사람이 쥐고 있었다는 점이다. AI 에이전트에 업무를 맡기는 범위를 정할 때, “AI가 만든 가설을 사람이 실행하는가” 아니면 “AI가 가설도 만들고 실행도 하는가”를 구분하는 것이 이번 사례와 앞서 다룬 자율 사업 운영 실험의 결정적인 차이였다.

앤스로픽은 이 접근을 유전체학 밖의 다른 분야로도 확장하고 싶다고 밝히며, 연구 아이디어가 있는 과학자들의 협업 제안을 받고 있다고 덧붙였다. 코딩 에이전트의 발전 속도를 지켜보고 있었다면, 같은 회사가 같은 방식론을 생물학에도 적용하기 시작했다는 사실 자체가 다음에 어디로 갈지 가늠하는 데 참고가 될 만하다.