현재 2억뷰가 넘어간 AI 다큐가 있습니다.
바로 'The Thinking Game'이라는 다큐입니다.
세상을 놀라게 한 AI 다큐멘터리 : The Thinking Game
저도 처음에는
'다큐멘터리가 2억 뷰나...?'
라고 생각했습니다.
그러나 다큐를 본 이후는 완전히 생각이 변했습니다. (안 보신 분이 계시다면 오늘 꼭 보시길 추천드려요.)
그 중에서도 제가 영상에서 가장 큰 감명을 받은 것은,
후반에서 데미스 하사비스가 AI를 통해 풀려고 했던 문제 자체 였습니다. 그 문제는 50년 동안 풀리지 않았던 생물학 분야의 거대한 난제였죠.
이 다큐를 보면서 AI가 어떻게 생명과 질병 관점에서 임팩트를 낼 수 있는지를 확인할 수 있었고, AI의 무한한 잠재력에 놀라움을 금치 못했습니다.
그리고 국내에서도 생명, 질병관련 관점에서 AI로 혁신을 이룬 사례는 없을까 리서치하게 되었고 아주 좋은 사례를 발견하게 되었습니다.
특히나 AI혁신사례 주역의 인터뷰까지 기업 홈페이지 뉴스룸에 기고하고 있어서 자세한 사례를 들여다 볼 수 있었어요.
오늘은 AI툴을 활용해 '미생물 동정 자동화 추적 시스템'을 직접 구축한 대웅제약의 AI 혁신 사례를 알아보겠습니다.
대웅제약 오송공장 오송루피어 QC팀의 AI 혁신사례
대웅제약 오송공장 오송루피어 QC팀의 미생물 파트의 주요 업무는 주사제의 품질을 미생물학적 관점에서 정밀하게 관리하는 역할이었다고 합니다.
오송공장에서 생산되는 제품은 피하 주사 형태의 무균 주사제이므로, 무균 환경 제조 및 철저한 미생물학적 품질 관리가 필수였던 것이죠.
즉, 무균 주사제(Sterile Injectable)의 품질을 초고도화하여 환자의 안전을 직접적으로 보장하는 것이 최우선 이었습니다. 환자에게 직접 투여되는 무균 주사제이므로 주사제가 균에 오염되는 순간은 곧 환자의 생명과 직결되는 위험으로 이어질 수 있었기 때문이죠.
그러나 기존에는 작업 환경에서 검출된 균 동정 리포트를 엑셀로 관리하는 것에 대한 비효율성이 있었었고 이것이 문제의식의 발단이 되었습니다.
그래서 이를 해결하기 위해 '미생물 동정 자동화 추적 시스템'을 직접 구축이라는 목표를 세우게 되었습니다.
그러나 문제는 코딩을 할 줄 아는 팀원이 없었다는 것이었습니다.
이를 해결하기 위해 ChatGPT를 비롯한 다양한 AI 툴들을 활용하고, 오류를 줄이기 위한 수많은 테스트를 반복해야 했다고 하죠.
특히나, 대웅제약의 사례에서 주목해 볼만 했던 것은 조직의 문화와 제도를 최대한으로 활용했다는 것이었습니다.
그 중에서도 '거현량' 제도와 '월별 피드백' 제도가 눈에 띄었습니다.
혼자 해결할 수 없는 고민에 대해서는 질문 리스트를 만들어 외부 전문가들에게 지식과 노하우를 배우고, 팀장님과의 월별 피드백을 통해 매달 진척도를 구체적으로 점검하고 개선 방향을 명확히 확인하는 것이 큰 도움이 되었다고 하죠.
결과적으로,
매주 8시간이 소요되던 작업 시간이 현재는 1시간 내로 줄어들었으며, 자동화된 시스템을 통해 작업장별로 어떤 균이 반복적으로 검출되는지 시각화된 데이터로 확인할 수 있게 됩니다.
단순히 개인이 'AI툴을 잘 쓴다'는 것을 넘어서, 팀 안에서 내가 풀고 싶은 문제를 잘 정의하고, 조직문화와 제도를 잘 활용해 성과를 내었다는 것에서 시사점이 있었습니다.
그리고 또 하나, 앞서 소개한 'The Thinking Game' AI 다큐와 겹쳐 보이는 지점이 있었습니다.
문제 해결의 단초 : '도메인 전문가와 기술의 융합'
그것은 바로 문제 해결의 벽에 가로막혔을 때 '특정 지식 분야의 통합'을 택했다는 것입니다.
AI 다큐멘터리에서 단백질 구조 예측 문제를 풀 때 데미스 하사비스는
'회사에 훌륭한 기술자들이 있지만 이들이 생물학을 공부하진 않았죠'라고 이야기 합니다.
그러고는 생물학을 공부한 이를 팀에 본격적으로 합류시키죠.
이러면서 알파폴드 팀은 보다 이전보다 문제해결의 순항을 만나게 됩니다. 개인적으로는 이것이 문제해결의 핵심이자 돌파구가 되었다고 생각해요.
이번에 살펴본 '대웅제약 오송공장 오송루피어 QC팀의 AI 혁신사례'도 마찬가지 였습니다.
이 사례는 The Thinking Game의 사례와는 반대로
도메인 전문가가 역으로 기술 전문가를 찾아가 자문을 구하며 지식의 융합을 추구한 것이죠.
맺음말: 우리가 적용해 볼 수 있는 것
결국 AI 시대의 혁신은 '혼자 다 잘하는 사람'이 아니라, '함께 더 잘하는 사람'이 만들어내는 것 같습니다.
대웅제약 사례와 The Thinking Game의 알파폴드 사례가 우리에게 보여준 것은 도메인 전문가와 기술 전문가, 둘 중 누가 더 탁월한가의 문제가 아니었습니다.
대웅제약 QC팀은 코딩을 몰랐지만, 미생물학 전문가였습니다.
데미스 하사비스는 AI 천재였지만, 생물학자를 찾아갔습니다.
이 둘이 만났을 때 비로소 50년 난제가 풀리고, 8시간이 1시간이 된다는 것이죠.
이들은 '모든 것을 혼자 해내려는 완벽함' 대신 '필요한 도움을 구하는 용기'를 선택했습니다.
우리가 어떤 문제에 가로 막힌다면, 그건 전문성이 부족해서가 아니라,
'도움을 요청하지 않아서'는 아닐까요?
작은 것이라도 좋으니,
여러분이 풀고 싶은 문제를 명확히 정의하고,
주변 동료나 다른 부서 전문가에게 물어보세요.
ChatGPT에게 하는 질문도 좋은 해답이 될 수 있습니다.
나만의 전문성 안에서 우리 모두 AI 혁신을 이뤄나갈 수 있길 기대하겠습니다 :)
감사합니다!
의견을 남겨주세요