요즘 AI가 신약까지 만든다는 사실, 알고 계셨나요? 정확히 말하면 AI는 연구자가 더 빠르고 정교하게 신약의 가능성을 찾도록 돕고 있습니다. 이러한 변화는 연구 현장에만 머물지 않고, 자료 분석부터 업무의 불편을 발견해 직접 AI 도구를 만드는 일까지 다양한 방식으로 이어지며 일하는 방식도 달라지고 있는데요.
SK바이오팜에서도 AI는 일부 전문가만 사용하는 기술을 넘어, 다양한 직군의 일하는 방식에 점차 스며들고 있습니다. 그러나 인터뷰를 통해 확인한 변화의 중심에는 언제나 사람이 있었습니다. 현업의 문제를 정확히 정의하고, AI가 제시한 결과를 해석하며, 서로 다른 전문성을 연결하는 사람의 역할이 더해질 때 비로소 기술은 실질적인 업무의 변화로 이어질 수 있기 때문입니다.
이번 콘텐츠에서는 SK바이오팜의 AI Pioneer팀의 박건태 팀장님, AI Discovery팀 박지민 책임님을 만나 AI로 달라진 업무 방식과 실제 활용 사례를 살펴봅니다. 구성원들은 AI를 업무에 어떻게 적용하고 있으며, 새로운 기술 앞에서 어떤 방식으로 배우고 협업하고 있을까요? AI 시대에 필요한 역량과 태도까지 함께 들어보겠습니다.
SK Careers Editor 24기 김유라
[PART 1. STAFF 직군- AI Pioneer팀 박건태 팀장]
Q1. 안녕하세요, 자기소개와 함께 현재 담당하고 계신 직무와 주요 업무를 소개해 주세요.
안녕하세요. AI Pioneer팀의 박건태 팀장입니다. 원래 신약 개발 연구원으로 근무했지만, AI Pioneer 프로젝트와 외부 해커톤에 참여한 경험을 계기로 현재 조직으로 이동했습니다.
AI Pioneer팀은 새로운 AI 기술을 SK바이오팜의 실제 업무와 연결하는 역할을 합니다. 새로운 AI 기술이나 도구가 나오면 저희가 먼저 사용해보고, 구성원들이 이를 실무에 활용할 수 있도록 돕고 있습니다. 한마디로 정리하면, AI 기술과 실무 현장 사이를 잇는 변화 관리 조직이라고 할 수 있습니다.
Q2. AI 도입·확산 이후 구성원들의 업무 방식이나 조직 문화에서 가장 뚜렷하게 달라진 점은 무엇인가요? 기억에 남는 실제 사례가 있다면 함께 들려주세요.
가장 크게 달라진 점은 AI가 선택적인 도구가 아니라 업무를 위한 기본 도구로 자리 잡았다는 것입니다. 도입 초기에는 업무에 AI를 왜 써야 하나요? 라는 반응도 있었지만, 지금은 AI 사용이 제한되면 업무에 불편을 느끼는 구성원도 있을 만큼 AI가 일상적인 업무 도구로 자리 잡았습니다.
나아가 몇몇 구성원은 현업에서 겪는 문제를 AI와 함께 구체화하고, 바이브 코딩을 통해 직접 솔루션을 만들기도 합니다. AI를 단순히 사용하는 단계를 넘어, AI와 함께 문제를 해결하려는 문화가 생기고 있습니다.
Q3. 조직의 AI 전환을 위해 다양한 시도를 하고 계신 것으로 알고 있는데, 그중에서도 AI 기획 해커톤에 대해 자세히 들려주실 수 있을까요? 어떤 분들이 참여하시는지, 그리고 구체적으로 어떤 방식으로 진행되는지 궁금합니다.
AI 기획 해커톤은 개발자와 디자이너가 결과물을 만드는 일반적인 해커톤과 달리, AI 전환을 가속하기 위해 각 조직의 업무 방식을 AI 관점에서 다시 설계하는 프로그램입니다. 각 팀에서 업무에 대한 배경 지식과 AI에 대한 관심을 갖춘 구성원을 AI 챔피언으로 선정해, 특정 AI 조직에 한정하지 않고 다양한 직무를 가진 사람들이 함께 참여하고 있습니다.
처음 AI 챔피언들과 이야기를 나눴을 때 AI 전환이 중요하다는 것은 알지만, 무엇부터 시작해야 할지 모르겠다는 의견이 많았습니다. 이에 참가자들은 ChatGPT와 딥 리서치 등을 활용해 기존의 업무 흐름을 살펴보고, 어느 과정에 AI를 적용해 업무 방식을 바꿀 수 있을지 기획합니다.
이렇게 직접 기획해보면 실제 실행을 위해 필요한 조건도 구체적으로 드러납니다. 어떤 팀은 데이터 정리가 필요하고, 어떤 팀은 보안 문제를 해결하거나 추가 투자를 검토해야 하는 식이죠. 따라서 AI 기획 해커톤은 구성원의 AI 활용 역량을 높이는 동시에, 각 조직의 AI 전환에 필요한 과제를 발견하는 과정이라고 할 수 있습니다.
Q4. AI 기획 해커톤에서 나온 기획안이 실제 AI Agent 제작으로 이어지거나, 내부 데이터 자산화·바이브 코딩 같은 프로젝트로도 확장되고 있다고 들었는데 실제 사례가 있다면 함께 소개해주시면 좋겠습니다.
구성원들이 기획안을 직접 시험해볼 수 있도록 GPTs를 활용한 AI Agent 제작과 바이브 코딩 교육까지 하나의 과정으로 지원하고 있습니다. 예를 들어 업무를 통해 만난 사람들의 정보를 정리해 네트워크 확장에 활용하거나, 사내에 축적된 데이터를 AI가 읽고 필요한 인사이트를 찾도록 하는 시도가 진행되고 있습니다.
현재는 모든 결과물을 정식 프로젝트로 전환하기보다 구성원들이 AI의 가능성을 직접 경험하고 활용 역량을 높이는 단계입니다. 앞으로는 효과가 확인된 사례를 선별해 실제 프로젝트로 고도화할 계획입니다.
Q5. 현재 부서에서 비개발자와 개발자가 함께 AI 관련 업무를 진행하고 계신 것 같은데, 실제로 각자 어떤 역할을 맡고 어떻게 협업하시나요?
저희 팀은 모두 비개발자 출신이며, 현업 구성원과 개발자 사이를 연결하는 중간 다리 역할을 하고 있습니다. 저는 연구원 출신이고, 다른 팀원들은 QA(약물 품질 관리) 업무를 담당했었습니다. 오랫동안 SK바이오팜에서 근무한 만큼 회사의 업무 프로세스와 구성원들이 겪는 어려움을 잘 알고 있다는 것이 강점입니다.
현업에서 이런 일을 하고 싶은데 어떻게 해야 할지 모르겠다고 이야기하면, 저희가 요구사항을 구체화하고 빠르게 프로토타입을 만듭니다. 이후 개발자가 이를 기술적으로 구현하고 더 완성도 높은 형태로 발전시킵니다. 현업의 언어를 개발 가능한 형태로 바꾸는 것이 저희 팀의 역할입니다.
Q6. 원래 신약개발 연구원으로 입사하신 것으로 알고 있습니다. AI 관련 직무로 전환하시는 게 쉬운 결정은 아니었을 것 같은데, 그 결정을 내리는 데 가장 크게 작용한 게 무엇이었나요?
직무 전환의 결정적인 계기는 SK바이오팜의 비개발자 구성원들과 참여한 AWS 라이프 사이언스 해커톤에서 2위를 차지한 경험이었습니다. 1위와 3위 팀에는 개발자가 포함돼 있었지만, 저희 팀은 모두 비개발자로 구성돼 있었기 때문에 그 결과를 통해 AI 분야에 대한 자신감을 키울 수 있었습니다.
이후 회사로부터 구성원들의 AI 역량을 높이고 AI 전환을 이끌 팀을 맡아보라는 제안을 받아 현재 직무로 전환하게 됐습니다. 약 11년 동안 연구를 해온 만큼 새로운 분야에 도전해보고 싶은 마음도 있었고, 평소 관심이 컸던 AI 분야였기 때문에 아쉬움보다 기대가 더 컸습니다.
Q7. 학부 때는 어떤 전공이셨고, 그때도 컴퓨팅이나 AI 분야에 관심이 있으셨나요? 관심 분야가 있어도 전공자가 아니라 망설이는 학생들에게, 어떻게 도전하면 새로운 기회로 이어질 수 있을지 조언 부탁드립니다.
학부에서는 생화학을, 대학원에서는 수의학을 전공했습니다. 새로운 기술에는 꾸준히 관심이 있었지만, 코딩은 어렵게 느껴져 쉽게 시작하지 못했습니다. 그러다 생성형 AI의 도움을 받아 아이디어를 실제 결과물로 만들면서 바이브 코딩과 AI 업무에 본격적으로 도전하게 됐습니다.
비전공자라면 전공을 바꾸기보다 자신의 전공을 깊이 이해한 뒤 그 전문성에 AI를 결합해보라고 말씀드리고 싶습니다. AI는 누구나 사용할 수 있지만, 오랫동안 쌓아온 전공 지식들은 쉽게 대체하기 어렵기 때문입니다.
모든 공부를 마친 뒤 시작하려고 하기보다, 전공 공부나 일상에서 해결하고 싶은 작은 문제를 정해 AI와 함께 결과물을 만들어보세요. 작은 시도를 먼저 해본 뒤 필요한 기초를 공부하는 것도 좋은 방법이라고 생각합니다.
Q8. SK바이오팜 입사를 희망하는 지원자들이 실제 업무에서 AI를 활용하기 위해 어떤 역량이나 태도를 갖추면 좋을지 조언 부탁드립니다.
가장 중요한 역량은 커뮤니케이션 능력이라고 생각합니다. AI에게 원하는 결과를 얻으려면 목적과 상황을 정확히 설명해야 하고, 실제 업무의 문제를 해결하려면 동료의 이야기를 듣고 무엇이 필요한지 파악할 수 있어야 합니다. 따라서 다른 사람의 말을 열린 태도로 듣고, 자신의 생각을 명확하게 전달하는 연습이 필요합니다. 여기에 맞춤형 AI Agent나 바이브 코딩처럼 작은 결과물을 직접 만들어본 경험이 더해지면 좋습니다.
결국 AI든 사람이든, 소통을 통해 원하는 결과를 만들어내는 능력이 중요하다고 생각합니다.
[PART.2 R&D직군- AI Discovery팀 박지민 책임]
Q1. 안녕하세요, 자기소개와 함께 현재 담당하고 계신 직무와 주요 업무를 소개해 주세요.
안녕하세요. 저는 SK바이오팜 AIDT센터 AI Discovery팀에서 신약개발에 필요한 AI 모델과 플랫폼을 개발하고 있는 박지민 책임연구원입니다. AI를 활용해 신약개발 연구를 지원하는 것이 주요 업무인데요. 주로 연구원들이 만든 화합물의 약효와 독성을 예측하거나, 신약 후보물질을 찾는 데 활용할 수 있는 AI 기술을 연구하고 있습니다.
Q2. AI 모델과 플랫폼을 직접 개발하신다는 게 흥미로운데요, 대부분의 사람들은 AI를 사용만 해봤지 직접 개발하는 과정은 잘 모를 것 같습니다. 실제로 어떤 방식으로 개발이 이루어지는지 설명해주실 수 있을까요?
내부 실험 데이터와 외부 공개 데이터를 AI에 학습시켜, 새로운 화합물의 약효와 독성을 예측하는 방식으로 모델을 개발합니다.
예를 들어 기존 화합물의 구조와 독성에 관한 데이터를 모아 AI 모델을 학습시킨 뒤, 새롭게 개발한 화합물의 정보를 입력합니다. 그러면 해당 물질의 약효가 어느 정도일지, 몸에서 독성을 나타낼 가능성이 있는지를 예측할 수 있습니다. 이와 함께 신약개발 연구에 필요한 AI 플랫폼도 개발하고 있습니다.
Q3. 최근 바이오메디컬 특화 LLM과 신약개발 AI 코사이언티스트를 개발하고 계신데요. 일반적인 생성형 AI와 무엇이 다르며, 실제 연구에 활용되기까지 어떤 과정을 거치나요?
바이오메디컬 특화 모델은 바이오·메디컬·임상 분야의 질문에 더 잘 답하도록 만든 LLM(대규모 언어 모델, Large Language Model)이고, AI 코사이언티스트는 이 모델이 신약개발 연구를 직접 지원하도록 확장한 시스템입니다. 바이오메디컬 특화 파운데이션 모델은 ChatGPT와 같은 LLM에 바이오·메디컬·임상 분야의 정보를 더 많이 학습시키고, 관련 질의응답을 잘 수행할 수 있도록 파인튜닝(특정 분야에 맞게 AI를 추가로 학습시키는 과정)해 개발합니다.
AI 코사이언티스트는 이렇게 개발한 LLM이 약효나 독성을 예측하는 AI 모델을 도구처럼 활용하도록 만든 시스템입니다. 기존에는 연구원이 화합물의 구조 정보를 AI 연구원에게 전달하면, AI 연구원이 직접 모델에 입력하고 결과를 해석해야 했습니다. 현재는 연구자가 AI에 직접 질문하면 AI가 예측 모델을 활용하고, 그 결과까지 해석해 전달할 수 있도록 개발하고 있습니다.
Q4. 생성형 AI가 새로운 약물 분자 구조를 만들어낸다는 게 저희 같은 비전공자에게는 신기하게 느껴지는데요, AI가 실제로 어떻게 분자를 생성해내는 건지 쉽게 설명해주실 수 있을까요?
쉽게 말하면, 질병과 관련된 단백질의 조건을 입력했을 때 AI가 그 조건에 맞는 약물의 분자 구조를 만들어내는 방식입니다. ChatGPT가 대화의 맥락에 맞는 다음 말을 생성하는 것과 비슷한데요. 질병을 조절하는 타깃 단백질의 정보를 AI에 입력하면, AI가 해당 단백질을 조절할 가능성이 있는 약물의 구조를 제안합니다. 기술적으로는 언어를 생성하는 ChatGPT보다 이미지를 생성하는 디퓨전 모델에 조금 더 가까운 방식이라고 이해하시면 됩니다.
Q5. 실제로 약물 후보물질을 발굴하는 데 성공하셨다고 들었는데, 그 순간이 어땠는지 궁금합니다. 가장 뿌듯했던 순간이나 기억에 남는 에피소드가 있다면 들려주실 수 있을까요?
유효물질을 찾았을 때도 기뻤지만, AI 조직과 연구소 조직이 하나의 팀이 됐다고 느꼈을 때가장 뿌듯함을 느꼈던 것 같습니다. 제가 수행하는 연구는 신약 디스커버리 중에서도 초기 단계에 해당합니다. 유효물질을 발견하더라도 실제 약으로 개발되기까지는 긴 과정이 남아 있기 때문에, 곧바로 ‘약을 개발했다’는 느낌이 들지는 않았습니다.
오히려 서로 다른 분야의 구성원들이 같은 목표를 향해 이해의 폭을 넓혀가는 과정이 기억에 남습니다. AI 연구원은 AI 기술을 설명하고, 연구소 연구원들은 진행 중인 연구를 공유하면서 서로의 이해 수준을 맞춰갔는데요. 함께 가능성 있는 물질을 찾아가며 앞으로 더 잘해보자는 마음이 모였을 때 가장 큰 보람과 힘을 얻었습니다.
Q6. 본인의 이야기가 궁금합니다. 처음 입사하실 때부터 AI 관련 연구원으로 시작하셨는지, 그리고 학부 때는 어떤 전공이셨나요?
네, SK바이오팜에 입사할 때부터 AI Discovery 분야의 연구원으로 시작했으며, 학부에서는 약학을 전공했습니다. 박사과정까지는 실험실에서 직접 실험하는 연구를 했지만, 박사 졸업 후에는 박사 후 연구원으로 일하며 컴퓨터를 배우기 시작했습니다. 이후 실험이 아닌 컴퓨터를 활용해 연구하는 ‘드라이 랩’ 분야로 전환했고, SK바이오팜에 입사하기 전에는 AI 신약개발 스타트업에서 근무했습니다.
본격적으로 컴퓨터를 배우기로 결심한 계기는 알파고와 이세돌 기사의 대국이었습니다. 박사 논문을 쓰던 시기에 그 장면을 보며 AI가 인간의 역량을 넘어서는 시대가 올 수도 있겠다고 느꼈고, 새로운 분야에 도전해야겠다는 결심을 하게 됐습니다.
Q7. AI 모델 개발 역량과 신약 개발 도메인 지식, 이 두 가지를 모두 갖추는 게 쉽지 않을 것 같은데, 어떻게 역량을 쌓아오셨나요?
신약 개발 지식은 약학 전공과 실험 연구를 통해 쌓았고, AI 역량은 실제 연구와 프로젝트에 직접 부딪히며 익혔습니다. 박사과정을 마칠 때까지는 프로그래밍이나 코딩을 거의 하지 못했습니다. 박사 후 연구원으로 일하면서 처음 컴퓨터를 배우기 시작했고, 정규 AI 교육과정을 밟기보다 논문과 K-MOOC의 파이썬 무료 강의 등을 찾아보며 독학했습니다.
처음에는 논문에 나오는 단어조차 이해하기 어려워 대학원에 새로 입학한 것처럼 기초부터 다시 시작해야 했습니다. 이후 실제 연구와 회사 프로젝트를 수행하며 필요한 기술을 하나씩 익혔고, 그 경험이 지금의 역량으로 이어졌습니다.
두 분야를 모두 완벽하게 공부한 뒤 융합하려 하기보다, 자신이 가진 전문성을 바탕으로 실제 프로젝트에 참여하며 필요한 기술을 배우는 것이 가장 빠른 방법이라고 생각합니다.
Q8. SK바이오팜 입사를 희망하는 지원자들이 실제 업무에서 AI를 활용하기 위해 어떤 역량이나 태도를 갖추면 좋을지 조언 부탁드립니다.
가장 중요한 태도는 모든 공부를 마칠 때까지 기다리지 않고, 직접 무언가를 만들어보며 배우는 것입니다. 예를 들어 홈페이지나 AI 모델을 만들고 싶다면 먼저 AI와 함께 구현해보고, 진행하다가 막히는 부분이 생겼을 때 필요한 내용을 공부하는 방식입니다. 지금은 AI가 구현 과정을 많이 도와주기 때문에, ‘어떻게 만들 것인가’보다 ‘무엇을 만들 것인가’가 더욱 중요해지고 있습니다.
특히 AI Discovery와 같은 연구 직무에서는 강의 수료 경험보다 인턴, 학부 연구원, 논문, AI 모델 개발 등 실제 연구나 프로젝트를 수행한 경험이 중요합니다. 직접 해본 경험이 있어야 배운 내용을 더 확실히 자신의 역량으로 만들 수 있기 때문입니다.
채용 공고를 볼 때도 업무 항목을 하나씩 확인하고, 각 항목에 자신의 연구나 프로젝트 경험을 어떻게 연결할 수 있는지 준비하면 좋습니다. AI를 어렵게만 생각하지 말고, 자신의 관심 분야에서 작게라도 직접 시도해보는 것이 첫걸음이라고 생각합니다.
두 구성원의 이야기를 통해 살펴본 SK바이오팜의 AI 활용은 단순히 새로운 기술을 도입하는 데 그치지 않았습니다. Staff 직군에서는 현업의 문제를 발견하고, AI Agent와 바이브 코딩을 통해 해결책을 직접 만들어 가는 과정에서 현업과 개발자를 연결하고 있었습니다. R&D 직군에서는 AI 모델로 화합물의 약효와 독성을 예측하고, 바이오메디컬 특화 LLM과 AI 코사이언티스트를 통해 연구자가 더 효율적으로 신약의 가능성을 탐색할 수 있도록 돕고 있었습니다.
이처럼 SK바이오팜에서 AI가 실제 업무의 변화로 이어질 수 있었던 배경에는 각자의 분야에서 쌓은 전문성, 서로 다른 직무를 잇는 협업, 그리고 새로운 기술을 직접 시도해보는 구성원들의 태도가 있었습니다. 두 분의 이야기를 들으며 기자 역시 완벽히 준비될 때까지 고민하기보다, 지금 할 수 있는 작은 것부터 직접 시도해보는 자세가 중요하다는 점을 깨달았는데요. 여러분도 자신의 전공과 관심 분야에 AI를 하나씩 접목해보며, 새로운 가능성을 직접 만들어가시길 바랍니다.
