질문을 넘어서, AI와 토론이 필요합니다. AI를 잘 써야 한다는 말에는 누구나 동의합니다. 그러나 “질문을 잘해야 한다”는 조언은 여전히 모호합니다. 우리는 오랫동안 검색을 해왔지, 기계와 대화를 해본 적은 없었기 때문입니다. 사람에게 질문을 잘하는 것도 어려운데, 사람도 아닌 존재와 효과적으로 상호작용해야 한다는 요구는 낯설 수밖에 없습니다.저는 여기서 한 걸음 더 나아가고 싶습니다. AI를 잘 쓰려면 질문을 잘하는 것이 아니라, 토론해야 합니다.AI는 검색엔진이 아닙니다. 검색엔진이 기존 정보를 찾아주는 도구라면, AI는 정보를 생성하는 도구입니다. 생성에는 항상 오류 가능성이 포함됩니다. 이른바 ‘환각’이라고 불리는 그럴듯한 오류가 그 예입니다. 따라서 AI의 답변을 단번에 수용하는 태도는 오히려..

사회적 합의로서의 창의성 AI로 인한 삶의 변화는 현재 진행형입니다. 인간의 창의성, 감정, 전문직의 판단 영역까지도 기계가 대체할 수 있다는 주장이 더 이상 과장으로만 들리지 않는 시대가 되었습니다. 과거에는 저임금 육체노동이 먼저 대체될 것이라 예상했지만, 실제로는 고부가가치 영역이 빠르게 자동화되고 있습니다. 그 끝에 ‘창의성’이 있습니다. 창의성은 본질적인 속성이라기보다, 사회적으로 가치가 승인된 이후에 붙는 이름일지도 모릅니다. 창의성이 되기 전의 생각은 특이한 의견, 소수 주장, 혹은 위험한 발상으로 취급받기도 합니다. 결과적으로 인정받았을 때 비로소 우리는 그것을 창의적이라 부릅니다. 그렇기에 창의성은 절대적 개념이라기보다 사회적 합의의 산물에 가깝습니다. 지금의 AI는 이러한 승인 구조의 ..

대학 연구의 보이지 않는 족쇄: 산학협력단의 독점과 행정 편의주의 국가 연구과제를 수행하는 연구자에게 연구비는 생명줄과 같습니다. 하지만 이 생명줄을 관리하는 산학협력단은 연구팀에게 지원군보다는 감시자에 가까운 모습을 보일 때가 많습니다. 직접비는 연구에 투입되지만, 전체 연구비의 20~30%에 달하는 간접비는 산단이라는 조직의 운영과 행정 지원을 위해 징수됩니다. 문제는 이 비용을 지불함에도 불구하고 연구자가 체감하는 서비스의 질은 지극히 낮다는 점입니다. 이는 대학 내에서 단 하나의 산단만이 연구 지원 서비스를 독점하는 폐쇄적 구조에서 기인합니다. 경쟁이 없는 환경에서 산단은 연구자의 편의보다는 행정적 리스크 관리와 규정 준수라는 명목 하에 '환수'와 '사후 확인'에만 치중하게 됩니다. 결과적으로 연..

에룸의 법칙과 의료의 가성비 시대: 효율성을 향한 회귀 코로나19는 전 세계 의료 시스템에 거대한 균열과 변화를 동시에 가져왔습니다. 가장 두드러진 변화는 신약 개발의 효율성 저하입니다. 과거에는 막대한 자본과 인력을 투입하면 비례하는 성과가 나왔으나, 최근에는 투입 비용 대비 성과가 기하급수적으로 줄어드는 에룸의 법칙(Eroom's Law)이 가속화되고 있습니다. 2026년에 접어들며 세계 각국의 재정 상태가 악화함에 따라, 아무리 뛰어난 신약이라도 국가 보장 범위에 온전히 편입되기는 점점 더 어려워지고 있습니다. 이러한 경제적 제약은 임상 현장의 풍경을 바꾸어 놓았습니다. 의사들은 막대한 마케팅 비용이 투입된 검증되지 않은 신기술보다는, 오랜 시간 임상에서 부작용과 효과가 검증된 비용 효율적 치료법..

'실패 불용'의 역사적 관성과 인공지능 시대의 뒤처진 대응 한국은 2024년 기준 연구개발비 131조 원이라는 압도적인 자금을 투입하며 세계 5위권의 R&D 강국으로 자리매김했습니다. 하지만 수치상의 화려함에도 불구하고, 국민들이 체감하는 혁신의 농도는 여전히 옅은 것이 사실입니다. 이는 우리가 오랫동안 '안정적인 진입'과 '추격형 모델'에 최적화된 구조를 유지해왔기 때문입니다. 이러한 한계는 최근 AI 붐에서도 고스란히 드러났습니다. 3년 전 AI가 새로운 패러다임을 형성할 당시, 정부출연연구원(이하 '정출연') 등 공공 연구기관들은 데이터와 지원 부족을 이유로 선도적 대응에 실기했습니다. 이제야 대세임을 확인하고 '국가대표 AI'를 표방하며 움직이고 있지만, 선제적으로 대응했더라면 특수 목적 AI 분..

지난 글을 통해 저는 의사과학자 양성 정책의 성공을 위한 전제 조건으로 주무 부처를 보건복지부에서 과학기술정보통신부로 이관해야 한다고 제안한 바 있습니다. 하지만 현장에서 직접 몸담으며 깨달은 사실은, 부처 이관이라는 행정적 절차보다 훨씬 더 깊고 본질적인 ‘철학의 부재’가 대한민국 의사과학자 정책의 발목을 잡고 있다는 점입니다. 정부는 연일 ‘바이오 헬스케어의 미래’를 외치고 있지만, 정작 현장의 연구자들은 정책의 모순 속에서 깊은 무력감을 느끼고 있습니다. 행정 편의주의가 초래한 ‘사후 환수’의 공포 현재 많은 대학에서 이공계 대학원생들을 대상으로 ‘연구생활장려금’ 사업을 운영하고 있습니다. 전일제 대학원생들의 최소 생계비를 보조하겠다는 훌륭한 취지에도 불구하고, 실제 현장의 행정은 실망스럽기 그지없..

'운'의 영역에서 '예측'의 과학으로: AI가 바꾼 연구의 기획력 복잡하게 요동치는 시대, 변화의 파고는 지식의 최전선인 대학 연구실의 풍경마저 바꿔놓고 있습니다. 과거의 연구가 연구자의 직관이나 우연한 발견에 기대어 평생을 천착하는 ‘장인형 모델’이었다면, 이제는 AI를 통한 ‘설계형 모델’로 급격히 전환되고 있습니다. 그간 연구 기획서에서 ‘탐색’이라는 단어는 자칫 근거 없는 막연함으로 치부되어 기피 대상이 되기도 했습니다. 하지만 AI 추론을 통해 수많은 변수 간의 상호작용을 미리 예측할 수 있게 된 지금, 탐색은 고도의 과학적 프로세스가 되었습니다. 미국 FDA에서 동물실험의 대안으로 오가노이드와 더불어 AI 기반의 네트워크 약리학(NAMs)을 꾸준히 언급하는 것은 이제 AI가 단순한 보조 도구를..

AI 번역, 낯선 미래가 아닌 현실이 되다 AI가 일상이 되면서 그 역할과 영향력에 대한 논의가 뜨겁습니다. 교육 분야는 AI의 긍정적 쓰임이 합의된 대표적인 곳입니다. 저 역시 연구 과정에서 AI에게 질문하며 생각을 정리하는 것이 일상이 되었습니다. 교육 이전에 AI가 이미 완벽한 역할을 하는 분야는 바로 '번역'입니다. 괄목상대라는 말이 어울릴 만큼 AI 번역 수준은 맥락까지 다듬어내는 수준에 이르렀습니다. 최근 참석한 한 컨퍼런스에서는 대만, 한국, 일본의 연사들이 각자 편한 언어로 발표했지만 소통의 장벽이 전혀 느껴지지 않았습니다. AI 실시간 번역이 스크린과 개인 웹페이지로 동시에 제공되었기 때문입니다. 영어가 모국어가 아닌 화자들이 자기 나라 말로 편안하게 발표하고 질의응답하는 모습은, 과거 ..

질병은 인류의 시작과 함께했고, 인간의 변화는 곧 질병의 변화를 가져왔습니다. 기후변화, 기술발전, 사회체제의 변화는 인류의 삶을 바꾸었고, 질병의 양상 또한 그 흐름을 같이했습니다. 특히 최근 100년간의 변화는 이전 수천 년을 압도할 만큼 거대했으며, 질병의 형태와 이를 대하는 우리의 방식 역시 근본적으로 달라지고 있습니다. 이러한 거대한 변화의 흐름을 이해하기 위해, 이 글에서는 현대 보건의료의 패러다임을 '확정적 치료(Definitive Treatment)'와 '확률적 건강관리(Probabilistic Health Management)'라는 두 가지 분석틀로 나누어 살펴보고자 합니다. 확정적 치료가 원인이 명확한 질병을 진단하고 표준화된 방법으로 제거하는 것을 목표로 한다면, 확률적 건강관리는 명..

들어가며: 하나인 줄 알았던 '연구'연구원으로 커리어를 시작했을 때, 저는 '의학연구'가 단일한 하나의 흐름인 것으로 이해했습니다. 논문을 찾고, 동물실험을 하고, 사람들을 관찰하고 데이터를 얻는 것을 하나의 연속된 과정으로 여겼습니다. 국책연구원에서 6년간 사람 대상 연구를 하면서, 동물실험은 전임상, 사람 대상 연구는 임상연구로 구분된다는 것을 알았습니다. 임상을 9년간 하고 나서 기초 연구를 하게 된 지금, 이 둘 사이의 간격이 상당히 크고 깊다는 것을 알게 되었습니다.네트워크 약리학을 공부하며 기초연구의 세계를 다시 들여다보게 되었고, 그동안 주로 임상연구에 몰두했던 경험과 비교해보니 흥미로운 차이점들이 보였습니다. 이 글에서는 그 차이점들을 살펴보고, 두 분야가 어떻게 서로를 향해 나아가고 있는..