바이오·신약AI 기업들이 바이오에 뛰어드는 진짜 이유.

약을 하나 만드는 데 얼마나 드는지 아는가. 평균 10억~20억 달러. 시간은 10~15년. 그리고 임상 시험에 들어간 약물 후보 10개 중 9개는 실패한다. https://www.biospace.com/median-cost-of-bringing-a-new-drug-to-market-985-million ​ 수천만 달러에서 수억 달러가 투입된 프로젝트가, 통계적으로 거의 확실하게 사라진다. 이 산업의 기본 전제 자체가 '실패'다. ​ 그런 곳에 지금, AI 기업들이 줄을 서고 있다. ​ 올해 1월 OpenAI는 'OpenAI for Healthcare'를 발표했다. Memorial Sloan Kettering, Stanford Medicine 같은 미국 최고의 의료기관들이 도입을 시작했다. Anthropic은 같은 달 JPMorgan 헬스케어 컨퍼런스에서 'Claude for Healthcare'를 공개했고, ​ 4월에는 창립 8개월 된 스텔스 바이오텍 스타트업 Coefficient Bio를 4억 달러에 인수했다. 직원이 10명도 안 되는 회사에 대한 값이다. ​ Google DeepMind는 AlphaFold의 뒤를 잇는 AlphaGenome을 API로 공개했고, Eli Lilly는 AI 신약 설계 엔진을 가진 Insilico Medicine과 최대 27.5억 달러 규모의 파트너십을 체결했다. ​ AI 바이오텍 스타트업 Earendil은 Sanofi와 Pfizer의 지원을 받아 7.87억 달러를 유치했다. ​ 어느 순간, 모든 AI 기업이 실험실 가운을 입기 시작했다. ​ 이것을 "기술 기업의 헬스케어 진출"이라는 익숙한 프레임으로 읽으면, 핵심을 놓친다. ​ Google Health가 좌절했던 2010년대의 반복처럼 보일 수도 있고, "AI로 인류의 건강을 혁신한다"는 실리콘밸리의 흔한 미션 선언문처럼 들릴 수도 있다. ​ 하지만 지금 일어나고 있는 일의 실제 동력은, 의료 기술의 발전도 AI의 선의도 아닌 다른 곳에 있다. 월 20달러라는 천장 이 현상을 이해하려면, AI 기업들이 지금 부딪히고 있는 벽부터 봐야 한다. ​ ChatGPT를 떠올려 보자. 세계에서 가장 빠르게 성장한 소비자 제품이었다. ​ Claude가 뒤를 따랐고, Gemini가 합류했다. 하지만 이 시장에는 보이지 않는 천장이 있다. 우리가 챗봇에 기꺼이 지불하는 금액. 월 20달러 안팎이다. ​ 넷플릭스에 매달 얼마를 내는가. 스포티파이에는. 우리에게 디지털 서비스의 "적정 가격"이라는 심리적 앵커가 이미 형성되어 있다. ​ AI 기업이 아무리 혁명적인 기술을 만들어도, 일반 소비자에게 월 50달러, 100달러를 받기는 극도로 어렵다. ​ 기업용 코딩 도구나 생산성 소프트웨어로 확장해도, 사용자당 매출의 상한은 뚜렷하다. ​ 이 상황에서 매출을 10배로 키우는 경로는 두 가지뿐이다. 사용자 수를 10배로 늘리거나, 건당 가격을 10배로 올리거나. 전자는 이미 포화에 근접하고 있다. 후자는 범용 시장에서 불가능하다. ​ 여기서 잠깐, 머릿속에서 완전히 다른 산업의 숫자를 꺼내 보자. 실패 한 건의 가격이 수억 달러인 세계 제약 산업의 비용 구조는 IT 산업과는 질적으로 다른 세계에 있다. 신약 하나를 시장에 내놓기까지, 실패 비용과 자본비용을 포함하면 평균 10억~20억 달러가 소요된다. ​ 임상 시험에 진입한 약물 후보 중 최종 승인을 받는 비율은 약 12%에 불과하다. 10개 중 9개가 실패하고, 그 실패 한 건 한 건에 수천만에서 수억 달러가 증발한다. ​ 이 숫자를 다시 읽어 보라. 이것은 "비효율"이 아니다. 생물학의 복잡성이 만들어낸, 이 산업이 작동하는 기본 공식 자체다. ​ 자, 이제 한 가지만 상상해 보자. 만약 AI가 임상 시험 설계를 최적화해서 기간을 6개월 단축한다면? 후보 물질 스크리닝의 성공률을 10%포인트 올린다면? 10개 중 1.2개가 통과하던 것이 2.2개가 된다면? 그 가치는 수억 달러 단위로 산정된다. ​ 이것은 월 20달러 구독료와는 완전히 다른 가격 결정 환경이다. ​ 챗봇 시장에서 AI는 "편리한 도구"다. 하지만 제약 시장에서 AI는 수억 달러짜리 실패를 줄여주는 인프라 가 된다. 같은 기술인데, 어느 시장에 놓이느냐에 따라 가격표가 완전히 달라진다. ​ 비유하자면 이렇다. 같은 물이라도 편의점에서는 1,000원이지만, 사막 한가운데서는 100만 원의 가치를 가진다. AI 기업들은 지금, 자기 기술의 사막을 찾은 것이다. ​ AI 기업들이 바이오에 진출하는 이유는 생명을 구하고 싶어서가 아니다. 자신들의 기술에 걸맞은 가격표를 붙일 수 있는 시장을 찾았기 때문이다. 왜 하필 지금인가 그렇다면 질문이 바뀌어야 한다. AI와 바이오의 조합 자체는 새로운 이야기가 아니다. 왜 하필 2025-2026년에, 이 모든 것이 동시에 터지고 있는가. ​ 세 가지 조건이 같은 시점에 수렴했다. ​ 기술이 데모에서 실전으로 넘어갔다. AlphaFold가 단백질 접힘 문제를 풀었을 때, 학계는 흥분했지만 제약 업계는 관망했다. "인상적이지만, 신약을 만들어낸 건 아니니까." ​ 하지만 2024년 노벨 화학상이 AlphaFold 개발에 기여한 연구자에게 돌아갔을 때, 분위기가 달라졌다. https://www.nobelprize.org/prizes/chemistry/2024/press-release/ 그리고 지금, Eli Lilly가 Insilico Medicine에 27.5억 달러를 걸었다. 이건 리서치 펀딩이 아니라 상업적 배팅이다. AI가 실제 신약 파이프라인에 통합되기 시작한 것이다. ​ IPO 시계가 째깍거리고 있다. Anthropic은 올해 IPO를 검토하고 있고, 2월 Series G에서 기업가치 3,800억 달러를 인정받았다. 이 숫자를 정당화하려면, "우리는 챗봇 회사입니다"로는 부족하다. "우리는 신약 개발 인프라를 제공하는 회사이기도 합니다"라고 말하는 순간, 기업의 잠재 시장 규모(TAM)가 한 차원 도약한다. ​ 여기서 Anthropic이 Novartis CEO Vas Narasimhan을 이사회에 앉힌 것을 주목해야 한다. https://www.novartis.com/about/executive-committee/vasant-narasimhan#tabbiography-14511 ​ Anthropic은 그의 "35개 신약 승인 경력"을 강조했다. 이것은 기술 자문이 아니다. 이것은 밸류에이션 내러티브를 위한 인적 인프라 구축이다. 투자자들에게 "우리는 FDA를 항해할 수 있는 사람이 이사회에 있습니다"라고 말하는 것이다. ​ 규제가 장벽이 아니라 해자가 된다. 이건 직관에 반하는 논리인데, 한번 곰곰이 생각해 보면 자연스럽다. 제약 산업이 "가장 규제가 심한 산업"이라는 사실은, 진입 장벽인 동시에 방어벽 이다. ​ FDA 승인 프로세스, 임상 시험 규약, HIPAA 컴플라이언스 등 이 모든 규제의 복잡성이 높을수록 AI가 제공할 수 있는 가치가 커지고, 동시에 후발 주자가 따라잡기 어려워진다. ​ 쉽게 말해, 아무리 좋은 AI 모델을 만들어도 제약 규제를 모르면 쓸 수 없다. 한번 도입된 AI 솔루션을 다른 것으로 바꾸려면 규제 재검증까지 해야 하니, 전환 비용이 천문학적이다. 먼저 들어간 회사가 절대적으로 유리한 구조다. 이 공식을 우리는 이미 한 번 본 적이 있다 사실 이 이야기에는 데자뷔가 있다. 1990년대 후반으로 돌아가 보자. Oracle과 SAP는 범용 데이터베이스와 기업용 소프트웨어(ERP)로 급성장했지만, 어느 순간 같은 벽에 부딪혔다. ​ 데이터베이스 라이선스의 단가를 더 올리기 어려웠다. 소프트웨어라는 범용 시장의 가격 천장이었다. ​ 그들이 찾은 돌파구는 금융 산업 이었다. 왜 하필 금융이었을까. ​ 구조를 보면 지금과 놀랍도록 닮아 있다. 금융 거래 한 건의 가치가 극도로 높았다. 시스템이 1시간만 멈춰도 수억 달러가 날아갔다. 그리고 금융 규제가 워낙 복잡해서, 한번 도입된 소프트웨어를 교체하는 비용이 처음부터 새로 구축하는 비용보다 컸다. 거래 단가가 높고, 실패 비용이 크고, 규제가 전환 비용을 높이는 산업. ​ 이 세 가지 조건이 만나는 곳에서, 소프트웨어의 가격은 범용 시장과는 비교할 수 없을 만큼 높아졌다. ​ Oracle은 금융 서비스 전용 사업부를 키워서, 결국 145개국 900개 이상의 금융기관에 솔루션을 공급하는 거대 수직 사업으로 만들었다. SAP도 같은 경로를 밟았다. 두 회사 모두, 금융 산업 진출이 기업 가치를 재설정하는 결정적 전환점이 되었다. ​ 지금 AI 기업과 바이오·제약 사이에서 벌어지는 일은, 이 공식의 정확한 반복이다. ​ 범용 시장의 가격 천장에 부딪힌 기술 기업이, 거래 건당 가치가 높고, 실패 비용이 크고, 규제가 복잡한 수직 시장으로 이동해서, 기술의 가격 결정력을 확보하고, 기업 가치를 재설정한다. ​ 30년 전에 소프트웨어가 금융에서 했던 일을, 지금 AI가 바이오에서 하고 있다. 다음 순서는 어디인가 그런데 이 공식을 알고 나면, 자연스럽게 다음 질문이 떠오른다. AI 기업이 바이오 다음으로 향할 산업은 어디일까? ​ 답은 같은 조건을 대입하면 된다. 거래 건당 가치가 높고, 실패 비용이 크고, 규제 복잡성이 높은 산업. 국방. 에너지. 항공우주. ​ 한번 생각해 보라. 전투기 한 대의 가격이 수천억 원 이다. 에너지 플랜트 하나의 설계 오류는 수조 원의 손실로 이어진다. ​ 항공우주 산업의 규제는 제약 산업 못지않게 촘촘 하다. 그리고 실제로 이 영역에서의 움직임은 이미 시작되고 있다. ​ AI 기업들은 자기 기술의 "가격표"를 높여줄 시장을 체계적으로 탐색하고 있다. 바이오는 그 첫 번째 큰 움직임이지, 마지막이 아니다. 인센티브가 정렬될 때 AI 기업들의 바이오 진출을 "다각화"나 "사회 공헌"으로 읽는 순간, 구조가 보이지 않게 된다. ​ 이것은 AI 산업이 자신의 기술적 역량에 걸맞은 경제적 가치를 포착하기 위한 수직 상승 기동이다. ​ 기술이 아니라 단위 경제학이 방향을 결정하고, 규제가 해자를 제공하며, IPO가 속도를 결정한다. ​ 그래서 마지막 질문은 이것이다. AI 기업들은 지금 바이오를 통해 생명을 혁신하려는 걸까, 아니면 바이오의 가격표를 통해 자신의 기업 가치를 혁신하려는 걸까? ​ 아마, 둘 사이의 구분은 생각보다 중요하지 않을 수 있다. Oracle이 금융 산업의 가격표를 원했든, 금융 시스템을 진심으로 혁신하려 했든, 결과적으로 두 가지 모두 일어났으니까. ​ 가장 강력한 혁신은 이상주의가 아니라, 인센티브가 정렬될 때 일어난다. 그리고 지금, 바이오라는 시장에서 AI의 인센티브와 인류의 필요가 같은 방향을 가리키기 시작했다. 그것이 우연인지 필연인지는, 5년 후에 알게 될 것이다. #AI #바이오텍 #신약개발 #Anthropic #OpenAI #단위경제학 #AlphaFold #규제해자 #투자인사이트 #모소밤부