클로드 950개 에이전트가 하루 만에 찾아낸 새로운 유전자 편집 단서, ART 시스템

AI가 단순 데이터 처리를 넘어 과학적 직관과 가설 수립의 영역까지 넘보고 있습니다. 앤트로픽이 공개한 첫 AI 생물학 연구소 성과는 'AI가 과학을 하는 방식' 자체를 다시 쓰게 만들 만큼 충격적입니다.

하루 만에 2억 토큰 분석, 클로드 950개 에이전트가 찾아낸 'ART' 시스템

이 시스템은 ART라고 이름 붙여졌습니다. 효소 주변에 반복 배열이 붙어 있는 조합이 'DNA를 자르고·복사하고·붙이는' 기존 유전자 편집 도구들과 같은 패턴을 보여, 앤트로픽 CEO 다리오 아모데이는 "박사과정 학생 시절 해냈을 법한 자랑스러운 작업"이라 평가했습니다. 다만 ART가 정확히 어떤 메커니즘으로 작동하는지는 아직 밝혀지지 않았으며, 실험 검증은 사람이 직접 진행할 예정입니다.

발견 과정 요약

1. 연구 주제 선정사람이 결정

   박테리오파지 게놈 데이터베이스를 탐색 대상으로 정함

2. 에이전트 병렬 탐색< 24시간

   950개 클로드 에이전트가 DNA 서열을 동시에 스캔하며 반복 배열 패턴 탐지

3. 이상 신호 포착자동

   한 에이전트가 "효소 근처에 CRISPR 같은 반복 배열이 있다"고 보고

4. 사람 검증·실험 설계후속 단계

   과학자가 후보를 검토하고 습식 실험(wet-lab) 계획 수립

ART 시스템 핵심 특징

CRISPR과 닮았지만 다른, '자르고 복사하고 붙이는' 새로운 유전자 편집 도구 후보

Anthropic의 AI 바이오랩에서는 클로드가 24시간 안에 950개의 에이전트와 2억 1천만 토큰을 분석해 바이러스 속 새로운 시스템을 찾아냈어요. 이 시스템은 반복되는 DNA 구간을 가지고 있는데, 그 모습이 유명한 유전자 편집 도구인 CRISPR의 반복 배열과 닮아 있었어요. 연구진은 이 시스템을 ART라고 이름 붙였고, 기존에 알려진 효소 주변에 이런 반복 배열이 함께 존재한다는 점을 최초로 포착한 것이죠.

반복 배열은 보통 DNA를 ‘자르고·복사하고·붙이는’ 과정을 제어하는 역할을 해요. ART가 CRISPR와 비슷한 구조를 가지고 있다는 점은, 이 시스템도 같은 방식으로 DNA를 편집할 가능성이 높다는 뜻이에요. 하지만 ART는 아직 알려지지 않은 바이러스에만 존재하고, 효소와 반복 배열이 새로운 조합으로 나타나기 때문에 기존 CRISPR 도구와는 작동 메커니즘이나 적용 범위에서 차별화될 수 있다고 전문가들은 보고 있어요.

• 기존 유전자 치료 보조
• 새로운 바이러스 연구
• AI‑기반 유전자 편집 도구 개발

AI가 가설을 쓰고 사람이 실험하는 '하이브리드 연구 파이프라인'의 실체

Anthropic의 AI 바이오랩이 첫 번째 성과로 내놓은 ART(Adaptive Repeat-Transposon) 시스템은 인간 연구자와 950개 클로드 에이전트가 하루 동안 협업한 '하이브리드 연구 파이프라인'에서 나왔습니다. 전체 워크플로우는 크게 세 단계로 나뉩니다. 첫째, 연구 주제 선정과 습식 실험(wet-lab)은 과학자가 맡습니다. Dario Amodei를 포함한 연구진은 '박테리오파지 게놈 속에 알려지지 않은 유전자 편집 도구가 숨어 있을 것'이라는 방향을 정하고, 후보 효소 주변 시퀀스를 실험으로 검증할 준비를 했습니다. 둘째, 방대한 게놈 데이터 스캔과 패턴 발견, 가설 제안은 AI가 전담합니다. 클로드 에이전트 950개가 24시간도 안 돼 2억 1천만 토큰 분량의 유전자 데이터베이스를 훑으며, 특정 효소 인근에 'CRISPR 같은 반복 배열(repeat array)'이 붙어 있는 조합을 자동으로 포착했습니다. 한 에이전트는 로그에 “that's a CRISPR-like … repeat array?!”라고 남겼는데, 이 문구가 바로 AI가 처음 던진 가설의 씨앗이었습니다. 셋째, 인간이 AI의 가설을 검토해 실험을 설계하고, 결과를 다시 AI에 피드백해 다음 반복을 돕습니다.

자료에 따르면 이 과정은 “mostly, though not entirely, Claude's work”로 요약됩니다. 즉, 데이터 마이닝과 초기 가설 생성은 AI가 거의 혼자 수행했지만, 실험적 입증과 생물학적 의미 해석은 여전히 사람 몫이었습니다. Amodei는 이 결과를 두고 “박사과정 학생 시절 해보고 싶던 수준의 작업”이라고 평하며, 2023년만 해도 기초 수학 문제를 풀지 못하던 모델이 이제는 분자생물학의 난제 후보를 하루 만에 제시하는 단계에 이르렀음을 강조했습니다. 앞으로 이 파이프라인은 '인간이 질문하고 AI가 후보를 추리면 인간이 검증하는' 사이클을 더 빠르게 돌려, CRISPR 이후 차세대 유전자 편집 도구 발굴을 가속화할 것으로 보입니다.

박사 과정 1년 치 발견을 하루 만에: 다리오 아모데이가 인정한 AI 연구 역량의 도약

다리오 아모데이 CEO는 이번 발견을 "박사 과정 학생으로서 자랑스러웠을 작업"이라고 평가했습니다. 클로드 950개 에이전트가 2억 1천만 토큰을 하루 만에 분석해 찾아낸 ART 시스템은, 효소 주변에 반복 배열이 결합된 형태가 기존 CRISPR과 유사하게 '자르고·복사하고·붙이는' 기능을 가질 가능성을 시사합니다. 아모데이 CEO는 2023년만 해도 기초 수학 문제를 풀지 못하던 모델이 이제는 해당 분야의 가장 어려운 미해결 문제들을 풀어내고 있다고 강조했습니다.

이번 연구는 AI가 가설 생성·데이터 마이닝을 주도하고, 인간이 실험 설계·검증을 담당하는 하이브리드 파이프라인이 실제 작동함을 입증했습니다. 아모데이 CEO는 오픈AI가 최근 100개 이상 수학 문제를 해결했다고 발표한 흐름과 같은 추세가 타 분야로 확산되고 있으며, "바로 이곳에서 세계를 바꿀 발견들이 태어나기 시작한다"고 말했습니다.

1. 연구 영역 선정인간

   과학자가 탐색할 바이러스 게놈 데이터베이스와 목표 효소군 정의

2. 대규모 에이전트 탐색< 24시간

   950개 클로드 에이전트가 2억 1천만 토큰 규모 DNA 서열 병렬 분석

3. 패턴 포착 및 가설 제안AI

   효소 인접 반복 배열(CRISPR 유사) 최초 식별 → '자르고·복사하고·붙이는' 메커니즘 가설 수립

4. 실험 검증인간

   AI 제안 가설을 바탕으로 습식 실험 설계·수행 후 결과 피드백

왜 '박사 1년 치'인가?

일반적인 박사 과정 학생이 문헌 조사·가설 수립·초기 데이터 분석까지 마치는 데 약 1년 이상 소요됩니다. 클로드는 이 전 과정을 24시간 내 압축 수행했으며, 인간이 놓치기 쉬운 미세 패턴(반복 배열-효소 조합)까지 포착했습니다.

• 동일 추론 엔진이 수학→생물학→타 과학 분야로 일반화 중
• 하이브리드 파이프라인이 표준 연구 방식으로 정착될 전망
• '세계 변화급 발견'이 AI-인간 협업 루프에서 가속화될 것

내 문맥을 읽는 브라우저 에이전트, '나만의 전문가'로 만드는 실전 팁

AI가 '나만의 전문가'처럼 작동하게 하려면, 자료를 던져주기 전에 먼저 질문하게 하고, 내 실제 데이터(문서·화면·로그) 를 보여주는 순서가 중요합니다. Rundown AI 교육자 네이트 그라헥은 가족 4인 T‑모바일 요금제를 브라우저 에이전트(ChatGPT·Claude 크롬 확장)로 분석하며 이 패턴을 실증했습니다.

1. 1. 에이전트에게 인터뷰 권한 주기

   "내 상황을 먼저 인터뷰해. 어떤 정보가 필요해?"라고 프롬프트를 던지면 에이전트가 질문 리스트를 뽑아옵니다.

2. 2. 브라우저 에이전트로 실데이터 수집

   크롬 확장(ChatGPT / Claude)을 켜고 통신사 계정에 로그인 → 현재 요금·프로모션·업그레이드 조건 화면을 스크롤하며 읽게 합니다.

3. 3. 평이한 언어로 재설명 요청

   "읽은 내용을 내 수준에 맞게 요약하고, 장기 비용 기준 추천안을 내줘"라고 지시하면 숨은 36개월 크레딧 조건·플랜별 실지출액을 표로 정리해 줍니다.

4. 4. 사람 판단으로 확정

   에이전트가 '작은 할인+기존 플랜 유지'가 더 이득이라고 제시하면, 가족 구성원별 사용 패턴을 고려해 최종 결정만 내립니다.

자주 묻는 질문

Q. 브라우저 에이전트가 로그인 화면을 못 넘으면? A. 수동 로그인 후 세션 쿠키가 유지된 상태에서 에이전트를 실행하세요. 대부분의 크롬 확장은 현재 탭 DOM을 읽습니다.

Q. 개인정보 유출 걱정은? A. 로컬 확장(ChatGPT·Claude 공식)은 페이지 텍스트만 모델로 전송하며, 비밀번호 필드는 마스킹됩니다. 민감 정보는 수동으로 지우고 넘기세요.

Q. 다른 도메인(보험·카드·의료비)도 같은 방식인가요? A. 네. '인터뷰 → 실데이터 제공 → 평언 재설명 → 사람 결정' 4단계는 도메인 불문 적용됩니다.

• 에이전트에게 먼저 질문하게 해 내 컨텍스트 구멍을 메운다
• 브라우저 확장으로 로그인 뒤 화면 전체를 읽게 한다
• 장기 총비용·숨은 조건을 평이한 표·문장으로 재설명 받는다
• 최종 선택은 사람의 상황·가치관에 맞춰 내린다

한 줄 요약

"나를 인터뷰하게 하고, 내 실제 화면·문서를 보여주면, AI는 일반 추천이 아닌 내 상황에 맞춘 전문가 답변을 내놓는다"

요약: AI 주도 과학 발견 시대의 개막, 이제 당신의 데이터에도 같은 방식을 적용하세요

Anthropic의 AI 바이오랩이 950개 클로드 에이전트로 2억 1천만 토큰을 하루 만에 훑으며 찾아낸 ART(Adaptive Repeat-Transposon) 시스템은, AI가 단순 보조를 넘어 과학적 발견의 주체로 나섰음을 보여줍니다. 다리오 아모데이 CEO가 "박사 과정 학생으로서 자랑스러웠을 작업"이라고 평한 이 성과는, 가설 수립부터 후보 도출까지 AI가 주도하고 인간이 실험으로 검증하는 하이브리드 연구 파이프라인이 현실이 되었음을 의미합니다.

당신의 데이터에도 '에이전트 군단 + 인간 감독' 적용하기

같은 원리를 내 문서·로그·화면 등 비정형 데이터에 바로 적용하려면, 자료를 던져주기 전에 먼저 질문하게 하고, 내 실제 컨텍스트(파일·화면·대화 기록)를 넘겨 '나만의 전문가'로 만드는 루프를 만드세요.

1. 1. 역할·목표·제약 프롬프트 준비1분

   '너는 내 도메인 전문가다. 내 데이터에서 ~한 인사이트를 찾아라. 단, 추측은 금지하고 근거만 말해라' 같은 시스템 프롬프트를 고정합니다.

2. 2. 인터뷰 먼저, 데이터 나중에2~3분

   에이전트에게 '내게 필요한 질문 5~7개를 먼저 해라'라고 시킵니다. 당신이 답하면 에이전트가 맥락을 정확히 잡습니다.

3. 3. 실제 컨텍스트 주입데이터량에 따라

   PDF·노션·깃허브·슬랙·브라우저 탭 등 살아있는 소스를 MCP·익스텐션·RAG 파이프라인으로 연결해 에이전트가 실시간으로 읽게 합니다.

4. 4. 다중 에이전트 병렬 탐색수 분~수 시간

   한 주제를 여러 관점(요약·비교·이상치 탐지·가설 생성)으로 쪼개 여러 에이전트를 동시에 돌리고, 결과를 인간 통합 리뷰로 모읍니다.

5. 5. 인간 검증·실험·피드백 루프지속

   에이전트가 내놓은 후보를 사람이 검증·실험→결과를 다시 에이전트에게 주어 다음 라운드 프롬프트 개선에 씁니다.

브라우저 에이전트로 통신 요금제를 분석해 최적 안을 뽑아낸 네이트 그라헥의 사례처럼, '자료 던지기 → 질문받기 → 컨텍스트 주기 → 병렬 탐색 → 인간 판독' 5단계만 익히면 내 데이터에서도 '하루 만에 박사 1년 치' 인사이트를 뽑는 파이프라인을 바로 가동할 수 있습니다.

---

• 원문 보기