씨플랫폼, 제약·바이오 AI 전환 나선다…실행형 R&D 체계 전면에

씨플랫폼이 글로벌 인공지능(AI)·고성능컴퓨팅(HPC) 기업들과 손잡고 국내 제약·바이오 업계 AI 전환(AX) 시장 공략에 나선다. 단순 AI 도입을 넘어 실제 연구 성과와 운영 효율로 이어지는 실행 중심 AI 연구개발(R&D) 체계 구축 수요가 커지는 가운데, AI 인프라와 머신러닝·거대언어모델 운영관리(MLOps·LLMOps) 플랫폼을 결합한 통합 전략으로 시장 확대에 속도를 낸다는 목표다. 씨플랫폼은 HPE, 웨이츠&바이어시스(W&B), 노바디엑스와 함께 'AI 기반 제약·바이오·헬스케어 R&D 가속화 전략 세미나'를 개최해 국내 제약·바이오 산업을 위한 AI R&D 전략을 제시했다고 26일 밝혔다. 행사에는 국내 주요 제약·바이오·헬스케어 기업 IT 담당자와 AI 연구원 등 관계자 60여 명이 참석했다. 이번 세미나는 단순 기술 도입이 아닌 실제 연구 성과로 이어지는 실행 중심 AI 연구 체계 구축을 핵심 메시지로 내세웠다. 최근 제약·바이오 업계에선 생성형 AI와 LLM을 활용한 신약 개발과 후보물질 탐색 경쟁이 확대되고 있다. 하지만 실제 현장에선 AI 활용 사례 부족과 투자 대비 성과 불확실성, 데이터 관리 문제 등이 주요 과제로 떠오르고 있다. 실제 현장 설문조사 결과, 참석 기업들은 AI 도입의 가장 큰 걸림돌로 'AI 활용 사례 부족 및 투자 대비 ROI 불확실성(61.8%)'을 꼽았다. 이어 조직 내 AI 역량 부족(35.3%), 데이터 관리 및 실험 재현성 부족(29.4%), ML옵스 어려움(29.4%), 그래픽처리장치(GPU) 인프라 부족(26.5%) 순으로 나타났다. 업계 고민이 단순 인프라 확보 단계를 넘어 실제 업무 프로세스에 AI를 적용하고 운영 체계를 고도화하는 단계로 이동하고 있다는 분석이다. 이에 씨플랫폼은 AI 인프라와 ML옵스 플랫폼을 고객 연구 환경과 운영 목적에 맞춰 유연하게 결합하는 방안을 핵심 대안으로 제시했다. HPE는 대규모 AI 모델 학습과 추론에 최적화된 GPU 기반 고성능 인프라 전략을 소개했으며 데이터 처리부터 모델 학습·추론·운영까지 연결되는 AI 라이프사이클 전반 지원 구조를 강조했다. W&B는 실험 추적과 데이터·모델 버전 관리, 협업 환경 구축 등을 지원하는 ML옵스·LLM옵스 플랫폼을 소개했다. 반복 실험이 많은 AI 연구 환경에서 실험 재현성과 데이터 신뢰성을 확보해 실제 운영 환경 전환 속도를 높일 수 있다는 점을 내세웠다. 노바디엑스는 AI 인프라 설계부터 ML옵스 환경 구성까지 포함한 맞춤형 통합 구축 서비스를 선보였다. 아울러 아이티센클로잇은 멀티 AI 에이전트 관리 플랫폼 '에이전트고 2026'를 통해 연구 데이터 분석과 후보물질 탐색 자동화 전략을 발표했다. 최근 글로벌 제약·바이오 산업은 생성형 AI를 활용한 신약 후보물질 발굴과 임상 데이터 분석 경쟁이 본격화되면서 AI 인프라와 데이터 운영 체계 중요성이 빠르게 커지는 분위기다. 단순 모델 도입을 넘어 데이터 신뢰성과 실험 재현성, 운영 자동화 체계를 얼마나 안정적으로 구축하느냐가 핵심 경쟁력으로 부상하고 있다는 평가다. 김현석 W&B 한국지사장은 "W&B는 전 세계 LLM 개발 조직이 표준처럼 활용하는 플랫폼으로, 한국은 글로벌 사용량 톱3에 드는 핵심 시장"이라며 "앞으로 기업 AI 경쟁력은 모델 성능 자체를 넘어 실험과 데이터를 체계적으로 관리하고 이를 신속하게 운영 환경에 적용할 수 있는 역량에 달려 있다"고 설명했다. 백현범 씨플랫폼 본부장은 "제약·바이오 산업에서 AI는 이제 도입 여부가 아닌 실제 성과로 연결하는 운영 체계가 핵심 경쟁력"이라며 "HPE와 W&B 등 글로벌 파트너 생태계를 기반으로 고객들이 실질적으로 체감할 수 있는 AI R&D 실행 구조를 구축하는 데 앞장서겠다"고 강조했다.