최근 실리콘밸리의 투자 동향을 살피던 중 Converge Bio가 2,500만 달러 규모의 자금을 조달했다는 소식을 접했다. 단순한 금액의 크기보다 내 눈길을 끈 것은 투자자들의 면면이었다. 베세머 벤처 파트너스(Bessemer Venture Partners) 같은 전통의 강자는 물론, 메타(Meta), 오픈AI(OpenAI), 그리고 위즈(Wiz) 출신의 핵심 임원들이 개인적으로 참여했다는 점이 매우 흥미로웠다.
나는 평소 AI가 소프트웨어를 넘어 물리적 세계, 특히 바이오와 헬스케어 영역으로 어떻게 침투하고 있는지에 깊은 관심을 가져왔다. 이번 투자 소식은 단순히 한 스타트업의 성공적인 펀딩을 넘어, 현재 AI 생태계를 주도하는 ‘두뇌’들이 다음 전장으로 어디를 낙점했는지를 보여주는 중요한 이정표처럼 느껴졌다.
AI 거물들이 바이오에 베팅하는 이유
메타와 오픈AI, 그리고 클라우드 보안의 신성 위즈의 임원들이 한데 모여 특정 바이오 벤처에 투자했다는 것은 시사하는 바가 크다. 이들은 모두 ‘데이터의 규모’와 ‘모델의 효율성’이 어떻게 세상을 바꾸는지 최전선에서 경험한 사람들이다. LLM(대규모 언어 모델)이 텍스트라는 데이터 세트를 통해 인간의 언어를 학습했듯, 바이오 영역에서도 생물학적 데이터를 정교하게 학습시킨 모델이 탄생한다면 그 파급력은 상상을 초월할 것이다.
전통적인 신약 개발이나 바이오 연구는 이른바 ‘시행착오의 예술’이었다. 수만 번의 실험을 통해 단 하나의 유효한 물질을 찾아내는 방식이었지만, 이제는 AI가 가상 환경에서 수억 개의 조합을 시뮬레이션하고 최적의 후보군을 추려내는 시대로 접어들고 있다. 투자자들은 Converge Bio가 가진 기술적 접근법이 이러한 ‘탐색 비용’을 획기적으로 줄여줄 수 있다고 판단했을 것이다.
특히 위즈(Wiz) 출신들의 참여가 눈에 띈다. 보안 기업의 관점에서 본다면, 바이오 데이터는 세상에서 가장 민감하고 복잡한 데이터 중 하나다. 이를 안전하게 처리하면서도 효율적으로 분석할 수 있는 인프라 구축 능력이 바이오 AI 기업의 핵심 경쟁력이 될 수 있다는 점을 그들은 꿰뚫어 보았을 가능성이 높다.
자본의 흐름이 말해주는 ‘융합’의 시대
베세머 벤처 파트너스와 같은 벤처 캐피털(VC)은 리스크 관리와 시장 확장성을 동시에 본다. 2,500만 달러라는 시드 혹은 초기 단계의 투자금은 Converge Bio가 단순한 아이디어 단계를 넘어, 구체적인 가설을 검증하고 프로토타입을 고도화할 수 있는 충분한 연료가 될 것이다. 이제 바이오 산업은 더 이상 생물학자들만의 전유물이 아니라, 데이터 과학자와 소프트웨어 엔지니어가 함께 설계하는 ‘시스템 공학’의 영역이 되었다.
나는 이번 사례를 보며 ‘Convergence(융합)’라는 단어의 의미를 다시 생각하게 되었다. 과거에는 AI가 바이오 연구를 돕는 ‘도구’였다면, 이제는 AI 자체가 연구의 ‘설계자’가 되는 구조로 변하고 있다. 단백질 구조 예측의 혁명을 가져온 알파폴드(AlphaFold) 이후, 우리는 이제 설계된 분자가 실제로 어떻게 작동할지 예측하고, 이를 역으로 설계하는 ‘생성형 바이오’의 시대로 진입하고 있는 셈이다.
이런 흐름 속에서 Converge Bio는 아마도 방대한 생물학적 데이터셋을 학습시켜, 특정 질환에 최적화된 치료제나 정밀 의료 솔루션을 찾는 모델을 구축하려 할 것이다. 메타나 오픈AI 출신들이 제공할 수 있는 가장 큰 가치는 자본뿐만 아니라, 거대 모델을 학습시키고 배포하며 겪었던 수많은 시행착오에 대한 ‘경험적 자산’일 것이다.
기술적 낙관론과 현실적인 장벽 사이에서
물론 AI가 모든 것을 해결해 줄 것이라는 낙관론만으로 접근하기엔 바이오 분야의 벽은 높다. 디지털 세상의 데이터는 정제하기 쉽지만, 생물학적 데이터는 노이즈가 심하고 실험 환경에 따라 결과가 천차만별이다. 소위 ‘인실리코(In silico, 컴퓨터 시뮬레이션)’ 결과가 아무리 훌륭해도, 결국 ‘인비보(In vivo, 생체 내 실험)’와 임상 시험이라는 물리적 검증 단계를 통과해야만 가치를 인정받는다.
하지만 이번 투자의 핵심은 그 ‘검증의 속도’를 얼마나 높일 수 있느냐에 있다. 10년이 걸리던 신약 후보 물질 발굴 기간을 1년으로 줄일 수 있다면, 그것만으로도 수조 원의 가치를 창출하는 사업이 된다. Converge Bio가 지향하는 지점도 바로 여기일 것이다. 데이터 기반의 예측 모델을 통해 실패 확률을 미리 계산하고, 성공 가능성이 가장 높은 경로만을 선택해 집중하는 전략이다.
결국 승부는 누가 더 양질의 데이터를 확보하고, 이를 얼마나 효율적으로 학습시킬 수 있는 아키텍처를 갖느냐에서 갈릴 것이다. 오픈AI의 임원들이 참여했다는 점은, 이들이 단순한 분석 도구가 아니라 스스로 가설을 세우고 검증 경로를 제안하는 ‘에이전트형 AI’를 바이오 영역에 구현하려는 야심이 있음을 암시한다.
우리가 주목해야 할 다음 스텝
이번 소식을 접하며 나는 앞으로 AI 스타트업의 지형도가 어떻게 바뀔지 고민해 보게 되었다. 이제는 단순히 ‘챗봇’을 만들거나 ‘이미지 생성’을 하는 서비스를 넘어, 실제 물리적 세계의 난제를 해결하는 Vertical AI의 시대가 본격화되었다. 그중에서도 생명공학과 AI의 결합은 인류의 수명과 건강이라는 가장 근원적인 욕망을 건드리는 영역이기에, 가장 치열한 전쟁터가 될 것이다.
다음에 내가 추적해 보고 싶은 것은 Converge Bio가 구체적으로 어떤 데이터셋을 활용하며, 어떤 방식의 모델 아키텍처를 채택했는가 하는 점이다. 또한, 이들이 내놓을 첫 번째 결과물이 어떤 질환이나 타겟을 향하고 있을지도 궁금하다. 과연 이들이 메타나 오픈AI에서 보여주었던 파괴적 혁신을 바이오 분야에서도 재현할 수 있을까?
만약 여러분이 기술 투자나 AI 트렌드에 관심이 있다면, 이제는 소프트웨어 내부의 효율성보다는 소프트웨어가 외부의 물리적 실체(물질, 세포, 단백질)를 어떻게 제어하기 시작하는지에 주목해 보길 권한다. 그것이 바로 다음 세대의 거대 유니콘이 탄생하는 지점일 테니까.