AI의 활용 영역이 신약개발을 넘어 의약품 제조 현장으로 확대되고 있다. 생산과 품질관리 과정에서 축적되는 데이터를 AI로 활용하려는 움직임이 본격화하면서 데이터의 신뢰성과 무결성을 확보하고 AI 모델을 체계적으로 관리하는 것이 새로운 과제로 떠올랐다.
22일 서울 강남구 코엑스에서 열린 ‘Data Integrity by Design: AI와 디지털 전환 시대의 데이터 신뢰성’에서 ‘AI 적용의 현주소’를 주제로 의약품 제조 분야의 AI 활용 가능성과 과제를 논의하는 세션이 진행됐다. 전문가들은 제조 AI의 성패를 좌우하는 요소로 모델 자체보다 데이터의 품질과 연결, 현장 검증을 꼽았다.
첫 발표에 나선 김화종 K-MELLODDY 단장은 ‘AI 시대의 의약품 제조 데이터 무결성(Data Integrity)-연합학습과 제조 파운데이션 모델의 가능성’을 주제로 제조 AI가 단순 자동화를 넘어 품질 예측으로 발전할 것으로 내다봤다.
기존 의약품 제조에서 데이터 무결성은 데이터를 정확하게 기록하고 보존하는 것이 주요 역할이었지만 AI가 도입되면서 데이터의 역할도 달라졌다. 데이터를 표준화해 실시간으로 수집·관리하고 이를 기반으로 이상을 탐지하거나 품질을 예측하는 단계로 확장되고 있다.
김 단장은 “향후 GMP 전 영역에 AI가 도입될 수 있고 제조 AI 고도화를 위해서는 충분한 데이터가 필요하다. 하지만 한 공장이나 장비에서 확보할 수 있는 데이터만으로는 다양한 상황을 학습하는 데 한계가 있다”라며 “기업 간 데이터 공유가 쉽지 않은 제약산업의 특성상 데이터를 한곳에 모으지 않고 각 기업이 보유한 데이터를 활용해 공동으로 AI를 학습시키는 연합학습이 대안이 될 수 있다”고 밝혔다.
또 제조 데이터의 원활한 결합을 위해서는 데이터의 이질성을 구분해야 하는데, 실제 제조 데이터를 학습한 도메인 파운데이션 모델과 범용 파운데이션 모델을 제조 현장에서 활용하는 것이 관건이라고 강조했다. 그는 “진짜 제조 파운데이션 모델의 병목은 모델보다 데이터”라며 “데이터 공유가 제한된 환경에서 연합학습이 전략적인 연결고리가 될 수 있다”고 설명했다.
실제 제약 제조 현장에서도 AI를 적용하려는 시도가 이어지고 있다. 황주영 종근당 이사는 ‘제약특화 AI와 스마트 DI 포털로 완성하는 데이터 거버넌스’를 주제로 종근당의 구축 사례를 소개했다.
종근당은 사내 문서관리시스템(EMS), 품질관리시스템(QMS), 전사적자원관리(ERP) 등에 흩어진 데이터를 찾아 질문에 답하는 사내 AI 에이전트를 구축했다. 상용 AI의 높은 성능을 활용하면서도 민감한 제조·품질 데이터가 외부로 연결될 때 발생할 수 있는 보안 문제를 고려한 것이다.
도입 과정이 순탄했던 것은 아니다. 황 이사는 “초기에는 부서마다 사용하는 용어가 다르고 현장 약어를 AI가 제대로 이해하지 못하면서 존재하지 않는 의미를 만들어내는 환각 문제가 발생했다”며 “이를 해결하기 위해 서로 다른 시스템의 용어와 데이터 관계를 하나의 기준으로 연결하는 온톨로지를 구축했다”고 설명했다.
온톨로지는 서로 다른 시스템에서 사용하는 용어와 데이터의 관계를 하나의 기준으로 정리하는 작업이다. 기존 시스템은 그대로 유지하면서 그 위에 온톨로지를 구축해 시스템마다 다르게 사용하던 용어와 데이터의 관계를 정의했다.
황 이사는 시스템 구축을 통해 업무가 효율적으로 바뀌었다고 말했다. 그는 “과거에는 사람이 여러 시스템에 직접 접근해 정보를 수집하고 문서를 작성한 뒤 검토했지만 현재는 AI가 정보를 찾아 문서를 작성하고 검토 과정까지 하며 사람이 최종 승인하면 완성된 문서가 만들어지는 방식으로 전환하고 있다”고 말했다.
다만 황 이사는 제조 분야에서 AI 활용을 더 활성화하기 위해서는 환각과 레거시 시스템, 강한 규제와 보안 문제 등을 극복해야 한다고 했다. 그는 “제조 현장에서 AI 활용을 확대하기 위해서는 단순히 성능 좋은 모델을 도입하는 것을 넘어 데이터의 오류, 규제, 보안 문제를 극복할 수 있도록 현장에서 신뢰할 수 있는 형태로 관리하는 기반을 먼저 갖춰야 한다”고 강조했다.
