21시간의 발견: Claude가 CRISPR 같은 효소 시스템을 찾아낸 날
글의 핵심 개념을 형상화했습니다.
왜 읽어야 하나
AI 에이전트에 실제 일을 맡기거나, 맡기려는 계획을 세우고 있는 CTO와 플랫폼 리더라면 이 글이 해당합니다. 에이전트 자율성을 어느 선까지 넓히고 어디에 검증을 두어야 하는지 결정하는 데 필요한 사례입니다. 결론을 먼저 드립니다. Claude가 21시간에 걸쳐 발견한 효소 시스템 그 자체보다, 그 발견을 만들어낸 워크플로가 더 중요합니다. 문제를 사람이 세우고 에이전트가 장시간 자율 탐색을 하고 결과를 사람이 해석하는 워크플로. 그리고 이 워크플로에 아직 비어 있는 구간, 즉 “발견에서 검증까지”가 바로 기업의 에이전트 플랫폼이 투자해야 할 자리입니다.
개요
2026년 9월 23일(수) Anthropic은 자사 모델 Claude가 세균 DNA 속에서 이전에 알려지지 않은 효소 시스템을 “자율적으로(autonomously)” 발견했다고 발표했습니다. Al Jazeera의 보도에 따르면, 이 탐색은 샌프란시스코에 최근 문을 연 Anthropic 생물학 연구소의 연구원들이 문제를 설정해 주면서 시작됐습니다. Claude는 대규모 DNA 시퀀스 데이터베이스를 21시간에 걸쳐 검색했습니다.
발표의 내용은 이렇습니다. 발견된 시스템은 단수밖에 알려지지 않은 “프로그래머블(programmable)” 구조에서 보이는 특성들을 갖고 있고 CRISPR을 떠올리게 하는 패턴을 보여준다는 것입니다. Anthropic은 이 시스템이 “새로운 유전자 편집 메커니즘을 대표할 수 있다”고 말하면서도, 표현은 끝까지 조심스럽습니다. CEO Dario Amodei는 X 게시물에서 이 분자 기계(molecular machine)가 새로운 유전자 편집 메커니즘이 될 수 있다고 “의심(suspect)”한다고 썼고 정확한 기능과 생물학적·기술적 유용성이 있는지, 그 중요도의 수준은 아직 분명하지 않다고 인정했습니다.
컨텍스트를 하나 더 붙이면, 이 발표가 우발적인 것이 아님을 알 수 있습니다. 탐색은 “최근 설립된” Anthropic 생물학 연구소의 연구원들이 설정한 문제에서 시작됐습니다. frontier 랩들이 생명과학에 조직을 세우고 있다는 신호는 이미 몇 개월 전부터 쌓여 왔습니다. Google DeepMind의 Isomorphic Labs가 단백질 구조와 drug discovery에 전념하고 있고 OpenAI도 생명과학 연구 인력을 구축해 왔습니다. Anthropic은 이번 발표로 “생물학 연구소가 있고 그 연구소가 Claude에게 문제를 내고 있다”는 구조를 공식적으로 보여준 것입니다. 모델 성능 경쟁이 코딩·수학·에이전트로 확장된 다음 단계가, 도메인 확장(생명과학·물리·소재)이라는 것은 어느 정도 예견됐던 흐름입니다.
발견의 배경: CRISPR이라는 이름이 가지는 무게
“CRISPR 유사”라는 수식어가 이렇게 큰 파문을 만드는 데는 이유가 있습니다. CRISPR은 세균에 존재하는 유전체 편집 메커니즘으로, 2020년 화학 노벨상의 대상이 됐습니다. Emmanuelle Charpentier와 Jennifer Doudna가 자연계의 CRISPR 시스템을 살아있는 유기체의 DNA 편집에 활용하는 방법을 개척한 데 대한 수상이었습니다.
CRISPR이 하는 일을 압축하면 이렇습니다. 세균은 감염해 온 바이러스의 DNA 조각을 기억하는 시퀀스(CRISPR 배열)를 갖고 있고 그 기억에 해당하는 시퀀스가 다시 들어오면 가이드 RNA와 편집 효소(대표적으로 Cas9)가 그 위치를 찾아 DNA를 자릅니다. 인간은 이 메커니즘을 가져와 원하는 위치의 가이드 RNA를 설계함으로써 거의 어떤 유전체든 정밀하게 편집할 수 있게 됐습니다. 그래서 “CRISPR과 비슷한 프로그래머블 구조”라는 말은, 자연계에 또 하나의 편집 가능 분자 기계가 있을지도 모른다는 뜻으로 읽힙니다.
CRISPR 기술은 고형구혈증과 같은 질병 치료에서 성과가 인정받고 있고 지난해에는 필라델피아 어린이병원이 카바모일 포스페이트 신데타제 1(CPS1) 결핍으로 태어난 영아를 맞춤형 CRISPR 유전자 편집 요법으로 치료한 사례를 “역사적” 돌파구로 발표했습니다. 유전자 편집이 실험실 가설에서 실제 환자 치료로 넘어선 시점에서 “새로운 CRISPR 유사 시스템”이라는 말은 연구계와 시장 양쪽에서 같은 크기로 울립니다.
그 배경에서 “CRISPR과 비슷한 패턴을 가진 새로운 프로그래머블 분자 기계”라는 문장은, 연구자에게는 검증해야 할 가설이고 시장에게는 다음 CRISPR의 첫 소문으로 들립니다. 이번 발표가 특히 주목받은 이유는 바로 이 두 해석 사이의 간극을 누가 얼마나 빨리 줄이느냐에 달렸습니다.
두 명의 학자, 두 가지 반응
보도를 본 학계의 반응은 양쪽으로 갈렸습니다. Stanford 대학교 바이오엔지니어링학과 조교수인 Stanley Qi는 이번 발견을 “믿기 어려울 만큼 흥미롭다(incredibly exciting)”고 평가했습니다. 그는 Al Jazeera에 “눈에 띄는 것은, 이전에 잘 포착하지 못하던 비범한 생물학적 패턴을 인식하고 그것을 하나의 연구 질문으로 종합적으로 파고드는 능력”이라고 말했습니다. 자연에는 우리가 거의 이해하지 못하는 거대한 분자 시스템 다양성이 있고 그중 일부 패턴은 매우 복잡하지만 의미가 크며 AI가 이 탐색을 훨씬 효과적이고 빠르게 확장할 수 있다는 것이 그의 논지였습니다. 그리고 그 증거가 바로 21시간이라는 숫자였습니다.
반대로 Washington University School of Medicine의 미생물학자 Kevin Blake는 과학적 중요성에 대한 회의론을 냈습니다. “CRISPR-like”라는 표현 때문에 일부 사람들이 Anthropic이 ‘다음 CRISPR’, 즉 노벨상 수상 유전자 편집 기술을 발견했다고 바로 결론짓는다고 그는 지적합니다. CRISPR 기술은 자연의 CRISPR, 즉 기본적으로 세균의 면역 시스템과 매우 다르다는 것입니다. 수백만 종의 세균이 아직 연구되지 않았기 때문에, 발견·정리되지 않은 CRISPR 유사 시퀀스는 무수히 많다고 그는 강조했습니다. “이것이 CRISPR 기술의 라이벌이 될 것임을, 혹은 어떤 치료적·실용적 응용으로 개발될 수 있음을 보여주는 것은 아무것도 없다”는 것이 그의 결론이었습니다.
두 반응은 오히려 같은 지점을 가리킵니다. 지금의 증거로는 “발견”을 “발명”으로 넘어설 수 없다는 것입니다.
검증이 되려면 무엇이 필요한가
“CRISPR 유사”라는 표현이 과학적으로 의미 있으려면, 최소한 다음 단계들이 필요합니다.
첫째, 기능 검증입니다. 이 효소 시스템이 실제로 DNA를 자르거나 재조합하는지를 실험실에서 보여주는 것입니다. 자연의 CRISPR 시스템이 “발견”에서 “기술”이 되기까지 수십 년이 걸렸고 그 사이에 핵심은 기능의 실증이었습니다. 이번 발견은 아직 시퀀스 데이터베이스에서의 패턴 인식 단계에 있습니다.
둘째, 프로그래머빌성의 확인입니다. 발표에서 이 시스템이 “프로그래머블” 구조의 특성을 보인다고 하지만 CRISPR의 혁명은 발견 자체가 아니라 “가이드 RNA를 설계하면 원하는 위치를 편집할 수 있다”는 프로그래머빌성에 있었습니다. 새 시스템도 같은 성질을 갖는지 확인되어야, “유전자 편집 메커니즘”이라는 말이 유효합니다.
셋째, 공개와 재현입니다. 지금은 기업의 발표로만 존재합니다. 데이터셋이 무엇이었는지, 21시간 탐색이 어떤 알고리즘으로 수행됐는지, 발견된 시스템의 시퀀스가 어디에 있는지가 공개되어야 다른 연구자들이 재현·검증에 들어갈 수 있습니다. 동료 심사 논문의 형태가 되지 않는 한, 이 발견은 “신고”에 머뭅니다.
이 세 단계가 진행될 때마다, 이번 사례는 “AI가 발견했다”는 헤드라인에서 “AI가 발견한 것을 과학이 검증했다”는 헤드라인으로, 혹은 그 반대인 “AI가 오인한 것이었다”는 헤드라인으로 이동합니다. 지금은 어느 쪽도 아니지만 어느 쪽이든 다음 헤드라인은 실험실과 논문에서 결정됩니다.
이 발표가 에이전트 프런티어에 말해주는 것
생물학 내용에서 한 발 물러나면, 이 발표는 에이전트 능력의 프런티어에 관한 데이터 포인트입니다. 네 가지를 짚어보겠습니다.
첫째, 21시간의 자율 실행입니다. Claude는 데이터베이스를 21시간 동안 탐색했습니다. 중간에 사람 개입 없이 탐색 공간 전체를 훑고 후보를 추려 패턴을 식별해 온 과정입니다. 에이전트 자율성의 논쟁이 “몇 분짜라든가 몇 시간짜리 작업을 할 수 있느냐”에서 “장시간(10시간, 24시간) 자율 실행을 할 수 있느냐”로 이동해 온 흐름에서, 21시간은 이미 충분히 긴 구간입니다.
이 구간의 의미를 짚으면, AI가 과학에 기여한 이전 사례들과의 비교가 도움이 됩니다. AlphaFold가 단백질 구조를 예측한 사례는 “예측이 실험으로 검증됐다”는 점에서 완결된 이야기였습니다. 구조 예측은 검증 실험이 상대적으로 단순하기 때문입니다. 반면 이번 사례는 “패턴을 찾았다”는 단계에 머물러 있습니다. 효소 시스템의 기능을 결정하려면 실험실 검증이 필요하고 그 검증은 아직 시작되지 않았습니다. 즉, 이번 발표는 AI가 “해결”을 보여주는 것이 아니라 “가설을 생산”하는 단계에 들어왔음을 보여주는 사례입니다. 가설 생산은 검증보다 훨씬 빠르고 그래서 검증 없이 퍼지기에도 훨씬 유리합니다.
둘째, “prompted by researchers”라는 표현입니다. 탐색은 연구원들이 문제를 설정하면서 시작됐습니다. 무엇을 어디서 찾을지를 사람에게서 받고 어떻게 찾을지는 에이전트가 설계한 것입니다. 이는 2026년 들어 반복되고 있는 패턴으로, 에이전트의 능력은 사람과 에이전트가 일하는 방식(division of labor)과 함께 평가되어야 한다는 점을 다시 확인시켜 줍니다.
셋째, 미검증 상태입니다. 기능은 아직 결정되지 않았습니다. 동료 심사 논문도 없습니다. Anthropic조차 “의심한다”로 표현을 끝냈습니다. 즉, 이 발표는 에이전트가 “일을 잘했다”는 증거이기도 하지만 “일의 결과가 검증되어야 가치가 있다”는 증거이기도 합니다.
넷째, “autonomously”라는 말의 정확한 범위를 짚어둘 필요가 있습니다. 자율적이었다는 것은 21시간의 탐색 과정에 사람 개입이 없었다는 뜻이지, 발견의 전 과정이 자율적이었다는 뜻은 아닙니다. 문제를 설정한 것은 연구원이었고 해석하는 것은 지금도 사람입니다. “자율”이 적용된 구간은 탐색(어떤 시퀀스가 후보인가를 찾아내는 과정)입니다. 이 구분은 중요하고 에이전트 자율성의 논의를 “에이전트가 모든 것을 혼자 했는가”라는 이분법에서 “어느 구간이 자율이고 어느 구간이 인간인지”라는 구간론으로 옮기는 데 도움을 줍니다. 구간이 명확하면, 그 구간마다 필요한 검증과 책임도 명확해집니다.
ThakiCloud 제품 적용 시사점
ThakiCloud의 Paxis는 에이전트를 실행하는 Agent-Native Cloud로, Skills, Tools, Policies, Audit Logs를 일급 리소스로 다루는 제어 평면입니다. 이번 사례를 Paxis 관점으로 읽으면 세 가지가 보입니다.
첫째, 자율성 문제의 중심이 이동했습니다. “에이전트가 21시간을 도느냐”는 이미 답이 나온 질문이고 남은 질문은 “그 21시간의 산출물을 누가, 어떤 절차로 검증하느냐”입니다. Paxis의 정책 게이트(policy gate)와 감사 로그(audit log)가 존재하는 이유가 바로 이것입니다. 에이전트의 모든 행동을 정책 게이트로 통과시키고 로그로 남기는 구조는, 발견형 작업이든 운영형 작업이든 “검증 가능한 에이전트”를 만들기 위한 기본 골격입니다.
둘째, “문제 설정은 사람, 탐색은 에이전트, 해석은 사람”이라는 분업 패턴이 기업 에이전트 설계의 템플릿이 될 수 있습니다. 이번 발견에서 연구원들이 한 일은 문제를 세우는 일でした. Claude가 한 일은 21시간의 탐색이었습니다. 그리고 지금 이 결과를 해석하는 것은 다시 사람들입니다. 이 3단계 구조를 Paxis 워크플로로 번역하면, 휴먼 인 더 루프 승인 지점을 어디에 둘지가 설계 문제로 떠오릅니다. 자율성을 넓히는 방향은 탐색 구간이지만 검증 구간은 사람의 확인을 두는 방향입니다.
셋째, “미검증 발견”의 리스크는 “미검증 에이전트 산출물”의 리스크와 같은 구조입니다. 효소 시스템이 CRISPR의 라이벌이 될지 아닐지는 지금의 데이터로는 알 수 없습니다. 이와 마찬가지로, 에이전트가 21시간에 만들어 낸 산출물이 실제 가치로 이어질지는 검증 계층이 붙어야 알 수 있습니다. 발견의 가능성을 과대평가하는 것은 hype의 함정이고 검증의 부재를 과소평가하는 것은 운영의 함정입니다.
구체적으로 본다면, 이번 사례의 21시간 탐색을 기업의 문서 분석 워크플로로 번역할 수 있습니다. “대규모 DNA 시퀀스 데이터베이스”의 자리에 사내 문서 저장소나 거래 데이터가 있고 “CRISPR 유사 패턴 식별”의 자리에 “이례적 거래 패턴 탐지”나 “계약서 내 위험 조항 식별”이 들어갑니다. 구조는 동일합니다. 데이터셋이 크고 탐색 시간이 길고 산출물은 “가능성”이지 “확정”이 아닙니다. 이 구조의 에이전트를 돌릴 때 필요한 것은 더 빠른 탐색이 아니라, 탐색 결과에 붙는 검증 절차입니다. 어떤 기준으로 통과시키는지, 통과하지 못한 결과는 어디에 기록하는지, 그 기록을 누가 다시 보는지. 이 세 가지가 정의되지 않은 장시간 탐색은, 이번 발표가 보여준 “의심(suspect)” 단계에서 멈춰 있는 것과 같은 상태입니다.
한계 및 반론
이번 발표를 읽을 때 기억해 둘 한계들이 있습니다.
첫째, 단일 기업 발표입니다. 동료 심사 논문의 형태가 아니어서, 방법론과 데이터셋의 디테일이 공개되어 있지 않습니다. 21시간 탐색이 어떤 데이터베이스, 어떤 규모, 어떤 탐색 전략으로 수행됐는지는 아직 알 수 없습니다.
둘째, 기능 미결정입니다. Anthropic 스스로가 이 시스템의 기능을 아직 결정하지 못했다고 밝혔습니다. “새로운 유전자 편집 메커니즘”은 의심(suspect) 단계의 표현입니다.
셋째, “5~10년 내 대부분의 질병을 치료한다”는 발언은 Amodei 개인의 전망입니다. 이번 발견과 직접 연결된 근거가 제시된 것이 아니라, AI의 생물학 적용에 대한 더 큰 비전의 일부로 제시됐습니다. Fox Business의 보도도 이 구분 없이 두 가지를 함께 전하고 있어, 읽을 때 구분하는 눈이 필요합니다.
넷째, 규모 우위의 문제입니다. 대규모 시퀀스 데이터베이스를 21시간 탐색할 수 있는 컴퓨팅 자원을 갖춘 랩에서 나온 발견입니다. 이 탐색 자체가 경쟁 우위였고 “AI가 발견했다”는 서사의 일부는 “AI가 큰 데이터를 오래 뒤졌다”는 사실 위에 서 있습니다.
정리
Claude의 21시간 탐색이 찾아낸 효소 시스템은, 지금 시점에서 “발견”입니다. “발명”은 아직 아닙니다. Stanley Qi가 말한 흥미로움과 Kevin Blake가 말한 회의는 서로를 상쇄하지 않습니다. 둘 다 “검증 전”이라는 같은 사실 위에 서 있습니다.
에이전트를 운영하는 관점에서 이 사례가 남기는 메시지는 명확합니다. 에이전트 자율성의 다음 frontier는 실행 시간이 아니라 검증입니다. 사람이 문제를 설정하고 에이전트가 21시간을 탐색하는 구조를 만든다면, 그 구조의 절반은 “결과를 어떻게 검증하고 감사 로그로 남길 것인가”를 설계하는 일이어야 합니다. 21시간의 발견을 가치 있는 발견으로 바꾸는 것은, 결국 그 다음에 올 검증의 시간입니다.
Claude의 21시간 탐색은 “AI가 과학을 한다”는 큰 서사의 작은 한 페이지입니다. 효소 시스템이 실제로 무엇을 하는지는 아직 아무도 모릅니다. 그러나 “문제를 사람에게 맡기고 탐색을 에이전트에게 맡긴 뒤, 다시 사람에게 해석을 맡긴다”는 3단 구조는, 이 작은 페이지에 이미 적혀 있습니다. 그 구조가 기업 워크플로에도 같은 모양으로 성립하는지는, 우리가 에이전트를 설계하는 과정에서 증명할 일입니다.