생물학 분야의 AI 에이전트를 위한 기반 마련

생물학 데이터 인프라는 마치 자동차가 다니기 어렵게 설계된 오래된 도시와 같다. 파일 형식이 독특하고 데이터베이스가 파편화되어 있어, AI 에이전트가 탐색하기에는 매우 까다로운 구조를 가지고 있다.

반면 소프트웨어 인프라는 API, 버전 관리, 패키지 매니저 등 에이전트가 사용하기 적합한 표준화된 도구들을 갖추고 있다. 이로 인해 코딩 에이전트는 빠르게 발전하고 있지만, 생물학 에이전트는 데이터 검색 및 검증 과정의 복잡성으로 인해 발전 속도가 더디다.

연구팀이 Claude, Biomni, GPT 등 최신 모델을 사용해 NCBI Virus에서 데이터를 추출하는 실험을 진행한 결과, 모델의 추론 능력과는 별개로 데이터 접근 방식의 불안정성 때문에 정확도가 낮게 나타났다. 하지만 gget virus라는 **결정론적 검색 레이어(deterministic retrieval layer)**를 추가하자 정확도가 거의 100%에 도달했다.

생물학 데이터는 작은 오류(예: 잘못된 genome build 사용, RefSeq와 GenBank 혼용)가 연구 전체를 무효화할 수 있을 만큼 정밀함이 중요하다. 따라서 에이전트가 과학적 발견을 돕기 위해서는 결정론적 실행 레이어를 포함한 에이전트 친화적 인프라 구축이 필수적이다.