Claude Science가 보여준 것: AI는 과학자의 작업대로 이동하고 있다

2026년 6월 30일, Anthropic은 Claude Science를 공개했다. 발표 문구만 보면 “과학자를 위한 AI workbench”다. 하지만 이 말은 생각보다 무겁다.

지금까지 많은 사람에게 AI는 대화창이었다. 질문을 넣으면 답을 주고, 코드를 써주고, 논문을 요약해주는 도구였다. Claude Science가 가리키는 방향은 조금 다르다. AI가 답변을 생성하는 창을 넘어, 연구자가 실제로 일하는 환경 안으로 들어가려 한다.

이 글의 질문은 하나다.

Claude Science는 AI가 과학자의 답변 도구에서 재현 가능한 연구 작업대로 이동한다는 신호인가.

연구의 병목은 지능만이 아니다

과학 연구는 머릿속 아이디어만으로 굴러가지 않는다. 연구자는 논문 데이터베이스, 실험 데이터, 분석 코드, Jupyter Notebook, R, HPC 클러스터, 시각화 도구, 원고 작성 도구 사이를 오간다. 생명과학이라면 UniProt, PDB, Ensembl, Reactome, ClinVar, ChEMBL, GEO 같은 서로 다른 데이터베이스도 다뤄야 한다.

문제는 도구가 부족해서가 아니다. 도구가 너무 흩어져 있다는 점이다.

Claude Science가 해결하려는 첫 번째 문제는 바로 이 파편화다. 연구자가 여러 데이터베이스와 실행 환경을 직접 오가며 연결하지 않아도, Claude가 조정자처럼 움직이며 문헌 조사, 데이터 분석, 그림 생성, 원고 수정, 계산 실행을 하나의 세션 안에서 이어가게 만드는 구상이다.

여기서 중요한 변화가 생긴다. AI는 더 이상 “똑똑한 검색창”에 머물지 않는다. 연구 흐름 전체를 붙잡는 작업 환경이 된다.

핵심은 재현 가능성이다

과학에서 중요한 것은 그럴듯한 결과가 아니다. 어떻게 그 결과가 나왔는지 다시 확인할 수 있어야 한다.

Anthropic은 Claude Science가 그림이나 분석 결과를 만들 때 코드, 실행 환경, 생성 과정, 대화 기록을 함께 남긴다고 설명한다. 이 점이 중요하다. AI가 연구에 들어가려면 “믿어도 된다”가 아니라 “검증할 수 있다”가 되어야 하기 때문이다.

연구 결과는 문장 하나로 끝나지 않는다. 어떤 데이터가 들어갔는지, 어떤 코드가 실행됐는지, 어떤 환경에서 돌아갔는지, 중간에 어떤 수정이 있었는지가 남아야 한다. 몇 달 뒤에도 같은 결과를 다시 만들 수 있어야 한다.

이 방향은 AI와 함께 쓴 글에 누가 서명하는가에서 말한 책임 문제와도 연결된다. AI가 만든 결과물일수록 누가 방향을 정했고, 어떤 도구가 실행됐고, 누가 검토했는지 드러나야 한다. 연구에서는 이 요구가 더 강하다. 서명만으로는 부족하고, 재현 가능한 흔적이 필요하다.

AI가 계산 자원까지 다루기 시작했다

Claude Science 발표에서 눈에 띄는 또 다른 부분은 계산 자원이다. 대규모 유전체 분석이나 단백질 구조 예측 같은 작업은 노트북 하나로 끝나지 않는다. GPU, HPC 클러스터, 원격 서버, 온디맨드 컴퓨팅 자원이 필요하다.

Anthropic은 Claude Science가 연구실의 기존 인프라와 연결될 수 있다고 설명한다. 로컬 macOS나 Linux 환경, SSH로 접속하는 원격 머신, HPC login node, Modal 같은 컴퓨팅 자원을 다루는 방식이다. 사용자가 새 자원에 접근해야 할 때는 계획을 세우고, 사용자 확인을 받은 뒤 작업을 제출하는 흐름을 지향한다.

이 지점은 단순한 편의 기능이 아니다. 데이터 보안과도 연결된다. 민감하거나 큰 데이터는 연구실 인프라에 그대로 두고, Claude는 분석에 필요한 맥락만 받아 작업을 돕는 구조가 가능해진다. 특히 생명과학, 의료, 임상 연구처럼 데이터 이동이 부담스러운 분야에서는 이 차이가 크다.

하나의 AI보다 작은 연구팀에 가깝다

Claude Science는 하나의 범용 모델이 모든 일을 혼자 처리하는 그림이 아니다. Anthropic은 60개 이상의 과학용 skills와 connectors, 전문 에이전트, 사용자가 만든 specialist agents, 그리고 reviewer agent를 강조한다.

이 구조는 앞으로 전문직 AI가 어떤 모습으로 갈지 보여준다. 중앙에는 조정자가 있다. 조정자는 질문을 받고, 필요한 도구를 고르고, 전문 에이전트를 부르고, 결과를 합친다. 그 뒤에는 reviewer가 붙어 인용, 수치, 그림, 코드의 일치 여부를 확인한다.

말하자면 AI 하나가 아니라 작은 연구 조직이다.

이 점은 LLM Wiki의 핵심은 벡터 DB가 아니라 지식 아키텍처다와도 닿아 있다. 중요한 것은 데이터와 도구를 많이 붙이는 것이 아니다. 어떤 출처를 언제 쓰고, 어떤 기준으로 검토하고, 어떤 결과를 남길지 정하는 지식 구조다. Claude Science는 이 구조를 과학 연구 쪽으로 옮긴 사례로 볼 수 있다.

사례가 보여주는 가능성

Anthropic은 베타 사용자 사례도 소개했다. Manifold Bio는 조직 표적 치료제 후보를 평가하는 과정에서 Claude Science를 사용했다고 한다. Allen Institute의 Jérôme Lecoq은 긴 리뷰 논문 작성을 위해 약 20개의 custom skills로 이루어진 multi-agent computational review template을 만들었다. UCSF Brain Tumor Center의 Stephen Francis 연구팀은 glioma 관련 분자 역학 분석에서 작업 속도가 크게 빨라졌고, 결과를 독립적으로 검증했다고 설명했다.

이 사례들을 그대로 일반화해서는 안 된다. 모두 Anthropic 발표 안에 들어 있는 사례이기 때문이다. 그래도 방향은 분명하다.

AI는 문헌 요약을 넘어 연구 파이프라인 안쪽으로 들어가고 있다. 데이터 찾기, 분석 계획 세우기, 코드 실행하기, 결과 검토하기, 그림 고치기, 원고 쓰기까지 하나의 긴 흐름에 붙고 있다.

과학자에게 필요한 AI의 기준이 올라간다

Claude Science의 의미는 “과학자도 AI를 쓴다”가 아니다. 이미 과학자들은 AI를 쓰고 있다. 더 중요한 변화는 과학용 AI가 갖춰야 할 기준이 높아지고 있다는 점이다.

앞으로 과학용 AI는 최소한 다음 조건을 요구받게 될 가능성이 크다.

• 연구자가 이미 쓰는 데이터베이스와 도구에 연결되어야 한다.
• 결과뿐 아니라 코드, 환경, 생성 과정을 남겨야 한다.
• 로컬, HPC, 클라우드 계산 자원을 다룰 수 있어야 한다.
• 민감한 데이터가 어디에 머무는지 설명할 수 있어야 한다.
• 전문 에이전트와 검토 에이전트가 함께 움직여야 한다.
• 사람이 최종 판단을 내릴 수 있도록 감사 가능한 흔적을 남겨야 한다.

이 조건을 만족하지 못하면 AI는 연구 보조 도구로는 쓸 수 있어도 연구 작업대로 쓰기는 어렵다.

조심해야 할 점

물론 Claude Science가 과학자를 대체한다는 뜻은 아니다. 오히려 반대다. AI가 연구 과정 안으로 깊게 들어갈수록 사람의 검토 책임은 더 중요해진다.

AI가 만든 분석은 독립적으로 확인해야 한다. 인용이 맞는지, 수치가 코드와 일치하는지, 그림이 실제 데이터에서 나왔는지, 분석 방법이 연구 질문에 적절한지 봐야 한다. reviewer agent가 있다 해도 마지막 책임은 연구자에게 남는다.

빠른 도구는 연구를 돕는다. 하지만 빠르게 틀리는 도구는 연구를 망친다. 그래서 과학용 AI의 핵심은 속도만이 아니다. 속도와 검증을 같은 구조 안에 넣는 일이다.

결론: AI for Science의 제품화 신호

Claude Science는 아직 beta다. macOS와 Linux에서 Claude Pro, Max, Team, Enterprise 사용자에게 제공되고, Team과 Enterprise에서는 관리자가 활성화해야 한다. Anthropic은 최대 50개의 Claude Science AI for Science projects에 최대 30,000달러 credits를 제공하고, Modal도 일부 프로젝트에 최대 2,000달러 compute를 제공한다고 밝혔다. 신청은 2026년 7월 15일까지, 결과 발표는 7월 31일, 프로젝트 기간은 2026년 9월 1일부터 12월 1일까지로 안내되어 있다.

이런 세부 조건보다 더 큰 의미는 방향이다.

Claude Science는 AI가 과학자의 옆에서 답을 말하는 도구를 넘어, 연구 환경과 계산 자원과 검증 기록을 묶는 작업대로 이동하고 있음을 보여준다. AI for Science가 구호에서 제품으로 내려오는 순간에 가깝다.

앞으로 중요한 질문은 “AI가 과학을 할 수 있는가”가 아닐 수 있다.

더 정확한 질문은 이것이다.

과학자는 AI와 함께한 연구를 어떻게 검증하고, 재현하고, 책임질 것인가.

참고

• Anthropic, Claude Science, an AI workbench for scientists, is now available, 2026-06-30.
• Claude Science