AI의 capability overhang이 가장 극명하게 드러나는 영역은 과학, 특히 생명공학이다. 모델이 이미 막대한 생물학·화학·유전체 지식을 내재하고 있으며, 유전자 시퀀싱 데이터를 소프트웨어 공학적으로 다루는 것이 가능해졌다. GitLab CEO Sid Sijbrandij가 자신의 4기 골육종을 개인화 mRNA 백신으로 치료한 사례는 이 가능성을 현실로 보여준다.
이 영역의 매력은 경쟁이 덜하다는 점이다. GPT-Rosalind나 Evo 2와 같은 모델이 내놓는 결과물은 전문가조차 이해하기 어려운 ‘외계어’ 수준이라, 대부분의 사람이 진입을 꺼린다. 하지만 반대로 생각하면, 모델이 이미 ‘통일장 이론에 대한 심상’을 가지고 있을 정도로 지식이 축적되어 있으므로, 도메인 지식을 습득한 사람은 막대한 레버리지를 얻을 수 있다. 생명공학을 소프트웨어 공학의 프레임워크로 바라보는 관점이 경쟁력의 핵심이다.
근거
“결국은 데이터를 maximize하고 그 사람의 몸에서 나올 수 있는 데이터 … 유전자 데이터, 그다음에 피에서 읽는 생화학적인 그런 데이터 … Sid Sijbrandij가 해결한 거는 그냥 다 유전자 시퀀싱으로 했거든요. biology를 온전히 소프트웨어 공학으로 바꿔서 거기에서 힌트를 찾고 솔루션을 어떻게 만들면 되겠다는 걸 했죠.”
연결된 생각
- 20260606-capability-overhang — AI for Science도 결국 모델의 과잉 능력을 활용하는 전략
- 20260606-unbundling-strategy-and-b2b-opportunity — 첫 번째 전략과의 대비: 높은 진입장벽 vs. 낮은 경쟁
출처
- 📎 클리핑: 20260613-ep98-ko-transcript