[제약 AI 대전환 ⑤] AI 도입, '기능' 아닌 '업무 재설계’… 사람과 AI 협업 설계법

AX 단위, 기능 아닌 워크플로우… AI 주도부터 인간 주도까지 세밀한 역할 분담 필수 맥킨지·BCG·FDA의 공통 지침 "AI가 무엇을 할지보다 '사람이 어디서 개입할지' 설계" 데이터 검증(IDK2)부터 플랫폼 실행(AgentGo)까지… 제약 규제 뚫는 완벽한 파이프라인 구축

인공지능(AI) 전환의 핵심은 사람의 업무를 AI에게 단순히 통째로 넘기는 것이 아니다. 신뢰할 수 있는 데이터와 명확한 업무 맥락을 기반으로 AI가 탐색·분석·실행의 역할을 수행하고, 사람은 이를 바탕으로 최종 판단·검토·승인하도록 '일하는 방식' 전체를 다시 설계하는 것이다. 

이번 편에서는 비즈니스 문제 해결을 위한 워크플로우 설계 방법론과 의사결정의 근간이 되는 데이터의 중요성, 그리고 이를 구현하는 에이전트 플랫폼을 집중 분석한다.

AI 적용 업무를 골랐다고 해서 기존 업무에 AI 기능 하나를 덧붙인다고 진정한 AI 전환이 이루어지는 것은 아니다. 전환의 기준 단위는 개별 기능이 아니라 전체 '업무 워크플로우'여야 한다.

이를 위해서는 사람과 AI의 역할을 세 가지 수준으로 명확히 재설계하는 과정이 필수적이다. 우선 문서 검색이나 데이터 비교, 반복 처리와 보고서 초안 작성 등은 AI가 전적으로 주도하는 'AI 주도' 영역으로 분리해 리드타임을 획기적으로 줄여야 한다. 반면 심층적인 원인 분석이나 대안 검토, 규제 변경에 따른 영향 평가 및 예외 처리는 사람의 직관과 AI의 추론이 상호 작용하는 'Human+AI(인간·AI 협업)' 영역으로 둔다. 마지막으로 제약 산업의 핵심인 품질 판단과 규제 적합성 검토, 책임 소재 확인 및 최종 승인 절차는 반드시 사람이 통제하고 주도하는 '인간 주도' 영역으로 남겨두어야 한다.

이러한 협업의 원칙은 글로벌 선도 기업과 규제 기관들의 전략에서 뚜렷하게 확인된다. 맥킨지와 보스턴컨설팅그룹(BCG), 마이크로소프트, 그리고 미국 식품의약국(FDA)과 유럽 의약품청(EMA) 등은 공통적으로 'Human+AI' 협업과 통제의 중요성을 강조한다.

이들은 단순히 "무엇을 AI에게 맡길 것인가"만 고민하지 않고, "어디에서 사람이 반드시 개입해야 하는가(Human-in-the-loop)"를 처음부터 함께 설계한다. 일례로 마이크로소프트는 되돌리기 어렵거나 규제 영향을 주는 행동에는 반드시 사람의 승인을 요구하도록 권고하며, FDA와 EMA 역시 '2026 Good AI Practice' 원칙을 통해 사람 중심 설계와 'Human-AI Interaction' 평가를 핵심으로 내세우고 있다. 고도의 규제 산업인 제약 분야에서 모호하거나 규제에 영향을 주는 행동에는 반드시 사람의 승인 단계를 배치하여 리스크를 원천 통제하는 것이다.

기업용 AI 설계 전문기업 베이글은 이러한 과정을 '업무 재설계' 관점에서 접근해야 한다고 강조했다.

베이글 관계자는 “대다수 기업이 AI를 도입할 때 '어떤 최신 기술을 어느 업무에 적용할까'라는 기술 중심의 접근부터 하는 실수를 범한다”며 “우리는 현업의 비즈니스 문제를 먼저 살피고, 업무 설계를 거친 뒤 기술을 접목하는 역순의 접근법을 지향한다”고 설명했다.

이어 “현업의 지연이나 누락, 오류 등 현장의 고충을 선제적으로 재정의한 뒤, AI와 사람의 역할을 새롭게 나누고 가장 적합한 기술을 매칭하는 방식”이라며 “기술에 업무를 억지로 맞추는 것이 아니라, 업무 병목을 풀기 위해 최적의 워크플로우를 디자인하는 것이 우리의 핵심 철학”이라고 강조했다.

업무 재설계가 이뤄졌다면, 남은 과제는 이렇게 정교하게 설계된 협업 워크플로우를 실제 현장에서 구동할 실행 체계를 마련하는 일이다. 

관련 업계를 취재한 결과, 클라우드·데이터·AI 전환을 통합 지원하는 전문기업 아이티센클로잇이 선보인 멀티 에이전트 플랫폼 'AgentGo(에이전트고)'가 그 실질적인 대안으로 주목받고 있다.  

AgentGo는 특정 산업에 국한되지 않고 다양한 기업 환경과 비즈니스에 폭넓게 적용할 수 있는 범용 엔터프라이즈 AI 플랫폼이다. 

특히 고도의 규제 준수(GxP)와 정밀한 데이터 통제가 필수적인 제약 산업은 AgentGo가 제공하는 강력한 보안 및 거버넌스 체계를 가장 효과적으로 활용할 수 있는 주요 적용 분야 중 하나로 꼽힌다.  

AgentGo는 설계된 업무 구조를 실제 에이전트 기반의 자동화로 매끄럽게 연결한다. AI가 일관된 기준이 적용된 시스템에 접근해 데이터를 수집하고 초안을 도출하면, 최종 승인 권한을 가진 실무자가 핵심 지점에서 이를 검토하고 승인하는 'Human-in-the-loop' 구조를 플랫폼 내에 완벽히 구현해 냈다.  

아이티센클로잇 관계자는 “글로벌 선도 제약사들이 주목하는 AI 전환의 본질은 도구의 도입이 아니라, 현업 실무자가 AI와 안전하게 협업하는 방식을 시스템화하는 것”이라며 “AgentGo는 규제와 정밀성이라는 제약업계의 특수성을 완벽히 충족하면서, 실제 업무 완결성을 보장하는 강력한 비즈니스 파트너가 될 것”이라고 강조했다. 

하지만 에이전트 플랫폼이 제 역할을 다하려면 근본적인 전제 조건이 해결되어야 한다. AI 에이전트에게 일을 맡겼을 때, 과연 사내의 어떤 데이터를 믿고 결론을 내려야 하는지에 대한 문제다.

실제 제약사의 데이터는 ERP, MES, LIMS, EDMS 등 수많은 시스템에 흩어져 있다. 동일한 핵심성과지표(KPI)조차 부서마다 정의나 계산 기준이 다른 경우가 허다하다. 더욱이 제약 산업은 결과만 맞으면 되는 것이 아니라, 근거와 과정도 명확히 추적 가능해야 하는 산업이다. 유럽 의약품청(EMA)과 한국 식품의약품안전처(MFDS), 그리고 FDA의 가이드라인 역시 데이터의 출처와 처리 과정, 분석적 결정이 투명하게 추적 가능하고 검증되어야 한다고 엄격히 규정하고 있다.

따라서 AI가 실제 제약 업무의 중심으로 들어오기 위해서는 단순한 시스템 통합을 넘어 데이터와 비즈니스 맥락, 그리고 투명한 추적성의 결합이 절대적이다.

이러한 파편화된 데이터의 신뢰성 문제를 해결하기 위해 아이디케이스퀘어드(IDK2, 하트카운트)의 'Decision Agent' 같은 데이터 및 의사결정 지능화 솔루션이 활발히 도입되고 있다. 

하트카운트는 복잡한 수치 연산과 통계 검증은 정밀한 분석 엔진에 맡기고, 대화형 AI(LLM)는 검증된 결과에 비즈니스 맥락을 더해 자연어로 설명만 하도록 역할을 분리한 하이브리드 구조를 채택했다.

특히 각기 다른 지표 정의와 업무 규칙을 AI가 오해 없이 정확히 이해할 수 있도록 표준화하는 '시맨틱 레이어(의미론적 연결 계층)'를 구축해, 실무자가 일상적인 언어로 질문해도 항상 일관된 기준에 따라 분석 결과를 제공한다. 또한, 민감한 제약 데이터를 외부 서버로 반출하지 않고 사용자의 웹 브라우저 내에서 직접 연산하는 기술을 적용해 오프라인 폐쇄망이나 온프레미스 환경에서도 안전한 의사결정을 돕는다.

지금까지 살펴본 제약 산업의 진정한 AI 혁신은 일련의 유기적인 흐름으로 완성된다. 현장의 실질적인 △업무 문제 발견에서 출발해, 사람과 AI가 일하는 방식을 다시 그리는 △업무 설계 선행되어야 한다.

이후 사람과 AI의 △Human+AI 역할 설계를 명확히 나누고, 이를 실제 현장에서 구동할 △Agent 실행 플랫폼을 가동한다. 그리고 이 모든 시스템이 의지하고 판단할 수 있는 신뢰 가능한 △Data 파이프라인을 구축할 때, 비로소 제약 현장의 실무진은 환각과 규제 리스크의 공포에서 벗어나 안전하고 고도화된 △사람의 최종 의사결정에 온전히 집중할 수 있게 된다. 성공적인 AI 도입은 기술의 화려함이 아니라, 우리의 업무 흐름과 데이터를 얼마나 깊이 있게 이해하고 재설계하느냐에 달려 있다.