LLM-Based Agents for Competitive Landscape Mapping in Drug Asset Due Diligence
본 논문은 비구조화된 VC 메모를 구조화된 평가 코퍼스 로 변환하여 경쟁사 발견에서 83%의 재현율을 달성하고 분석가의 처리 시간을 2.5 일에서 약 3 시간으로 단축하는 의약품 자산 실사를 위한 LLM 기반 에이전트 시스템을 소개하고 벤치마크합니다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
마치 거대한 사건을 해결하려는 형사가 되어보세요: "이 특정 의약품 시장에서 다른 모든 플레이어는 누구인가?"
바이오벤처 투자 세계에서는 새로운 의약품을 지원하기 전에 펀드가 '경쟁 구도' 전체를 파악해야 합니다. 즉, 동일한 질병을 치료하는 모든 다른 의약품을 찾아내야 합니다. 이를 '실사(Due Diligence)'라고 합니다.
현재 이 작업을 수행하는 것은 수천 가지 다른 언어, 깨진 웹사이트, 흐릿한 이미지, 비밀 보고서로 이루어진 건초더미 속에서 바늘을 찾는 것과 같습니다. 인간 전문가들은 이러한 혼란 속에서 답을 찾기 위해 하루 종일 (약 2.5 일) 수동으로 파고들어야 합니다.
이 논문은 이 작업을 훨씬 더 빠르고 정확하게 수행하는 새로운 'AI 형사 팀'(BIOPTIC AGENT) 을 소개합니다. 작동 원리를 간단한 개념으로 나누어 설명하면 다음과 같습니다:
1. 문제: 의약품 이름의 '분실물 센터'
저자들은 경쟁사를 찾는 것이 매우 어렵다고 설명합니다. 그 이유는 다음과 같습니다:
- 이름이 혼란스럽습니다: 하나의 의약품은 국가마다 'Drug X', 'The Blue Pill', 또는 화학적 코드명으로 불릴 수 있습니다.
- 정보가 산재해 있습니다: 단서들은 과학 논문, 정부 임상시험 목록, 보도자료, 스프레드시트처럼 보이는 PDF 파일 등에 숨어 있습니다.
- 규칙이 변합니다: 매일 새로운 의약품이 등장하고 오래된 의약품은 사라집니다.
기존 AI 도구 (일반 검색 엔진이나 간단한 챗봇 등) 는 찾기 어려운 '롱테일' 경쟁사, 즉 희귀한 경쟁사들을 종종 놓칩니다. 또한 정답을 찾을 수 없을 때 '환각'(허위 정보 생성) 을 일으키는 경향이 있습니다.
2. 해결책: AI 에이전트 팀
하나의 AI 에게 "모든 것을 찾아라"라고 요청하는 대신, 저자들은 전문화된 AI 에이전트들의 '위계적 팀'을 구축했습니다. 잘 조직된 뉴스룸이나 형사 수사팀을 생각해보세요:
- 파서 (The Archivist, 기록관): 이 에이전트는 차트와 텍스트가 포함된 PDF 와 같은 정돈되지 않은 보고서를 읽어서 깔끔하고 조직화된 목록으로 변환합니다. 여기서 의약품 이름과 치료 대상 질병을 추출합니다.
- 탐색자 (The Detective, 형사): 이것이 주요 에이전트입니다. 단순히 추측하는 것이 아니라, '웹'(인터넷) 으로 나가 경쟁사를 사냥합니다. 이는 REACT(추론, 행동, 관찰) 라는 전략을 사용합니다.
- 비유: 한 가지 질문만 하는 형사가 아니라, 질문을 하고 답을 읽은 뒤 더 많은 정보가 필요하다고 깨닫고 그 정보를 바탕으로 새로운 질문을 던지는 형사를 상상해보세요. 이 루프를 여러 번 반복합니다. 또한 여러 '정찰병'을 동시에 보내 서로 다른 웹사이트를 검색하기도 합니다.
- 검증자 (The Judge, 판사): 이것이 가장 중요한 안전 장치입니다. 탐색자가 50 개의 의약품을 찾았더라도 그중 10 개는 가짜이거나 관련이 없을 수 있습니다. 검증자는 엄격한 판사처럼 행동합니다. 탐색자가 찾은 모든 의약품을 규칙에 따라 확인합니다: "이 의약품이 이 특정 질병을 치료한다는 실제 증거가 있는가?" 답이 '아니오'라면 해당 의약품을 제외합니다. 이를 통해 최종 목록의 정확성이 매우 높아집니다.
3. 훈련 데이터: 전문가들로부터 배우기
이 AI 팀을 가르치기 위해 저자들은 공개 데이터만 사용하지 않았습니다. 바이오벤처 캐피털 펀드의 5 년 치 비공개 실세계 투자 메모를 사용했습니다.
- 그들은 이러한 손으로 쓴 듯한 messy 한 보고서들을 가져와 자체 AI 를 이용해 '골드 스탠더드' 데이터셋으로 정리했습니다.
- 이 데이터셋은 새로운 AI 팀이 경쟁사보다 우수한지 테스트하는 '시험'이 되었습니다.
4. 결과: 속도와 정확성
저자들은 BIOPTIC AGENT 를 OpenAI 의 Deep Research 나 Perplexity 와 같은 다른 유명한 AI 시스템과 비교하여 테스트했습니다.
- 점수: BIOPTIC AGENT 는 알려진 경쟁사의 **83%**를 찾았습니다 (Recall).
- OpenAI Deep Research 는 **65%**를 찾았습니다.
- Perplexity 는 **60%**를 찾았습니다.
- 속도: 벤처 캐피털 펀드와의 실세계 테스트에서 분석가가 경쟁 분석을 완료하는 데 걸린 시간이 2.5 일에서 약 3 시간으로 단축되었습니다. 이는 20 배의 속도 향상입니다.
- 품질: 속도가 빨라졌음에도 정확성을 희생하지 않았습니다. '판사' 에이전트는 잘못된 경보를 성공적으로 필터링하여 최종 목록이 신뢰할 수 있도록 했습니다.
5. 작동 원리: "쓴 교훈" 대 "발판"
이 논문은 AI 분야에서의 논쟁을 다룹니다: 초지능적인 뇌 (큰 모델) 만 사용하고 그것이 알아서 해결되기를 바랄까요? 아니면 AI 가 단계별로 작업하도록 강제하는 구조 ('발판') 를 구축할까요?
저자들은 이 특정하고 혼란스러운 작업에서는 발판이 승리한다고 결론 내렸습니다.
- 한 번에 답을 내놓으려는 단일 통과 AI 는 정보가 찾기 어려울 때 실패합니다.
- BIOPTIC AGENT 는 답을 주기 전에 계속 검색하고, 자신의 작업을 점검하며, 증거를 검증하도록 설계되었기 때문에 성공합니다. 이는 단순히 '생각'하는 것이 아니라 '사냥'하는 것입니다.
요약
이 논문은 초효율적인 연구 팀처럼 작동하는 배포된 시스템을 제시합니다. 이 시스템은 의약품 경쟁사를 매핑하는 혼란스러운 작업을 수행하고, 가능한 모든 단서를 찾아내기 위해 다단계 AI 프로세스를 활용하며, 발견 사항을 검증하기 위해 엄격한 '판사' AI 를 사용합니다. 그 결과, 인간 전문가보다 20 배 더 빠르고 다른 최상위 AI 시스템보다 더 많은 경쟁사를 찾아내면서 오류율은 낮게 유지하는 도구가 탄생했습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.