※ 이 글에는 제휴 마케팅 링크가 포함될 수 있으며, 구매 시 수수료를 받을 수 있습니다.
논문 심사에서 가장 무서운 질문은 “이 결과가 맞습니까?“가 아니다. **“이 Figure 3, 다시 만들어 보실 수 있습니까?”**다.
여섯 달 전에 돌린 스크립트, 그때 로컬에만 있던 conda 환경, 중간에 손으로 한 번 잘라낸 아웃라이어, 그리고 “왜 이 축을 로그로 했더라” 하는 기억의 공백. 대부분의 연구자는 이 질문 앞에서 잠깐 침묵한다. 과학의 병목은 아이디어가 아니라 경로의 소실이다.
Anthropic이 2026년 6월 30일 베타로 공개한 Claude Science는, 놀랍게도 바로 이 지점을 겨눈다. (Anthropic 공식 발표)
새 모델이 아니라는 사실이 핵심이다
먼저 김을 빼자. Claude Science는 신모델이 아니다. 이미 쓰고 있는 Claude 모델(Claude Opus 4.8 포함)을 그대로 돌리며, 특별한 접근 권한이나 게이팅도 없다. (TechCrunch)
보통 이런 발표에서 “모델은 그대로입니다"는 실망 신호다. 여기서는 반대로 읽어야 한다. Anthropic은 “모델이 더 똑똑해지면 과학이 빨라진다"는 가설에 베팅하지 않았다. 대신 “이미 충분히 똑똑한 모델이, 연구자의 실제 하루에 들어가지 못하고 있다"는 쪽에 걸었다. 채팅창과 터미널과 Jupyter와 Zotero와 클러스터 로그인 사이를 오가느라 흩어지는 그 하루 말이다.
이건 취향의 문제가 아니라 진단의 문제다. 그리고 나는 이 진단이 맞다고 본다.
“그림 하나에 코드와 환경과 대화가 함께 딸려 온다”
Claude Science에서 생성되는 모든 figure에는 세 가지가 동봉된다. 그 그림을 만든 정확한 코드, 실행된 환경, 그리고 전체 메시지 이력. 여기에 평문 설명까지 붙는다. (Anthropic)
문장으로 읽으면 밋밋하지만, 실무 감각으로 번역하면 이렇다. 6개월 뒤 리비전 요청이 왔을 때, 그림을 우클릭하면 그날의 나가 통째로 딸려 나온다. results_final_v3_REAL.ipynb 같은 파일명으로 자기 자신을 속일 필요가 없어진다.
여기에 붙는 두 번째 장치가 백그라운드 리뷰어 에이전트다. 인용이 실제 논문과 맞는지, 본문의 숫자가 어디서 나왔는지 추적되는지, 코드와 그림이 어긋나지 않는지를 계속 검사하고 플래그를 띄운다. (Claude Science 제품 페이지)
인용 오류와 “출처 없는 숫자"는 AI 글쓰기의 대표적 사고 지점이다. 그걸 도구가 자기 파이프라인 안에서 잡겠다고 선언한 건, 최소한 문제를 정확히 알고 있다는 뜻이다.
실제로 뭐가 들어 있나
기능을 다 나열할 생각은 없다. 연구 일과를 바꾸는 것만 셋 고른다.
하나, 컴퓨트가 대화 안으로 들어온다. 노트북, Linux, HPC 클러스터, SSH 배치 잡, Modal까지 관리하고 GPU 1개에서 수백 개까지 스케일링한다. Python과 R 커널은 세션 간에 유지되어, 어제 만든 데이터프레임이 오늘도 메모리에 남아 있다. (Claude Science)
클러스터에 잡을 던져 본 사람은 안다. 진짜 시간을 잡아먹는 건 분석이 아니라 sbatch 스크립트의 오타와 모듈 로드 순서다.
둘, 60개 이상의 큐레이션된 스킬과 커넥터. 유전체학, 단일세포, 프로테오믹스, 구조생물학, 케모인포매틱스가 사전 구성되어 있고, NVIDIA BioNeMo Agent Toolkit의 스킬을 통해 Evo 2, Boltz-2, OpenFold3에 네이티브로 붙는다. (Anthropic, Claude for Life Sciences) 3D 단백질 구조, 게놈 브라우저 트랙, 화학 구조, 정렬(alignment)을 그대로 렌더링한다.
셋, 파이프라인을 스킬로 저장해 랩 전체가 쓴다. 이게 조용한 진짜 기능이다. 대학원생 한 명이 3주 걸려 잡아낸 전처리 순서가, 그 사람이 졸업할 때 같이 사라지지 않는다. 연구실의 암묵지가 처음으로 버전 관리 가능한 물건이 된다.
그런데, 자기가 자기를 검사한다
균형을 잡자. 위에서 칭찬한 리뷰어 에이전트에는 구조적 결함이 있다.
검사하는 모델과 검사받는 모델이 같다. TechCrunch가 정확히 짚었듯, 이 팩트체커는 독립적인 진실의 출처가 아니라 자기 자신을 들여다보는 거울이며, 근본적인 오류는 신뢰성 있게 잡아내지 못한다. (TechCrunch, 2026-06-30)
이건 사소한 흠이 아니다. 인용 형식이 틀린 건 잡겠지만, 전제가 틀린 분석은 통과시킬 수 있다. 같은 편향을 공유하는 두 번째 눈은 눈이 두 개인 게 아니라 눈이 하나인 것에 가깝다. 리뷰어 에이전트의 초록색 체크는 “검증됨"이 아니라 “1차 스크리닝 통과"로 읽어야 한다.
능력의 상한도 냉정하게 봐야 한다. MIT Technology Review에 인용된 한 하버드 물리학자는 Claude의 Opus 4.5 모델이 과학 프로젝트를 수행하는 능력을 **“대학원 2년차 수준”**으로 평가했다. (MIT Technology Review) 유용하지만 경계가 분명하다는 뜻이다. 대학원 2년차는 훌륭한 손이지, 논문의 최종 책임자가 아니다.
그리고 도메인 편향. 이 도구는 분자·세포생물학과 신약 개발을 중심으로 설계·마케팅되었다. 재료과학, 기후 모델링, 실험물리에서 같은 밀도의 지원을 기대했다면 실망할 가능성이 높다.
마지막으로 현실적인 제약 둘. 데스크톱 앱은 macOS(Apple Silicon·Intel)와 Linux만 제공되며 출시 시점에 Windows 빌드는 없었다. 여전히 베타이고, Team/Enterprise에서는 관리자가 명시적으로 활성화해야 연구자가 쓸 수 있다.
비용과, 이미 지나간 기회 하나
무료 플랜으로는 못 쓴다. 유료 구독이 필요하다. (가격 페이지)
- Pro $20/월 (연간 결제 시 $17/월)
- Max $100/월부터
- Team 시트당 $20~$25/월 — 학술 기관과 비영리 연구기관에는 할인 시트 제공
- Enterprise 맞춤 견적, 시트당 $20부터 + API 사용량
개인 연구자라면 Pro로 시작해 컴퓨트를 본격적으로 붙일 때 Max로 올리는 게 합리적이다. 랩 단위라면 Team의 학술 할인을 먼저 문의하는 게 순서다 — 이 조항은 눈에 잘 안 띄는 곳에 있지만 랩 예산에서 체감 차이가 크다.
그리고 솔직히 말할 것 하나. Anthropic은 박사후연구원·대학원생 연구를 대상으로 최대 50개 프로젝트에 최대 $30,000의 크레딧을 지원하는 프로그램을 열었는데, 신청 마감은 2026년 7월 15일이었다. (TechCrunch) 이 글이 나가는 오늘 기준으로 이미 나흘 지났다. 후속 라운드가 열릴지는 확인된 바 없다. 다음에 이런 게 뜨면, 발표 당일에 움직여야 한다는 교훈만 남는다.
데이터는 어디에 있나
연구자에게 이건 가격보다 중요한 질문이다. Claude Science에서 데이터셋은 사용자 자신의 인프라에 남고, 필요한 컨텍스트만 Claude로 전송된다. (Anthropic)
환자 유래 시퀀싱 데이터나 미공개 화합물 라이브러리를 다루는 곳이라면, IRB·기관 규정 검토는 여전히 필요하다. 하지만 “전부 업로드하세요” 구조가 아니라는 점은 협상 테이블의 출발선을 확실히 바꾼다.
그래서, 어떻게 쓸 것인가
내가 권하는 사용법은 하나로 요약된다. Claude Science를 공동 저자가 아니라 실험 노트로 쓰라.
이 도구의 최대 가치는 답을 대신 내주는 데 있지 않다. 대학원 2년차 수준의 손을 하나 더 얻는 것, 그리고 그 손이 한 모든 일이 코드·환경·대화 이력과 함께 자동으로 기록된다는 것에 있다. 전자는 편의고, 후자는 과학이다.
구체적으로는 이렇게 나눠 쓰는 게 안전하다.
- 위임해도 되는 것: 전처리 파이프라인 초안, 문헌 1차 스크리닝, figure 재작업, 클러스터 잡 오케스트레이션, 반복 분석의 스킬화
- 절대 위임하면 안 되는 것: 가설의 타당성, 통계 모델 선택의 정당화, 그리고 리뷰어 에이전트가 초록불을 켠 결과의 최종 승인
Anthropic이 모델이 아니라 워크플로우에 걸었다는 건, 뒤집어 말하면 “모델은 여기까지"라는 자기 인식이기도 하다. 그 정직함은 평가할 만하다. 다만 그 인식을 도구 쓰는 사람도 똑같이 갖고 있어야, 재현 가능한 그림이 재현 가능한 오류가 되지 않는다.
Figure 3을 다시 만들 수 있느냐는 질문에, 이제 “네, 그리고 그때 제가 뭘 생각했는지도 보여드릴 수 있습니다"라고 답할 수 있게 됐다. 과학 도구가 줄 수 있는 선물 중에 이보다 실용적인 건 흔치 않다.