Edison의 Kosmos, 해석 지지율은 57.9%

핵심

• 연구자가 질문을 입력하면 에이전트가 문헌 조사와 데이터 분석을 실행합니다.
• 보고서의 모든 문장은 근거가 된 노트북 코드나 논문으로 바로 연결됩니다.
• 사람의 검토는 신뢰도가 57.9%로 가장 낮게 나타난 결과 해석에 집중됩니다.

연구실에서 가장 많은 시간이 드는 중간 과정을 에이전트에 맡깁니다

연구실에서 가설 하나를 검증하려면 수많은 논문을 읽고 분석 코드를 작성해야 합니다. 실험 데이터를 정리하고 통계 프로그램을 돌려 그래프를 그리는 일도 빠질 수 없습니다. 대학 연구실이나 제약회사 연구개발 부서에서는 주로 대학원생, 박사후연구원, 전임 연구원이 이 중간 단계의 업무를 손으로 직접 수행해 왔습니다.

Edison Scientific(이하 Edison)은 바로 이 연구의 중간 과정을 에이전트에게 넘기려는 기업입니다. Edison은 FutureHouse의 연구 에이전트를 판매하기 위해 2025년에 세운 영리 분사 회사입니다. 비영리 AI 연구소인 FutureHouse는 2023년에 Sam Rodriques와 Andrew White가 공동 설립했습니다. 현재 Edison의 최고경영자(CEO)는 Sam Rodriques가 맡고 있습니다. 기술 매체 SiliconANGLE의 2025년 12월 18일 보도에 따르면, Edison은 Triatomic Capital과 Spark Capital이 주도한 투자에서 7,000만 달러 규모의 시드 투자를 유치했습니다.

Edison이 내놓은 핵심 제품은 회사가 “AI 과학자”라고 부르는 Kosmos입니다. Kosmos는 2025년 11월 5일에 처음 출시되었으며, FutureHouse가 앞서 개발했던 시스템을 개량한 결과물입니다. 이에 앞서 같은 작동 방식을 하나의 신약 발굴 과제에서 보여 준 선행 시스템 Robin은 2026년 5월 19일 학술지 Nature에 발표되기도 했습니다.

Edison은 Kosmos 외에도 문헌 검색, 데이터 분석, 연구의 새로움 확인, 화학 분석을 각각 전담하는 작은 단위의 에이전트들을 함께 제공합니다. 2026년 5월부터는 독성학 평가, 임상시험 계획서 작성, 규제 기관 제출 문서 작성 같은 신약 개발 업무 전반으로 적용 범위를 넓히고 있습니다.

목표 하나를 넣으면 수만 줄의 코드를 실행하고 인용이 달린 보고서를 냅니다

초기 버전의 Kosmos는 연구자가 연구 목표와 데이터셋을 지정하면서 시작되었습니다. 목표와 데이터를 입력받은 Kosmos는 최대 12시간 동안 여러 주기를 반복하며 작업을 수행했습니다. 한 번 주기를 돌 때마다 최대 10개의 문헌 검색 작업과 데이터 분석 작업을 동시에 실행했습니다.

에이전트들은 작업 결과를 요약하여 공유 지식 공간인 ‘world model’에 기록했습니다. world model은 데이터 분석 에이전트와 문헌 검색 에이전트가 찾아낸 지식을 서로 공유할 수 있도록 마련된 내부 저장 체계입니다. 다만 논문에서는 이 장치의 내부 구조를 자세히 공개하지 않았습니다. Kosmos는 이 world model을 조회하여 다음에 무엇을 해야 할지 스스로 질문을 던지며 다음 주기를 이어 나갔습니다.

Kosmos가 작업을 마칠 때까지 실행한 규모는 상당했습니다. 실행 1회당 평균적으로 약 166개의 데이터 분석 실행 단위가 작동하며 약 42,000줄의 코드를 실행했습니다. 문헌 검색 실행 단위는 36개가 돌아가며 약 1,500편의 논문을 읽었습니다. 작업이 모두 끝나면 Kosmos는 3개에서 4개의 연구 보고서를 작성했습니다. 보고서에 들어간 모든 문장에는 근거가 된 학술 논문이나 실제 계산이 기록된 Jupyter 노트북 파일이 인용으로 붙어 있어서, 검토자가 그 문장을 뒷받침하는 코드나 원문을 바로 열어볼 수 있었습니다.

이 초기 구조에서 사람 과학자의 역할은 작업의 시작과 끝에 집중되었습니다. 작업을 시작하기 전에는 연구 목표를 작성하고 데이터를 준비해야 했습니다. Edison의 안내서에 따르면, 목표는 공동 연구자가 몇 주나 몇 달 동안 매달려야 끝낼 수 있는 수준이어야 하며, 경험이 풍부한 동료 과학자에게 설명하듯이 구체적으로 작성해야 합니다. 분석에 쓰일 데이터는 5GB 미만이어야 하고, 불필요한 오류가 미리 정돈되고 라벨이 명확히 붙어 있어야 합니다. 안내서에는 “Kosmos에게 원본 데이터 처리를 맡기는 것은 권장하지 않습니다”라는 주의사항이 적혀 있었습니다.

작업이 돌아가는 중간 단계에서 사람은 아무것도 할 수 없었습니다. 출시 논문에서도 중간 주기에서는 과학자가 Kosmos와 상호작용할 수 없도록 설계되었다고 설명했습니다. 결과가 나온 뒤에야 과학자의 역할이 다시 시작되었습니다. 논문의 표현에 따르면, “과학자는 결과를 평가하고 해석하는 역할로 이동합니다.” Edison 팀은 Kosmos가 매번 어떤 다른 경로를 탐색하는지 살펴보기 위해 같은 목표를 두고 여러 번 실행하기도 했습니다. 출시 당시 블로그 글에서는 Kosmos를 일상적인 대화형 도구보다는 중요한 연구 목표가 생겼을 때 필요에 따라 투입하는 일종의 실험용 시약 키트에 가깝다고 비유했습니다.

실제 실험실 작업이 결합되었을 때의 분업 방식은 선행 시스템인 Robin 사례에서 뚜렷하게 드러났습니다. Robin은 문헌 검토, 후보 분자 판단, 실험 데이터 분석을 맡은 세 에이전트를 연결하여 건성 노인성 황반변성 치료제를 발굴하는 과제에 투입되었습니다. Robin은 생물학적 작용 원리를 제안하고, 시험할 약물을 고르고, 실험 데이터를 분석한 뒤 다음 실험을 제안하는 과정을 주도했습니다. FutureHouse는 “실제 실험은 사람 연구자가 수행했지만, 지적 틀은 전적으로 AI가 이끌었습니다”라고 밝혔습니다. 연구진은 가설 수립, 실험 선택, 데이터 분석, 그리고 논문 본문에 실린 그림 제작까지 모두 Robin이 맡았으며, Robin을 구상한 시점부터 논문을 학술지에 제출하기까지 단 2.5개월이 걸렸다고 설명했습니다.

혼자 일하던 에이전트를 동료 연구자처럼 대화하는 구조로 다시 짰습니다

2026년 5월에 Edison은 Kosmos의 작동 방식을 크게 개편했습니다. 기술 블로그 글에서 개발진은 옛 버전을 두고 “프롬프트 하나를 넣으면 며칠 동안 혼자 돌아갔습니다”라고 돌아보았습니다. 하지만 이런 깊은 분석 방식은 가벼운 질문을 다룰 때는 지나치게 많은 자원을 낭비하는 문제가 있었습니다.

새로 개편된 Kosmos는 “연구 과정 전반에서 협업하며 지속해서 코드를 작성하는 LLM 에이전트”로 바뀌었습니다. 이제 Kosmos는 연구자와 연구 접근법을 먼저 상의하고, 작업 중간에도 피드백을 전달받아 방향을 수정합니다. 작업이 진행되는 동안에는 연구 현황을 보여 주는 웹페이지를 생성하고, 관련된 새로운 학술 논문이 발표되면 연구자에게 이메일로 알림을 보냅니다. 메신저 프로그램인 Slack을 연동하여 연구 그룹 전체와 함께 협업할 수도 있습니다. 문헌 검색처럼 병렬로 처리해야 하는 작업은 별도의 격리된 환경에서 하위 에이전트들에게 나누어 맡깁니다.

Kosmos 실행 단계별 과학자 관여

기업을 위한 맞춤형 기능도 보강되었습니다. 기업 연구소의 전자 연구 노트나 생체 시료 분석 데이터와 연동할 수 있게 되었고, 고객사의 자체 서버에서 Kosmos를 실행하는 것도 가능해졌습니다. 고객사가 보유한 고유 데이터를 바탕으로 모델을 추가 학습시킬 수도 있습니다.

신약 개발 과정의 행정 문서 작성에서도 사람의 역할이 바뀌고 있습니다. Edison이 2026년 9월 30일에 발표한 사례에 따르면, 신약 개발 회사를 세우는 기업인 Population Health Partners는 임상 단계에 진입하는 프로그램의 규제 문서를 작성하는 데 Kosmos를 도입했습니다. 두 회사는 문서 작성 평가 기준을 먼저 함께 만들었고, Edison은 그 기준으로 Kosmos를 학습시켰습니다. 그 후 Kosmos는 비임상 개요서와 임상시험자 자료집 같은 핵심 문서의 초안을 작성했습니다. Edison이 밝힌 내용에 따르면, 미국 식품의약국(FDA)에 제출한 임상시험계획 승인 신청 전 회의(Pre-IND) 요청서의 약 70%를 Kosmos가 작성했고, 나머지 부분을 회사 팀이 편집했습니다. 이 과정에서 전문 인력은 처음부터 초안을 작성하는 대신 주장의 근거와 수치를 교차 검증하고 최종 결정을 내리는 일에 시간을 집중할 수 있었습니다.

분석은 정확하지만 결과의 의미를 해석하는 문장은 절반 가까이 빗나갔습니다

기존 연구실과 Edison의 가장 큰 차이는 사람이 업무의 어느 지점에 서 있는가에 있습니다. 일반적인 연구실에서는 연구책임자가 질문을 던지면 후배 연구원들이 논문을 읽고, 코드를 짜고, 분석을 돌린 뒤 정기 회의에서 결과를 보고합니다. 모든 단계가 사람의 손을 거치며, 연구책임자는 이미 수많은 작은 결정들이 내려진 뒤에야 취합된 결과를 보게 됩니다. 반면 Kosmos 체제에서는 에이전트들이 그 중간 단계들을 병렬로 처리합니다. 연구자는 맨 처음 질문을 던지고 맨 마지막에 결과를 판정하며, 최신 버전에서는 중간에 방향을 틀어 주는 조정자 역할을 맡습니다.

이런 구조에서는 결과물을 검증하는 일이 사람의 핵심 업무가 됩니다. Edison이 스스로 실시한 평가 결과가 그 이유를 보여 줍니다. 전문 연구원들이 세 편의 Kosmos 보고서에서 추출한 102개의 문장을 검토하여 근거가 충분한지 반박되는지 판정했습니다. 전체 문장 중 79.4%가 지지를 받았습니다.

하지만 문장의 종류별로 뜯어보면 신뢰도 차이가 뚜렷했습니다. 데이터 분석 문장은 85.5%가 지지를 얻었고, 문헌 조사 문장은 82.1%가 지지를 받았습니다. 반면 결과를 해석하고 종합한 문장은 57.9%만 지지를 얻는 데 그쳤습니다. Kosmos가 계산이나 인용 같은 기계적 작업은 잘 수행하지만, 그 결과가 과학적으로 무엇을 뜻하는지 설명할 때는 정확도가 떨어진다는 뜻입니다. 논문에서도 Kosmos가 “지나치게 강한 주장을 펼치는 경향이 있으며”, 통계적으로 유의미하다는 이유만으로 실제 연구에서는 중요하지 않은 결과를 대단한 발견인 것처럼 다루기도 한다고 인정했습니다. 결국 사람은 에이전트가 가장 취약한 지점인 가치 판단과 해석 오류를 가려내는 일에 집중해야 하는 셈입니다.

문장 유형별 전문가 지지 비율

보고서의 모든 문장에 출처를 남기는 인용 체계는 이런 검토를 가능하게 만드는 중요한 안전장치입니다. 모든 주장이 Jupyter 노트북이나 발표된 논문으로 이어져 있으므로, 검토자는 연구 전체를 처음부터 다시 수행하지 않고도 해당 주장만 떼어내 감사를 진행할 수 있습니다. Edison은 외부 사실과의 일치 여부도 확인했습니다. 출시 논문에 소개된 7개의 발견 중 3개는 Kosmos가 실행되는 동안 본 적이 없는 다른 연구팀의 미발표 데이터나 사전 공개 논문의 결과를 스스로 재현해 낸 것이었습니다. Robin의 경우에는 연구진이 살아있는 세포를 다루는 습식 실험을 직접 수행하여 에이전트의 가설을 검증했습니다.

외부 과학자들은 이 검토 작업이 여전히 만만치 않은 일이라고 평가합니다. 케임브리지 대학교의 Georg Meisl은 의학 전문 매체 Alzforum과의 인터뷰에서 쉽게 검증하기 어려운 작업의 경우 “오류가 여전히 너무 흔하게 나타납니다”라며 결과물을 일일이 확인하는 데 많은 시간이 든다고 지적했습니다. 에모리 대학교의 Lary Walker는 “쓰되, 검증하십시오”라는 원칙을 제시했습니다. 생물학 학술 커뮤니티 preLights에서 Manuel Lessi는 이미 답을 알고 있는 연구 질문에서는 Kosmos의 결과가 자신의 분석과 일치했으나, 새로운 질문에서는 결과를 검증하는 데 시간이 너무 오래 걸려 차라리 직접 분석하는 편이 더 빠를 수도 있었다고 밝혔습니다.

Edison은 연구를 일종의 소모품처럼 소비할 수 있도록 가격을 책정했습니다. 출시 초기 Kosmos는 1회 실행당 200달러였으며 학계 연구자에게는 무료 실행 기회를 제공했습니다. Sam Rodriques는 Alzforum을 통해 학계와 바이오 기업에서 약 30,000명의 사용자가 Kosmos를 시험해 보았다고 말했습니다. 작업량에 대한 시간 추정치는 회사와 협력자들의 계산에 기반을 둡니다. 베타 사용자들은 20주기를 실행한 1회가 연구자 개인의 약 6개월 치 연구량에 해당한다고 추정했고, 읽은 논문 편수와 실행한 분석 건수를 바탕으로 자체 계산한 Edison의 추정치는 약 4.1개월이었습니다. 2026년 5월 이후 Edison은 기업 중심 계약으로 방향을 틀었습니다. 초기 구독 접수를 마감하고 학계에는 일회성 크레딧을 지급하는 한편, 제약사 Incyte와 표적 발굴 및 중개 생물학 분야를 시작으로 파트너십을 맺었습니다. 두 회사의 계약 금액은 공개되지 않았습니다.

희소한 능력의 기준이 바뀌고 문서 업무가 줄어들 수 있습니다

연구 조직 전체에서 가장 귀한 대접을 받는 역량이 바뀔 수 있습니다. 에이전트가 문헌 조사와 코드 실행을 병렬로 신속하게 처리할 수 있다면, 주니어 연구원이 몇 날 며칠 동안 데이터를 정리하고 분석 코드를 짜는 시간의 가치는 상대적으로 떨어질 것입니다. 대신 인공지능이 내놓은 그럴듯한 해석 중에서 무엇이 잘못되었는지 한눈에 짚어내는 시니어 과학자의 안목이 더욱 중요해질 수 있습니다. 결과 해석 문장의 지지율이 57.9%에 머물렀다는 수치는 이런 판단의 영역이 당분간 사람의 몫으로 남아 있을 것임을 보여 줍니다.

제약 연구개발과 주변 서비스 산업에서는 문서 중심 업무가 줄어들 수 있습니다. 각국 규제 기관에 제출할 보고서를 작성하고 임상 데이터를 검토하는 일은 제약 연구개발에서 막대한 비용과 인력을 소모하는 분야이며, 종종 전문 작성 팀이나 외부 용역 회사에 맡겨집니다. Population Health Partners의 사례가 다른 연구 프로그램에서도 재현될 수 있다면, 문서 작성 인력은 초안 작성보다 사실 확인과 전략적 결정에 시간을 더 많이 쓰게 될 것입니다. Edison이 Incyte와 맺은 협업 모델은 또 다른 시사점을 던집니다. 제약사가 독자적인 실험 데이터로 에이전트를 추가 학습시킨다면, 회사가 오랫동안 축적해 온 실험 데이터 자체가 지속적인 경쟁 우위가 될 수 있습니다.

연구 과정에 에이전트를 도입하려는 다른 조직은 세 가지 교훈을 얻을 수 있습니다.

• 모든 주장을 추적할 수 있도록 만들어야 합니다. Kosmos는 보고서의 모든 문장을 실행 코드나 논문 출처와 연결했습니다. 이런 추적 경로가 없다면 에이전트가 내놓은 결과물을 확인하기 위해 결국 모든 연구를 처음부터 사람이 다시 해야 합니다.
• 주장의 종류별로 정확도를 따로 측정해야 합니다. Edison의 평가는 에이전트가 데이터 분석에는 능숙하지만 해석에는 취약하다는 사실을 보여 주었습니다. 하나의 전체 정확도 점수만 본다면 이런 약점을 발견하지 못할 수 있습니다.
• 사람이 어느 단계에 끼어들어야 하는지 명확히 설계해야 합니다. Kosmos의 초기 버전은 몇 시간 동안 사람의 개입 없이 홀로 돌아가도록 만들어졌고, 그 결과 단순한 질문에도 과도한 연산을 낭비했습니다. Edison은 연구 중간에 사람이 피드백을 주며 개입할 수 있도록 시스템을 다시 설계했습니다. 사람이 얼마나 자주 개입할 수 있는가는 부차적인 기능이 아니라 설계상의 선택입니다.

아직 완전히 증명되지 않은 점들이 남아 있습니다

이 글에서 다룬 데이터와 성과의 상당 부분은 Edison과 협력사의 자체 발표에 근거하고 있습니다. Kosmos의 정확도 지표는 보고서 세 편에서 뽑아낸 102개의 문장을 평가한 수치이며, 6개월이나 4.1개월 치 연구를 대신했다는 수치 역시 협력자와 회사의 추정치입니다.

Alzforum과 preLights에 실린 외부 과학자들의 논평은 모두 개편 전 초기 버전을 사용해 본 뒤 나온 평가입니다. 2026년 5월에 지속적 협업 형태로 전면 개편된 버전에 대해서는 아직 독립적인 외부 사용 후기를 찾을 수 없었으며, Population Health Partners의 성과 역시 Edison이 작성한 사례 보고서에 기반을 두고 있습니다.

Nature에 실린 선행 시스템 Robin의 연구 성과는 원문을 직접 확인할 수 없었습니다. Robin의 검증 실험은 살아있는 세포를 대상으로 한 전임상 단계에서 이루어진 것이며, 연구진 역시 단 하나의 신약 개발 프로젝트에서 얻은 결과라는 점을 밝히고 있습니다.

---

출처

1. Edison Advances — Kosmos: An AI Scientist for Autonomous Discovery — https://advances.edisonscientific.com/research/announcing-kosmos/ — 2025-11-05
2. arXiv — Kosmos: An AI Scientist for Autonomous Discovery (Mitchener et al.) — https://arxiv.org/abs/2511.02824 — 2025-11-04
3. Edison Advances — How We Built Kosmos — https://advances.edisonscientific.com/research/how-we-built-kosmos — 2026-05-18
4. Edison Scientific — Building AI-Native Biopharma: Announcing Our Partnership with Incyte Corporation and Kosmos for R&D Teams — https://edisonscientific.com/news/building-ai-native-biopharma-announcing-our-partnership-with-incyte-corporation-and-kosmos-for-r-d-teams — 2026-05-19
5. Edison Scientific — How Population Health Partners accelerates its regulatory process with Kosmos — https://edisonscientific.com/news/how-population-health-partners-accelerates-its-regulatory-process-with-kosmos — 2026-09-30
6. Edison Scientific docs — Overview — https://docs.edisonscientific.com/ — 2026-10-22 확인
7. Edison Scientific docs — Best practices for optimizing Kosmos workflows — https://docs.edisonscientific.com/guides/best-practices-for-optimizing-kosmos-workflows.md — 2026-10-22 확인
8. FutureHouse — Demonstrating end-to-end scientific discovery with Robin: a multi-agent system — https://futurehouse.org/research-announcements/demonstrating-end-to-end-scientific-discovery-with-robin-a-multi-agent-system — 2025-05-20
9. arXiv — Robin: A multi-agent system for automating scientific discovery (Ghareeb et al.) — https://arxiv.org/abs/2505.13400 — 2025-05-19
10. Edison Advances — Robin: A multi-agent system for automating scientific discovery — https://advances.edisonscientific.com/research/robin-multi-agent-system — 2026-05-19
11. SiliconANGLE — Edison Scientific raises $70M to build autonomous AI scientists for research — https://siliconangle.com/2025/12/18/edison-scientific-raises-70m-build-autonomous-ai-scientists-research — 2025-12-18
12. Alzforum — Introducing Kosmos: ‘AI Scientist’ That Makes Discoveries Overnight — https://www.alzforum.org/news/research-news/introducing-kosmos-ai-scientist-makes-discoveries-overnight — 2025-11-21
13. preLights — Kosmos: An AI Scientist for Autonomous Discovery (Manuel Lessi, Roberto Amadio) — https://prelights.biologists.com/highlights/kosmos-an-ai-scientist-for-autonomous-discovery/ — 2026-02-04