미국 과학정책 대전환 정리: AI 시대 연구비 심사와 제네시스 미션이 바꾸려는 것

핵심 메시지

• 백악관 과학기술정책실이 공개한 '과학의 새로운 황금시대' 보고서는 연구비 심사부터 과학 데이터, 실험 시설, 논문 검증까지 미국 연구개발 체계 전반을 다시 설계하자고 제안한다.
• 바로 다음 날 발표된 '제네시스 미션'은 50억 달러가 넘는 연방 지원 계획과 278개 프로젝트를 담았고, 에너지부를 중심으로 15개가 넘는 기관이 참여한다.
• 핵심은 똑똑한 AI 하나를 만드는 것이 아니라 정부가 보유한 과학 데이터, 슈퍼컴퓨터, 실험 장비, 로봇 실험실을 하나의 과학 플랫폼처럼 연결하는 것이다.
• AI는 발견의 병목을 없애는 것이 아니라 병목의 위치를 '후보 찾기'에서 '무엇을 먼저 검증할 것인가'로 옮긴다.
• AI가 어떤 가설에 실험 기회를 줄지 순위를 매기기 시작하면, 데이터가 많이 쌓인 분야로 자원이 다시 쏠리는 순환이 생길 수 있다.

쉽게 이해하기

미국 백악관 과학기술정책실은 2026년 7월 'Science: A New Golden Age(과학의 새로운 황금시대)'라는 보고서를 공개했다. 제목은 선언적이지만 던지는 질문은 구체적이다. AI가 논문을 읽고 가설을 세우며, 로봇이 실험하고 슈퍼컴퓨터가 결과를 분석하는 시대에도 과학자를 뽑고 연구비를 나눠 주는 방식이 지금과 같아야 하느냐는 것이다.

이 질문의 뿌리는 81년 전으로 거슬러 올라간다. 1945년 과학 행정가 바네바 부시가 내놓은 'Science, The Endless Frontier'는 전쟁 중 모아 둔 과학 역량을 전후에 어떻게 운영할지 정리한 문서였고, 미국 정부가 기초과학을 지원하는 체계와 국립과학재단 설립의 바탕이 됐다. 이번 보고서는 그때가 '전쟁 이후'의 설계도였다면 지금은 'AI 이후'의 설계도가 필요하다고 주장하는 셈이다.

보고서가 문제 삼는 지점은 동료 평가 자체가 아니라 서로 다른 성격의 연구를 하나의 심사표에 올려놓는 관행이다. 계획서 작성에 드는 시간과 행정 부담이 크고, 이미 성과를 낸 연구자나 익숙한 분야에 지원이 몰리기 쉽다. 예비 데이터는 부족하지만 성공하면 흐름을 바꿀 아이디어가 오히려 밀려난다는 것이다. 실제로 미국에는 탐색 단계 아이디어를 소규모로 먼저 시험하게 해 주는 제도나, 초기 연구자의 고위험·고보상 연구를 상세한 실험 계획 없이도 지원하는 국립보건원의 뉴 이노베이터 어워드 같은 보완 장치가 이미 있다.

보고서가 제시하는 방향은 연구비 총액을 늘리는 것보다 '누구에게 어떤 방식으로' 주느냐를 바꾸는 데 가깝다. 연구자 개인을 장기간 지원하는 펠로십을 늘리고, 한 명의 전문가가 강하게 추천한 파격적 아이디어를 시험하는 골든 티켓, 빠른 심사, 상금형 과제 같은 방식을 확대하는 안이 검토된다. 논문 수만이 아니라 재연성과 실패한 실험 결과까지 성과로 인정하겠다는 내용도 담겼다.

다만 보고서와 제네시스 미션이 곧바로 확정된 제도는 아니다. 구체적인 프로젝트와 참여 기관은 발표됐지만 개인 연구자 중심 지원의 전면 확대나 심사 체계 개편은 아직 제안 단계에 가깝고, 실제 변화는 각 기관이 내놓을 예산과 실행 계획, 세부 연구 공고에서 확인해야 한다.

주요 인사이트

• 이 구상의 실체는 '과학용 AI 모델 하나'가 아니라 데이터·슈퍼컴퓨터·실험 장비·로봇 실험실을 잇는 국가 단위 연구 인프라다. 개별 도구 도입과 인프라 재설계는 요구되는 예산과 시간의 규모가 다르다.
• 자율 실험실은 AI가 가설을 고르고 슈퍼컴퓨터가 조건을 계산하며 로봇이 합성·측정하고 그 결과가 다시 AI로 돌아가는 순환 구조다. 표준화만 되어 있다면 며칠 걸리던 주기를 하루에 여러 번 돌릴 수 있지만, 목표와 안전 기준, 실험 범위를 정하는 것은 여전히 사람의 몫이다.
• AI가 하루에 수천 개의 신약 후보를 내놓아도 합성과 약효·독성·안정성 확인에는 여전히 긴 시간이 걸린다. 계산은 몇 분이면 끝나지만 실험은 수개월에서 수년, 대형 시설 구축과 인력 양성에는 수십 년이 필요할 수 있다.
• AI 추천이 자원 배분에 개입하면 편향이 사라지는 것이 아니라 증폭될 수 있다. 연구비가 데이터를 만들고, 데이터가 AI의 추천을 강화하고, 그 추천이 다시 연구비 방향을 정하는 순환이 생기기 때문에 어떤 분야가 학습에서 빠졌는지를 함께 따져야 한다.
• 연구와 제조를 묶어 발견을 곧바로 제품화하겠다는 계획에는 인재상의 변화도 함께 담겼다. 석박사 연구자만이 아니라 현장의 고급 기술자와 숙련공까지 과학 생태계의 최전선 인력으로 본다는 것이다.

자주 묻는 질문

관련 AI 소식