AI가 생명과학 지식을 많이 알고 있다는 것과, 실제 연구 현장에서 도움이 된다는 것은 다릅니다. OpenAI가 2026년 6월 17일 공개한 LifeSciBench는 이 차이를 평가하기 위한 벤치마크입니다.1
핵심 질문은 단순합니다. AI가 정답형 문제를 잘 푸는 수준을 넘어, 생명과학 연구자가 실제로 마주하는 복잡한 업무에서도 쓸모 있는가입니다.
LifeSciBench는 무엇을 평가하나
기존 과학 벤치마크는 좁은 지식 영역이나 정답이 명확한 일문일답 형식에 치우치는 한계가 있었습니다.1 하지만 실제 연구는 그렇게 단순하지 않습니다. 연구자는 논문, 표, 그림, 실험 기록 같은 다양한 자료를 함께 읽고, 근거를 비교하며, 불확실한 조건에서 판단해야 합니다.
LifeSciBench는 이런 현실에 더 가까운 평가를 지향합니다. 총 750개 과제로 구성되어 있으며, 7개 연구 워크플로와 7개 생물학 영역을 포괄합니다. 이 과제들은 173명의 박사급 과학자가 구축했습니다.2
즉 LifeSciBench는 AI에게 “생명과학을 아는가”만 묻지 않습니다. 자료를 읽고, 해석하고, 연구 맥락에 맞는 답을 만들 수 있는지를 봅니다.
중요한 기준은 ‘그럴듯함’이 아니라 ‘연구에 쓸 수 있는가’다
LifeSciBench의 평가 방식에서 중요한 점은 자유서술형 답변입니다. AI는 단순히 보기 중 하나를 고르는 것이 아니라, 주어진 자료를 바탕으로 근거 있는 답변을 구성해야 합니다.
채점도 단순한 정오 판단에 그치지 않습니다. LifeSciBench에는 19,020개의 루브릭 기준이 포함되어 있습니다.2 루브릭은 답변을 평가하는 세부 기준표입니다. 결론이 일부 맞더라도 근거를 잘못 해석하거나, 중요한 조건을 빠뜨리거나, 연구 현장에서 쓰기 어려운 형태로 답하면 좋은 평가를 받기 어렵습니다.
이 점이 LifeSciBench의 실용적 가치입니다. AI 모델을 도입하려는 연구 조직은 “이 모델이 똑똑한가”보다 더 구체적인 질문을 해야 합니다. 어떤 업무에서 강한가, 어떤 자료 유형에서 약한가, 어떤 수준의 검토가 필요한가를 확인해야 합니다. LifeSciBench는 그런 판단을 돕는 기준으로 볼 수 있습니다.
36.1%라는 숫자가 말하는 것
OpenAI의 과학 특화 모델 GPT-Rosalind는 LifeSciBench에서 36.1% 통과율을 기록한 것으로 언급됐습니다.3 가장 높은 성과로 소개됐지만, 이 숫자는 동시에 현재 AI의 한계도 보여줍니다.
생명과학 연구 업무는 단순 지식 검색보다 어렵습니다. 자료가 많고, 해석이 필요하며, 실험 조건이나 연구 맥락에 따라 답이 달라질 수 있습니다. 따라서 LifeSciBench의 의미는 “AI가 곧 과학자를 대체한다”는 주장을 뒷받침하는 데 있지 않습니다. 오히려 어디까지 맡길 수 있고, 어디부터는 전문가 검토가 필요한지 가르는 데 있습니다.
과학용 AI를 볼 때 무엇을 봐야 하나
LifeSciBench가 주는 실질적 교훈은 명확합니다. 앞으로 과학용 AI를 평가할 때는 모델 이름이나 홍보 문구보다 평가 방식 자체를 먼저 봐야 합니다.
특히 다음을 확인할 필요가 있습니다.
평가 과제가 실제 연구 업무와 얼마나 가까운가
단순 정답이 아니라 근거와 판단 과정을 평가하는가
루브릭이 충분히 세밀한가
모델이 실패하는 영역을 확인할 수 있는가
AI가 생명과학 연구에 기여하려면 지식을 말하는 능력만으로는 부족합니다. 연구자가 의사결정하는 순간에 신뢰할 만한 도움을 줄 수 있어야 합니다. LifeSciBench는 그 가능성과 한계를 더 현실적으로 보려는 시도입니다.
참고
1AIが科学者にとってどれだけ役立つかを測定できるベンチマークテスト「LifeSciBench」をOpenAIが公開 - GIGAZINE
2OpenAI launches LifeSciBench to evaluate AI in life sciences
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.