Building reliable agentic AI systems
바이엘과 Thoughtworks가 협력해 개발한 PRINCE는 에이전틱 RAG와 Text-to-SQL을 활용해 전임상 안전성 연구 보고서를 통합한 클라우드 플랫폼이다. 키워드 검색에서 지능형 연구 보조 도구로 진화해 복잡한 질문에 답하고 규제 문서 초안을 작성할 수 있다.
바이엘(Bayer AG)과 Thoughtworks가 협력해 전임상 정보 센터(PRINCE)를 구축했다. PRINCE는 에이전틱 RAG(Agentic Retrieval-Augmented Generation)와 Text-to-SQL을 활용해 수십 년간의 안전성 연구 보고서를 통합한 클라우드 호스팅 플랫폼이다. 이 시스템은 키워드 기반 검색에서 출발해 복잡한 질문에 답하고 규제 문서 초안을 작성할 수 있는 지능형 연구 보조 도구로 진화했다.
전임상 신약 개발은 데이터 집약적이며, 연구자들은 전통적인 키워드 검색(불리언 로직 기반)으로는 복잡한 연구 질문에 효율적으로 접근하기 어려웠다. LLM과 RAG 기술의 발전으로 자연어 질의와 정확한 정보 검색을 결합할 수 있는 기회가 생겼고, 바이엘은 이 기술을 전임상 데이터 접근성 개선에 활용하기 위해 조기 투자했다.
PRINCE는 컨텍스트 엔지니어링(정보를 전문화된 에이전트 간에 어떻게 형성하고 라우팅할지)과 하네스 엔지니어링(오케스트레이션, 복구, 관찰 가능성)을 통해 신뢰성과 통제력을 확보했다. 투명성, 설명 가능성, 인간-인-더-루프 통합을 우선시해 규제 준수와 거버넌스를 보장하면서도 데이터 접근성과 연구 효율성을 크게 개선했다. 이 사례는 AI가 제약 산업의 복잡한 데이터 문제를 해결할 수 있는 잠재력을 보여준다.
댓글에서는 맥락 규율의 중요성이 강조되었으며, 더 큰 컨텍스트 윈도우가 모델이 보지 말아야 할 것을 결정하는 필요성을 없애지 않는다는 점이 지적되었습니다. 이는 AI 시스템의 신뢰성을 높이기 위해 입력 데이터를 신중히 선택해야 함을 시사합니다.