3년 묵은 면역학 수수께끼, GPT-5 프로가 풀었다? — 놀라운 사례와 신중해야 할 이유

미국 잭슨연구소·코네티컷대학교의 면역학자 데리야 우누트마즈 박사가 오픈AI 공식 블로그를 통해 흥미로운 경험을 공개했습니다. 3년간 풀지 못했던 면역세포 관련 수수께끼를, GPT-5 프로(GPT-5 Pro)에게 데이터를 보여준 지 얼마 되지 않아 풀어냈다는 것입니다. 우누트마즈 박사는 "이제 AI 없이는 연구를 상상할 수 없다"며 "두 손을 모두 잃거나 뇌의 절반을 잃는 것과 같다"고까지 표현했습니다.

인상적인 이야기입니다. 다만 이런 종류의 "AI가 과학 난제를 풀었다"는 사례는 최근 AI 기업들이 자주 공개하는 홍보성 콘텐츠의 한 장르이기도 합니다. 그래서 이번 글에서는 실제로 무슨 일이 있었는지 자세히 들여다보고, 동시에 이런 이야기를 얼마나 곧이곧대로 받아들여야 할지도 함께 짚어보겠습니다.

무엇을 밝혀내려 했나 — T세포와 포도당의 관계

먼저 배경 지식이 필요합니다. T세포는 바이러스와 싸우고, 암세포를 제거하고, 건강한 세포와 위협 요소를 구별하는 등 우리 몸의 방어를 담당하는 핵심 면역세포입니다. T세포는 발달 과정에서 여러 갈래로 '분화'하는데, 어떤 방향으로 분화하느냐가 암·자가면역질환·감염병 대응 능력을 좌우합니다. 그중 Th17은 염증 반응을 담당하는 분화 경로입니다. 이 분화 과정을 조절하는 요인을 알아내면, 관련 질병의 치료법 개발에 중요한 실마리가 됩니다.

수수께끼의 재구성 — 앞뒤가 안 맞는 2022년의 실험 결과

우누트마즈 연구팀은 2022년, 포도당이 T세포 발달에 미치는 영향을 알아보기 위한 실험을 설계했습니다. 발달 초기의 T세포를 두 가지 환경에 각각 노출시켰는데, 하나는 단순히 포도당이 부족한 환경, 다른 하나는 **디옥시글루코스(2-DG)**라는 포도당과 비슷하게 생긴 분자가 있는 환경이었습니다. 2-DG는 세포가 포도당을 실제로 이용하지 못하게 방해하는 물질입니다.

연구팀은 두 환경 모두 세포가 쓸 수 있는 포도당이 부족하다는 점에서 비슷한 결과가 나올 것이라 예상했습니다. 하지만 결과는 전혀 달랐습니다. 2-DG 환경에 노출된 T세포는 압도적으로 많은 수가 염증성 세포인 Th17로 분화한 반면, 단순 저포도당 환경에서는 그 수가 훨씬 적었습니다. 더 이상했던 점은, 2-DG를 나중에 제거해도 그 영향이 계속 남아있었다는 것입니다. 단순한 '에너지 부족'만으로는 설명할 수 없는 결과였고, 연구팀은 원인을 밝히지 못한 채 이 실험을 3년간 그대로 묻어둬야 했습니다.

GPT-5 프로가 찾아낸 연결고리

2025년 말, 우누트마즈 박사는 묵혀뒀던 이 데이터를 GPT-5 프로에 업로드해 분석을 요청했습니다. 모델이 내놓은 설명은 이랬습니다. 2-DG가 IL-2라는 단백질의 합성을 방해했는데, 이 IL-2가 원래 T세포의 Th17 분화를 '억제'하는 역할을 한다는 것이었습니다. 즉 2-DG가 세포의 에너지원을 차단한 게 아니라, Th17로 가지 못하게 막던 '브레이크(IL-2)' 자체를 없애버렸다는 설명입니다. 저포도당 환경에서는 이 브레이크가 온전했기 때문에 Th17 분화가 훨씬 적었던 것이고요. 우누트마즈 박사는 "완벽하게 맞아떨어지는 분석이었다"며, 자신의 전문 분야에서 살짝 벗어난 영역이라 연구팀 누구도 그 연관성을 짚어내지 못했다고 말했습니다.

더 흥미로운 검증 — 발표 전 데이터로 결과를 예측하다

여기서 흥미로운 검증이 하나 더 있었습니다. 우누트마즈 박사는 GPT-5 프로가 진짜 '이해'했는지 시험해보기로 했습니다. 이미 완료했지만 아직 발표하지 않은 다른 실험(특정 림프종을 표적으로 하는 CD8+ T세포 실험)에 대해 결과를 시뮬레이션해달라고 요청한 것입니다. 모델은 CD8+ 세포의 림프종 사멸 능력이 향상된다는, 실제 실험 결과와 일치하는 예측을 내놓았습니다. 아직 공개되지 않은 데이터였기 때문에, 모델이 인터넷에서 답을 미리 찾아봤을 가능성은 없었다는 게 우누트마즈 박사의 설명입니다. 이 대목이 이번 사례에서 가장 흥미로운 지점입니다. 단순히 그럴듯한 설명을 지어낸 게 아니라, 그 설명을 바탕으로 새로운 상황의 결과까지 맞혔다는 것이니까요.

인상적이지만, 동시에 신중하게 볼 이유

다만 이 이야기를 받아들일 때 몇 가지 짚어볼 지점이 있습니다.

먼저, 이 콘텐츠는 오픈AI가 직접 만든 고객 사례 홍보물입니다. 동료평가를 거쳐 학술지에 게재된 독립적인 검증 결과가 아니라, 회사가 선별해 소개한 하나의 인상적인 일화입니다. 그리고 이런 유형의 사례가 처음도 아닙니다. 한 분석 매체는 오픈AI가 앞서 GPT-5.5를 발표할 때도 유전자 발현 분석, 대수기하학 문제, 램지 수 관련 수학적 증명 기여 등 "과학적 워크플로우에 대해 이례적으로 강한 주장"을 반복해서 내놓은 패턴을 지적하며, 이런 사례들이 "좋은 연구뿐 아니라 그럴듯해 보이는 잘못된 추론까지 가속할 수 있다"고 경고했습니다.

실제로 AI를 활용한 과학적 발견을 표방하는 '자동화된 AI 과학자' 연구들에 대해, 학계에서는 방법론적 허점을 지적하는 논문("자동화할수록 덜 보인다: AI 과학자 시스템의 숨겨진 함정")까지 나온 상태입니다. AI가 만들어낸 그럴듯한 설명이 실제로는 오류가 있거나, 이미 알려진 사실을 재발견한 것에 불과할 수도 있다는 우려입니다.

물론 정반대의 신중한 검증 사례도 있습니다. 복잡도 이론학자 스콧 애런슨은 자신의 논문에서 "핵심적인 기술적 단계 하나를 AI로부터 얻었다"고 구체적으로 명시했고, 저명한 수학자 테렌스 타오는 챗GPT를 이용해 미해결 수학 문제의 첫 반례를 찾아낸 사례를 공개하며 그 과정을 투명하게 검증받을 수 있게 공유했습니다. 이런 사례들의 공통점은, "AI가 문제를 풀었다"는 식의 통짜 주장이 아니라 **"이 구체적인 단계에서 AI가 이런 기여를 했다"**는 식으로 기여 범위를 좁혀 명확히 밝혔다는 점입니다. 우누트마즈 박사의 사례도 이 스펙트럼 어딘가에 있다고 보는 게 정확할 것입니다. 즉 완전히 무시할 일화는 아니지만, 동료 검증이나 논문 발표 같은 독립적 확인 절차를 거치기 전까지는 "매우 흥미로운 단서"로 받아들이는 편이 안전합니다.

그럼에도 전문가는 여전히 필수적이다

흥미롭게도 우누트마즈 박사 스스로도 이 균형을 인정합니다. "AI가 통찰을 제시할 수는 있지만, 그 중요성과 타당성을 판단하는 것은 결국 사람의 몫"이라는 것입니다. 자신 같은 면역학 전문 지식이 없었다면 애초에 GPT-5 프로가 내놓은 답이 정말 중요한 발견인지조차 알아채지 못했을 것이라고 그는 말합니다. 이는 AI가 전문가를 대체하는 게 아니라, 전문가의 판단력과 결합했을 때만 제 가치를 발휘한다는 점을 보여줍니다.

안전 문제 — 같은 능력의 양면

오픈AI도 이 발표에서 균형을 잡으려 한 대목이 있습니다. 생물학·의학 연구를 가속하는 바로 그 능력이, 생물·화학무기를 개발하려는 악의적 행위자의 진입 장벽도 함께 낮출 수 있다는 것입니다. 이 때문에 오픈AI는 자사의 '준비성 평가 프레임워크'를 통해 이런 위험을 추적하고 있다고 밝혔는데, 이는 앞서 이 블로그에서 다룬 GPT-5.6·제미나이 3.6 플래시의 생물·화학·방사능·핵(CBRN) 안전장치와 같은 맥락의 고민입니다. 연구를 빠르게 만드는 도구와, 위험한 지식의 접근성을 낮추는 도구가 결국 같은 기술이라는 딜레마는 AI 기업들이 계속 씨름하고 있는 문제입니다.

한국 독자에게 어떤 의미가 있을까

이 사례는 국내 연구 현장에도 시사하는 바가 있습니다. 한국의 의생명과학 연구자들도 이미 문헌 검토, 가설 생성, 실험 시뮬레이션 같은 작업에 AI를 활용하기 시작했는데, 이번 사례는 그 잠재력과 한계를 동시에 보여주는 좋은 참고 사례입니다. 논문 수백 편을 빠르게 훑어 아직 풀리지 않은 질문을 찾아내거나, 실험을 미리 시뮬레이션해 우선순위를 정하는 식으로 시간을 크게 절약할 수 있다는 점은 국내 연구자에게도 매력적인 활용법입니다. 다만 이 블로그가 계속 강조해온 것처럼, AI가 내놓은 결과를 검증 없이 그대로 신뢰하기보다는 해당 분야 전문가의 판단을 반드시 거치는 습관이, 한국 연구 현장에서도 똑같이 중요합니다.

정리하며

이 사례의 핵심은 "AI가 3년 묵은 수수께끼를 풀었다"는 극적인 헤드라인이 아닙니다. 전문가의 판단력과 AI의 패턴 인식 능력이 결합했을 때 나올 수 있는 가능성, 그리고 동시에 그런 이야기를 접할 때 유지해야 할 건강한 회의주의, 이 두 가지를 함께 보여준다는 점입니다.

남는 질문은 이렇습니다. 이 발견이 앞으로 동료평가를 거친 논문으로 정식 발표되고 다른 연구팀에 의해 재현된다면, 그때는 이 이야기가 훨씬 더 무게 있게 다가올 것입니다. 그 전까지는, 흥미로운 가능성이자 앞으로가 더 궁금해지는 하나의 단서로 받아들이는 것이 정확한 태도일 듯합니다. AI 기업들이 앞다퉈 내놓는 이런 '과학 발견' 사례들이, 앞으로 얼마나 독립적인 검증을 거쳐 실제 과학적 성과로 이어질지 계속 지켜볼 대목입니다.