바이오활성 물질, 알고 계셨나요?
식물성 식품과 천연 성분 안에 숨겨진 바이오활성 물질—영양학계에서는 이를 '영양의 암흑 물질'이라 부른다—을 AI로 체계적으로 발굴하는 시도가 본격화됐다. 2017년 설립된 미국 스타트업 브라이트시드(Brightseed)는 2026년 5월 13일, 자사 바이오활성 물질 발견 플랫폼 포래저(Forager) 위에 에이전틱 AI 제품 '험밍버드(Hummingbird)'를 공식 출시했다. 험밍버드는 파트너 기업이 바이오활성 물질의 발견부터 상업적 개발까지 이르는 전 과정을 기록적인 시간 안에 완수할 수 있도록 설계됐다.
험밍버드는 브라이트시드가 수년간 축적한 방대한 천연 화합물 데이터베이스—생체 표적과의 연결 정보를 포함한—를 기반으로 작동한다. 포래저가 특정 건강 효능을 부여할 수 있는 화합물을 예측하고, 이를 상업적 규모로 공급하거나 생산하는 최적 방법을 식별하는 데 초점을 맞춘다면, 험밍버드는 그 위에서 생명과학 팀이 과학적 통찰을 평가하고 우선순위를 정해 실행에 옮길 수 있도록 돕는 역할을 한다. 핵심 목표는 생명과학 분야에서 가장 지속적인 과제, 즉 상당한 시간과 자본이 투입되기 전에 아이디어의 실현 가능성을 판단하는 문제를 해결하는 것이다.
험밍버드는 정식 출시 이전인 2026년 2월부터 테스트 모드로 일부 고객에게 제공됐다. 브라이트시드의 CEO는 테스트 기간에 일부 고객이 GLP-1을 모방하거나 체내 생산을 유도할 수 있는 바이오활성 물질을 탐색하는 데 험밍버드를 활용했다고 밝혔다.
그는 험밍버드가 일반적인 AI 도구와 달리 브라이트시드가 독자적으로 구축한 데이터셋을 기반으로 해 훨씬 더 실질적인 통찰을 제공한다고 강조했다.
험밍버드의 도전과 가능성
실제 사용 결과도 이 주장을 뒷받침한다. 테스트에 참여한 한 글로벌 기업의 CEO는 험밍버드와 시중의 대규모 언어 모델(LLM)에 동일한 질문을 던졌을 때, 험밍버드가 더 많은 답변과 상세한 설명을 제공했으며, 팀원들은 험밍버드의 추천이 훨씬 더 실행 가능하다고 평가했다.
광고
이는 독점 데이터셋에서 비롯된 차별화로, 범용 AI 모델과의 핵심 격차다. 험밍버드는 앞으로 단계적으로 기능을 확장한다. 브라이트시드는 '화이트 스페이스', '클레임', '제형', '스케일업', '시장' 등 다섯 종류의 에이전트를 분기별로 순차 출시할 계획이다.
화이트 스페이스 에이전트는 시장 내 빈 공간을 탐색하고, 클레임 에이전트는 제품 효능 주장을 지원하며, 제형·스케일업·시장 에이전트는 각각 제품화, 생산 확대, 시장 진입 단계를 담당한다. 이를 통해 험밍버드는 생명과학 혁신의 전체 수명 주기를 단일 플랫폼 안에서 지원하는 체계를 갖추게 된다.
미래 식품, 개개인에 맞춘다
물론 AI 기반 식품 과학 기술에 대한 우려도 제기된다. 바이오활성 물질의 효능에 관한 과도한 홍보와 검증되지 않은 정보가 소비자 혼란으로 이어질 수 있다는 지적이 업계 일각에서 나온다.
브라이트시드는 이에 대해 독점 데이터셋과 과학적 근거에 기반한 통찰만을 제공함으로써 신뢰성을 확보하겠다는 입장이다. 정확한 데이터와 생물학적 근거를 갖춘 접근법이 이 문제의 핵심 해법이 된다. 험밍버드의 등장은 개인 맞춤형 영양 솔루션 개발의 속도를 높일 수 있다는 점에서 식품 산업 전반에 파급력이 크다.
기능성 원료 발굴부터 제품 클레임 설정, 상업적 생산 규모화까지—그간 수년이 걸리던 과정—를 AI가 지원하는 방식으로 단축할 수 있기 때문이다. 한국의 농식품·건강기능식품 업계 또한 이 같은 AI 플랫폼을 통해 원료 탐색과 제품 개발 효율을 높일 실질적 기회를 갖게 됐다.
국내 업체가 이 기술을 도입하려면 바이오활성 물질 데이터베이스 구축과 플랫폼 연계 역량을 먼저 확보하는 것이 선행 조건이다.
FAQ
Q. 험밍버드는 기존 AI 도구와 무엇이 다른가?
A. 험밍버드는 범용 대규모 언어 모델(LLM)이 아니라 브라이트시드가 수년간 독자적으로 구축한 천연 화합물·생체 표적 연결 데이터셋 위에서 작동한다. 실제 테스트에서 한 글로벌 기업 CEO는 동일 질문에 대해 험밍버드가 LLM보다 더 많은 답변과 상세한 설명을 제공했으며, 팀원들이 바로 실행에 옮길 수 있는 추천을 내놓았다고 평가했다. 즉, 험밍버드의 차별점은 독점 데이터 기반의 실행 가능한 인사이트에 있다. 분기별로 화이트 스페이스·클레임·제형·스케일업·시장 에이전트가 추가될 예정이어서 발견부터 시장 출시까지 전 주기를 지원하는 방향으로 발전한다.
Q. GLP-1 관련 바이오활성 물질 탐색은 어떻게 이루어지는가?
A. GLP-1(글루카곤 유사 펩타이드-1)은 체내에서 혈당 조절과 포만감 신호에 관여하는 호르몬으로, 최근 비만·당뇨 치료제 시장에서 주목받는 타깃이다. 험밍버드는 포래저 플랫폼의 화합물 예측 기능을 활용해 GLP-1을 모방하거나 체내 생산을 유도할 수 있는 천연 바이오활성 물질 후보를 빠르게 추려낸다. 2026년 2월 테스트 모드 운영 당시 일부 고객이 이 목적으로 험밍버드를 활용했다. 천연 성분에서 GLP-1 관련 효능을 가진 물질을 발굴하면, 합성 의약품 대비 부작용이 낮고 식품·건강기능식품으로 상용화할 수 있는 가능성이 높아진다.
Q. 한국 농식품 업계가 이 기술에서 얻을 수 있는 실질적 이점은 무엇인가?
A. 한국은 인삼·홍삼·발효 식품 등 전통적으로 기능성 성분이 풍부한 원료 기반을 보유하고 있어, AI 기반 바이오활성 물질 탐색 플랫폼과의 결합 효과가 클 수 있다. 험밍버드와 같은 플랫폼을 활용하면 국내 전통 원료에서 과학적으로 검증된 바이오활성 물질을 발굴하고, 글로벌 시장에서 통용되는 효능 클레임을 확보하는 속도를 단축할 수 있다. 다만 이를 위해서는 국내 원료에 특화된 화합물 데이터 구축과 브라이트시드 같은 플랫폼과의 협력 또는 독자적 플랫폼 개발 역량이 선행되어야 한다. 정부 차원의 데이터 인프라 지원과 산학 협력 체계 강화가 이 전환의 속도를 결정짓는 요인이 될 것이다.
광고
){kind=small}
){kind=small}
){kind=small}
){kind=small}
