암기가 아니라 검색: 제약 제형을 위한 AI 어시스턴트

일반 AI 챗봇에게 제형 관련 질문을 던지면 곧바로 답이 돌아옵니다.

그 답이 어디서 나왔는지 물으면, 대개 답하지 못합니다.

검증된 규제 요건과 그럴듯하게 들리는 추측을 구분해 보라고 하면, 시도조차 하지 않는 경우가 많습니다.

이는 프롬프트를 다듬는다고 해결되는 문제가 아닙니다. 언어 모델은 다음에 올 그럴듯한 단어를 만들어내도록 설계되어 있을 뿐, 그 주장이 사실인지 확인하도록 만들어져 있지 않습니다. 대부분의 경우 이 정도 간극은 크게 문제 되지 않습니다. 하지만 부형제 역할에 대한 잘못된 가정이나 서로 다른 제품의 용량 데이터가 뒤섞이는 상황이 실제 의사결정으로 이어질 수 있는 제형 과학에서는 다릅니다.

검색 증강 생성(RAG)은 바로 이 간극을 줄이기 위해 나왔습니다. 모델이 기억에서 사실을 끄집어내게 하는 대신, 시스템이 먼저 근거를 검색하고 모델은 그 근거만으로 답하게 합니다. 알케는 모호한 답을 용납하지 않는 도메인에서 이 방식이 어디까지 통하는지 확인하기 위해 제약 제형용 RAG 어시스턴트를 만들었습니다.

대부분의 RAG 데모는 문서 집합 하나를 검색합니다. 제형 과학은 그 하나에 들어가지 않습니다.

부형제 적합성 질문에는 제형 문헌이 필요하고, 승인 요건 질문에는 지역별 규제 가이드라인이 필요하며, 대조약 질문에는 허가 의약품 기록이 필요합니다. 이 모두를 구분 없이 하나의 더미로 다루면, 질문하는 사람에게 중요한 차이가 그 안에서 사라집니다.

이전에는 모든 질의가 같은 인덱스를 검색하고 결과가 맞기를 바라는 식이었습니다. 지금은 다릅니다. 저희 시스템은 도메인별로 구분된 소스를 따로 유지하고, 각 질의를 먼저 알맞은 소스로 보냅니다. 에이전트가 각 소스에 대한 짧은 설명을 읽고 무엇을 검색할지 결과가 나오기 전에 먼저 판단합니다.

밀집 벡터 검색은 질문과 비슷하게 들리는 문단을 찾아줍니다. 비슷하게 들린다고 관련 있는 것은 아니고, 관련 있다고 충분한 근거가 되는 것도 아닙니다.

1차 검색 이후, 교차 인코더 재순위화 모델이 각 후보를 질의와 직접 비교해 다시 점수를 매겨 임베딩만으로는 놓쳤을 오류를 바로잡습니다.

일부 소스는 매우 깁니다. 교과서 한 챕터, 규제 가이드라인 전문 같은 것들입니다. 저희는 그 전체를 모델에 그대로 넘기지 않습니다. 시스템이 실제로 질문에 답하는 부분을 추정해 그만큼만 문맥으로 남기고, 모델의 주의가 실제 답이 있는 곳에 머물게 합니다.

내부 소스는 정제되어 있지만 한정적이고, 규제 입장은 계속 바뀝니다. 최신 가이드라인이 필요한 질문에 대응하기 위해, 저희 시스템은 내부 검색 위에 실시간 웹 검색을 더합니다. 단, 신뢰할 수 있는 규제·학술 도메인으로 범위를 고정합니다. 이 검색 결과는 내부 근거와 구분해 표시되므로, 답변이 저희 라이브러리에서 왔는지 공개 웹에서 왔는지 항상 명확합니다.

제형 관련 질문 중에는 사실을 찾는 문제라기보다 규칙을 올바르게 적용하는 문제에 가까운 것들이 있습니다. 부형제를 선택하는 일은 용해도, 분배계수, 분자량 같은 물리화학적 특성에 좌우되며, 이 특성이 그 물질이 충진제, 결합제, 붕해제, 계면활성제, 활택제 중 무엇이 될 수 있는지를 결정합니다. 저희 시스템은 생성이 시작되기 전에 이 특성으로 후보군을 좁혀두고, 모델이 텍스트만으로 화학을 추측하도록 두지 않습니다.

또한 사소해 보이지만 실제로는 중요한 규칙 하나를 강제합니다. 한 원료의약품에 대한 제형 사례는, 겉보기에 비슷해 보여도 다른 원료의약품에 그대로 확장되거나 재사용될 수 없습니다. 이는 모델의 판단에 맡기지 않고 강제 규칙으로 다룹니다. 이 규칙이 막는 실패는 그럴듯하게 들리지만 화학적으로 틀린 용량 권장입니다.

생성된 모든 답변은 페이지 단위까지, 기계가 검증할 수 있는 일관된 형식으로 출처를 밝혀야 합니다. 아무도 검증할 수 없는 인용은 사실상 인용이 아닙니다. 규제 영역에서 검증할 수 없는 답변은 사실상 쓸 수 없는 답변입니다.

모델은 질문이 도메인 안에 있고 검색된 근거가 실제로 주장을 뒷받침할 때만 답합니다. 그렇지 않으면 그렇다고 말합니다. 유창한 추측으로 빈틈을 메우지 않습니다. 저희는 명확한 거절을 시스템의 실패가 아니라 성공으로 봅니다.

답변은 한 번에 오지 않고 토큰 단위로 스트리밍됩니다. 대화 도중 한 모델 제공자에 문제가 생기면 문맥을 잃지 않고 다른 제공자로 넘어가므로, 일시적인 장애가 사용자의 대화를 끊지 않습니다. 모든 대화는 지속적인 스레드에 저장되어, 한 번 읽고 끝나는 것이 아니라 나중에 다시 검토할 수 있습니다.

이 하나하나는 그 자체로 특별히 새로운 기법은 아닙니다. 다중 소스 검색, 재순위화, 하이브리드 검색, 인용 근거 확보, 거절 우선 프롬프트 설계 모두 현재 RAG 연구에서 이미 자리 잡은 기법들입니다. 저희가 나누고 싶은 것은, 유창하지만 근거 없는 답변의 대가가 결코 사소하지 않은 도메인에서 이 기법들을 의도적으로 결합했을 때 무슨 일이 일어나는가입니다. 알케는 이를, 그럴듯하게 들리지만 틀린 답을 용납하지 않는 도메인에 현재의 검색 증강 생성 기술을 적용한 하나의 사례로 만들어가고 있습니다.