실제 플라스크 문제 해결
88반응은 물리적이고 특수한 방식으로 오작동한다 — 용액이어야 할 곳에 생긴 젤, 아무도 예상 못 한 색 변화. 왜 그런지 진단하는 일은 어떤 훈련 데이터도 담지 못하는 암묵적 실험 경험에 기댄다.
화학은 대부분의 직업이 깨닫는 것보다 훨씬 자동화의 길을 앞서 있다. 펩타이드와 DNA 합성기는 수십 년째 무인으로 가동돼 왔고, 고속처리 로봇은 제약 연구실에서 하루에 수천 건의 반응을 스크리닝하며, 2020년 리버풀 대학의 이동식 로봇 화학자는 8일 동안 홀로 수백 건의 실험을 수행해 인간 설계자들보다 더 나은 광촉매를 찾아냈다. AI 역합성 도구는 이제 몇 초 만에 그럴듯한 합성 경로를 제안한다.
그러나 무엇이 자동화되지 않았는지가 의미심장하다. 로봇은 계획을 실행하지만, 교반 막대가 멈췄다는 것을, 색이 옳지 않은 이유가 무엇인지를, 놀라운 피크가 발견인지 오염인지를 알아채지 못한다. 2024년 노벨상은 부분적으로 AI 시스템에 돌아갔지만, 그 상을 받으러 나온 것은 소프트웨어가 다룰 문제를 정하고 그 답이 옳은지 판단한 사람들이었다.
중간
기계가 대신할 수 있는 업무의 비율
일상적인 반복 합성, 스크리닝, 초벌 스펙트럼 판독, 문헌 검색 같은 실험 화학의 상당 부분이 지금 자동화되고 있고, 자율주행 실험실은 더 많은 몫을 흡수할 것이다. 그러나 실험적 문제 해결, 물리적 실험실에서의 안전 판단, 인공물과 발견을 구분하는 일, 어떤 분자가 만들 가치가 있는지 고르는 일은 가까운 미래에도 자동으로 대체할 수 없는 인간의 몫으로 남는다. 예상되는 결과는 화학자 수의 감소가 아니라 실험 한 건당 손이 가는 사람 수의 감소다.
직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.
AI가 대체하지 못하는 직업 →기계가 가져가지 못하는 것
질문 고르기
82어떤 분자, 소재, 측정이 몇 달의 노력을 들일 가치가 있는지 결정하는 판단 — 모든 자동화된 역량의 방향을 정하는 이 판단은 전적으로 사람의 몫이며, 선임 화학자들이 실제로 그 대가를 받는 일이다.
안전 책임
76위험성 평가에 서명하고 무언가 타버렸을 때 답을 내놓는 것은 모델이 아니라 사람이다. 위험한 물리적 작업에 대한 법적 책임은 화학이 규제되는 모든 곳에서 사람을 그 고리 안에 붙들어 둔다.
이상 현상 판단
72진짜 발견을 오염, 기기 드리프트, 희망적 사고와 구분하는 것은 이 직업에서 가장 오래된 기술이다 — 새로운 원소와 더러운 전극을 갈라놓는 바로 그 능력이다.
설득과 동료심사
64결과는 기록되고 방어되고 재현되어야만 가치를 인정받는다. 심사자, 규제기관, 회의적인 동료를 설득하는 것은 자동화가 재료를 공급할 수는 있지만 완성할 수는 없는 사회적 작업이다.
이미 가져가고 있는 것
문헌 검색과 경로 계획
78수백만 건의 발표된 반응으로 훈련된 AI 역합성 도구는 이미 몇 초 만에 신뢰할 만한 합성 경로와 선례를 제시한다 — 10년 전이라면 화학자의 한 주를 통째로 잡아먹던 일이다.
고속 스크리닝과 데이터 수집
68제약·소재 연구실의 로봇 플랫폼은 하루에 수천 건의 마이크로 스케일 실험을 실행하고 기록한다. 어떤 인간 팀도 따라갈 수 없고 누구도 다시 사람 손으로 돌리고 싶어하지 않는 양이다.
일상적인 반복 합성
58펩타이드, 올리고뉴클레오타이드, 잘 파악된 반응들은 플로우 화학 장치에서 대체로 무인으로 진행된다. 합성에서 가장 잘 다져진 중간 영역이 늘 그래왔듯 가장 먼저 자동화된다.
초벌 스펙트럼 판독
50소프트웨어는 이제 NMR과 MS 데이터로부터 구조 판정 초안을 작성하고 불순물을 자동으로 표시한다 — 정작 중요한 순간에는 여전히 화학자의 확인이 필요한 유능한 초벌 판독이다.
일이 변해가는 방식
자율주행 실험실
로봇이 실행하고 알고리즘이 다음 실험을 고르는 폐쇄 루프 시스템은 2020년대 들어 시연 단계에서 실용 도구로 옮겨갔으며, 리버풀·토론토의 연구팀과 산업 연구소들이 이를 이끌고 있다. 화학자들은 점점 단일 실험이 아니라 실험들의 캠페인을 설계한다.
플라스크 이전의 계산
기계학습 물성 예측과 양자화학 스크리닝은 이제 무엇도 합성되기 전에 후보 분자를 걸러낸다. 먼저 만들고 나중에 이해하던 오래된 순서를 뒤집는 것으로, 2024년 노벨상이 이 전환을 화학 최고의 기록에 올려놓았다.
녹색화학이 법이 되다
유럽연합의 REACH 규제, 전 세계적인 PFAS 규제, 탄소중립 압력은 1998년 발표된 이상적 강령이었던 녹색화학의 12원칙을 산업 전반의 용매·원료·공정 재설계라는 준수 업무로 바꾸고 있다.
경계가 허물어지다
화학의 성장 영역 — 프랜시스 아널드의 지시적 진화 이후의 생촉매, 배터리와 반도체 소재, mRNA 화학 — 은 모두 생물학, 물리학, 공학과의 경계에 있으며, 채용은 점점 이 중 최소 하나에 능통한 화학자를 우대한다.
갈라져 나오는 새 직업들
계산/기계학습 화학자
반응과 물성을 예측하는 모델을 만들고 검증하는 일 — 화학 연구개발에서 가장 빠르게 성장하는 직함으로, 실험실과 코드 양쪽에 능통해야 한다.
실험실 자동화 엔지니어
로봇 플랫폼과 자율주행 실험실을 설계·프로그래밍·유지보수하는 일. 화학, 로봇공학, 소프트웨어가 결합된 이 직함은 2010년대 이전에는 거의 존재하지 않았다.
녹색화학 전문가
유해 물질을 제거하고 탄소를 줄이도록 제품과 공정을 재설계하는 일 — REACH, PFAS 단계적 퇴출, 기업의 탄소중립 공약이 모든 화학 사용 산업에서 이 수요를 이끈다.
규제 담당 화학자
REACH나 TSCA 같은 체제 아래 모든 시판 물질에 필요한 안전 서류와 등록서를 준비하는 일 — 안정적이고 보수가 좋은 업무로, 규제가 강화될 때마다 늘어난다.
전망
가장 빠르게 자동화되는 업무는 완전히 명세할 수 있는 것들이다. 선례가 있는 경로, 목표가 정해진 스크리닝, 예상 답이 있는 스펙트럼 같은 것이다. 저항하는 업무는 명세되지 않은 것들이다. 이상하게 행동하는 반응, 인공물일 수도 있는 결과, 방향이 필요한 연구 프로그램 같은 것들이다. 이는 대부분의 숙련 직업과 같은 경계선이지만, 화학은 여기에 물리적 위험이라는 바닥선을 하나 더한다. 실제 실험실의 위험을 책임지는 사람이 반드시 있어야 한다는 것이다.
현실적인 미래는 대체가 아니라 레버리지다. 로봇 플랫폼을 지휘하는 화학자는 1990년대의 연구팀이 1년 걸려 하던 일을 일주일 만에 해내며, 이는 고용을 질문을 구성하고 이상 현상을 판단하고 여러 분야를 아우를 수 있는 이들 쪽으로 옮기고, 순전히 신중한 반복만으로 쌓은 경력에서는 멀어지게 한다. 분광기를 흡수했지만 화학자를 없애지는 않고 분해화학이라는 하위분야 전체를 없앴던 이 직업은, 로봇 실험실도 같은 종류의 도구로 다루고 있다.
계속 탐색하기
과학·연구 분야의 다른 직업
⚛️
물리학자
물질과 에너지, 공간과 시간을 지배하는 수학 법칙을 이끌어내고 검증한다. 혼자 칠판 앞에 선 연구자에서 3,000명이 공동 저자로 이름을 올리는 입자가속기 논문까지 그 모습은 다양하다.
AI 내성 65 🧬생물학자
생명 그 자체를 연구하는 과학자. 린네가 손으로 종을 명명하던 시절부터 크리스퍼로 유전체를 편집하는 오늘날까지, 모든 아이디어를 살아있는 생물체에 비추어 검증한다.
AI 내성 64 📊데이터 과학자
데이터에서 패턴을 찾고 예측 모델을 만드는 직업 — 2008년에 붙여진 이름이지만, 그 밑바탕에는 3세기에 걸친 증거 수집·검증·시각화의 역사가 있다.
AI 내성 38 🔭천문학자
바빌로니아의 점토판에서 우주 망원경까지, 우주를 측정하는 과학자 — 데이터 속 어떤 깜빡임이 발견인지는 지금도 가려내는 중이다.
AI 내성 70 🧮수학자
바빌로니아 서기관에서 필즈상 수상자와 AI 보조 증명까지: 어려운 질문을 영구적 확실성으로 바꾸는 직업, 정리 하나하나마다.
AI 내성 70