Transformer가 나온 후 Bert와 GPT기반 자연어 처리 모델들이 점점 더 거대해지며, 다양한 Task를 성공적으로 수행해내고 있습니다.
저희의 하루일과 중 업무시간에 가장 많은 시간과 Resource를 들여 다양한 지적 Task를 한다는 것을 생각해보면, 이러한 AI모델들이 업무에 적용되었을 때 가장 큰 부가가치가 창출될 것인데요.

이미 전 세계에서 가장 큰 산업인 제약바이오 산업은,
1) 체감할 수 있는 인구고령화 2) COVID-19 같은 신규질환 증가 3)비만,항노화 등 대규모 시장형성 4)바이오혁신기술 개발속도 가속화로,
400조원 규모(2000년) -> 2000조원 규모(현재) -> 3000조원 규모(2030년초)
매우 빠르게 성장하며, 현재 저희들이 은퇴할 때까지는 가장 돈이 많이 모이는 산업이자, 이 자연어 처리 AI모델이 가장 큰 부가가치를 낼 수 있는 분야입니다.

이 제약바이오 산업에서 종사하는 전 세계 1,000만명이 사실상 사무실에서 진행하는 업무의 본질은 ‘Data driven Decision making’인데요!
저희는 제약바이오 Text를 더욱 잘 이해하고 정리하고, 의사결정을 하는 LLM을 개발하고, 업무를 도울 수 있는 뉴스레터, 데이터베이스 등 다양한 서비스를 개발하고 있습니다.

웹상의 많은 Text를 학습한 현재의 LLM은 많은 사람들에게 놀라움을 주고 있지만, 제약바이오 업무 Task를 수행하기는 역부족인데요. 2년 뒤면 이런 LLM을 학습할 웹상의 데이터조차 고갈된다고 합니다.
실제 제약바이오 업무 Task를 수행하려면, 단순히 인터넷의 다양한 글로 학습하는 것이 아니라, 그 Task를 위한 질 좋은 별도의 학습데이터셋이 반드시 필요한데요, 저희는 2년전부터 이 학습데이터셋을 엄청나게 쌓고 학습하고 있습니다.

간단하게 말하자면,
디자이너분들의 Figma,
개발자분들의 github, stackoverflow, huggingface 처럼

제약바이오 업계의 Efortless를 만들고 있습니다.
5년 뒤 전 세계 1,000만명이 사무실에 앉아서 가장 먼저 접속하는 웹페이지를 만들고자 합니다.