AI PBL 강의

삼진제약에서 2026년 진행한 제약 도메인 AI PBL 강의입니다. 임상 자료·식약처 가이드·영업 데이터를 다루는 Agent를 PBL 형식으로 직접 만들어 보는 흐름으로 설계했습니다.

삼진제약 PBL 과정은 제약 실무자가 문서와 데이터를 AI 에이전트의 작업 흐름으로 바꿔 보는 데 초점을 맞췄습니다. 임상 자료, 식약처 가이드, 영업 데이터처럼 제약 도메인에서 매일 마주치는 자료를 기준으로 실습을 구성했습니다.

이런 과정에서 봐야 할 것은 'Agent를 만들었는가'보다 '수강생이 자기 업무 문제를 Agent 과제로 바꿔 말할 수 있게 되었는가'입니다. 그 지점에서 PBL의 효과가 갈립니다.

임상 자료·식약처 가이드라인·영업 데이터가 흩어져 있어 LLM에 붙이는 첫 단계부터 막힙니다.

Agent가 잘못된 정보를 답하면 규제·환자 안전 영향이 곧장 발생할 수 있어 가드레일 기준이 필요합니다.

사내 임상·영업 데이터를 LLM과 어떻게 연결해야 보안 정책 안에서 안전한지 정리되어 있지 않습니다.

그래서 이 과정은 강의와 실습을 분리하지 않고, 각 팀이 자신의 업무 과제를 작은 Agent 설계로 옮기는 흐름으로 진행했습니다.

교육 설계에서 중요했던 지점

제약 도메인의 문서·규제·영업 데이터를 바탕으로, 수강생이 직접 AI PBL 과제를 정의하고 프로토타입 방향까지 잡는 과정입니다.

제약 도메인의 임상·규제·영업 환경을 전제로 두고, PBL 한 사이클 안에서 직접 Agent 파일럿을 만들어 보는 흐름으로 구성했습니다.

커리큘럼은 이렇게 풀었습니다

1. AI 에이전트 아키텍처 — 토이 데모와 운영 환경 사이의 거리

제약 도메인은 한 질의에 임상 데이터·규제 가이드·영업 정보가 동시에 걸리는 경우가 많습니다. 단일 LLM 호출 한 번으로는 답이 나오지 않고, 멀티 스텝 Agent 설계가 그대로 도입 가능 여부를 결정합니다.

이 모듈에서는 다음 내용을 도메인 시나리오에 묶어 다룹니다.

• Router·Planner·Executor 분리와 제약 시나리오에서의 책임 범위
• 단일 LLM 호출과 Agent loop의 트레이드오프
• 임상·규제·영업 시스템을 다단계 의사결정으로 묶는 패턴
• 의료·규제 영역에서 Human-in-the-loop을 반드시 박아야 하는 지점

Agent 실습에서는 결과보다 구조를 먼저 보게 했습니다. 어떤 단계에서 검색하고, 어떤 단계에서 도구를 호출하며, 어디에서 사람이 승인해야 하는지 그림으로 설명할 수 있어야 파일럿 프로젝트 이후 논의가 이어집니다.

2. RAG 시스템 설계 — 검색 품질이 곧 답변 품질입니다

RAG는 벡터 DB 한 줄로 끝나는 작업이 아니라 청크·메타데이터·재랭킹·하이브리드 검색의 조합으로 답변 품질이 결정됩니다. 제약 도메인은 영문 임상 논문·국내 규제 가이드가 섞여 있어 메타데이터 스키마가 핵심입니다.

이 모듈에서는 다음 내용을 다룹니다.

• 임상 논문·식약처 가이드·영업 자료 청크 단위 설계와 메타데이터
• 키워드·벡터 하이브리드 검색 구성과 다국어 임베딩 전략
• 재랭킹·컨텍스트 압축으로 비용·지연을 잡는 패턴
• 검색 품질 자체를 평가하는 지표 (recall, MRR, hit rate)

청크 한 단위가 잘못 잘려 있으면 Agent의 모든 답변이 같은 방향으로 틀립니다. 제약 RAG는 그 단추를 묶는 일에서 시작합니다.

3. function calling · tool use — Agent와 사내 시스템을 안전하게 잇는 법

Agent의 가치는 사내 임상·영업 시스템에 정확하게 호출을 보낼 때 처음 나옵니다. 의료·규제 환경에서는 그 단계에서 안전성과 컴플라이언스가 가장 자주 걸립니다.

이 모듈에서는 다음 내용을 실제 사내 API 스타일로 다룹니다.

• read-only 조회 함수와 임상·영업 데이터 변경 함수의 분리
• 내부 API 인증을 Agent 컨텍스트에 노출하지 않는 호출 구조
• tool 호출 결과 검증과 사용자 confirm 단계 삽입 시점
• 비식별·감사 로그·식약처 가이드 체크를 미들웨어 한 줄로

제약 도메인에서는 Agent의 답변 한 줄이 환자 안전과 규제 영향으로 직결됩니다. function 단위에서 가드레일이 함께 박혀야 사내 도입이 가능합니다.

커리큘럼은 이렇게 풀었습니다

PBL 형식으로 진행했기에, 마지막 모듈은 각 팀이 만든 Agent를 평가 셋·모니터링·운용 정책 위에 올려 보는 시간이었습니다.

이 모듈에서는 다음 내용을 다룹니다.

• 제약 시나리오 평가 셋 설계 — 정확도·안전성·규제 적합성
• 추론 모델과 일반 LLM 혼용 시 비용·정확도 균형 측정
• 운영 환경 트레이싱과 이상 호출 알림 구성
• 점진 배포·롤백·rate limit 운영 정책

평가 셋이 없는 Agent는 규제 검수 단계에서 항상 같은 질문을 받습니다. 마지막 모듈에서 그 답변을 자동화 영역으로 옮깁니다.

이런 분께 추천드립니다

• 사내 AI 에이전트 서비스를 처음부터 설계해야 하는 개발자·테크리드
• Agent 파일럿을 운영 환경까지 가져가야 하는 AI 업무 전환·DT 추진 임원
• 사내 데이터·API를 LLM과 안전하게 연결해야 하는 플랫폼·인프라 담당자

특히 삼진제약·종근당·녹십자처럼 임상·규제·영업이 함께 걸리는 환경에서, PBL 결과물을 사내 파일럿으로 옮기는 다음 단계에서 가장 큰 시간 절약이 됩니다.

다음 단계

회사 상황에 맞춰 16시간 과정을 그대로 진행하실 수도 있고, 8시간 또는 4시간 압축본으로 시작하셔서 차수를 늘려가시는 것도 가능합니다.

가장 빠른 길은 현재 회사 상황과 가능한 일정을 메일로 보내주시는 것입니다. 24시간 안에 비슷한 사례 2~3건과 견적 초안을 함께 회신드리겠습니다.

→ 상담 문의 보내기 | 강의 카탈로그 PDF 받기

내부 검토용으로 공유할 자료가 필요하다면, 카탈로그 PDF를 먼저 받아두시면 편합니다.

도입 전에 정리할 것

제약·바이오 조직의 AI 교육은 예시가 조금만 일반적이어도 몰입도가 떨어집니다. 권앤컴퍼니는 산업 문서와 현업 질문을 교육 안으로 끌어와 바로 다음 파일럿 프로젝트 논의로 이어지게 만듭니다.

처음 설계할 때는 업종, 대상 직군, 보안 기준, 기대 산출물부터 맞추는 편이 좋습니다. 이 네 가지가 정리되면 표준 교안보다 훨씬 현실적인 과정으로 좁혀집니다.

Tags