아모레퍼시픽은 KT와 함께 연구개발 데이터를 통합·표준화하는 ‘데이터 하이웨이’ 프로젝트를 추진하고, 연구 특화 생성형 AI 서비스 ‘AI Assistant LEMON(Lab Efficiency Mode ON)’을 구축했다고 7월 28일 밝혔다. 이 서비스는 원료·처방·연구보고서·특허·논문 등 회사가 1954년 연구실 설립 이후 축적한 자료를 연구원이 검색하고 분석하는 내부 업무용 플랫폼이다.
회사는 지난해부터 사내 AX 조직과 KT가 정형·비정형 데이터를 AI가 활용할 수 있는 형태로 정비했다고 설명했다. 그 결과 수백만 건의 원료 데이터와 처방 데이터, 연구보고서를 한곳에서 다루는 ‘AI 데이터 허브’를 만들었으며, LEMON은 이 허브를 기반으로 연구개발뿐 아니라 생산·품질·규제 대응 업무의 자료 탐색과 분석을 지원한다. LEMON은 기존 문서를 찾는 기능에 더해 연구 과정에서 필요한 후보 탐색과 제안을 제공하도록 설계됐다. 다만 아모레퍼시픽의 7월 28일 발표에는 사용한 대규모언어모델의 종류, 검색 정확도, 환각률, 외부 벤치마크 결과가 공개되지 않았다. 현재 확인되는 성능 수치는 회사 내부 베타 테스트에서 측정한 업무시간 변화다.
아모레퍼시픽 R&I센터 연구원을 대상으로 한 내부 베타 테스트에서는 제품 기획 단계의 연구자료·규제 검토 시간이 약 12일에서 약 5분으로 줄었다고 회사는 밝혔다. 특정 원료의 연구 이력과 제품 적용 가능성을 검토하는 업무도 약 6일에서 약 5분으로 단축됐다고 설명했다. 이는 반복적인 자료 탐색 업무의 소요시간을 비교한 회사 측 결과로, 제품 개발 전체 기간이나 연구 성과가 같은 비율로 개선됐다는 뜻은 아니다.
이번 발표는 아모레퍼시픽이 축적한 연구 자산을 생성형 AI가 사용할 수 있도록 데이터 기반부터 재구성했다는 데 초점이 있다. 분산된 사내 자료를 통합한 뒤 연구 현장의 검색·분석 서비스로 연결했다는 점에서 일반 소비자용 챗봇과 구분된다. 회사는 연구원들이 반복적인 정보 탐색을 줄이고 가설 수립과 기술 개발에 더 집중할 수 있을 것으로 기대했다.
아모레퍼시픽은 앞으로 LEMON에 AI 에이전트 기능을 더하는 등 연구 환경의 디지털 전환 과제를 확대할 계획이다. 다만 실제 배포 범위와 이용자 수, 장기 사용 시 정확도, 데이터 보안·권한 관리 방식은 이번 공식 발표에 제시되지 않았다. 플랫폼의 효과를 평가하려면 내부 베타의 표본과 측정 기준, 운영 이후의 검증 결과가 추가로 공개돼야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
