\"We're not doing 30 bets a year\": Vijay Pande on betting small after running $4 billion at a16z

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

a16z에서 약 40억 달러 규모의 바이오·헬스 투자 부문을 키운 비제이 판데는 VZVC에서 AI를 활용해 연간 약 5건에 집중하는 한편, AI 신약 개발의 성패는 임상시험과 희소한 생물학 데이터에 달렸다고 본다.

📌 핵심 요약

• 스탠퍼드 화학 교수이자 Folding@home 개발자로 알려졌던 비제이 판데는 a16z의 바이오·헬스 투자 부문을 약 40억 달러 규모로 성장시킨 뒤, 잭 워너와 소규모 투자사 VZVC를 공동 설립했다.
• AI는 질병 표적 선정, 약물 설계, 임상시험 지원에 활용될 수 있지만, 임상시험에는 여전히 수억 달러가 들 수 있으며 임상 1상부터 3상까지의 성공 확률은 약 20%에 그친다.
• 판데는 동물 모델의 낮은 인간 예측력이 신약 실패의 주요 원인이라고 보고, AI 모델이 이 기준을 넘어설 경우 신약 개발과 정밀의료가 크게 진전될 수 있다고 설명한다.
• 생물학 데이터는 인터넷에서 대규모로 수집하기 어렵고 기업별 폐쇄형 데이터로 축적되지만, 판데는 오픈소스 생물학 파운데이션 모델이 데이터 접근성과 의료 전문 분야 간 연결을 넓힐 가능성에 주목한다.
• VZVC는 공동창업자 두 명과 AI 에이전트를 중심으로 운영되며 별도 어소시에이트 없이 연간 약 5건만 투자하고, 장기적 신뢰와 시장 진입 역량을 갖춘 창업자에게 밀착 지원하는 방식을 택했다.

🧩 주요 포인트

1. 임상 1상부터 3상까지 약 20%인 성공 확률과 수억 달러의 비용은 AI 신약 개발의 가치가 단순한 초기 연구 속도보다 인간 대상 예측력 개선에서 입증돼야 함을 뜻한다.
2. 인터넷에서 수집할 수 없는 생물학 데이터와 기업별 폐쇄형 데이터는 AI 모델의 성능과 확산을 제한하며, 오픈소스 생물학 파운데이션 모델의 등장이 접근성 확대의 핵심 변수로 제시된다.
3. VZVC의 연간 약 5건 집중 투자와 AI 에이전트 기반 2인 운영은 투자 건수보다 파트너의 직접 관여, 장기적 신뢰, 시장 진입 지원을 우선하는 구조다.

🧠 상세 정리

1. 학계에서 대형 벤처투자 부문으로

비제이 판데는 투자자가 되기 전 스탠퍼드 화학 교수로 활동했으며, 질병 연구를 위해 수백만 대의 개인용 컴퓨터를 분산형 슈퍼컴퓨터처럼 활용한 Folding@home을 만든 인물로 알려졌다. 의료와 생명과학 투자를 피해 왔던 마크 앤드리슨과 벤 호로위츠는 약 12년 전 해당 분야에 진출하면서 판데에게 관련 사업을 맡겼다. 판데는 이후 10년 넘게 a16z의 바이오·헬스 투자 부문을 이끌며 운용 규모를 약 40억 달러까지 키웠다. 그러나 그는 지난해 6월 이 조직을 떠나 오랜 투자자 잭 워너와 훨씬 작은 규모의 VZVC를 설립했고, 다수의 투자를 넓게 보유하는 방식에서 소수 기업에 깊이 관여하는 방식으로 방향을 전환했다.

2. 발견 중심 생물학에서 설계 가능한 생물학으로

판데는 과거의 신약 개발에 우연한 발견의 요소가 강했다면, AI와 머신러닝은 복잡한 생물학을 계산 가능한 대상으로 다루게 한다고 설명한다. 활용 범위에는 특정 질병에서 약물이 공격해야 할 표적을 찾는 일, 그 표적에 맞는 약물을 설계하는 일, 가장 많은 비용이 드는 임상시험을 지원하는 일이 포함된다. 다만 합성 데이터가 임상시험 참가자와 비용을 곧바로 크게 줄여 준다는 견해에 대해서는 아직 현실이라기보다 열망에 가깝다고 선을 긋는다. AI 덕분에 임상시험 이전 단계의 시간과 비용은 줄고 있지만, 실제 임상시험에는 여전히 수억 달러가 들 수 있으므로 생물학을 공학적으로 다룬다는 주장은 인간 대상 결과로 검증되어야 한다.

3. 임상시험 실패와 동물 모델의 한계

판데가 제시한 수치에 따르면 신약이 임상 1상에서 3상까지 모두 통과할 확률은 약 20%이며, 열 개 가운데 여덟 개가 실패하는 구조에서는 성공한 약물에 실패 비용까지 반영된다. 그는 실패 원인을 생물학자의 단순한 오류보다 생쥐 같은 동물 모델에 기반한 실험이 인간의 반응을 충분히 예측하지 못한다는 데서 찾는다. AI 모델 역시 완벽하지는 않겠지만, 동물 모델보다 인간을 더 잘 예측하는 수준을 넘어서면 신약 개발에서 중요한 전환점이 될 수 있다는 것이 그의 주장이다. 따라서 AI의 핵심 가치는 후보물질을 빠르게 만드는 것만이 아니라, 막대한 임상 비용을 발생시키는 잘못된 예측을 얼마나 줄일 수 있는지에 달려 있다.

4. 정밀의료와 현재 상태를 보여 주는 측정값

판데는 신약 자체를 찾은 다음 단계의 질문을 특정 환자에게 그 약이 적합한지 판단하는 정밀의료로 제시한다. 현재 의료에서는 제한된 정보로 진단한 뒤 첫 약이 듣지 않으면 다른 약을 순차적으로 투여하는 일이 암을 비롯한 여러 영역에서 발생하며, 혈액검사도 개인의 과거 상태보다 인구 평균과 비교되는 경우가 많다고 설명한다. 그는 개인에게 무엇이 비정상적인지를 파악하고 처음부터 적합한 약을 선택하는 편이 더 나은 방향이라고 본다. 유전체는 집이 처음 지어졌을 때의 설계도와 비슷해 현재 상태를 모두 보여 주지 못하므로, 단백질체 등 질병과 신체의 현재 상태를 더 직접적으로 반영하는 측정값과 로봇 자동화가 AI와 함께 중요해지고 있다.

5. 희소한 생물학 데이터와 의료 분야의 단절

텍스트와 달리 생물학 데이터는 인터넷에서 대규모로 수집해 여러 개발자가 동일하게 학습할 수 있는 형태로 존재하지 않으며, 한 모델의 지식을 다른 모델로 손쉽게 증류하기도 어렵다. 그 결과 각 기업은 자체 실험을 통해 데이터를 만들고 외부와 분리된 폐쇄형 데이터 자산을 구축하게 된다. 의료 현장에도 비슷한 단절이 있어, 한 환자의 질환이 종양학과 내분비학에 동시에 걸쳐 있어도 두 분야의 의사가 충분히 정보를 결합하지 못할 수 있다. 판데는 AI가 원칙적으로 여러 전문 분야를 함께 다루면서 한 명의 인간 전문가가 발견하기 어려운 관계를 포착할 수 있다고 보지만, 그러한 가능성이 실현되려면 학습에 필요한 데이터가 실제로 확보되고 연결되어야 한다.

6. 생물학 파운데이션 모델과 개방 가능성

판데는 생물학 정보를 체계적으로 모은 아틀라스를 구축하려는 흐름이 커지고 있으며, 기술적으로는 이러한 자산이 파운데이션 모델의 형태를 띤다고 설명한다. 그는 기업이 독점하는 모델과 경쟁할 정도로 발전한 오픈소스 LLM의 사례처럼, 오픈소스 생물학 파운데이션 모델도 광범위한 영향을 미칠 수 있다고 예상한다. 이는 기업별 폐쇄형 데이터가 만드는 접근성 문제와 의료 전문 분야 간 단절을 일부 완화할 가능성을 제시하지만, 인터뷰에서는 충분한 데이터 공유가 이미 달성됐다고 말하지 않는다. 오히려 AI가 모든 문제를 해결한다는 과장을 경계하며, 데이터가 존재하지 않는 경우에는 어떤 모델도 부족한 근거를 마법처럼 대체할 수 없다는 한계를 강조한다.

7. 투자 분야와 창업자 선택 기준

판데가 현재 가장 많은 시간을 쓰는 분야는 의료 서비스 제공을 위한 AI와 임상시험을 위한 AI이며, 전자는 그가 a16z에서도 집중했던 영역이다. 그는 창업자와의 관계가 5년 또는 10년 이상 이어지고 가능하면 다음 회사까지 연결되기를 기대하기 때문에, 높은 진실성과 약속을 지키는 태도, 장기적 신뢰를 핵심 기준으로 제시한다. 경쟁자를 이기는 데만 몰두하기보다 투자자와 창업자가 함께 성공하는 방식을 고민하는 사람을 선호한다는 설명이다. 또한 과거 투자 경험에서 기술적 매력만으로는 충분하지 않다는 점을 배웠으며, 과학이나 제품 출신 창업자에게 시장 진입은 기술 개발만큼 어렵거나 더 어려운 과제이므로 같은 수준의 창의성과 역량을 투입해야 한다고 조언한다.

8. VZVC의 집중 투자와 AI 기반 운영

VZVC라는 이름은 비제이 판데의 이름과 공동창업자 잭 워너의 이름에서 따왔으며, 투자 의사결정과 기업 지원은 사실상 두 사람이 직접 담당한다. 처음에는 어소시에이트를 채용할 계획이었지만 자체 구축한 AI 에이전트로 필요한 업무를 처리할 수 있다고 판단해 별도의 어소시에이트를 두지 않았다. 일반적인 펀드처럼 연간 30건을 투자하는 대신 약 5건에 집중하며, 판데는 새 회사를 포트폴리오에 추가하는 일을 가벼운 관계 형성이 아니라 아이를 한 명 더 맞는 것과 비슷한 중대한 결정으로 표현한다. 이 때문에 인기 있는 시리즈 A나 시리즈 B 라운드에서 단순히 경쟁하기보다 두 창업자의 경험과 밀착 지원을 원하는 회사가 투자 참여 공간을 마련해 주는 경우를 지향하며, Valor의 안토니오 그라시아스와 집중 포트폴리오를 운영한 Thrive를 참고 사례로 언급한다.

🧾 핵심 주장 / 시사점

• AI 바이오의 병목은 모델의 계산 능력만이 아니라 인간을 예측할 수 있는 생물학 데이터의 양과 품질이며, 임상시험 비용 절감도 이 조건이 충족되어야 현실화될 수 있다.
• VZVC는 AI 에이전트로 어소시에이트 계층을 두지 않는 대신 파트너 두 명이 소수 기업에 직접 관여함으로써, 운영 자동화와 투자 집중을 하나의 모델로 결합했다.
• 판데의 경험은 첨단 기술의 우수성이 투자 성과를 자동으로 보장하지 않으며, 장기적 신뢰와 시장 진입 역량이 기술 자체만큼 중요한 사업 조건임을 보여 준다.

✅ 액션 아이템

• VZVC의 연간 약 5건 집중 투자와 AI 에이전트 기반 2인 운영이 파트너의 직접 관여를 유지하는 조건 검토.
• 임상 1상부터 3상까지 약 20%인 성공 확률과 수억 달러의 비용을 기준으로 AI 모델의 동물 모델 대비 개선 가능성 검토.
• 오픈소스 생물학 파운데이션 모델이 기업별 폐쇄형 데이터와 의료 전문 분야 간 단절을 얼마나 완화할 수 있는지 비교 검토.

❓ 열린 질문

• VZVC는 연간 약 5건의 집중 투자에서 각 기업에 대한 장기적 신뢰와 밀착 지원을 어떻게 지속할 수 있는가?
• 임상 1상부터 3상까지 성공 확률이 약 20%인 상황에서 AI 모델은 동물 모델의 낮은 인간 예측력을 어느 수준까지 개선할 수 있는가?
• 오픈소스 생물학 파운데이션 모델은 기업별 폐쇄형 데이터로 제한된 접근성을 실제로 얼마나 넓힐 수 있는가?