2025 ABS 기업세미나: AI 시대의 디지털서열정보(DSI) 이익공유, 무엇이 바뀌고 어떻게 대응할까요?

목차

 

 

가장 빠른 화장품 책임판매업 식약청 등록 - 크몽

 

❖❖❖

 

AI가 생물자원과 유전정보를 빠르게 분석하면서, 이익을 나누는 규칙도 빠르게 바뀌고 있습니다. 글로벌 기금과 금전 분담 논의가 진행되는 가운데, 기업의 연구개발과 규제 대응도 함께 변하고 있습니다. 국내 바이오기업과 산업 협회가 이 변화에 대응하는 실무 방법을 정리했습니다.

 

 

왜 이런 변화가 생겼나요?

디지털서열정보(DSI) 이익공유가 중요한 이슈가 된 이유는 간단합니다. 국제사회에서 DSI로 생긴 이익을 공정하게 나누자고 합의했기 때문입니다. 이에 따라 글로벌 기금이 만들어지고, 돈으로 이익을 나누는 방법이 구체화되고 있습니다. 이는 단순한 약속이 아니라 연구개발 비용과 사업화 전략을 바꾸는 신호입니다.

 

다음 논의는 '누가, 얼마를, 어떻게 내는가'에 집중됩니다. 돈을 낼 주체, 기금 비율, 적용 범위가 결정되면 연구 계약과 데이터 관리 방식이 바뀝니다. DSI는 물질을 직접 옮기지 않아도 가치를 만들 수 있어서, 샘플을 직접 가져오는 전통적 방식보다 적용 범위가 넓고 복잡합니다. 기업은 조달부터 데이터 생성, 모델 개발, 상업화까지 전체 과정의 관리 방식을 다시 짜야 합니다.

 

국내 바이오 업계도 빠른 대응이 필요합니다. 정책과 시장이 동시에 바뀌는 지금, 미리 준비하면 비용을 줄일 수 있습니다. 사내 규정을 조금 고치는 것만으로는 부족합니다. 데이터의 출처와 사용 목적, 파생물까지 추적할 수 있는 관리 체계를 만들어야 합니다. 기업마다 제품과 파트너십 구조가 다르므로, 최선의 대응 방법도 다릅니다.

 

 

세미나에서 꼭 확인해야 할 것들

실무에 바로 쓰려면 무엇을 먼저 확인해야 할까요? 첫째, 국내 바이오기업이 나고야의정서를 이행한 경험에서 DSI 이익공유로 확장되는 부분을 파악해야 합니다. 물질 중심에서 데이터 중심으로 바뀌면서 기업 내부 관리 항목도 달라집니다. 둘째, 국제 협약 논의를 보면 앞으로 만들어질 제도를 예상할 수 있습니다. 기준이 불명확할 때는 데이터 관리와 계약을 보수적으로 정하는 것이 위험을 줄입니다.

 

건강기능식품과 화장품 업계는 영향을 빨리 받습니다. 기능성과 효능을 입증할 때 DSI 기반 연구를 쓰면, 이익공유 요구가 표시·광고와 품질관리까지 영향을 줍니다. 업종마다 규제 용어가 다르므로, 제품별로 임상 설계와 데이터 출처를 따로 관리하는 것이 좋습니다.

 

AI 연구개발과 DSI 규제의 만남

AI는 DSI를 대량으로 학습해서 설계와 예측을 빠르게 합니다. 모델을 만들 때 이익공유 책임은 어디서 생길까요? 데이터를 수집하고 정리할 때 출처와 조건을 표시하고, 파생 모델과 결과물에도 같은 의무가 이어지도록 계약에 명확히 써야 합니다. 모델 재학습, 조정, 배포 등 전체 과정의 기록을 검사할 수 있는 형태로 보관해야 합니다.

 

실무 팁은 간단합니다. 데이터를 받을 때 관련 정보를 표준화하고, 기여율을 계산할 수 있게 계약을 만듭니다. 너무 적게 잡으면 규제 위험이 생기고, 너무 많이 잡으면 비용이 과도해집니다. 경계가 불분명할 때는 위험이 큰 사례부터 허용 목록과 금지 목록을 나누고, 협력사와 같은 분류표를 공유합니다. 공급망 전체의 문서화 수준이 전체 위험을 결정합니다.

 

 

세션별로 무엇을 기록해야 할까요?

세션은 이익공유 규범, 산업 동향, AI 연구개발을 한데 모읍니다. 국내 상황과 국제 동향을 연결해서 실무에 적용할 수 있습니다. 어떤 데이터를 어떤 조건으로 쓸 수 있는지, 미래 기준이 바뀌어도 증명할 수 있게 기록을 어떻게 쌓을지가 핵심입니다. 동향 세션은 수요와 규제의 관계를 보여주고, 마지막 세션은 기술과 관리의 균형점을 제시합니다.

 

현장에서 바로 쓸 수 있는 확인 목록은 다음과 같습니다. 첫째, 데이터와 시료의 출처와 취득 조건 기록. 둘째, 연구 목적과 상업 목적을 구분하고 바뀔 때 재평가 절차. 셋째, 파트너의 재사용 제한 관리. 넷째, 파생물과 모델의 이익공유 경로 정의. 다섯째, 제품 라벨과 홍보 문구의 근거 데이터 일치성 확인입니다.

 

 

프로그램 일정과 준비 사항

일정과 세션별 질문을 미리 준비하면 효과가 훨씬 좋습니다. 아래 표는 '무엇을 듣고 무엇을 물을지' 정리한 실무 가이드입니다.

시간대 세션 주제 실무 질문 포인트

10:30–10:50	개회 및 인사	앞으로 1년 핵심 정책 일정은 무엇인가요
10:50–11:20	나고야의정서·CBD DSI 이익공유	돈으로 이익을 나눌 주체와 적용 범위는 어디까지인가요
11:20–11:50	국제협약 DSI 논의동향	기금 비율은 어떻게 정해지고 기업에 어떤 영향이 있나요
11:50–13:00	오찬	파트너별 데이터와 계약 관리를 어떻게 표준화할까요
13:00–13:30	건강기능식품 트렌드	DSI 기반 근거를 쓸 때 표시·광고·품질 문서를 어떻게 맞출까요
13:30–14:00	화장품 정책·법규 동향	나라마다 다른 기준을 제품별로 어떻게 정리할까요
14:00–14:30	바이오 AI R&D	모델과 데이터 라이선스를 이익공유 조항과 어떻게 연결할까요
14:30–14:50	휴식	사내 가이드라인은 무엇부터 고쳐야 하나요
14:50–16:00	패널 토의·Q&A	기금 납부와 보고 체계를 실무에서 어떻게 만들까요
16:00–16:10	폐회	이후 법령과 가이드 개정은 어디서 확인하나요

핵심은 질문을 잘 만드는 것입니다. 질문이 명확하면 메모가 체계적이 되고, 세미나 이후 실행할 일로 자연스럽게 이어집니다.

 

 

업종별 바로 쓸 수 있는 확인 목록

건강기능식품 기업은 원료 출처와 데이터 근거가 일치하는지 먼저 확인합니다. 임상 결과와 DSI 활용 범위를 명시하고, 표시·광고 문구를 검증할 때 데이터 출처를 같은 기준으로 비교합니다. 제품 개발 단계에서 목적이 바뀌면 재평가 절차와 기여율 영향 분석을 문서로 남깁니다.

 

화장품 기업은 나라별 법규 동향을 제품에 맞춥니다. 기능 주장과 과학적 근거를 계약으로 연결하고, 위탁 생산 파트너의 데이터 관리 수준을 사전 점검 목록으로 표준화합니다. AI를 쓰는 경우, 모델 학습 데이터의 기록과 버전 관리, 파생 모델의 재사용 조건을 사내 정책으로 정합니다. 유통 채널별 문구 가이드와 사후 점검 체계까지 함께 만드는 것이 효율적입니다.

 

 

데이터·계약·조직 관리를 하나로

기업이 당장 바꿔야 할 것은 무엇일까요? 첫째, 데이터 관리입니다. 수집부터 배포까지 전 단계에 출처, 목적, 조건을 표시하고, 변경 사항과 추적 기록을 확보합니다. 둘째, 계약 관리입니다. 이익공유 주체, 비율 변동 가능성, 보고 의무, 감사권을 계약에 넣고 공동 연구와 재계약 구조를 명시합니다. 셋째, 조직 관리입니다. 연구개발, 법무, 마케팅, 품질 부서가 같은 기준표를 쓰도록 책임과 승인 과정을 단순화합니다.

 

이 세 가지를 따로 관리하면 빈틈이 생기고, 함께 만들면 비용을 줄입니다. AI 연구개발이 늘어날수록 데이터-모델-제품 연결을 하나의 정책으로 관리해야 합니다.

 

 

세미나 활용법: 현장에서 얻을 수 있는 실질적 이득

세션별로 최소 한 가지 사내 반영 항목을 정해 메모에 표시합니다. 예를 들어, 국제 논의 세션에서는 기금 비율 시나리오 3가지를 적고, AI 연구개발 세션에서는 학습 데이터 기록 항목 5개를 뽑습니다. 패널 토의 시간에 업종별 어려움을 구체적으로 묻고, 질의응답에서 실무 문서 양식이나 점검 목록을 요청하면 이후 작업이 빨라집니다.

 

세미나 후 바로 실행할 일은 명확합니다. 제품별 데이터 출처 정리, 파트너 계약 표준안 업데이트, 표시·광고 점검표 개정, 30분짜리 사내 교육 자료 제작입니다. 작게 시작해도 표준이 생기면 비용은 줄고 신뢰는 높아집니다. 다음 분기부터는 감사에 대비한 기록 체계를 함께 만드는 것이 안전합니다.

 

 

행정사법인 청효

 

---