과학용 AI가 데모를 넘어 조직의 R&D 운영 체계로 들어가는 장면이다. Microsoft는 2026년 6월 2일 Microsoft Discovery의 일반 제공을 시작하고, 연구자와 학생이 로컬에서 써볼 수 있는 Microsoft Discovery app을 preview로 공개했다.

Discovery의 핵심은 단일 챗봇이 아니다. Microsoft는 과학과 엔지니어링 문제가 가설, 실험, 분석, 검토의 반복으로 풀린다는 점을 전면에 세운다. 그래서 플랫폼은 전문 agent를 만들고 조율하며, 기관 지식과 외부 과학 정보, 모델링·시뮬레이션·분석 도구, 검증 데이터를 함께 연결한다. 출력에는 confidence scoring과 인용 기반 근거를 붙여 연구자가 추론 경로를 검토할 수 있게 하는 구조다.

정식 제공의 의미는 “실험실용 AI assistant”가 아니라 governance가 붙은 R&D 플랫폼으로 판매된다는 데 있다. Microsoft는 재현 가능성, 검토 가능성, 독점 지식의 접근 제어, 기존 R&D 운영 방식과의 결합을 주요 요구사항으로 제시했다. 기업 입장에서는 agent가 문헌을 읽고 후보를 제안하는 수준을 넘어, 사내 데이터와 계산 도구, 실험 계획, 검증 절차를 같은 워크플로 안에 묶는 것이 쟁점이다.

사례도 넓다. Yale Engineering은 유기 redox flow battery 후보 탐색에 Discovery Engine을 썼고, Georgia Tech는 histidine의 prebiotic plausibility를 재평가하는 다중 agent 구성을 탐색한다. PNNL은 로봇과 agent를 결합해 에너지 저장 소재와 생물공학 실험을 닫힌 반복 구조로 돌리는 방향을 제시했다. Ginkgo Bioworks는 생물학 데이터 분석, 가설 생성, 실험 설계를 autonomous lab과 연결하는 협업을 진행 중이다. Wiley는 100만 건 이상의 생명과학 문헌 색인을 기반으로 하는 연구 agent를 Discovery 플랫폼에 올릴 계획이다.

동시에 preview로 나온 로컬 Discovery app은 진입 장벽을 낮춘다. GitHub Copilot 계정으로 시작할 수 있고, 문헌 탐색, 가설 생성, 과학적 추론, 반복 실험 아이디어를 개인 작업 환경에서 다뤄볼 수 있다. 다음 관전점은 명확하다. 이 플랫폼이 실제 R&D에서 후보 탐색 시간을 얼마나 줄이는지, 그리고 agent가 제안한 가설과 실험이 사람이 검증 가능한 기록으로 남는지가 성패를 가를 것이다.

#r-and-d

Microsoft Discovery 정식 출시, 과학 R&D용 agent 플랫폼을 조직 단위로 확장