– 시리즈A 투자 유치와 글로벌 시장 진출 준비
-문서 작업 시간은 줄이고 실험 시간은 늘리는 등 연구 효율성 제고
-2차 전지, 반도체 등 소재 분야로 확장
바이오·나노·화학 분야의 연구 데이터 디지털화 기업 앤트(aaant)가 연구 현장의 비효율을 개선하며 빠르게 성장하고 있다.
앤트는 연구 데이터 관리 솔루션 ‘랩노트(Labnote)’와 AI 연구 어시스턴트 ‘랩노트 스칼라(Labnote Scholar)’를 운영하고 있다. 랩노트는 데이터 구조화 템플릿을 통해 연구 데이터를 체계적으로 기록·관리하는 도구이며, 랩노트 스칼라는 대규모언어모델(LLM)을 활용해 축적된 연구 데이터를 검색하고 문서 초안을 작성하는 서비스다. 서울아산병원, 한국화학연구원, LG생활건강 등 주요 연구 기관과 기업이 앤트 솔루션을 도입해 활용하고 있다.
바이오·나노·화학 분야는 여전히 디지털 전환이 미진한 영역으로, 2025년까지 R&D는 약 800조 원 규모로 성장할 것으로 전망되며, 이 중 데이터 활용 시장은 약 8조 원에 달할 것으로 예상된다.
앤트는 2022년까지 매쉬업엔젤스, 블루포인트, 스트롱벤처스, 베이스인베스트먼트, 스마일게이트 등으로부터 30억 원의 투자를 유치했다. 2024년에는 SK텔레콤과 하나은행이 운영하는 ‘AI 스타트업 액셀러레이터 2기’에 선정됐으며 손익분기점에 근접한 실적을 달성했다. 앤트는 현재 시리즈A 투자 유치와 글로벌 시장 진출을 준비하고 있다.
■ 아날로그 방식의 낙후된 연구 환경 개선
카이스트 문화기술대학원(IT-인문학 융복합 과정)에서 만난 앤트의 공동창업자는 연구 현장의 아날로그 환경을 개선하고자 2020년 앤트를 창업했다.
대다수 기업과 연구 기관에서는 여전히 수기로 연구 노트를 작성하고 있다. 워드나 엑셀을 활용하는 경우에도 연구원마다 서로 다른 포맷으로 작성하고 개인 컴퓨터에 저장하는 방식이어서 체계적인 데이터 관리가 어렵다. 특히 수기 작성의 경우 표준화된 양식 없이 연구원이 임의로 기록하다 보니 핵심 정보가 누락되거나, 가독성이 떨어지는 문제가 자주 발생한다. 연구 결과물은 이메일이나 메신저로 공유하는 수준에 그쳐 지식의 체계적인 축적과 활용이 제한적이다.
앤트의 이상윤 대표는 “성공이든 실패든 모든 연구 결과는 후속 연구를 위해 체계적으로 축적되어야 하지만, 현재의 아날로그 방식으로는 데이터의 효과적인 관리나 활용이 불가능한 실정입니다”라고 연구 현장의 비효율성에 대해 지적했다.
■ 연구 자료 기록 관리…디지털 전환의 시작
연구 현장의 비효율성 문제를 해결하기 위해서는 우선 연구 자료의 디지털 전환이 필요하다. 연구 실험의 조건, 사용 물질, 진행 프로세스 등을 세밀하게 분류하고 태깅하는 자체 알고리즘을 개발해 연구 데이터를 체계적으로 관리하고, 이를 AI가 효과적으로 분석할 수 있도록 구조화한 연구 데이터 정형화 기술이 앤트의 핵심 경쟁력이다.
연구 데이터의 체계적인 정형화를 위해서는 다음과 같은 단계별 접근이 필요하다. 우선, 기업이 보유한 연구 데이터에 대한 심층 분석을 통해 실험 목적, 주요 사용 물질과 장비, 연구 환경 및 프로세스를 포괄적으로 파악한 후 OCR 기술을 활용하여 수기 데이터를 디지털화하고, 연구 결과물(보고서, 논문 등)을 체계적으로 분류한다. 데이터 정리가 완료되면 기업 맞춤형 템플릿을 설계하고 데이터 태깅 기준을 수립하며, 검색과 활용을 위한 데이터 구조를 설계하고 연구 분야별 특성을 반영한 분류 체계를 구축한다. 데이터 분류는 자체 개발한 알고리즘을 통해 자동으로 분류하며, 이에 따라 실험 조건값, 물질, 프로세스별로 태깅을 수행하고 데이터 간 연관관계를 매핑해 검색 가능한 형태로 변환한다. 앤트는 정형화된 데이터를 실시간으로 저장하고 업데이트할 수 있는 인프라를 구축하며, 검색 및 활용 시스템과의 연동, 사용자 친화적인 인터페이스를 최적화한다. 마지막으로, 새로운 데이터의 자동 정형화 체계를 구축하고, 기존 템플릿과 태깅 시스템을 지속적으로 개선하고 데이터 품질을 모니터링하며 시스템을 고도화한다.
이 대표는 “연구 노트 정형화 알고리즘은 실험 과정의 모든 요소를 세밀하게 기록합니다. 예를 들어 특정 물질을 30mm에서 스터링하는 경우, 물질 정보는 물론 스터링 속도와 프로세스 등 모든 실험 조건을 체계적으로 분류하고 기록합니다”라고 정형화 과정을 설명했다. 또한 “논문 데이터는 초록, 서론, 챕터, 이미지와 이미지 설명, 테이블 등을 자동으로 분리하고 태깅하는 알고리즘을 보유하고 있어 필요한 정보를 정확하게 추출할 수 있습니다”라고 덧붙였다. 앤트는 이러한 데이터 정형화 기술에 대한 특허를 보유하고 있다.
앤트는 바이오·나노·화학 분야 연구 데이터 관리 솔루션 ‘랩노트 민트’와 비임상·전임상 연구 데이터 관리 솔루션 ‘랩노트 오렌지‘를 각각 2022년과 2023년에 출시했다.
■ 연구 조교처럼 검색, 보고서 알아서 척척
앤트는 2024년, 연구 과정의 다양한 문서 작업을 효율적으로 지원하는 AI 연구 어시스턴트 ‘랩노트 스칼라’를 출시했다.
연구원들은 랩노트 스칼라를 통해 연구노트, 보고서, 회의자료 등의 문서 초안을 자동으로 작성할 수 있다. 기존에 축적된 실험 데이터를 기반으로 연구 동향을 분석하고 실험 결과를 시각화하는 기능도 제공한다. 특히 연구원들의 검색과 질문에 대해 정확한 출처와 함께 답변을 제공하며, AI 모델의 환각(hallucination) 현상을 방지하기 위한 출처 관리 시스템을 갖추고 있다. 랩노트 스칼라는 데이터 보안을 위해 기업의 내부 연구 데이터는 독립된 환경에서 관리되며, 외부 데이터와 섞이지 않도록 엄격하게 분리 관리하고 있다.
이 대표는 “연구원이 ‘작년 실험을 요약해줘’라고 요청하면 워드 문서 형태의 정형화된 보고서를 제공합니다. 바이오·나노 분야 연구원을 위한 AI 연구 조교이자 연구 비서의 역할을 수행합니다”라고 설명했다.
■ 문서 작업 보다는 실험에 집중
랩노트로 연구원의 업무 효율을 높이고 실험 시간을 2배 이상 확보할 수 있게 되었다. 앤트 측의 조사 결과 랩노트를 도입할 경우, 실험 시간은 55.8%로 증가했고, 연구노트와 보고서, 발표자료 작성 시간은 38.2% 단축된 것으로 나타났다.
이 대표는 “연구원들은 부가적인 업무가 줄어든 것에 높은 만족도를 보이고 있습니다. 예를 들어 기존에 3시간이 걸리던 연구 논문 리뷰를 20-30분 만에 완료할 수 있게 되었습니다. 덕분에 연구원들이 실험 방법과 조건을 더 깊이 있게 고민할 수 있게 되었죠. 특히 행정 업무 시간이 줄어 실제 연구에 더 많은 시간을 투자할 수 있게 된 점을 가장 긍정적으로 평가하고 있습니다”라고 말했다.
■ 바이오·나노·화학 전문가로 팀 구성
앤트는 바이오·나노·화학 분야 전문가로 팀을 구성했다. 특히 바이오·나노·화학 분야 전공자로 구성된 ‘프로덕트 스페셜리스트’라는 독특한 직군을 통해 고객의 니즈를 정확히 파악하고 이를 솔루션에 반영하는 혁신적인 체계를 구축했다. 프로덕트 스페셜리스트는 고객사 온보딩과 초기 셋업 과정에서 전문적인 실험 용어와 깊이 있는 지식을 공유하며, 연구 현장과 서비스 간 원활한 소통을 가능하게 한다. 서비스 기획팀 역시 관련 분야 전공자들로 구성되어 연구원들의 요구사항을 정확히 이해하고 이를 서비스 개발에 신속히 반영하고 있다. 앤트는 바이오·나노·화학 분야의 전문 경험이나 학문적 관심을 가진 인재를 우선적으로 선발하여 전반적인 조직의 전문성을 강화하고 있다.
■ 시리즈A 투자유치와 글로벌 진출 본격화
앤트는 올해 시리즈A 투자 유치와 함께 해외 시장 진출을 본격화할 계획이다. 이미 스탠포드, 버클리 등 해외 유수 연구 기관과의 PoC를 성공적으로 마무리하며 글로벌 시장의 잠재력을 확인했다. 연구 노트와 연구 실적이 영어 기반이고 논문 포맷이 국제적으로 표준화되어 있어, 앤트의 솔루션은 글로벌 호환성을 갖추고 있다. 국내 시장에서 검증된 사용성을 바탕으로 글로벌 시장에서도 높은 경쟁력을 확보할 것으로 전망된다.
이 대표는 “앤트의 가치는 해외 시장에서 더욱 빛날 것으로 예상합니다. 특히 해외 대학 연구실은 국내보다 연구비 규모가 크기 때문에 매출 잠재력이 높습니다. 국내에서는 기업을 주요 타깃으로 삼았지만, 해외에서는 대학 연구실을 주력 고객으로 공략할 계획입니다”라고 글로벌 전략에 대해 밝혔다.
현재 앤트는 바이오·화학 분야를 넘어 2차 전지, 반도체 등 소재 분야로의 확장도 적극 검토하고 있다. 이 대표는 “바이오·화학·소재 시장은 매우 광범위하며, 2차 전지와 반도체까지 서비스 영역을 넓힐 수 있습니다. 연구 노트 사업의 고도화 가능성이 높으며, 궁극적으로는 실험을 수행하는 모든 기관을 위한 서비스를 목표로 합니다. R&D 연구의 표준 프레임워크를 시작으로 연구 노트 관리 도구로 발전시키는 것이 우리의 중기 전략입니다”라고 로드맵에 대해 설명했다.
■ “고품질 데이터 제공으로 기업의 알고리즘 자체 개발 지원”
이 대표는 “앤트의 궁극적인 목표는 고품질의 데이터를 제공해 기업들이 독창적인 알고리즘을 자체 개발할 수 있도록 돕는 것입니다. 현재의 ‘랩노트 스칼라’는 작은 시작점에 불과하며, 앞으로 기업들이 AI를 다각도로 활용할 수 있는 혁신적인 사례들을 지속적으로 제시할 것입니다”라고 말했다. 이어 “회사명 ‘앤트’는 개미의 특성에서 영감을 받았습니다. 개미는 자신의 몸무게의 10배를 들어 올릴 수 있고, 뛰어난 네트워크 협업 능력을 가지고 있습니다. 우리도 이러한 개미처럼 연구 데이터의 효과적인 네트워크를 구축하고자 합니다”라며 포부를 밝혔다.
Improving research efficiency with data formatting technology and AI research assistants… The future of the lab as depicted by aaant
– Attracting Series A investment and preparing to enter the global market
-Improving research efficiency by reducing document work time and increasing experiment time
– Expansion into materials fields such as secondary batteries and semiconductors
Aant, a research data digitization company in the bio, nano, and chemical fields, is growing rapidly while improving inefficiencies in the research field.
Ant operates the research data management solution 'Labnote' and the AI research assistant 'Labnote Scholar'. Labnote is a tool that systematically records and manages research data through data structure templates, and Labnote Scholar is a service that searches accumulated research data and drafts documents using large-scale language models (LLM). Major research institutes and companies such as Seoul Asan Medical Center, Korea Research Institute of Chemical Technology, and LG Household & Health Care have adopted and are utilizing Ant's solutions.
The bio, nano, and chemical fields are still areas where digital transformation is insufficient, and R&D is expected to grow to approximately KRW 800 trillion by 2025, of which the data utilization market is expected to reach approximately KRW 8 trillion.
Ant has attracted 3 billion won in investment from Mashup Angels, Bluepoint, Strong Ventures, Base Investment, and Smilegate by 2022. In 2024, it was selected for the 'AI Startup Accelerator 2' operated by SK Telecom and Hana Bank and achieved performance close to the break-even point. Ant is currently preparing to attract Series A investment and enter the global market.
■ Improving the outdated analog research environment
Ant's co-founder, who met at KAIST Graduate School of Culture Technology (IT-Humanities Convergence Program), founded Ant in 2020 to improve the analog environment of research sites.
Most companies and research institutes still write research notes by hand. Even when using Word or Excel, each researcher writes in a different format and saves them on their personal computer, making it difficult to manage data systematically. In particular, in the case of handwriting, since researchers record randomly without a standardized format, key information is often omitted or readability is reduced. Research results are only shared through email or messenger, limiting the systematic accumulation and use of knowledge.
Ant CEO Lee Sang-yoon pointed out the inefficiency of the research field, saying, “Whether successful or failed, all research results must be systematically accumulated for follow-up research, but the current analog method does not allow for effective management or utilization of data.”
■ Research data record management… The beginning of digital transformation
In order to solve the problem of inefficiency in the research field, first of all, the digital transformation of research data is necessary. Ant's core competitiveness is the research data standardization technology that systematically manages research data by developing its own algorithm that classifies and tags the conditions of research experiments, materials used, and progress processes in detail, and structures it so that AI can effectively analyze it.
In order to systematically standardize research data, the following step-by-step approach is required. First, through an in-depth analysis of the research data held by the company, the purpose of the experiment, the main materials and equipment used, the research environment, and the process are comprehensively identified, and then the handwritten data is digitized using OCR technology and the research results (reports, papers, etc.) are systematically classified. Once the data organization is complete, a template customized for the company is designed, data tagging criteria are established, the data structure for search and utilization is designed, and a classification system reflecting the characteristics of each research field is established. Data classification is automatically classified using a self-developed algorithm, and accordingly, tagging is performed by experimental condition value, material, and process, and the relationships between data are mapped to convert them into a searchable form. Ant builds an infrastructure that can store and update standardized data in real time, and optimizes the user-friendly interface and linkage with the search and utilization system. Finally, a system for automatic standardization of new data is established, and the existing template and tagging system are continuously improved, data quality is monitored, and the system is advanced.
The representative explained the formalization process, saying, “The research note formatting algorithm records every element of the experimental process in detail. For example, when stirring a specific substance at 30 mm, it systematically classifies and records all experimental conditions, such as the material information, stirring speed, and process.” He also added, “Thesis data has an algorithm that automatically separates and tags the abstract, introduction, chapter, image and image description, and table, so that the necessary information can be accurately extracted.” Ant holds a patent for this data formatting technology.
Ant launched LabNote Mint, a research data management solution for bio, nano, and chemistry fields, and LabNote Orange, a non-clinical and pre-clinical research data management solution, in 2022 and 2023, respectively.
■ Search and report like a research assistant
In 2024, Ant launched LabNote Scala, an AI research assistant that efficiently supports various document tasks in the research process.
Researchers can automatically draft research notes, reports, and conference materials using LabNote Scala. It also provides functions to analyze research trends and visualize experimental results based on previously accumulated experimental data. In particular, it provides answers to researchers' searches and questions with accurate sources, and has a source management system to prevent hallucinations in AI models. LabNote Scala manages the company's internal research data in an independent environment for data security, and strictly separates and manages it so that it is not mixed with external data.
“When a researcher asks, ‘Please summarize last year’s experiment,’ we provide a standardized report in the form of a Word document,” the representative explained. “We act as an AI research assistant and research secretary for researchers in the bio and nano fields.”
■ Focus on experiments rather than document work
Labnotes have improved the efficiency of researchers' work and have enabled them to secure more than double the amount of time for experiments. According to Ant's research results, when Labnotes were introduced, experiment time increased by 55.8%, and the time for writing research notes, reports, and presentation materials was shortened by 38.2%.
The representative said, “Researchers are highly satisfied with the reduction in additional work. For example, a research paper review that used to take three hours can now be completed in 20-30 minutes. This has allowed researchers to think more deeply about experimental methods and conditions. In particular, they are most positive about the fact that administrative work time has been reduced, allowing them to invest more time in actual research.”
■ Team composed of bio, nano, and chemical experts
Ant has formed a team of experts in the fields of bio, nano, and chemistry. In particular, through a unique job group called ‘Product Specialist’ consisting of experts in the fields of bio, nano, and chemistry, Ant has established an innovative system that accurately identifies customer needs and reflects them in solutions. Product Specialists share specialized experimental terminology and in-depth knowledge during the onboarding and initial setup process for customers, and enable smooth communication between the research site and the service. The service planning team is also composed of experts in related fields, accurately understanding the needs of researchers and quickly reflecting them in service development. Ant is strengthening the overall professionalism of the organization by giving priority to selecting talents with professional experience or academic interest in the fields of bio, nano, and chemistry.
■ Series A investment attraction and full-scale global expansion
Ant plans to fully enter overseas markets this year with Series A investment. It has already successfully completed PoC with leading overseas research institutes such as Stanford and Berkeley, confirming the potential of the global market. Since research notes and research results are in English and the paper format is internationally standardized, Ant's solution has global compatibility. Based on the usability proven in the domestic market, it is expected to secure high competitiveness in the global market as well.
The representative said, “Ant’s value is expected to shine even brighter in overseas markets. In particular, overseas university research labs have higher sales potential because their research budgets are larger than domestic ones. While we have targeted companies as our main target in Korea, we plan to target university research labs as our main customers overseas,” explaining the global strategy.
Ant is currently actively reviewing expansion beyond the bio-chemical field to the materials field such as secondary batteries and semiconductors. The representative said, “The bio-chemical material market is very broad, and we can expand our service area to secondary batteries and semiconductors. There is a high possibility of advancement in the research note business, and ultimately, we aim to provide services for all institutions conducting experiments. Our mid-term strategy is to start with a standard framework for R&D research and develop it into a research note management tool,” he explained the roadmap.
■ “Supporting companies’ own algorithm development by providing high-quality data”
The representative said, “Ant’s ultimate goal is to provide high-quality data to help companies develop their own unique algorithms. The current ‘Labnote Scalar’ is just a small starting point, and we will continue to present innovative cases that companies can utilize AI in various ways in the future.” He continued, “The company name ‘Ant’ was inspired by the characteristics of ants. Ants can lift 10 times their own body weight and have excellent network collaboration capabilities. We, too, want to build an effective network of research data like these ants.”
データ整形化技術とAI研究アシスタントによる研究効率の向上…アントが描く研究室の未来
– シリーズA投資誘致とグローバル市場進出準備
-文書作業時間が短く、実験時間が増えるなど、研究効率の向上
– 二次電池、半導体など素材分野に拡張
バイオ・ナノ・化学分野の研究データ デジタル化企業アント(aaant)が研究現場の非効率を改善して急速に成長している。
アントは研究データ管理ソリューション「Labnote」とAI研究アシスタント「Labnote Scholar」を運営している。ラップノートはデータ構造化テンプレートを通じて研究データを体系的に記録・管理するツールであり、ラップノートスカラーは大規模言語モデル（LLM）を活用して蓄積された研究データを検索し、文書草案を作成するサービスだ。ソウル牙山病院、韓国化学研究院、LG生活健康など主要研究機関と企業がアントソリューションを導入して活用している。
バイオ・ナノ・化学分野は依然としてデジタル転換が曖昧な領域であり、2025年までにR&Dは約800兆ウォン規模に成長すると予想され、このうちデータ活用市場は約8兆ウォンに達すると予想される。
アントは2022年までマッシュアップエンジェルス、ブルーポイント、ストロングベンチャーズ、ベースインベストメント、スマイルゲートなどから30億ウォンの投資を誘致した。 2024年にはSKテレコムとハナ銀行が運営する「AIスタートアップアクセラレータ2期」に選定され、損益分岐点に近い実績を達成した。アントは現在シリーズA投資誘致とグローバル市場進出を準備している。
■アナログ方式の将来の研究環境の改善
カイスト文化技術大学院（IT-人文学融合過程）で出会ったアントの共同創業者は、研究現場のアナログ環境を改善しようと2020年にアントを創業した。
大半の企業や研究機関では依然として手書きで研究ノートを作成している。 WordやExcelを活用する場合でも、研究者ごとに異なるフォーマットで作成し、パソコンに保存する方式なので、体系的なデータ管理が難しい。特に手書き作成の場合、標準化された様式なしで研究者が任意に記録してみると、重要な情報が欠落したり、読みやすさが低下する問題が頻繁に発生する。研究成果物は電子メールやメッセンジャーで共有するレベルにとどまり、知識の体系的な蓄積と活用が制限的だ。
アントのイ・サンユン代表は「成功であれ失敗でも、すべての研究結果は後続の研究のために体系的に蓄積されなければならないが、現在のアナログ方式ではデータの効果的な管理や活用が不可能な実情です」と研究現場の非効率性について指摘した。
■研究資料記録管理…デジタル遷移の始まり
研究現場の非効率性問題を解決するためには、まず研究資料のデジタル変換が必要である。研究実験の条件、使用物質、進行プロセスなどを細かく分類してタグ付けする独自のアルゴリズムを開発し、研究データを体系的に管理し、これをAIが効果的に分析できるように構造化した研究データ整形化技術がアントの核心競争力である。 。
研究データの体系的な整形化には、次のような段階的なアプローチが必要です。まず、企業が保有する研究データの深い分析を通じて、実験目的、主要使用物質と機器、研究環境およびプロセスを包括的に把握した後、OCR技術を活用して手書きデータをデジタル化し、研究成果物（報告書、論文など）を体系的に分類する。データの整理が完了したら、企業のカスタムテンプレートを設計し、データタグ付け基準を確立し、検索と活用のためのデータ構造を設計し、研究分野固有の特性を反映した分類体系を構築します。データ分類は自ら開発したアルゴリズムを通じて自動的に分類し、それに応じて実験条件値、物質、プロセス別にタグ付けを行い、データ間の関連付けをマッピングして検索可能な形に変換する。アントは、整形化されたデータをリアルタイムで保存および更新できるインフラストラクチャを構築し、検索および活用システムとの連携、ユーザーフレンドリーなインターフェースを最適化します。最後に、新しいデータの自動整形化スキームを構築し、既存のテンプレートとタグ付けシステムを継続的に改善し、データ品質を監視し、システムを高度化します。
「研究ノートの整形化アルゴリズムは、実験プロセスのすべての要素を細かく記録しています。例えば、特定の物質を30mmでスタリングする場合、物質情報はもちろん、スターリング速度やプロセスなどすべての実験条件を体系的に分類して記録します」と整形化過程を説明した。また、「論文データは、緑、序論、章、画像と画像の説明、テーブルなどを自動的に分離してタグ付けするアルゴリズムを保有しており、必要な情報を正確に抽出できる」と付け加えた。アントはこのようなデータ整形化技術に対する特許を保有している。
アントはバイオ・ナノ・化学分野の研究データ管理ソリューション「ラップノートミント」と非臨床・前臨床研究データ管理ソリューション「ラップノートオレンジ」をそれぞれ2022年と2023年に発売した。
■研究助教のように検索、報告書を調べて尺度
アントは2024年、研究過程の多様な文書作業を効率的に支援するAI研究アシスタント「ラップノートスカラー」を発売した。
研究者らは、ラップノートスカラーを通じて研究ノート、報告書、会議資料などの文書草案を自動的に作成することができる。既存に蓄積された実験データに基づいて研究動向を分析し、実験結果を可視化する機能も提供する。特に、研究者の検索と質問に対する正確なソースとともに回答を提供し、AIモデルの幻覚（hallucination）現象を防止するためのソース管理システムを備えている。ラップノートスカラーは、データセキュリティのために企業の内部研究データは独立した環境で管理され、外部データと混ざらないように厳密に分離管理している。
同代表は、「研究者が「昨年の実験を要約してください」と要求すると、ワード文書形式の整形化された報告書を提供します。バイオ・ナノ分野研究員のためのAI研究助教であり、研究秘書の役割を果たします」と説明した。
■文書作業ではなく実験に集中
ラップノートで研究員の業務効率を高め、実験時間を2倍以上確保できるようになった。アント側の調査結果ラボノートを導入した場合、実験時間は55.8％に増加し、研究ノートと報告書、発表資料作成時間は38.2％短縮されたことが分かった。
同代表は、「研究員は、追加の業務が減ったことに高い満足度を示しています。たとえば、従来に3時間かかっていた研究論文レビューを20～30分で完了できるようになりました。おかげで、研究者は実験の方法と条件をより深く考えることができました。特に行政業務時間が短くなり、実際の研究にもっと時間を投資できるようになった点を最も肯定的に評価しています」と話した。
■バイオ・ナノ・化学専門家でチーム構成
アントはバイオ・ナノ・化学分野の専門家でチームを構成した。特にバイオ・ナノ・化学分野専攻者で構成された「プロダクトスペシャリスト」というユニークな職軍を通じて、顧客のニーズを正確に把握し、これをソリューションに反映する革新的な体系を構築した。プロダクトスペシャリストは、顧客のオンボーディングと初期セットアップの過程で専門的な実験用語と深い知識を共有し、研究現場とサービスとのシームレスなコミュニケーションを可能にする。サービス企画チームも関連分野専攻者で構成され、研究員の要求事項を正確に理解し、これをサービス開発に迅速に反映している。アントはバイオ・ナノ・化学分野の専門経験や学問的関心を持った人材を優先的に選抜し、全体的な組織の専門性を強化している。
■シリーズA投資誘致とグローバル進出本格化
アントは今年シリーズA投資誘致とともに海外市場進出を本格化する計画だ。すでにスタンフォード、バークレーなど海外有数研究機関とのPoCを成功裏に終え、グローバル市場の可能性を確認した。研究ノートと研究実績が英語ベースで、論文フォーマットが国際的に標準化されており、アントのソリューションはグローバル互換性を備えている。国内市場で検証された使用性をもとに、グローバル市場でも高い競争力を確保すると見込まれる。
「アントの価値は海外市場でさらに輝くと予想しています。特に海外大学研究室は国内より研究費規模が大きいため、売上の可能性が高い。国内では企業を主要ターゲットとしたが、海外では大学研究室を主力顧客として攻略する計画です」とグローバル戦略について明らかにした。
現在、アントはバイオ・化学分野を超えて二次電池、半導体など素材分野への拡張も積極的に検討している。同代表は「バイオ・化学・素材市場は非常に広範囲であり、二次電池と半導体までサービス領域を広げることができます。研究ノート事業の高度化の可能性が高く、最終的には実験を行うすべての機関のためのサービスを目指します。 R&D研究の標準フレームワークをはじめ、研究ノート管理ツールに発展させることが私たちの中期戦略です」とロードマップについて説明した。
■「高品質データ提供で企業のアルゴリズム自体開発支援」
「アントの究極の目標は、高品質のデータを提供し、企業が独自のアルゴリズムを独自に開発できるようにすることです。現在の「ラップノート・スカラー」は小さな始点に過ぎず、今後企業がAIを多角的に活用できる革新的な事例を継続的に提示するだろう」と話した。続いて「会社名「アント」はアリの特性からインスピレーションを受けました。アリは自分の体重の10倍を持ち上げることができ、優れたネットワークコラボレーション能力を持っています。私たちもこのようなアリのように研究データの効果的なネットワークを構築したいと思います」と抱負を明らかにした。
利用数据格式化技术和人工智能研究助手提高研究效率…… aaant 描绘的实验室的未来
– 吸引A轮投资，准备进军全球市场
-通过减少文档工作时间和增加实验时间来提高研究效率
– 拓展至二次电池、半导体等材料领域
Aant 是一家生物、纳米和化学领域研究数据数字化公司，在改善研究领域效率低下的同时，也在快速发展。
Ant 运营着一个名为‘Labnote’的研究数据管理解决方案和一个名为‘Labnote Scholar’的人工智能研究助手。 LabNote 是一种通过数据结构模板系统地记录和管理研究数据的工具，LabNote Scala 是一种使用大规模语言模型（LLM）搜索积累的研究数据和编写文档草稿的服务。首尔峨山医疗中心、韩国化学技术研究院和 LG 生活健康等主要研究机构和公司都在采用和使用 Ant 解决方案。
生物、纳米、化学领域仍是数字化转型不足的领域，预计到2025年研发费用将增长至约800万亿韩元，其中数据利用市场预计将达到约8万亿韩元。
到 2022 年，Ant 已从 Mashup Angels、Bluepoint、Strong Ventures、Base Investment 和 Smilegate 那里吸引了 30 亿韩元的投资。 2024年，入选SK电讯和韩亚银行运营的‘AI初创企业加速器第2期’，取得了接近盈亏平衡点的业绩。目前蚂蚁正准备吸引A轮投资并进军全球市场。
■ 改善过时的模拟研究环境
Ant 的联合创始人在韩国科学技术研究院文化技术研究生院（IT-人文融合项目）相识，并于 2020 年创立了 Ant，旨在改善研究现场的模拟环境。
大多数公司和研究机构仍然以手写方式记录研究笔记。即使使用Word或Excel，也很难系统地管理数据，因为每个研究人员都以不同的格式书写并将其保存在个人计算机上。尤其是在手写的情况下，由于研究者随意记录，没有标准化的格式，经常会出现关键信息被遗漏、可读性降低等问题。研究结果仅限于通过电子邮件或通讯工具共享，限制了知识的系统积累和利用。
蚂蚁集团CEO李尚允指出，研究领域的效率低下，“无论成功与否，所有研究成果都必须系统地积累，以便进行后续研究，但目前的模拟方法无法对研究成果进行有效的管理或利用”。数据。”做到了。
■ 研究数据记录管理…数字化转型的开始
要解决科研领域效率低下的问题，首先需要对科研数据进行数字化转型。蚂蚁的核心竞争力在于科研数据标准化技术，通过自研算法对科研数据进行系统化管理，对科研实验的条件、所用材料、进展过程进行详细分类和标记，并进行结构化，以便AI进行有效分析。 。
研究数据的系统格式化需要遵循以下逐步方法：首先通过对公司所掌握的研究资料进行深入分析，全面掌握实验目的、所用的主要材料与设备、研究环境与流程等，然后利用OCR技术将手写数据进行数字化，并进行研究将研究结果（报告、论文等）数字化。进行系统分类。数据组织完成后，设计适合企业的模板，建立数据标注标准，设计便于检索和使用的数据结构，构建反映各研究领域特点的分类体系。利用自主研发的算法自动进行数据分类，并按实验条件、材料、工艺进行标记，映射数据间的关系，转化为可搜索的形式。 Ant 构建了可以实时存储和更新结构化数据的基础架构，优化了与搜索和利用系统的集成，并提供了用户友好的界面。最后，我们构建新数据的自动格式化系统，不断改进现有的模板和标记系统，监控数据质量，并增强系统。
“研究笔记的格式化算法详细记录了实验过程的每一个元素。”该代表说。 “比如，在30mm搅拌某种特定材料时，所有的实验条件，包括搅拌速度、过程，以及材料信息，都被系统地分类和记录。”他解释了规范化的过程。他补充道：“论文数据有一个算法，可以自动分离并标记摘要、引言、章节、图片及图像说明、表格等，这样你就可以准确地提取必要的信息。” Ant 拥有该数据格式化技术的专利。
蚂蚁分别于 2022 年和 2023 年推出了针对生物、纳米和化学领域的研究数据管理解决方案 LabNote Mint 和非临床和临床前研究数据管理解决方案 LabNote Orange。
■ 像研究助理一样进行搜索和报告
2024年，蚂蚁推出了AI研究助手LabNote Scala，高效支持研究过程中的各项文档任务。
研究人员可以使用 LabNotes Scala 自动起草研究笔记、报告和会议文件等文档。它还提供根据先前积累的实验数据分析研究趋势和可视化实验结果的功能。特别是，它为研究人员的搜索和问题提供了准确来源的答案，并具有源管理系统以防止AI模型出现幻觉。对于数据安全，Labnote Scala 将公司内部研究数据管理在独立的环境中，并严格与外部数据分离，以防止混合。
“当研究人员询问‘总结去年的实验’时，我们会以 Word 文档的形式提供标准化报告，”该代表说。他解释道：“我将担任生物和纳米领域研究人员的人工智能研究助理和研究秘书。”
■ 专注于实验而不是文档工作
Labnotes 帮助研究人员提高了工作效率，使实验时间增加了一倍以上。 Ant 的研究结果显示，引入实验笔记后，实验时间增加了 55.8%，撰写研究笔记、报告和演示材料的时间缩短了 38.2%。
该代表表示：“研究人员对于额外工作量的减少非常满意。”例如，以前需要3个小时的研究论文审查现在可以在20-30分钟内完成。这使得研究人员能够更深入地思考实验方法和条件。他说道：“特别是，我最为积极的评价是行政工作时间的减少，让我们能够有更多的时间投入到实际研究中。”
■ 团队由生物、纳米和化学专家组成
蚂蚁集团组建了一支生物、纳米、化学等领域的专家团队。特别是，我们通过由生物、纳米、化学领域的专家组成的独特工作团队“产品专家”，建立了能够准确识别客户需求并将其反映在解决方案中的创新系统。产品专家在客户入职和初始设置期间分享专业的实验术语和深入的知识，实现研究站点和服务之间的无缝沟通。服务规划团队也由相关领域的专家组成，因此他们能够准确理解研究人员的要求并迅速反映在服务开发中。蚂蚁集团正在优先选拔在生物、纳米和化学领域具有专业经验或学术兴趣的人才，以加强组织的整体专业性。
■ A轮投资吸引及全方位全球扩张
蚂蚁集团计划今年开始全面拓展海外市场，同时吸引A轮投资。我们已经与斯坦福、伯克利等海外领先研究机构成功完成PoC，证实了全球市场的潜力。 Ant 的解决方案具有全球兼容性，因为研究笔记和研究结果都是英文的，而且论文格式是国际标准的。基于国内市场已证实的可用性，预计其在全球市场也将确保较高的竞争力。
该代表表示：“蚂蚁的价值有望在海外市场展现出更大的光芒。”特别是海外大学研究实验室的研究预算比韩国更大，因此销售潜力更高。他在谈到自己的全球战略时表示：“在韩国，我们的主要目标客户是企业，但在海外，我们计划以大学研究实验室为主要客户。”
目前，蚂蚁正积极考虑超越生物、化学领域，向二次电池、半导体等材料领域拓展。该代表表示：“生物、化学和材料市场非常广阔，我们可以扩大服务领域，包括二次电池和半导体。研究笔记业务具有很大的发展潜力，最终目的是服务于所有开展实验的机构。 “我们的中期战略是从研发研究的标准框架开始，并将其发展为研究笔记管理工具。”他在解释路线图时说道。
■ “提供高质量数据，支持企业自主算法开发”
该代表表示：“蚂蚁的最终目标是提供高质量的数据，帮助企业开发自己独特的算法。”他说：“目前的‘Labnote Scala’只是一个小小的起点，未来我们将继续推出让企业能够以各种方式利用人工智能的创新案例。”他继续说道：“公司名称‘蚂蚁’的灵感来自于蚂蚁的特征。蚂蚁可以举起自身体重10倍的物体，具有优秀的网络协作能力。 “我们也想像这些蚂蚁一样，建立一个有效的研究数据网络。”他表达了自己的雄心。
Améliorer l'efficacité de la recherche grâce à la technologie de formatage des données et aux assistants de recherche IA… L'avenir du laboratoire tel que décrit par aaant
– Attirer des investissements de série A et se préparer à entrer sur le marché mondial
– Améliorer l'efficacité de la recherche en réduisant le temps de travail sur les documents et en augmentant le temps d'expérimentation
– Expansion dans les domaines des matériaux tels que les batteries secondaires et les semi-conducteurs
Aant, une société de numérisation de données de recherche dans les domaines bio, nano et chimique, connaît une croissance rapide tout en améliorant les inefficacités dans le domaine de la recherche.
Ant exploite une solution de gestion des données de recherche appelée « Labnote » et un assistant de recherche IA appelé « Labnote Scholar ». LabNote est un outil permettant d'enregistrer et de gérer systématiquement les données de recherche via des modèles de structuration des données, et LabNote Scala est un service qui recherche les données de recherche accumulées et rédige des brouillons de documents à l'aide d'un modèle linguistique à grande échelle (LLM). Les principaux instituts de recherche et entreprises, dont le Seoul Asan Medical Center, le Korea Research Institute of Chemical Technology et LG Household & Health Care, adoptent et utilisent les solutions Ant.
Les domaines de la biotechnologie, de la nanotechnologie et de la chimie restent des domaines dans lesquels la transformation numérique est insuffisante. La R&D devrait croître jusqu'à environ 800 000 milliards de KRW d'ici 2025, dont le marché de l'utilisation des données devrait atteindre environ 8 000 milliards de KRW.
Ant a attiré 3 milliards de wons d'investissement de Mashup Angels, Bluepoint, Strong Ventures, Base Investment et Smilegate d'ici 2022. En 2024, elle a été sélectionnée pour le « AI Startup Accelerator 2nd Batch » opéré par SK Telecom et Hana Bank et a réalisé des performances proches du seuil de rentabilité. Ant se prépare actuellement à attirer des investissements de série A et à entrer sur le marché mondial.
■ Améliorer l’environnement de recherche analogique obsolète
Le cofondateur d'Ant, qui s'est rencontré à la KAIST Graduate School of Culture Technology (programme de convergence IT-Humanities), a fondé Ant en 2020 pour améliorer l'environnement analogique des sites de recherche.
La plupart des entreprises et des instituts de recherche rédigent encore leurs notes de recherche à la main. Même en utilisant Word ou Excel, il est difficile de gérer les données de manière systématique car chaque chercheur écrit dans un format différent et l'enregistre sur son ordinateur personnel. En particulier dans le cas de l'écriture manuscrite, étant donné que les chercheurs enregistrent de manière arbitraire sans format standardisé, des problèmes tels que l'omission d'informations clés ou une lisibilité réduite se produisent souvent. Les résultats de la recherche sont limités à un partage par courrier électronique ou par messagerie, ce qui limite l’accumulation et l’utilisation systématiques des connaissances.
Le PDG d'Ant, Lee Sang-yoon, a souligné l'inefficacité du domaine de recherche, en déclarant : « Qu'ils soient réussis ou non, tous les résultats de recherche doivent être systématiquement accumulés pour la recherche de suivi, mais la méthode analogique actuelle ne permet pas une gestion ou une utilisation efficace des données. »
■ Gestion des enregistrements de données de recherche… Le début de la transformation numérique
Pour résoudre le problème d’inefficacité dans le domaine de la recherche, la transformation numérique des données de recherche est d’abord nécessaire. Le principal avantage concurrentiel d'Ant réside dans sa technologie de normalisation des données de recherche, qui gère systématiquement les données de recherche en développant son propre algorithme qui classe et étiquette en détail les conditions, les matériaux utilisés et les processus de progression des expériences de recherche et les structure afin que l'IA puisse les analyser efficacement. .
Une mise en forme systématique des données de recherche nécessite l’approche étape par étape suivante : Tout d'abord, grâce à une analyse approfondie des données de recherche détenues par l'entreprise, le but de l'expérience, les principaux matériaux et équipements utilisés, l'environnement et le processus de recherche sont identifiés de manière exhaustive, puis les données manuscrites sont numérisées à l'aide de la technologie OCR et la recherche les résultats (rapports, articles, etc.) sont numérisés. Classer systématiquement. Une fois l’organisation des données terminée, nous concevons un modèle adapté à l’entreprise, établissons des critères d’étiquetage des données, concevons une structure de données pour la recherche et l’utilisation et construisons un système de classification qui reflète les caractéristiques de chaque domaine de recherche. La classification des données est effectuée automatiquement à l'aide d'un algorithme développé en interne, et les balises sont effectuées en fonction des conditions expérimentales, des matériaux et des processus, et les relations entre les données sont cartographiées pour les convertir en un format consultable. Ant construit une infrastructure capable de stocker et de mettre à jour des données structurées en temps réel, optimise l'intégration avec les systèmes de recherche et d'utilisation et fournit une interface conviviale. Enfin, nous construisons un système de formatage automatique pour les nouvelles données, améliorons en permanence les modèles et les systèmes de balisage existants, surveillons la qualité des données et améliorons le système.
« L’algorithme de formatage des notes de recherche enregistre en détail chaque élément du processus expérimental », a déclaré le représentant. « Par exemple, lors de l'agitation d'un matériau spécifique à 30 mm, toutes les conditions expérimentales, y compris la vitesse et le processus d'agitation, ainsi que les informations sur le matériau, sont systématiquement classées et enregistrées », a-t-il expliqué le processus de formalisation. Il a ajouté : « Les données papier disposent d'un algorithme qui sépare et balise automatiquement le résumé, l'introduction, les chapitres, les images et les descriptions d'images, les tableaux, etc., afin que vous puissiez extraire avec précision les informations nécessaires. » Ant détient un brevet sur cette technologie de formatage de données.
Ant a lancé LabNote Mint, une solution de gestion de données de recherche pour les domaines de la bio, de la nano et de la chimie, et LabNote Orange, une solution de gestion de données de recherche non cliniques et précliniques, respectivement en 2022 et 2023.
■ Recherchez et signalez comme un assistant de recherche
En 2024, Ant a lancé LabNote Scala, un assistant de recherche IA qui prend en charge efficacement diverses tâches documentaires dans le processus de recherche.
Les chercheurs peuvent rédiger automatiquement des documents tels que des notes de recherche, des rapports et des documents de réunion à l'aide de LabNotes Scala. Il fournit également des fonctions permettant d’analyser les tendances de la recherche et de visualiser les résultats expérimentaux sur la base de données expérimentales précédemment accumulées. Il fournit notamment des réponses aux recherches et aux questions des chercheurs avec des sources précises, et dispose d'un système de gestion des sources pour éviter les hallucinations des modèles d'IA. Pour la sécurité des données, Labnote Scala gère les données de recherche internes de l'entreprise dans un environnement indépendant et les sépare strictement des données externes pour éviter tout mélange.
« Lorsqu’un chercheur demande : « Résumez l’expérience de l’année dernière », nous fournissons un rapport standardisé sous la forme d’un document Word », a déclaré le représentant. « J'agirai en tant qu'assistant de recherche en IA et secrétaire de recherche pour les chercheurs dans les domaines bio et nano », a-t-il expliqué.
■ Se concentrer sur les expériences plutôt que sur le travail de documentation
Les Labnotes ont aidé les chercheurs à accroître leur efficacité au travail et à plus que doubler leur temps d’expérimentation. Les résultats de la recherche d'Ant ont montré que lorsque les notes de laboratoire ont été introduites, le temps d'expérience a augmenté de 55,8 % et le temps consacré à la rédaction de notes de recherche, de rapports et de supports de présentation a été réduit de 38,2 %.
« Les chercheurs sont très satisfaits de la réduction du travail supplémentaire », a déclaré le représentant. Par exemple, l’examen d’un document de recherche qui prenait auparavant 3 heures peut désormais être réalisé en 20 à 30 minutes. Cela a permis aux chercheurs de réfléchir plus en profondeur aux méthodes et aux conditions expérimentales. « J'apprécie particulièrement le fait que le temps de travail administratif a été réduit, ce qui permet d'investir davantage de temps dans la recherche proprement dite », a-t-il déclaré.
■ Équipe composée d'experts en bio, nano et chimie
Ant a formé une équipe d'experts dans les domaines de la bio, de la nano et de la chimie. En particulier, nous avons mis en place un système innovant qui identifie avec précision les besoins des clients et les reflète dans des solutions grâce à un groupe de travail unique appelé « Spécialiste Produit », composé d'experts dans les domaines de la bio, de la nano et de la chimie. Les spécialistes des produits partagent une terminologie expérimentale spécialisée et des connaissances approfondies lors de l'intégration du client et de la configuration initiale, permettant une communication transparente entre les sites de recherche et les services. L'équipe de planification des services est également composée d'experts dans des domaines connexes, de sorte qu'ils comprennent avec précision les besoins des chercheurs et les reflètent rapidement dans le développement des services. Ant renforce le professionnalisme global de l'organisation en donnant la priorité à la sélection de talents ayant une expérience professionnelle ou un intérêt académique dans les domaines de la bio, de la nano et de la chimie.
■ Attraction d'investissements de série A et expansion mondiale à grande échelle
Ant prévoit de commencer son expansion à grande échelle sur les marchés étrangers cette année, tout en attirant des investissements de série A. Nous avons déjà réalisé avec succès des PoC avec des instituts de recherche étrangers de premier plan tels que Stanford et Berkeley, confirmant ainsi le potentiel du marché mondial. La solution d’Ant est compatible à l’échelle mondiale, car les notes de recherche et les résultats de recherche sont en anglais et le format papier est standardisé au niveau international. S'appuyant sur une facilité d'utilisation éprouvée sur le marché intérieur, il devrait également garantir une grande compétitivité sur le marché mondial.
« La valeur d’Ant devrait briller encore plus sur les marchés étrangers », a déclaré le représentant. En particulier, les laboratoires de recherche universitaires étrangers ont un potentiel de vente plus élevé car leurs budgets de recherche sont plus importants que ceux de Corée. « En Corée, nous avons ciblé les entreprises comme cible principale, mais à l'étranger, nous prévoyons de cibler les laboratoires de recherche universitaires comme nos principaux clients », a-t-il déclaré à propos de sa stratégie mondiale.
Actuellement, Ant envisage activement d’étendre ses activités au-delà des domaines bio et chimique vers des domaines de matériaux tels que les batteries secondaires et les semi-conducteurs. Le représentant a déclaré : « Les marchés de la biotechnologie, de la chimie et des matériaux sont très vastes et nous pouvons étendre nos domaines de service pour inclure les batteries secondaires et les semi-conducteurs. Le secteur des notes de recherche présente un grand potentiel d’évolution et vise, à terme, à servir toutes les institutions menant des expériences. « Notre stratégie à moyen terme est de commencer avec un cadre standard pour la recherche et le développement et de le faire évoluer vers un outil de gestion des notes de recherche », a-t-il expliqué à propos de la feuille de route.
■ « Soutenir le développement des algorithmes des entreprises en leur fournissant des données de haute qualité »
« L’objectif ultime d’Ant est de fournir des données de haute qualité pour aider les entreprises à développer leurs propres algorithmes uniques », a déclaré le représentant. « L’actuel « Labnote Scala » n’est qu’un petit point de départ, et nous continuerons à présenter des cas innovants qui permettront aux entreprises d’utiliser l’IA de diverses manières à l’avenir », a-t-il déclaré. Il a poursuivi : « Le nom de l’entreprise « Ant » a été inspiré par les caractéristiques des fourmis. Les fourmis peuvent soulever 10 fois leur propre poids corporel et disposent d’excellentes capacités de collaboration en réseau. « Nous aussi, nous voulons construire un réseau efficace de données de recherche comme ces fourmis », a-t-il déclaré, exprimant son ambition.
You must be logged in to post a comment.