영국 AI 바이오안보 연구소, OpenAI·Anthropic 지원으로 1억 파운드 확보

영국은 UK AI Biosecurity Lab에 1억 파운드를 투입한다고 발표하며, AI 개발사들에 자사 기술이 증폭시킬 수도 있는 생물학적 위협을 방어하는 데 협력해 달라고 요청했다. OpenAI와 Anthropic은 Google DeepMind 및 Basecamp Research가 참여하는 연구 협력과 함께 이 이니셔티브를 지원한다. 당면 과제는 첨단 모델에 대한 접근권을 공중보건 기관이 실제로 활용할 수 있는 역량으로 전환하는 일이다.

이번 발표는 어려운 절충 과제에 대한 구체적인 제도적 대응을 제시한다. 생물학적 위협의 예방과 관리를 뜻하는 바이오안보에는 유용한 과학 도구와 오용 방지 장치가 함께 필요하다. 신뢰할 수 있는 연구자에게 더 나은 AI 접근권을 제공하는 것은 이 문제의 일부를 해결한다. 동시에 접근 조건, 독립적 평가, 운영 책임의 중요성도 더욱 커진다.

OpenAI, Anthropic, Google DeepMind에 이번 이니셔티브는 방어적 활용에 대한 주장이 실질적인 검증을 받게 될 또 하나의 환경을 만든다. 정부에는 기업의 약속을 넘어 공공 투자가 무엇을 제공하는지 설명해야 할 의무가 생긴다. 모델의 이용 가능성, 과학적 유용성, 개선된 감염병 발생 대비는 서로 관련된 성과이지만, 각각에는 다른 증거가 필요하다.

UK AI Biosecurity Lab 발표가 실제로 바꾸는 것

영국은 첨단 AI 역량을 실질적인 생물학적 방어 수단으로 전환하기 위한 전담 조직을 설립하고 있다.

Cabinet Office는 2026년 10월 24일 AI Biosecurity Lab 발표를 공개했다. 발표문은 초기에는 더 이른 위협 탐지와 백신, 치료제 및 기타 의료 대응 수단의 신속한 개발에 초점을 맞춘 독립 비영리 조직이라고 설명한다. 이러한 대응 수단은 질병을 예방하거나 영향을 줄이기 위해 사용되는 개입 방안이다.

자금 구조는 주의 깊게 살펴볼 필요가 있다. 정부 지원금은 총 1억 파운드이며, OpenAI와 Anthropic은 최대 2억 파운드 규모의 기업 지원을 약속했다. 이러한 지원에는 컴퓨팅 및 모델 크레딧, 신뢰 기반 접근권, 기술 지원이 포함된다. 이를 동등한 현금 출연으로 설명해서는 안 된다.

OpenAI의 지원에는 Rosalind Biodefense 프로그램을 통한 1억 파운드 상당의 컴퓨팅 및 모델 크레딧이 포함된다. Anthropic의 지원에는 최대 1억 파운드 상당의 모델 크레딧, 신뢰 기반 접근권, 전담 기술 지원이 포함된다. Google DeepMind와 Basecamp Research는 연구 협력과 과학적 역량을 통해 참여한다.

이러한 서로 다른 기여는 실행력을 평가할 때 중요하다. 크레딧은 값비싼 컴퓨팅 자원을 이용 가능하게 할 수 있고, 기술 지원은 연구자들이 이를 효과적으로 활용하도록 도울 수 있다. 어느 쪽도 실험실 인력, 검증된 데이터, 물리적 시험 역량, 또는 서비스를 유지할 수 있는 조직을 자동으로 제공하지는 않는다.

분석상 중요한 구분은 제공된 자원과 완료된 작업 사이에 있다. 지원 약속은 파트너가 무엇을 제공하겠다고 말하는지를 보여준다. 운영 성과는 연구자들이 그 자원을 현실적인 조건에서 정의된 과제를 개선하는 데 활용했는지를 보여준다.

프로젝트를 연구소라고 부르는 것 역시 잘못된 추정을 낳을 여지를 남긴다. 발표만으로 새로운 물리적 연구 시설이 문을 열었다는 사실은 확인되지 않는다. 독자는 조직의 이름만으로 위치, 완공된 건물, 또는 가동 중인 실험 프로그램을 추정하지 않아야 한다.

실질적인 질문은 누가 우선순위를 정하고 누가 결과물로 나온 도구를 수용하는가에 관한 것이다. 연구팀은 과학적으로 흥미로운 무언가를 만들 수 있지만, 기관이 배포할 수 있는 결과물을 내놓지 못할 수도 있다. 두 결과 사이의 간극에는 시험, 통합, 유지보수, 그리고 결과가 불확실할 때의 명확한 책임이 포함된다.

그렇기 때문에 자금 지원이라는 헤드라인과 함께 제도 설계에도 주목할 필요가 있다. 전담 조직은 전문성을 집중하고 파트너를 조율할 수 있다. 그 가치는 이러한 집중이 기존 연구 협력이 해결하기 어려웠던 문제를 풀어내는지에 달려 있다.

현재로서는 이번 발표가 이용 가능한 자원과 조직적 약속을 바꾼다. 생물학적 위협 대비가 개선됐다는 사실을 입증하지는 않는다. 이 구분은 예방을 표방하는 프로젝트를 평가하기 위한 공정한 출발점이 된다.

공공 기관에 필요한 것은 모델 접근권만이 아니라 유용한 시스템이다

압박은 AI 지원을 신뢰할 수 있는 공중보건 의사결정으로 전환해야 하는 조직에 가해진다.

이 연구소는 더 광범위한 정부 노력 안에 위치한다. Reuters의 AI security funding 패키지 보도는 1억6,500만 파운드 규모의 바이오안보 이니셔티브를 언급한다. 여기에는 연구소 배정액과 감시 및 의료 대응 수단을 위한 6,500만 파운드가 포함된다. Reuters는 기존 AI Security Institute에 대한 추가 지원도 보도했다.

이러한 폭넓은 맥락은 역할 분담을 설명하는 데 도움이 된다. AI 모델의 위험을 이해하는 일과 AI를 활용해 생물학적 방어력을 높이는 일은 별개의 책임이다. 효과적인 정책에는 위험한 역량에 관한 증거와 유익한 응용 프로그램을 구축·운영할 수 있는 기관이 모두 필요하다.

가상의 감염병 발생 평가를 생각해 보자. AI 시스템은 분석가가 유입되는 증거를 정리하고, 관련 연구를 식별하며, 경쟁하는 설명을 비교하도록 도울 수 있다. 그 유용성은 출처의 품질, 불확실성 처리, 그리고 출력이 분석가의 더 나은 의사결정을 돕는지에 달려 있다.

유창한 요약만으로는 성공의 충분한 증거가 되지 않는다. 조직은 시스템이 중요한 단서를 유지했는지, 상충하는 정보를 놓쳤는지, 근거 없는 결론을 덧붙였는지 알아야 한다. 또한 오류가 후속 의사결정에 영향을 미치기 전에 수정할 절차도 필요하다.

이는 참여를 고려하는 공공 기관에 즉각적인 과제를 만든다. 기관은 지원이 의미 있을 과업을 정의하고 허용 가능한 실패율을 식별해야 한다. 이후 연구자들에게는 모델이 가장 잘하는 일을 무엇이든 보여 달라는 공개적 초대가 아니라, 적절한 데이터와 평가 조건이 필요하다.

동일한 논리는 치료 연구를 지원하는 도구에도 적용된다. 계산 기반 제안은 추가 조사를 정당화할 수 있지만, 의료적 유용성을 확립하지는 않는다. AI가 초기 연구 단계를 더 생산적으로 만들더라도 과학적 검증과 규제 판단은 별도의 단계로 남는다.

기업 구매자에게 이는 유난히 심각한 결과를 수반하는 익숙한 도입 문제다. 공급업체는 유능한 소프트웨어에 대한 접근권을 제공할 수 있지만, 고객은 여전히 업무 흐름 설계에 책임을 진다. 계약과 시연은 사람들이 실제로 내리는 결정과 연결될 때에만 의미를 갖는다.

연구소의 기회는 이 연결을 명시적으로 만드는 데 있다. 프로젝트는 의도된 사용자, 기존 프로세스, 그리고 검증 중인 개선 사항을 식별해야 한다. 이러한 요소가 없다면 기술적으로 인상적인 시연도 실질적 기여를 불분명하게 남길 수 있다.

공공 기관에는 연속성도 필요하다. 지원을 받는 시험 기간에 작동한 연구 프로토타입은 인력이나 접근권 조건이 바뀌면 유지하기 까다로워질 수 있다. 따라서 배포 계획은 초기 실험 이후에 필요한 소유권, 문서화, 자원도 고려해야 한다.

이번 발표는 이러한 질문을 의제로 올린다. 참여 조직이 유용한 성과를 함께 정의할 이유를 제공한다. 그렇게 하는지 여부는 이니셔티브에 연결된 파트너 수보다 대비 태세에 대해 더 많은 것을 알려줄 것이다.

OpenAI, Anthropic, Google DeepMind는 서로 다른 기여를 제공한다

이 파트너십은 서로 다른 형태의 지원을 결합하므로, 단일 모델 순위가 아니라 구체적인 연구 과업을 통해 평가해야 한다.

OpenAI는 이미 이 분야를 겨냥한 기업 프로그램을 운영하고 있다. 2026년 5월 Rosalind Biodefense에 대해 공개한 설명은 방어적 애플리케이션을 구축하는 신뢰할 수 있는 개발자를 위한 후원 접근권과 출시 지원을 강조한다. 회사는 대비, 조기 탐지, 선별 검사를 의도된 작업 분야로 제시한다.

이러한 이력은 영국 참여를 기존의 배포 접근법 안에 위치시킨다. 회사의 입장은 검증된 방어 담당자에게 첨단 역량 접근권을 제공해야 한다는 것이다. 이는 그러한 역량이 어떻게 사용되기를 원하는지에 관한 진술이지, 대비 태세가 개선됐다는 독립적 증거는 아니다.

Anthropic이 발표한 영국 지원은 접근권과 전담 기술 지원을 결합한다. 이 조합은 유용한 평가 질문을 제기한다. 프로젝트 성과 중 얼마나 많은 부분이 모델에서 나오고, 얼마나 많은 부분이 전문가 지원에서 나오는가? 둘 다 가치 있을 수 있지만, 향후 배포에 필요한 조건은 서로 다르다는 점을 시사한다.

Google DeepMind는 또 다른 비교 지점을 제공한다. 2026년 7월 공개한 bioresilience approach는 Isomorphic Labs와 함께 예방, 탐지, 대응 전반에 걸친 작업을 설명한다. 또한 병원체 감시에 관련된 분석을 개선하기 위한 AI 활용과 오용 방지 장치 개발도 다룬다.

이는 의도된 이점과 연구 방향에 대한 기업의 설명이다. 영국 파트너십이 더 광범위한 기업 활동과 연결돼 있음을 보여준다. 참여 기업들이 새 조직이 직면할 운영 문제를 해결했다는 사실을 입증하지는 않는다.

연구소에 여러 공급업체에 대한 접근권은 공통 과업에서 접근법을 비교할 기회를 제공한다. 이러한 비교는 과학적 질문에서 시작해야 한다. 증거 정리에 유용한 시스템이 전문 생물학 분석에 가장 좋은 선택일 필요는 없다.

평가는 주변 업무 흐름도 고려해야 한다. 연구자들은 모델의 초기 응답과 전문가 수정 후의 결과를 구분해야 한다. 그렇지 않으면 성공적인 시연이 출력을 활용 가능하게 만드는 데 필요한 인적 노력의 규모를 가릴 수 있다.

공급업체의 다양성은 연구 우선순위가 단일 제품의 강점을 따라가는 것을 막을 때 실질적 가치를 지닌다. 동시에 통합을 복잡하게 만든다. 서로 다른 시스템에는 서로 다른 접근 조건, 데이터 처리 절차, 실험 중 무슨 일이 일어났는지 기록하는 방식이 필요할 수 있다.

따라서 중요한 경쟁 압력은 구체적이다. 각 파트너는 자사 도구가 어디에서 유용한 작업에 기여하는지 보여줄 기회를 얻는다. 공익 연구 조직은 모든 비교를 회사 전체에 대한 판정으로 바꾸지 않고도 불균등한 결과를 보고할 수 있어야 한다.

공급업체는 한 과업에서 좋은 성과를 내고 다른 과업에서는 거의 이점을 제공하지 못할 수 있다. 이러한 차이를 보고하면 연구자들이 노력을 배분하고 기관들이 포괄적인 가정을 피하는 데 도움이 된다. 또한 성공적인 결과의 신뢰성도 높일 수 있다.

생물학 분야 밖의 AI 사용자에게 교훈은 명확하다. 모델 비교는 실제 업무 흐름, 정의된 기준선, 문서화된 인간 개입과 연결될 때 더 유익해진다. 영국 프로젝트는 이러한 구분이 홍보성 주장보다 더 중요해질 환경을 제공한다.

신뢰 기반 접근권은 광범위한 이용 가능성을 더 큰 책임과 맞바꾼다

첨단 역량을 승인된 사용자로 제한하면, 승인·감독·지속적 접근권을 통제하는 주체에게 거버넌스 부담이 이전된다.

신뢰된 접근은 특정 조건 아래 검증된 사용자에게 역량을 제공하는 것을 의미한다. 그 매력은 분명하다. 정당한 연구자들은 제공업체가 더 광범위하게 제한할 수 있는 도구를 이용할 수 있다. 아직 해결되지 않은 쟁점은 그러한 조건이 적절한 안전장치를 유지하면서도 효과적인 작업을 어떻게 뒷받침하느냐이다.

승인에는 정당화 가능한 목적이 필요하다. 신청자를 평가하는 조직은 연구자의 신원, 소속 기관 환경, 제안된 활동, 운영 통제를 구분해야 한다. 단일 자격만으로 충분하다고 간주하면 중요한 질문들이 답을 얻지 못한 채 남게 된다.

초기 승인만큼이나 지속적인 감독도 중요하다. 프로젝트는 방향을 바꾸거나 협력자를 추가하거나 모델을 추가 소프트웨어와 연결할 수 있다. 접근 규칙은 승인된 워크플로가 여전히 허용되는지 연구자들이 불확실해하지 않도록 그러한 변화를 다뤄야 한다.

과학적 재현성, 즉 연구를 반복하고 그 결과를 평가할 수 있는 능력을 둘러싼 실질적 긴장도 있다. 팀마다 접근 조건이 다르면 비교가 더 어려워진다. 연구자들은 결과가 도출된 조건을 설명할 수 있을 만큼의 문서가 필요하다.

그렇다고 민감한 세부 사항을 무차별적으로 공개해야 한다는 뜻은 아니다. 독립 검토자에게 어떤 정보가 필요한지 파악하고 적합한 검토 절차를 제공해야 한다는 의미다. 그 구분을 명확히 설명한다면 공개적 책임성은 통제된 공개와 공존할 수 있다.

독립적인 비영리 구조만으로 이러한 문제들이 저절로 해결되지는 않는다. 독립성은 의사결정 권한, 출판 정책, 이해충돌 관리, 불편한 결론에 도달할 수 있는 능력을 통해 의미를 갖는다. 모든 파트너가 표명된 방어 목적을 공유하더라도 이러한 장치는 면밀한 검토를 받을 가치가 있다.

기업의 지원은 연구 선택에 관한 또 다른 질문을 제기한다. 크레딧은 제공업체의 도구를 더 쉽게 사용하게 하며, 명시적 압력 없이도 프로젝트 설계에 영향을 줄 수 있다. 연구자들은 접근 가능하기 때문이 아니라 과업에 적합하기 때문에 도구를 선택했다고 설명할 수 있어야 한다.

같은 원칙은 부정적 결과에도 적용된다. 유의미한 개선이 없음을 확인한 평가는 공공 자원을 절약하고 연구 방향을 전환하는 데에도 도움이 될 수 있다. 신뢰할 만한 프로그램은 그러한 결과를 파트너십의 실패로 취급하지 않고 발표할 여지를 가져야 한다.

신뢰된 접근에는 가용성 측면도 있다. 승인된 사용자는 모델이 변경되거나 계정 제한이 발생하거나 지원되는 기능이 철회될 때 어떤 일이 일어나는지 이해해야 한다. 연구 워크플로는 참여자들이 검증할 수 없는 가정에 의존해서는 안 된다.

이는 파트너들의 위법 행위를 보여주는 증거가 아니라 거버넌스에 관한 질문이다. 이는 공익 업무를 부분적으로 민간 접근 체계를 통해 통제되는 시스템에 맡기는 데서 직접 따라온다. 이를 일찍 다루면 파트너십은 더 강해질 것이다.

핵심 상충관계는 책임이 계속 명확하게 드러날 때에만 관리할 수 있다. 연구소는 누가 워크플로를 승인하고, 누가 이를 모니터링하며, 누가 중단할 수 있는지 알아야 한다. 연구자와 기관 역시 그 결과물에 의존하기 전에 동일한 책임 체계를 이해해야 한다.

생물학적 결과는 디지털 성능보다 입증하기가 여전히 더 어렵다

컴퓨터 기반 과업에서의 더 나은 성능만으로 더 안전하거나 더 효과적인 생물학적 반응이 입증되는 것은 아니다.

Candace S. Y. Chan, Aris Karatzikos, Ilias Georgakopoulos-Soares가 작성한 2026년 9월 생물보안 거버넌스 검토는 관련된 구분을 제시한다. 이 사전 공개 논문은 AI 지원의 증거를 주로 디지털 과업에서 설명한다. 또한 실무 전문성과 물리적 실행이 실험실 작업에서 계속되는 장벽임을 지적한다.

저자들은 위험이 모델 역량뿐 아니라 사용자, 의도, 자원, 안전장치에 따라 달라진다고 주장한다. 이는 이익과 피해 모두를 신중하게 평가해야 함을 뒷받침한다. 인상적인 소프트웨어 결과도 현실 세계의 생물학적 결과에 관한 증거가 되기 전에는 맥락이 필요하다.

UK AI Biosecurity Lab의 경우, 이러한 구분은 처음부터 평가 방식을 형성해야 한다. 성능을 비교하는 데 사용되는 표준화된 테스트인 벤치마크는 정의된 과업에서의 진전을 보여줄 수 있다. 그러나 테스트 환경 밖의 배포에 관한 모든 질문에 답할 수는 없다.

가령 실험 시스템이 연구자들이 조사할 정보를 우선순위화하는 데 도움을 준다고 해 보자. 관련 평가는 그것이 무엇을 놓쳤는지와 제안 내용을 검증하는 데 얼마나 많은 작업이 필요했는지를 포함해야 한다. 검토에 절약한 시간이 소모된다면 더 빠른 초기 출력은 제한된 가치만 가진다.

오탐은 또 다른 평가 과제를 만든다. 더 많은 항목을 표시하는 시스템은 더 경계하는 것처럼 보일 수 있지만 전문가의 부담을 늘릴 수 있다. 평가자는 추가 경보가 경보 수 자체가 아니라 유용한 조사로 이어지는지 살펴봐야 한다.

놓친 신호에도 동등한 주의가 필요하다. 중요한 정보가 분석에 전혀 들어가지 않았더라도 깔끔해 보이는 보고서는 신뢰를 부추길 수 있다. 따라서 사람의 검토는 최종 텍스트뿐 아니라 증거 선택 과정도 검토해야 한다.

의학 연구에는 제안과 효익 사이에 더 많은 단계가 있다. 제안된 후보물질은 여전히 적절한 실험 평가를 거쳐야 한다. 이후 개발, 시험, 허가에는 계산 결과만으로 해결할 수 없는 질문이 수반된다.

그렇다고 AI 지원의 잠재적 가치가 줄어드는 것은 아니다. 전체 과정이 여전히 어렵더라도 범위가 제한된 연구 단계를 개선하는 것은 유용할 수 있다. 정직한 주장은 특정 조건에서 특정 단계가 개선되었다는 것이다.

회의적인 질문은 연구소가 진전을 보고할 때 그 정도의 구체성을 유지할 것인지다. 발견을 가속한다는 광범위한 표현은 고르지 않은 성과를 감출 수 있다. 공개 보고서는 어디에서 시간이 절약됐는지, 어떤 품질 검사가 남았는지, 어떤 불확실성이 지속됐는지를 밝혀야 한다.

위험 평가에도 비슷한 엄격함이 필요하다. 더 강력한 모델이 실질적인 오용 역량의 동일한 증가로 자동 전환되는 것은 아니다. 반대로 모델 외부의 장벽이 있다고 해서 위험이 없다고 가정할 근거도 되지 않는다.

두 판단 모두 더 넓은 워크플로 전반의 증거를 요구한다. 연구소의 방어적 임무는 이러한 연계를 면밀히 연구할 이유를 제공한다. 성공만큼이나 한계를 명확히 보고한다면 신뢰도는 높아질 것이다.

그러므로 독자들은 이 이니셔티브를 해결책으로 선언하거나 상징적 조치로 치부하는 성급한 선택을 피해야 한다. 이 발표는 진지한 약속을 수립한다. 그 약속이 대비 태세를 개선하는지는 조직이 조사해야 할 실증적 질문으로 남아 있다.

다음에는 거버넌스, 파일럿 결과, 지속적 접근을 지켜봐야 한다

다음으로 의미 있는 증거는 조직이 어떻게 의사결정을 내리고, 유용한 작업을 시험하며, 개발한 역량을 유지하는지를 보여줘야 한다.

향후 몇 달간 거버넌스 세부 사항은 면밀한 주목을 받아야 한다. 독자들은 명시된 리더십, 과학적 감독, 출판 원칙, 기업 참여 관리에 관한 명확한 장치를 찾아봐야 한다. 이는 조직의 독립성을 더 쉽게 평가하게 해줄 것이다.

신호는 구체적인 권한이다. 거버넌스 문서는 누가 프로젝트를 선택하고 누가 그 결과를 검토하는지 설명해야 한다. 또한 연구 결론이 파트너의 이해관계나 선호하는 대외적 설명과 충돌할 때 이견을 어떻게 처리하는지도 다뤄야 한다.

명확한 장치는 연구소가 공익적 임무를 수행할 수 있다는 근거를 강화할 것이다. 모호한 설명은 표명된 독립성이 실제로 어떻게 작동하는지에 대한 불확실성을 남길 것이다. 어느 결과도 비영리 지정만으로 추론해서는 안 된다.

다음 신호는 적절한 비교를 갖춘 정의된 파일럿이다. 유용한 공개 설명은 과업, 의도된 사용자, 기준 절차, 평가 방법을 식별해야 한다. 모델의 기여를 전문가 검토 및 지원 소프트웨어의 기여와 구분해야 한다.

파일럿이 증거를 제공하기 위해 공중보건 문제 전체를 해결할 필요는 없다. 범위가 명확하다면 제한된 개선도 추가 작업을 정당화할 수 있다. 실질적인 장애물을 식별한다면 실패를 보고하는 것 역시 유익할 수 있다.

마지막 신호는 접근과 운영의 연속성이다. 독자들은 모델 변경, 지속적인 지원, 데이터 처리, 시험 종료 후 책임을 다루는 장치를 찾아봐야 한다. 이러한 세부 사항은 성공적인 실험이 신뢰할 수 있는 역량이 될 수 있는지를 결정한다.

지속적 접근은 문서화되지 않은 구성에 영구적으로 의존하는 것을 의미해서는 안 된다. 연구 조직은 결과의 바탕이 된 시스템과 조건에 관한 기록이 필요하다. 도입을 고려하는 기관은 자신들이 무엇을 인계받게 되는지 이해할 수 있을 만큼의 정보가 필요하다.

이러한 관찰은 생물학 분야를 넘어 중요하다. 중대한 영향을 미치는 AI 애플리케이션을 구축하는 개발자들도 접근, 성공적인 시연, 유지되는 서비스 사이의 동일한 구분에 직면한다. 기업 구매자도 공급업체의 약속을 평가할 때 같은 질문을 활용할 수 있다.

UK AI Biosecurity Lab은 이제 진전을 판단할 수 있는 공적 목적을 갖게 됐다. 파트너들은 자원과 관련 연구 의제를 제공한다. 다음 단계에는 그러한 투입이 더 나은 의사결정과 실질적인 방어 작업을 뒷받침한다는 증거가 필요하다.

시연과 함께 구현 문서도 추적하라. 보고된 개선이 전문가 검토, 기존 절차와의 비교, 현실적인 운영 조건을 견뎌내는지 물어야 한다. 자금 지원 약속은 이미 사용된 자원과 분리하고, 모델 성능은 공중보건 결과와 분리해야 한다. 파일럿 결과가 나오면 연구자들이 무엇을 측정했는지, 무엇이 테스트 범위 밖에 남았는지, 누가 결론을 검토했는지 살펴봐야 한다. 이러한 질문은 모든 생물학적 위협에 즉각적인 답을 요구하지 않으면서도 야심 찬 이니셔티브를 공정하게 평가하는 방법을 제공한다. 연구소가 지원받는 연구 단계에서 방어자들이 신뢰성 있게 활용할 수 있는 역량 단계로 넘어섰다는 확신을 주려면, 어떤 공개 결과가 필요하다고 생각하는가?