동물 사육 시스템 내 항균제 내성(AMR)은 전 세계적 내성 위기의 주요 구조적 원인 중 하나입니다. 식용 동물이 전 세계 항균제 소비의 대부분을 차지하며, 이는 가축, 환경, 인수공통 세균 저장소 전반에서 지속적인 선택압을 유발합니다. 집약적 양계, 양돈, 축우, 수산양식 시스템은 병원체 전파를 증폭시키고, 내성 출현을 가속화합니다. 박테리오파지 치료는 종 특이적이며, 기존 항생제에 비해 미생물 군집을 보존하는 대안이 될 수 있습니다. 하지만 대규모 수의학 적용은 그동안 균주 수준의 숙주 예측, 내성 진화, 생물안전성, 제조 확장성, 경제적 타당성, 규제 적응 등 여러 과제로 인해 제한되어 왔습니다. 최근 인공지능(AI)의 발전은 정밀 수의학적 박테리오파지 치료의 가능성을 보여주고 있으나, 대부분의 적용 사례는 아직 컴퓨터 기반 개념 증명 혹은 전임상 단계에 머물러 있습니다. 딥러닝 및 그래프 기반 유전체 모델은 기준 데이터셋에서 높은 정확성을 보였으며, 강화학습은 칵테일 최적화의 컴퓨터 모델에 적용된 바 있습니다. AI 기반 유전체 스크리닝은 생물안전성 평가를 향상시킬 수 있습니다. 실시간 AMR 감시와의 통합은 현장 검증을 전제로 적응형 배치 전략을 촉진할 수 있습니다. 경제 모델링에 따르면, 메타필락틱 항생제 사용을 중간 정도로 감소시킬 경우 생산성과 공중 보건 측면의 이익이 발생할 수 있지만, 이러한 수치는 아직 예시적입니다. 본 리뷰는 AI 기반 박테리오파지 발견, 역학 모델링, 마이크로바이옴 조절, 수평적 유전자 전달 위험 평가, 경제적 평가, 규제 혁신 등에 관한 최신 증거를 종합하였습니다. 원헬스(One Health) 프레임워크 내에서, 적응형 AI 기반 박테리오파지 플랫폼은 항균제 의존도를 감소시킬 수 있는 효과적인 전략으로 평가되지만, 핵심 지식 격차의 해소가 요구됩니다.