정보학의 한 분야로 생각한다면 밥 굶을 일은 없다고 봅니다.

5-10년 후에 핫한 분야는 아무도 모르죠.

코딩 난이도가 낮아지면서, 웬만한 사람은 바이오인포마틱스 명함 달고 다니기 힘들겠죠. 바이오인포마틱스는 외국처럼 이제 정말 컴퓨터장이들의 학문이 될 겁니다. 대학원 다니면서 파이썬 배우는 정도로는 어림도 없을 거구요.. 생물학->바이오인포 전환은 이제 끝물일 거고, 5년 후에 바이오인포 채용 공고는 아무래도 아주 높은 수준의 코딩/통계처리 실력을 필요로 할 건데, 지금 바이오인포로 전환하신 분들이 나중에도 경쟁력이 있을지는 모르겠습니다.

이의견이 옳은것 같네요. 확실한 컴퓨터 베이스없이 인포로 무턱대고 전환은 아닌듯 합니다.

10년 전에 cs분야가 이렇게 핫해질거라고는 상상도 못했듯이 미래에 어떤 분야가 어떻게 될거다 라고는 그 누구도 말 못할듯 합니다.

동의하는 부분도 있고 아닌거 같은데 하는 부분도 있어서 댓글 달아봅니다. 생물정보학이 최근들어 유입도 많아지고 관심 갖는 사람도 많아지면서 공급이 과잉화 되고 있긴합니다만, 인포매틱스와 코딩 관련한 부분에 대해서는 시작이 쉬운만큼 그만두는것도 쉽습니다. 이쪽 분야 분들이 다 동의 하시는게 코딩이나 인포매틱스는 적성이 맞고 안맞고가 크기 때문에 조금 건드려보면 아 이쪽이 나랑 맞는구나 하는게 딱 느껴집니다. 흥미를 못느껴도 취업이니 연봉이니 하는 이유로 끌고 가는 사람도 있긴하지만 소수이고 한계가 명확해요. 취업이 되고 연봉은 조금 더 받을지언정 장기간으로 봤을 때 오래 못가거나 커리어 디벨롭을 못시키거든요.

그리고 컴공 베이스인 생물정보학자들이 다 가져간다는 의견도 많은데, 저는 그럴리는 없다고 봅니다. 왜냐면 컴공 베이스인 사람들이 생물학을 추가로 공부해서 생물정보학자가 되느니 컴공으로 밀고나가서 IT기업으로 가는게 훨씬 대우도 좋고 기회도 많거든요. 생물에 관심이 생겨서 생물정보학자가 된 컴공인이 대우와 현실을 느끼고 빠져나가는 경우도 많구요.
가장 큰 이유는 컴공 베이스인 바이오 인포는 raw data를 더 효율적이고 빠르고 정확한 방법으로 가공은 할 수 있으나 그 이후는 또 다른 영역이라는 점입니다. 예를 들어, Case-Control 데이터를 갖고 "어떤 유전자가 Case group에서 더 발현이 되더라! 이거 확실함! 완전 통계적으로 문제 없고 알고리즘 최적화 잘 시켜서 시간도 금방 걸렸어!" 까지는 컴공 베이스가 잘하겠지만 그 이후에 "그래서 그 유전자가 뭔데?"를 대답하기 위한 생물학적 해석은 그 사람들에게는 한계가 있다는거죠.

컴공 베이스 바이오인포가 더 적합하다 생물학 베이스 바이오인포가 더 낫다가 아니라, 서로가 서로에게 상호보완의 역할을 할 수 있기에 둘 다 경쟁력이 있다 라고 하고 싶습니다 (물론 프로젝트/연구주제에 따라 더 적합한 사람이 있겠지만요).

ChatGPT 때문에 대체가 될거다 라기보다는 ChatGPT 덕분에 자질구레한 파싱 코드나 단순 코드작업 측면에서 시간이 단축 될거기에 실력이 없으면 도태되기 쉬운 환경이 될거라고 봅니다. 파파고 같은 좋은 번역 툴이 있음에도 (혹은 그런 툴을 만들 기술과 오픈소스 코드들이 있는데도) 번역가가 대체되지 않은것처럼요. 뭐... 언젠가는 완전히 대체가 되겠지만 정말 그런 시대가 온다면 없어질 직업이 아니라 살아남을 직업을 세는게 더 빠른 시대일거 같습니다.

'컴공 베이스 바이오인포가 더 적합하다 생물학 베이스 바이오인포가 더 낫다가 아니라'
=> 컴/공/ 베이스 바이오인포라고 하면, 처우 문제를 차치하고서라도 공학하는 사람들이 바이오로 들어오는 건 당연히 쉽지 않죠.컴공을 한 다음 바이오인포로 들어오는 게 아니라, 점점 바이오인포 자체를 전공하는 쪽으로 바뀌고 있습니다. 또 컴공 뿐 아니라, 전산, 통계, 심지어 물리하시는 분들도 바이오 인포로 들어오기도 하고 있고요..
=> 생물학 베이스 바이오인포하는 사람들은 바이오인포를 전공했다고 말하기 힘들죠. 냉정히 말해 그냥 생물학자입니다.

'"그래서 그 유전자가 뭔데?"를 대답하기 위한 생물학적 해석'
=> 그래서 이건 전적으로 생물학자의 일이지, 바이오인포하는 사람들의 일이 아닙니다. 컴퓨터 앞에만 붙어 있으면서 코딩 좀 한다는 생물학자들은 이제 '바이오인포' 전공한다고 말하기가 상당히 힘들 겁니다.

다른 건 모르겠고 실험은 실험대로 BI분석은 BI분석대로 시간과 노력을 많이 잡아 먹어서 한 사람이 양쪽을 왔다갔다 하면서 다 잘 할 수는 없다는 것은 확실합니다. 도구가 다를 뿐 실험가나 BI 바이오인포매틱스 전공자나 모두 생물학자입니다. 다만 도구가 다르고 각각의 도구를 익히는 데 엄청난 노력과 시간이 필요하다는 것. 실험이 자동화되기 어려운 것처럼 BI분석도 자동화되기는 어렵다고 생각합니다. BI분석이 그저 프로그램 짜고 데이터 처리하는 게 아니기 때문입니다. 앞으로 이 두 직능의 연구자들이 어떻게 잘 협력하느냐가 큰 과제가 될 것이라는 생각이 많이 드네요.

코딩 난이도가 낮아진다고 해서 실험가가 파이썬 배워 능숙하게 분석할 수 있으리라고는 생각하지 않습니다. 그 이유는 분석에 예상보다 훨씬 더 많은 시간과 노력이 많이 들어가기 때문이고 실험가가 이렇게까지 노력하기 시작하면 본업인 실험에 소홀해 질 수 밖에 없습니다. 물론 어느 정도는 하고 그 정도 노력은 필요하다고 보지만 논문에 데이터 넣을 정도로 하려면 본업인 실험만큼이나 본격적으로 뛰어들어야 됩니다. 그래서 두 영역의 전문성은 확고하게 나뉘어 질 것으로 예상됩니다.

핫해질 수도 있으나 국내에선 수년간은 전혀 핫하지 않은 분야가 될 가능성도 있어보입니다. 여러가지 인프라가 전혀 갖추어져 있지 않고 제약, 바이오쪽에서 영어를 매일 쓰거나 바이오 연구 고급 인력 외엔 처우가 좋지 않으니 의욕을 가지고 오지만 금새 다른 분야로 빠지는 경우가 꽤 많습니다. 좋은 인력이 많은 모이지 않으면 핫한 분야로 정착되기 어렵습니다.

ai 싸움은 결국 어떤 질문을 어떻게 하느냐에 따라 성패가 갈라진다는게 그쪽 분야의 결론이더군요
즉 누가 더 질문을 데티일하게 요구하냐에 따라 답의 깊이가 달라진다는 주장인데
개인적인 생각은 생물이나 생명쪽 또는 의학을 베이스로 한 뒤 IT를 한 사람들이 더 유리하다고 봅니다
데이터를 가지고 나온 결과를 해석하는 능력이 더 필요 할 수 도 있기 때문이죠
즉 처음과 끝은 바이오 베이스가 필요하고 그 중간 과정에서의 효율은 IT 하는사람들이
지름길을 잘 찾아주겠죠

제 기준 가장 정확한 답변 같습니다. 갈수록 Interpreter 의 역할은 중요해질것같습니다