본문으로 건너뛰기 섹션으로 건너뛰기

🧬AI와 미래

생물학자 · 생명 그 자체를 연구하는 과학자. 린네가 손으로 종을 명명하던 시절부터 크리스퍼로 유전체를 편집하는 오늘날까지, 모든 아이디어를 살아있는 생물체에 비추어 검증한다.

한눈에
지표 밀도

진한 칸일수록 이 직업에서 해당 지표가 높습니다.

최근 검토 출처·크레딧미디어 크레딧방법론

짧은 답

생물학자가 되려면 박사학위가 필요한가?

모든 생물학 관련 직업에 필요한 것은 아니다. 많은 연구 기술직, 실험실 보조직, 현장 조사직은 학사나 석사 학위만으로도 채용된다. 하지만 독립 연구 프로그램을 이끌거나 대학 연구실을 운영하거나 제약·바이오 연구 분야의 여러 고위직을 맡으려면 거의 예외 없이 박사학위가 필요하다. 이는 독자적으로 독창적 연구를 설계하고 방어할 수 있음을 증명하는 자격증이기 때문이다.

전문 생물학자가 되기까지 얼마나 걸리는가?

역할에 따라 크게 다르다. 학사학위(3~4년)만으로도 많은 초급 연구직이나 현장직에 충분하다. 실험실을 운영하는 독립 연구책임자가 되는 데는 훨씬 오래 걸린다. 대략 학부 4년, 박사과정 5~6년, 그리고 정규직을 얻기까지 흔히 몇 년의 박사후연구원 기간이 더 필요하다.

생물학자와 의사는 어떻게 다른가?

의사는 임상 실무에 초점을 둔 의학 학위를 바탕으로 사람 환자를 직접 진단하고 치료한다. 생물학자는 유전자, 세포, 생물체, 생태계 등 생명 시스템을 더 폭넓게 연구하며, 환자를 직접 치료하지 않는 경우가 많다. 다만 생의학 연구자들은 의사들이 임상에서 사용할 약물, 백신, 진단 도구를 개발하기 위해 의사와 자주 협업한다.

생물학자는 얼마나 버는가?

국가, 산업, 전문 분야에 따라 엄청나게 다르다. 미국 노동통계국에 따르면 2023년 미국 생물학 연구자의 평균 연봉은 약 8만5000달러였지만, 바이오업계 고위 연구자와 제약회사 임원은 훨씬 더 많이 번다. 유럽과 아시아 대부분 지역의 학계 급여는 비슷한 경력의 미국 업계 급여보다 낮은 경향이 있다.

크리스퍼란 무엇이며 왜 그렇게 중요한가?

크리스퍼-카스9(CRISPR-Cas9)은 침입한 바이러스 DNA를 잘라내는 세균 면역 체계에서 응용한 유전자 편집 도구다. 제니퍼 다우드나와 에마뉘엘 샤르팡티에는 2012년 이를 재프로그래밍하면 어떤 생물체에서든 원하는 DNA 서열을 자를 수 있음을 보였고, 이는 이전 방법보다 훨씬 빠르고 저렴한 정밀 유전체 편집을 가능케 했다. 이 업적으로 두 사람은 2020년 노벨 화학상을 받았다.

AI가 생물학자를 대체할까?

핵심 역할을 곧 대체할 가능성은 낮다. AI는 단백질 구조 예측, 이미지 분석, 문헌 검색, 서열 정렬 같은 특정 작업의 속도는 이미 높이고 있다. 하지만 의미 있는 실험을 설계하고, 애매한 결과를 생물학적 맥락에서 해석하며, 예측 불가능한 살아있는 재료를 다루는 섬세한 실험실·현장 작업을 수행하는 일은 여전히 어떤 현재 시스템도 안정적으로 재현하지 못하는 숙련된 인간의 판단력에 의존한다.

이 섹션부터 시작 - AI와 미래

비교 랩 열기

이 페이지 공유

겉에서 보면 생물학은 특정한 방식으로 자동화 가능한 것처럼 보인다. 피펫 작업, 서열분석, 이미지 분석, 문헌 검색 같은 원초적인 작업 상당수는 반복적이어서 소프트웨어와 로봇이 이미 사람보다 더 빠르고 일관되게 그 일부를 처리한다. 더 자동화하기 어려운 것은 애초에 어떤 실험을 할 가치가 있는지 결정하는 판단력이다.

단백질 구조 예측기와 실험실 자동화 로봇 같은 AI 도구는 실재하며 빠르게 확장되어, 얼마나 많은 일상적 실험대 작업과 분석 작업이 처리되는지를 바꾸고 있다. 하지만 그것들이 바꾸지 못한 것은 어떤 질문이 물을 가치가 있는지 결정하고, 맥락 속에서 애매하거나 모순된 결과를 해석하며, 발표된 주장이 옳다는 데 책임을 지는 사람이 누구인가 하는 것이다.

36 / 100
중간

기계가 대신할 수 있는 업무의 비율

생물학의 일상적 실행 업무, 즉 시료 처리, 서열분석, 문헌 검색, 기초적인 이미지·데이터 분석의 상당 부분은 이미 부분적으로 자동화되었거나 그 방향으로 가고 있다. 살아남는 핵심 업무는 어떤 질문이 물을 가치가 있는지 선택하고, 그것에 실제로 답할 수 있는 실험을 설계하며, 아직 기계가 소음과 안정적으로 구분하지 못하는 결과를 해석하는 일이다.

직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.

AI가 대체하지 못하는 직업 →

기계가 가져가지 못하는 것

실험 설계

88

어떤 가설이 검증할 가치가 있는지, 어떤 실험 설계가 실제로 그것을 반증할 수 있는지 결정하는 일은 현재 어떤 AI 시스템도 스스로 안정적으로 창출할 수 없는 과학적 판단력을 요구한다.

애매하거나 상충하는 데이터 해석

85

이상한 결과가 진짜 생물학적 발견인지, 기술적 결함인지, 소음인지를 판단하는 일은 현재의 AI 패턴 매칭이 안정적으로 재현하지 못하는 맥락적 과학 판단력에 의존한다.

섬세한 습식 실험 및 현장 기법

80

살아있는 조직, 세포 배양, 현장 생물체는 예측 불가능하게 행동한다. 오늘날의 실험실 자동화 로봇은 사전에 정의된 프로토콜은 정밀하게 실행하지만, 시료가 예상대로 행동하지 않을 때 즉흥적으로 대응하지는 못한다.

예측 불가능한 환경에서의 현장 작업

74

동물을 추적하거나 외딴 서식지를 조사하거나 변화하는 날씨와 지형 속에서 시료를 채취하는 일은 여전히 기계가 근접하지 못하는, 현장에 물리적으로 존재하는 적응력 있는 인간의 판단에 의존한다.

과학적 책임과 동료 심사

66

이름을 건 연구자가 발표된 주장의 정확성을 책임지고 자신의 평판을 건다. 어떤 학술지나 연구비 기관도 AI 시스템의 이름을 그 자리에 대신 넣는 방법이나 그럴지 여부를 아직 정리하지 못했다.

이미 가져가고 있는 것

시료 처리와 서열분석

78

자동화된 액체 취급 로봇과 고처리량 서열분석기는 이제 10년 전보다 훨씬 적은 사람 손이 개입되는 상태로 수천 개의 시료를 처리하며, 특히 유전체학 중심 실험실에서 두드러진다.

단백질 구조 예측

72

알파폴드 같은 딥러닝 모델은 이제 서열만으로 단백질의 3차원 구조를 몇 분 만에 예측할 수 있는데, 이는 예전에는 단백질 하나당 수년의 실험실 결정학 작업이 필요했던 작업이다.

일상적 이미지 분석과 세포 계수

66

AI 기반 이미지 인식은 이제 현미경 이미지에서 세포를 세고 이상을 표시하고 구조를 측정하며, 완전히 없애지는 못해도 지루한 수동 채점 작업을 줄여주는 일관성을 갖추고 있다.

문헌 검색과 요약

58

AI 도구는 이제 연구자가 수동으로 읽는 것보다 훨씬 빠르게 수천 편의 논문을 훑고 요약할 수 있지만, 그 요약을 원래 결과와 대조 검증하는 일은 여전히 사람의 몫으로 남아 있다.

일이 변해가는 방식

AI가 분자를 분석만 하는 게 아니라 예측하고 설계한다

단백질 구조 예측 부문에서 2020년 알파폴드가 이룬 돌파구, 즉 개발자들에게 단백질 설계 선구자 데이비드 베이커와 함께 2024년 노벨 화학상 공동 수상을 안겨준 그 성과 이후, AI 도구는 기존 분자를 해석하는 데 그치지 않고 새로운 단백질과 분자를 설계하는 데도 점점 더 도움을 주고 있다.

클라우드 실험실 덕분에 생물학자가 코드를 작성해 실험을 수행한다

원격 조작 로봇 실험실은 이제 연구자들이 실험을 코드로 제출하고 피펫을 직접 만지지 않고도 결과를 받을 수 있게 해주어, 일부 실험대 작업을 소프트웨어 엔지니어링에 더 가까운 작업 방식으로 옮겨가고 있다.

습식 실험 기술과 컴퓨터 기술이 점점 한 사람 안에 함께 자리잡는다

생물학 프로젝트는 갈수록 손기술 실험 기법과 전산 데이터 분석 모두에 능숙해야 하며, 둘 다 할 수 있는 연구자가 어느 한쪽만 좁게 전문화한 이보다 더 가치를 인정받고 있다.

프리프린트가 전통적으로 느린 분야의 속도를 높이고 있다

2013년 출범한 바이오알카이브(bioRxiv) 같은 신속 공유 플랫폼은 생물학자들이 정식 동료 심사 전에 연구 결과를 발표할 수 있게 해, 예전에는 1년 이상 걸리던 발표 주기를 몇 주로 압축했다. 다만 사전 검증 측면에서 일부 대가가 따른다.

갈라져 나오는 새 직업들

전산생물학자/생물정보학자

대규모 유전체, 단백체 또는 생태 데이터셋을 전산적으로 분석하는 역할로, 유전체 시대 이전에는 독자적 경력으로 거의 존재하지 않았지만 이제는 대부분의 대형 생물학 프로젝트 중심에 자리잡고 있다.

합성생물학 엔지니어

새로운 생물학적 시스템, 즉 조작된 미생물, 유전자 회로, 실험실 배양 조직을 설계하고 구축하며, 살아있는 세포를 오직 연구 대상으로서가 아니라 프로그램 가능한 구성 요소로 다룬다.

실험실 자동화 과학자

클라우드 실험실과 고처리량 시설을 위한 로봇 원격 조작 실험실 워크플로를 설계하고 관리하는, 전통적인 실험대 과학과 자동화 공학 사이의 혼합형 역할이다.

유전 상담사

점점 더 상세해지는 유전체 검사 결과를 환자와 가족이 실제 의료적 결정을 내리는 데 쓸 수 있는 말로 옮겨주는, 임상유전학과 직접적인 환자 진료 사이에 자리한 빠르게 성장하는 역할이다.

AI 노출 시나리오

세 가지 가역 렌즈: 업무 보조, 일부 대체, 새 틈새. 교육용이며 예측이 아닙니다.

보조

역할은 유지하고 AI가 초안·분류·조사를 빠르게 하며 판단과 책임은 사람이 집니다.

일부 대체

좁은 작업 묶음(템플릿·초안·반복 채점)이 먼저 줄어들고 인접 숙련은 커질 수 있습니다.

새 틈새

규제 환경에서 AI 출력을 신뢰해야 하는 감독·통합·도메인 QA 역할이 생길 수 있습니다.

전망

자동화에 가장 노출된 업무는 사전에 완전히 명시될 수 있는 업무다. 일상적인 서열분석 실행, 표준 이미지 분석 파이프라인, 모델이 수천 개의 유사한 사례로 훈련받은 단백질 구조 예측 같은 것들이다. 가장 보호받는 업무는 사전에 명시될 수 없는 것들이다. 어떤 질문이 몇 년의 경력을 바칠 가치가 있는지, 이상한 결과가 실제로 무엇을 의미하는지, 그리고 모델이 예측한 대로 계속 행동하지 않는 살아있는 시스템을 어떻게 해석할 것인지 하는 것들이다.

그 구분은 생물학자라 불리는 사람의 수를 줄이기보다는, 그 일이 일상에서 실제로 무엇을 포함하는지를 바꿔놓을 가능성이 크다. 실험을 설계하고 결과를 해석하는 데 더 많은 시간을 쓰고, 로봇과 소프트웨어가 갈수록 처리하는 반복적인 실행 작업에는 더 적은 시간을 쓰게 될 것이다. 2040년에 일하는 생물학자는 오늘날보다 피펫 앞에서 보내는 시간은 줄고 키보드 앞에서 보내는 시간은 늘어날 가능성이 매우 높다.

그렇다고 발표된 생물학적 주장이 틀린 것으로 밝혀졌을 때 누가 책임을 지는지, 또는 어떤 실험에 연구비가 지원되고 실행될지 누가 결정하는지가 달라지지는 않는다. AI 시스템이 그 책임을 맡길 만큼 신뢰받을 수 있을 때까지, 그리고 어떤 규제 기관이나 연구비 기관도 현재 그것을 넘기려 하지 않는 한, 이 일의 중심은 인간으로 남는다.

비슷한 직업

같은 분야만이 아니라 여섯 점수 프로필이 가까운 직업입니다.

계속 탐색하기

계속 탐색하기

과학·연구 분야의 다른 직업

⚛️

물리학자

물질과 에너지, 공간과 시간을 지배하는 수학 법칙을 이끌어내고 검증한다. 혼자 칠판 앞에 선 연구자에서 3,000명이 공동 저자로 이름을 올리는 입자가속기 논문까지 그 모습은 다양하다.

AI 내성 65
🧪

화학자

물질 그 자체를 만들고 측정하는 과학자 — 바빌로니아 타푸티의 증류기에서 오늘날 로봇 실험실에 이르기까지, 스펙트럼이 의미하는 바를 결정하는 것은 여전히 사람이다.

AI 내성 70
📊

데이터 과학자

데이터에서 패턴을 찾고 예측 모델을 만드는 직업 — 2008년에 붙여진 이름이지만, 그 밑바탕에는 3세기에 걸친 증거 수집·검증·시각화의 역사가 있다.

AI 내성 38
🔭

천문학자

바빌로니아의 점토판에서 우주 망원경까지, 우주를 측정하는 과학자 — 데이터 속 어떤 깜빡임이 발견인지는 지금도 가려내는 중이다.

AI 내성 70
🧮

수학자

바빌로니아 서기관에서 필즈상 수상자와 AI 보조 증명까지: 어려운 질문을 영구적 확실성으로 바꾸는 직업, 정리 하나하나마다.

AI 내성 70
🧿

양자 엔지니어

컴퓨팅, 감지, 통신 및 재료 연구를 위해 양자 상태를 활용하는 장치를 구축, 측정 및 제어합니다.

AI 내성 78
🧫

임상 데이터 과학자

임상, 시험 및 건강 시스템 데이터를 사용하여 보다 안전한 치료, 연구 및 운영 결정을 위한 신뢰할 수 있는 증거를 생성합니다.

AI 내성 68