Jeszcze kilka lat temu biotechnologia wydawała się dla programistów światem szczelnie zamkniętym. Laboratoria, aparatura, język biologii molekularnej, procedury regulacyjne — wszystko to sprawiało wrażenie, że jest to obszar dostępny wyłącznie dla ludzi po wieloletniej ścieżce akademickiej. Dziś ten obraz zaczyna się zmieniać. Nie dlatego, że informatycy nagle zastąpią biologów, lekarzy czy chemików. Zmienia się coś znacznie ważniejszego: pojawiły się narzędzia, które pozwalają osobom z kompetencjami technologicznymi realnie wejść do gry jako partnerzy w tworzeniu nowych rozwiązań medycznych.

Dobrym przykładem jest głośna historia Paula Conynghama z Australii. Kiedy jego pies Rosie zachorował na mastocytomę, a standardowe leczenie nie dawało satysfakcjonujących efektów, właściciel zaczął szukać innych ścieżek. Wykorzystał AI jako wsparcie do zrozumienia problemu, sięgnął po sekwencjonowanie genomowe i we współpracy z naukowcami z UNSW oraz innymi badaczami doprowadził do przygotowania eksperymentalnej, spersonalizowanej szczepionki mRNA dla psa. Sama medialna opowieść bywa przesadzona, bo AI nie „stworzyła samodzielnie leku”, a kluczowe prace wykonali naukowcy i zaplecze badawcze. Ale sedno tej historii jest prawdziwe: człowiek spoza klasycznego świata medycyny wszedł w proces badawczo-rozwojowy dzięki temu, że potrafił pracować na danych, modelach i narzędziach AI.

To właśnie tu zaczyna się najciekawszy wątek dla programistów. Biotechnologia przestaje być monolitem, do którego można wejść dopiero po zdobyciu drugiego dyplomu. Coraz częściej staje się obszarem współpracy ludzi od danych, modelowania, automatyzacji i analizy z zespołami laboratoryjnymi oraz klinicznymi. Programista nie musi od razu syntezować mRNA ani projektować eksperymentów in vivo. Może jednak budować pipeline’y analityczne, wspierać interpretację danych sekwencyjnych, rozwijać narzędzia do analizy mutacji, modelowania białek, wyszukiwania biomarkerów czy automatyzacji pracy z literaturą naukową. Innymi słowy: zamiast udawać biologa, może stać się bardzo potrzebnym tłumaczem między światem danych a światem biologii.

I tu warto odciąć się od prostego, ale fałszywego mitu, że AI „zastąpi naukowców”. Nie zastąpi. Natomiast już teraz potrafi znacząco obniżyć próg wejścia. Programista, który jeszcze wczoraj nie rozumiał nic z onkologii molekularnej, dziś może szybciej odnaleźć się w publikacjach, uporządkować pojęcia, zbudować pierwsze hipotezy, przetestować analityczne podejścia i rozmawiać z ekspertami na zupełnie innym poziomie niż kilka lat temu. To nadal nie jest kompetencja do samodzielnego leczenia kogokolwiek — i dobrze, bo medycyna nie jest hackathonem. Ale jest to już bardzo realna kompetencja do współtworzenia rozwiązań na styku healthtech, bioinformatyki i medtech.

W praktyce ścieżka wejścia w biotech dla osoby z IT najczęściej zaczyna się nie od pipety, tylko od danych. Genomika, transkryptomika, analiza obrazów medycznych, modelowanie struktur białkowych, systemy wspierające diagnostykę, AI do przetwarzania literatury biomedycznej — to są obszary, w których kompetencje programistyczne są nie dodatkiem, ale rdzeniem wartości. Potem przychodzi etap drugi, znacznie ważniejszy: współpraca z właściwym ekosystemem. Bo w biotechnologii prawie nigdy nie wygrywa samotny geniusz. Wygrywa zespół, który potrafi połączyć kod, naukę, walidację laboratoryjną, potrzeby rynku i ścieżkę wdrożenia.

Z tej perspektywy historia australijskiego przedsiębiorcy nie jest opowieścią o cudownym „zhakowaniu raka”. To raczej sygnał, że model innowacji się zmienia. Kiedyś bariera wejścia była tak wysoka, że pomysłodawca spoza branży praktycznie odpadał na starcie. Dziś może być inicjatorem projektu, współautorem koncepcji i stroną, która spina cały proces: od problemu, przez analizę danych, po znalezienie partnerów naukowych i wdrożeniowych. To jest prawdziwa zmiana — i właśnie ona otwiera przestrzeń dla nowych firm oraz nowych kompetencji.

W realiach regionalnych i biznesowych oznacza to coś bardzo konkretnego. Jeżeli ktoś z obszaru IT myśli o wejściu w biotech albo medtech, nie powinien zaczynać od deklaracji, że „zrobi szczepionkę”. To brzmi efektownie, ale prowadzi prosto w ścianę. Lepsze pytanie brzmi: jaki problem biologiczny albo medyczny potrafię pomóc rozwiązać za pomocą danych, algorytmów, automatyzacji lub AI? Dopiero potem przychodzi czas na dobór partnerów z ekosystemu, którzy pomogą ten pomysł przełożyć na język rozwoju technologii, walidacji i finansowania.

W tym miejscu rola lokalnego ekosystemu jest krytyczna. Sieć Rozwoju została zbudowana właśnie jako przestrzeń łącząca przedsiębiorców z praktyczną wiedzą, usługami i wsparciem rozwojowym, a jej dwa główne instrumenty — Śląska Sieć Innowacji i Śląska Sieć Rozwoju Przedsiębiorczości — oferują finansowane vouchery na usługi doradcze proinnowacyjne i rozwojowe. To ważne, bo w projektach z pogranicza IT i biotech najcenniejsze na początku nie zawsze są wielkie nakłady na laboratorium, tylko dobrze postawiona diagnoza: czy pomysł ma sens technologiczny, gdzie jest jego przewaga, jaka walidacja będzie potrzebna i z kim należy połączyć siły.

Dla programisty oznacza to bardzo praktyczną ścieżkę. Najpierw trzeba znaleźć problem, który rzeczywiście warto rozwiązać. Potem trzeba go przetłumaczyć na język danych i architektury rozwiązania. Następnie trzeba wejść w dialog z partnerami, którzy rozumieją część naukową, badawczą lub wdrożeniową. Dopiero na końcu powstaje produkt, usługa albo technologia z potencjałem rynkowym. Brzmi mniej romantycznie niż opowieść o samotnym twórcy ratującym psa, ale za to brzmi jak coś, co da się naprawdę zbudować.

Najbardziej obiecujące projekty przyszłości nie będą powstawały wyłącznie w laboratoriach ani wyłącznie w software house’ach. Będą powstawały na styku kompetencji. Tam, gdzie jedna osoba umie myśleć jak inżynier danych, druga jak biolog molekularny, trzecia jak przedsiębiorca, a czwarta rozumie, jak przeprowadzić projekt przez etap walidacji, finansowania i komercjalizacji. Właśnie dlatego wejście programistów do biotech nie jest ciekawostką. To jeden z logicznych kierunków rozwoju całego rynku innowacji.

I chyba to jest najuczciwszy wniosek z całej tej historii. Nie chodzi o to, że AI sprawiła, iż każdy może sobie zaprojektować terapię. Chodzi o to, że technologia zaczęła obniżać barierę między światem kodu a światem biologii. A kiedy taka bariera pęka, pojawia się przestrzeń dla nowych modeli współpracy, nowych firm i nowych specjalizacji. Dla wielu programistów może to być jedna z najciekawszych ścieżek rozwoju na najbliższe lata.