Bona part del programari que fan servir els laboratoris de biologia i genòmica arrossega dècades d'acumulació de codi, sovint escrit per investigadors sense formació d'enginyeria i abandonat un cop publicat l'article corresponent. OpenAI, en col·laboració amb investigadors acadèmics, ha publicat un informe de camp que documenta vuit casos reals en què agents de codi es van fer càrrec de modernitzar aquest tipus de programari científic negligit, des de llibreries de dades genètiques fins a simuladors de genoma sencer.
Els resultats inclouen millores dràstiques de velocitat: l'eina RustQC, que combina quinze programes independents de control de qualitat per a seqüenciació d'ARN, va passar de trigar quinze hores i mitja a completar-se en catorze minuts, seixanta vegades més ràpid. El generador de dades genòmiques sintètiques HelixForge va accelerar-se gairebé seixanta vegades en conjunt, amb el seu pas de càlcul principal quasi cent vegades més ràpid després d'un redisseny per a GPU. Un altre projecte va reescriure des de zero, en el llenguatge Rust, un alineador de genomes de més de vint mil línies de codi en C i C++, amb una concordança del 99,8% respecte als resultats originals. Els vuit projectes es van completar amb una combinació de GPT-5.5, GPT-5.2, Codex i Claude Code d'Anthropic.
La rellevància de l'informe és doble: demostra que els agents de codi ja poden assumir tasques d'enginyeria de programari científic que fins ara quedaven fora de l'abast dels equips de recerca per manca de temps o de personal especialitzat, i ho fa amb exemples verificables en genòmica, immunologia i estadística, camps on la lentitud del programari heretat frena directament la investigació. Alliberar aquestes hores permet als científics centrar-se en les preguntes de recerca en lloc del manteniment de codi.
OpenAI mateix subratlla el límit central del seu propi informe: els agents «no poden jutjar de manera fiable si la seva feina és científicament correcta». Un dels investigadors citats descriu els sistemes com «eloqüents, convincents i erròniament segurs de si mateixos d'una manera que és fàcil passar per alt», per la qual cosa cada resultat es va haver de validar amb proves independents fetes per humans abans de donar-lo per bo.