Codeeragents versnellen genomica-software tot 60 keer
OpenAI publiceerde op 28 juli een veldrapport over agentische AI in de wetenschap, met de titel “Scientific computing in the age of agentic AI”. Het beschrijft acht projecten waarin onderzoekers codeeragents inzetten om verouderde onderzoekssoftware op te knappen. De snelheidswinst is fors: in het beste geval draait een pijplijn ruim zestig keer sneller. Tegelijk plaatst het rapport een nuchtere kanttekening.
Wat het OpenAI-rapport laat zien
Veel wetenschappelijke software is jaren geleden geschreven door promovendi die inmiddels vertrokken zijn. De code werkt nog, maar niemand durft er iets aan te veranderen. Precies dat achterstallige onderhoud pakten de agents aan, van kleine reparaties tot het opnieuw opbouwen van complete systemen.
In de acht gevallen herschreven de agents samen zo’n 20.000 regels verouderde C++-code, deels naar Rust. Het duidelijkste voorbeeld is RustQC, dat vijftien losse kwaliteitscontrole-tools bundelt. De looptijd zakte van 15 uur en 34 minuten naar 14 minuten en 54 seconden, ruim zestig keer sneller. Een tweede project, HelixForge, verving de tool BamSurgeon door een versie die op GPU’s draait en de pijplijn 59,6 keer sneller afrondt.
Vijf projecten leunden alleen op Codex, het codeermodel van OpenAI. De andere drie combineerden Codex met Claude Code van Anthropic. Dat past bij een bredere beweging waarin AI-labs hun modellen op het lab richten, zoals Anthropic deed met Claude Science en OpenAI met de biologie-benchmark GeneBench-Pro.
Snelheid zonder wetenschappelijk oordeel
De grens ligt bij de beoordeling. Volgens techsite The Decoder voeren de agents scherp afgebakende taken vlot uit, maar kunnen ze niet betrouwbaar inschatten of het resultaat wetenschappelijk klopt. Als de code een fout bevat, presenteren de systemen die vaak met volle overtuiging. TechTimes tekende bij het genomica-project op dat de wetenschappers elk resultaat zelf natrokken voordat ze het vertrouwden.
OpenAI benadrukt in het rapport dat een agent een ambitieus project betrouwbaar kan uitvoeren, maar dat de mens de wetenschappelijke vraag moet stellen en de uitkomst moet controleren. Die verantwoordelijkheid blijft dus liggen bij de onderzoeker, die ook het eigenaarschap op lange termijn houdt. Dat codegeneratie struikelt over kwaliteit is geen nieuw thema. Google stelde eerder Gemini 3.5 Pro uit vanwege zwakke code.
Wat betekent dit
Voor Nederlandse labs en R&D-teams is de boodschap praktisch. Codeeragents zijn nu bruikbaar voor onderhoud en gerichte optimalisatie, en in sommige gevallen voor de complete herbouw van vastgelopen software, werk dat vaak jaren bleef liggen. Dat scheelt tijd die naar het eigenlijke onderzoek gaat. De verificatie schuift niet mee: die hoort bij de onderzoeker. Dezelfde week gaf OpenAI nog 100.000 wetenschappers gratis toegang tot ChatGPT, een teken dat de labs de academische wereld nadrukkelijk opzoeken. Wie de winst wil pakken, koppelt de snelheid van de agent aan een eigen controlestap.
