Komputasi ilmiah berbasis AI agentik melangkah maju secara nyata pada Selasa ketika OpenAI menerbitkan laporan bidang yang menunjukkan para peneliti menggunakan AI Coding Agents untuk memangkas pekerjaan perangkat lunak sains yang biasanya memakan waktu berbulan-bulan menjadi hanya beberapa hari.

Laporan tersebut mendokumentasikan penerapan nyata di bidang genomik dan komputasi biologi yang lebih luas, di mana tugas yang sebelumnya memakan waktu 18 bulan berhasil diselesaikan dalam waktu sekitar satu minggu.

OpenAI menyajikannya sebagai bukti bahwa AI agentik sudah mengubah cara penemuan terjadi, bukan sebagai janji masa depan, melainkan sebagai kemampuan yang sudah berjalan saat ini.

Komputasi Sains AI Berbasis Agen: Apa Sebenarnya yang Ditemukan Laporan OpenAI

Komputasi sains berbasis AI agen adalah pokok bahasan utama laporan ini, dan temuannya spesifik. Para ilmuwan yang mengerjakan pipeline genomik menggunakan AI Coding Agents untuk memodernisasi perangkat lunak sains warisan dengan kecepatan yang dua tahun lalu tak masuk akal.

Salah satu kasus yang didokumentasikan dalam laporan melibatkan upaya modernisasi perangkat lunak yang diperkirakan memerlukan 18 bulan pekerjaan rekayasa. Dengan AI Coding Agents, pekerjaan yang sama bisa diselesaikan dalam seminggu.

Rasio kompresi, sekitar 90%, bukan hasil dari menulis kode yang lebih cepat.

Ini mencerminkan model kerja yang benar-benar berbeda. Agen AI tidak sekadar melengkapi otomatis baris-baris kode.

Mereka membaca basis kode yang ada, mengidentifikasi bagian mana yang sudah ketinggalan, mengusulkan penulisan ulang, menguji hasilnya, lalu melakukan iterasi—semuanya dengan campur tangan manusia yang minimal di antara langkah-langkah. Para ilmuwan mengarahkan agen ke tujuan, bukan menentukan setiap langkah secara rinci.

Inilah yang membedakan agen AI dari asisten coding konvensional.

Seorang copilot menyarankan baris kode berikutnya. Sebuah agen merencanakan tugas multi-langkah, menjalankannya di seluruh sesi, memantau outputnya sendiri, dan merevisi ketika hasilnya berada di luar kisaran yang diharapkan.

Laporan OpenAI adalah salah satu catatan publik paling jelas tentang bagaimana hal itu terlihat dalam praktik di sebuah institusi riset.

Mengapa Genomik Adalah Tempat AI Coding Agents Pertama Kali Membuktikan Nilainya

Genomik adalah tempat uji yang alami untuk AI agen karena alasan struktural. Bidang ini bergantung pada perangkat lunak warisan, sebagian berusia puluhan tahun, yang ditulis dalam bahasa seperti Fortran dan C oleh ilmuwan yang mengutamakan kebenaran daripada kemudahan pemeliharaan. Utang itu menumpuk. Memodernisasi sebuah pipeline genomik biasanya memerlukan insinyur yang memahami sekaligus biologi dan arsitektur perangkat lunaknya.

Kombinasi itu langka dan mahal.

AI Coding Agents menghindari masalah kelangkaan. Mereka bisa membaca dokumentasi dalam berbagai bahasa pemrograman, memahami komentar ilmiah yang tertanam dalam kode lama, dan menghasilkan padanan yang modern tanpa perlu bertahun-tahun pelatihan khusus bidang.

Kemacetan bergeser dari mencari insinyur yang tepat menjadi mencari spesifikasi tujuan yang tepat. Itu jauh lebih mudah untuk dipecahkan.

Juga Baca: Serangan Crypto Wrench Mencapai 52 Kasus Dalam Enam Bulan, Kebanyakan di Prancis

Laporan OpenAI juga menyentuh percepatan penemuan di luar modernisasi perangkat lunak. Agen yang menjalankan kode lebih cepat, dalam pipeline yang lebih bersih, pada kumpulan data yang lebih besar, menghasilkan hasil lebih cepat. Dalam genomik, hasil yang lebih cepat berarti identifikasi varian genetik lebih awal, validasi target obat yang lebih cepat, dan tenggat yang lebih singkat dari hipotesis menuju konfirmasi eksperimental.

Keunggulan kecepatan berlipat ganda.

Bagaimana Kehati-hatian Sam Altman Berhadapan dengan Akselerasi Ini

Laporan OpenAI tiba pada hari yang sama ketika CEO OpenAI Sam Altman mengatakan kepada TechCrunch bahwa perusahaan mungkin perlu "mengatur laju perkembangan AI agar dunia siap untuknya." Ketegangan itu nyata dan layak untuk disebutkan.

Sebuah perusahaan yang sekaligus mempublikasikan bukti bahwa AI Coding Agents-nya mengompres proyek sains 18 bulan menjadi seminggu, dan sekaligus menyarankan bahwa dunia mungkin belum siap menghadapi apa yang datang berikutnya, tidaklah bertentangan.

Ini sedang menggambarkan situasi yang sama dari dua sudut pandang.

Laporan lapangan menunjukkan kemampuan. Komentar Altman mengakui konsekuensinya.

Keduanya benar. Pertanyaan yang tidak terselesaikan adalah di mana sesungguhnya letak kekuatan penentu laju itu berada—pada lab, pada regulator, atau pada peneliti yang sudah menjalankan agen-agen ini di dalam pipeline genomik yang berjalan secara nyata.

Dari Rasa Ingin Tahu Riset Hingga Infrastruktur Ilmiah

Pola yang lebih luas di sini adalah bahwa AI Coding Agents dalam komputasi ilmiah kini tidak lagi hanya dievaluasi—mereka sedang dikerahkan.

Laporan OpenAI adalah laporan lapangan, bukan makalah riset. Pembedaan itu penting.

Sebuah makalah riset menjelaskan apa yang mungkin dilakukan dalam kondisi terkontrol. Laporan lapangan menjelaskan apa yang terjadi ketika ilmuwan sungguhan menggunakan alat sungguhan untuk masalah sungguhan dan mengukur hasilnya.

Secara historis, komputasi ilmiah tertinggal dalam adopsi alat-alat baru dibanding perangkat lunak konsumen.

Kompresi 18 bulan menjadi satu minggu yang didokumentasikan dalam laporan OpenAI menunjukkan bahwa kesenjangan itu menutup lebih cepat daripada yang direncanakan kebanyakan institusi. Laboratorium dan universitas yang belum menilai basis kode warisan mereka untuk modernisasi berbantuan agen kini secara terukur tertinggal dari rekan-rekannya.

Kasus genomik juga bukan sesuatu yang unik untuk bidang biologi.

Kimia komputasional, pemodelan iklim, astrofisika, dan ilmu material semuanya berjalan di atas basis kode yang usianya kurang lebih sama, dengan kumpulan pemelihara yang langka dengan cara yang serupa. Dinamika yang membuat genomik menjadi pelopor pertama berlaku di setiap disiplin sains yang berat komputasinya.

Apa yang didokumentasikan OpenAI di satu bidang kemungkinan dapat direplikasi di belasan bidang lainnya.

Baca Berikutnya: Dompet Sparrow di Toko Apple Ternyata Palsu, dan $1,8 Juta Raib