OpenAI מפרסמת דוח שדה על שמונה פרויקטים מדעיים שבהם Codex ו-Claude Code זירזו פיתוח, אך לא יכלו לשפוט את נכונות המדע.
חברת OpenAI פרסמה ב-28 ביולי 2026 דוח שדה בשם "Scientific computing in the age of agentic AI", שבוחן שמונה פרויקטים בהם חוקרים השתמשו בסוכני קידוד כדי לשדרג תוכנה מדעית ותיקה. בחמישה מהפרויקטים נעשה שימוש בכלי Codex של החברה בלבד, ובשלושה נוספים שולב גם Claude Code של Anthropic המתחרה — עובדה שהדוח עצמו מציין כדי להפגין ניטרליות, אף שמדובר בסקר שמפרסם ספק על עצמו.
הפרויקטים שנבחנו משתרעים על פני גנומיקה, אימונולוגיה, סטטיסטיקה וריצוף RNA, ונעים בין משימות תחזוקה שגרתיות לבין מיזמים שאפתניים בהרבה. דוגמה בולטת אחת היא cyvcf2, ספריית פייתון נפוצה לקריאת קבצי וריאנטים גנומיים, שבה הסוכנים שדרגו את מערכת הבנייה וההפצה הישנה שלה. בפרויקט המורכב ביותר, HelixForge, שימש מנוע מבוסס GPU ליצירת גנומים סינתטיים — כלי שהדוח מתאר כמערכת השאפתנית והמורכבת מכל השמונה.
לפי הדוח, הצוותים שהשתתפו דיווחו שהסוכנים קיצרו משמעותית את זמני הפיתוח והתחזוקה, ואפשרו לצוותים קטנים לקחת על עצמם עבודות שבעבר דרשו כוח אדם הנדסי ייעודי בהיקף גדול בהרבה. עם זאת, החוקרים מדגישים כי תפקידם השתנה מביצוע ישיר של הקוד לתפקיד של ניהול ותיאום: הם הגדירו את המטרות, פירקו את העבודה למשימות קטנות ואימתו את הפלט של הסוכן בכל שלב, ולא הפכו למיותרים בתהליך.
האתגר המרכזי שעולה מהדוח אינו טכני אלא אנושי-ארגוני. הסוכנים, כך נכתב, הצליחו להאיץ פיתוח, אך לא הצליחו לשפוט בעצמם אם התוצאה המדעית שהתקבלה נכונה מבחינה מדעית, כך שנדרש אימות אנושי צמוד בכל שלב בעבודה. הדוח מזהיר גם מפני סיכון ארוך טווח: קוד שנכתב מחדש בעזרת סוכני AI עלול להפוך ל"קוד נטוש של מחר" אם אין לו בעלות ותוכנית תחזוקה ברורה מראש.
הפרסום מגיע על רקע מגמה רחבה יותר של חברות בינה מלאכותית שמנסות להוכיח ערך מעשי לכלי הקידוד שלהן מעבר לתעשיית התוכנה המסחרית, ולחדור לעולם המחקר המדעי. עבור מעבדות וצוותי מחקר קטנים, המשמעות המעשית היא שמחסום כוח האדם ההנדסי הופך פחות דומיננטי — אך הצוואר הבקבוק החדש הוא זמן האימות והשיפוט האנושי, לא זמן הכתיבה של הקוד עצמו.
מעבר לתיאור הכללי, הדוח כולל גם נתונים מספריים חדים במיוחד מהפרויקטים הבודדים. בפרויקט שכונה RustQC איחדו הסוכנים חמישה עשר כלי בקרת איכות נפרדים שרצים אחרי ריצוף RNA לתוך בינארי Rust יחיד. כך קוצר זמן הריצה על מערך נתונים של כ-186 מיליון קריאות מ-15 שעות ו-34 דקות לפחות מ-15 דקות בלבד, שיפור של פי כ-60.
בפרויקט אחר תרגמו הסוכנים מיישר גנום ישן שנכתב ב-C/C++ ומנה כ-20,000 שורות קוד לשפת Rust מאפס, ולא רק תיקנו או שדרגו את הקוד הקיים. הצוות שהריץ את הפרויקט דיווח על התאמה של 99.8% בין תוצאות הגרסה החדשה לגרסה הישנה, פער זעיר שממחיש עד כמה סוכני קידוד מסוגלים כיום לבצע לא רק תחזוקה שוטפת אלא גם הגירה מלאה בין שפות תכנות — משימה שעד לאחרונה נחשבה יקרה ומסוכנת מכדי להצדיק אותה כלכלית עבור כלי מחקר נישתיים. גם הנתונים סביב HelixForge, המערכת השאפתנית מכל השמונה, ממחישים את קנה המידה של השיפור: זמן יצירת גנום סינתטי ירד מכ-1,610 שניות לכ-27 שניות בלבד לאחר המעבר לגרסה מבוססת GPU.
מעניין לא פחות דפוס עבודה חדש שצץ בשלושה מהפרויקטים, שהדוח מכנה "זיווג יריבותי" (adversarial pairing): Codex ו-Claude Code הוחלפו ביניהם בתפקידי הכותב והמבקר, כשכל סוכן בתורו כתב קוד והשני בדק אותו וחיפש בו טעויות. לפי הדוח השילוב תפס קטגוריות שגיאות שכל סוכן לבדו נטה לפספס. אחד החוקרים שצוטטו בדוח, פיליפ אוולס, תיאר את הסוכנים כ"רהוטים, משכנעים, וטועים בביטחון מלא באופן שקשה לפספס" — ניסוח שמסכם את המתח המרכזי בין יכולת ביצוע גבוהה ליכולת שיפוט עצמי נמוכה.
חלק מהפרויקטים שנבדקו הגיעו לא רק ממעבדות אקדמיות אלא גם מארגוני מחקר מבוזרים שהשתתפו בכתיבת הדוח לצד OpenAI עצמה. העובדה שגם גופים מחוץ למעבדות המחקר המסורתיות מסוגלים כיום להריץ פרויקטי תשתית ברמת מורכבות כזו בלי צוותי הנדסה גדולים מחזקת את הטענה המרכזית של הדוח: מגבלת כוח האדם ההנדסי מצטמצמת, אך האחריות על נכונות המדע, שנשארת אנושית לחלוטין, הופכת למשאב הנדיר ביותר בתהליך.
