OpenAI opublikował raport śledzący osiem projektów naukowych, w których agenty kodujące zmniejszyły czasy uruchamiania oprogramowania. Raport dokumentuje zastosowanie Codexa w pięciu przypadkach oraz kombinacji Codexa i Claude Code od Anthropica w trzech pozostałych.
Oprogramowanie naukowe boryka się z dobrze udokumentowanym problemem utrzymania kodu. Narzędzia towarzyszące poszczególnym artykułom naukowemu, tworzone przez małe zespoły akademickie bez dedykowanego wsparcia inżynierskiego, gromadzą techniczny dług, na którego spłatę brakuje budżetu i mandatu. Raport OpenAI argumentuje, że agenty mogą rozwiązać ten problem. Osiem projektów w raporcie obejmuje genomikę, immunologię, statystykę i sekwencjonowanie RNA. Agenty wykonywały zadania z trzech kategorii: porządkowanie systemów budowania i pakowania, optymalizacja wydajności istniejącego kodu oraz pełne porty między językami lub backendem.
Cyvcf2, biblioteka Pythona do odczytywania genomicznych plików wariantów, miała zastąpiony swój przestarzały system budowania nowoczesnym, ujednoliconym procesem. Jednak zgodnie z opinią Brenta Petersena, jednego z twórców, praca z agentami musi być wspierana ekspertyzą, zrozumieniem i starannym nadzorem. Raport pochodzi od dostawcy produktu i bazuje na studiach przypadków napisanych przez uczestników projektów, co warto mieć na uwadze, choć nie neguje to wartości dokumentowanego wzorca.