Modele języka zmieniły sposób tworzenia oprogramowania, ale nauka boryka się z innym problemem - fizyczne eksperymenty wciąż wymuszają długie oczekiwania. Adrian Sanborn z Endura Therapeutics, który kombinuje wiedzę ze Stanford PhD i doświadczenia laboratoryjnego, opisuje cichą transformację: myślenie stało się niezwykle tanie dzięki AI, ale robienie eksperymentów nie. Podstawowa różnica polega na tym, że kod można weryfikować w minuty, a wyniki naukowe żądają tygodni eksperymentów w mokrej laboratorium. Ta asymetria stanowi główne wąskie gardło w rozwoju biotechnologii.
Biotech odpowiada na to wyzwanie dwoma strategiami. Fabryki naukowe redukują koszt wykonania, industrializując pomiary za pomocą następnej generacji technologii. Firmy takie jak Xaira, NewLimit, Octant, Tahoe i sama Endura wykorzystują zaawansowane sekwencjonowanie następnej generacji i multipleksing, aby generować dane 10 razy szybciej niż wcześniej. To bezpośrednio przełoża się na możliwość prowadzenia więcej eksperymentów w tym samym budżecie. Z drugiej strony navigatory to modele AI, które optymalizują strategie badawcze - zamiast chaotycznego poszukiwania, AI sugeruje, gdzie szukać.
Ta dwoista transformacja ma potencjał przywrócenia równowagi między szybką pracą umysłową a rzeczywistymi wdrożeniami laboratoryjnymi. Choć mniej spektakularna niż zapowiadane przez Anthropic otwieranie mokrej laboratorium, to praktyczne podejście oferuje bardziej natychmiastowe skutki dla codziennych badań. Dla biotechnologii oznacza to możliwość eksplorowania znacznie więcej hipotez w ramach tego samego budżetu i czasu, co potencjalnie przyspieszy powstawanie nowych terapii.