Содержание
OpenAI показала, как AI-агенты меняют разработку научного ПО
OpenAI опубликовала полевой отчёт о восьми проектах, в которых AI-агенты помогали создавать и обновлять программное обеспечение для научных исследований. Пять команд использовали только Codex, ещё три сочетали Codex с Claude Code. Кейсы охватывают биоинформатику, перенос проектов на другие языки программирования, оптимизацию производительности и переработку вычислений под GPU.
Агенты берут на себя инженерную рутину
По наблюдениям участников, AI заметно ускорял задачи, которые раньше требовали много ручной работы или отдельной инженерной экспертизы. Например, GPT-5.5 помог модернизировать устаревшую систему сборки и публикации библиотеки cyvcf2 для работы с геномными данными. Небольшие научные команды благодаря агентам смогли взяться за проекты, которые без такой поддержки потребовали бы существенно больше времени.
Роль специалиста при этом смещается от написания каждой строки к постановке задачи и управлению процессом: человеку нужно определить ожидаемый результат, разбить работу на этапы, выбрать критерии качества и решить, когда продукт действительно готов. Для бизнеса и продуктовых команд вывод похожий: агент экономит время на реализации, но не снимает ответственность за результат.
Главное ограничение — проверка результата
OpenAI подчёркивает, что агенты уверенно отвечали даже тогда, когда в их работе оставались явные ошибки. Самыми надёжными оказались процессы с внешним эталоном или измеримым критерием приёмки: точным совпадением результатов, сравнением со старой версией инструмента, заранее известными ответами либо проверкой статистического поведения. Первую рабочую версию AI часто создавал быстро, а исправление пограничных случаев и численных расхождений занимало значительно больше времени.
Почему важно думать о поддержке кода
Снижение стоимости разработки облегчает создание новых реализаций, но одновременно может раздробить экосистему на множество похожих проектов. Поэтому OpenAI советует заранее определить владельца продукта, план дальнейшей поддержки и по возможности согласовывать изменения с авторами исходного проекта. Практический урок прост: AI-агент уже способен резко ускорить разработку, если рядом есть эксперт, тесты и понятная ответственность за то, что произойдёт после релиза.