OpenAI調査：科学ソフト8件をAIエージェントで改修——実装は加速、最後の検証と長期保守は人が必要

結論から言うと、CodexのようなコーディングAIは科学ソフトの改修を速められるが、研究として正しいかを決め、長く保守する役目までは代替できない。OpenAIは2026年7月28日、生命科学を中心とする8つの実例をまとめた探索的な現場報告を公開した。

5件はCodexだけ、3件はCodexとClaude Codeを組み合わせ、日常的な保守、速度改善、別言語への大規模移行、GPU向けの再設計に取り組んだ。例として、遺伝子変異ファイルを扱うPythonライブラリcyvcf2では、GPT-5.5が古いビルドと配布の仕組みを新しい方式へ置き換えた。

複数のチームは開発が大きく加速したと報告した一方、AIは明らかな誤りを含んでも自信を示し、科学的に妥当かを安定して判断できなかった。成功しやすかった方法は、既存版との出力一致、統計的な性質、模擬データの既知の答えなど、外部の合格条件を先に置き、小さな変更ごとに試す進め方だった。研究者には実装時間を減らす手がかりになる。

ただしこれは査読付き比較試験ではなく、参加チームの事例報告だ。新しい書き直し版には責任者と保守計画が必要で、元の開発者との調整も早く始めるべきだと報告は注意している。