A computação científica com IA “agente” deu um passo concreto na terça‑feira, quando a OpenAI publicou um relatório de campo mostrando que investigadores recorreram a Agentes de Programação com IA para condensar meses de trabalho em software científico em apenas alguns dias.
O relatório documenta implementações reais em genómica e biologia computacional, em que tarefas que antes demoravam 18 meses foram concluídas em cerca de uma semana.
A OpenAI apresenta isto como evidência de que a IA agente já está a remodelar a forma como a descoberta científica acontece — não como promessa futura, mas como capacidade atual, em uso em ambientes de produção.
Computação científica com IA agente: o que o relatório da OpenAI realmente mostra
A computação científica com IA agente é o foco central do relatório, com conclusões bastante concretas. Cientistas que trabalham em pipelines de genómica recorreram a Agentes de Programação com IA para modernizar software científico legado a uma velocidade impensável há dois anos.
Um dos casos descritos envolvia um projeto de modernização de software estimado em 18 meses de trabalho de engenharia. Com Agentes de Programação com IA, o mesmo trabalho foi concluído em uma semana.
A compressão, de cerca de 90%, não resulta apenas de “escrever código mais depressa”.
Reflete um modelo de trabalho diferente. Os agentes de IA não se limitaram a completar linhas de código.
Leram toda a base de código existente, identificaram partes obsoletas, propuseram reimplementações, testaram o resultado e iteraram, tudo com intervenção humana mínima entre etapas. Os cientistas passaram a orientar os agentes por objetivos, em vez de especificar cada passo.
É esta diferença que distingue um agente de IA de um assistente de codificação convencional.
Um copilot sugere a próxima linha de código. Um agente planeia uma tarefa de múltiplos passos, executa‑a ao longo de uma sessão, monitoriza o próprio output e revê o trabalho quando os resultados se afastam do esperado.
O relatório da OpenAI é um dos relatos públicos mais claros de como isto funciona, na prática, dentro de uma instituição de investigação.
Porque é que a genómica foi o primeiro terreno de prova para os agentes de código com IA
A genómica é um terreno natural de teste para IA agente por razões estruturais. O setor assenta em software legado, parte dele com décadas, escrito em linguagens como Fortran e C por cientistas que privilegiaram a correção acima da facilidade de manutenção.
Essa dívida técnica acumula‑se. Modernizar um pipeline genómico costuma exigir engenheiros que dominem tanto a biologia como a arquitetura de software.
Essa combinação é rara e cara.
Os Agentes de Programação com IA contornam esta escassez. Conseguem ler documentação em múltiplas linguagens, interpretar comentários científicos embutidos em código antigo e gerar equivalentes modernos sem anos de formação específica no domínio.
O estrangulamento deixa de ser encontrar o engenheiro certo para passar a ser definir bem o objetivo. E isso é um problema muito mais simples de resolver.
Também leia: Ataques “crypto wrench” chegam a 52 casos em seis meses, a maioria em França
O relatório da OpenAI também aborda a aceleração da descoberta científica para lá da mera modernização de software.
Agentes que executam código mais rápido, em pipelines mais limpos e sobre conjuntos de dados maiores produzem resultados em menos tempo. Em genómica, resultados mais rápidos significam identificação mais precoce de variantes genéticas, validação mais célere de alvos terapêuticos e prazos mais curtos entre hipótese e confirmação experimental.
A vantagem de velocidade é cumulativa.
Como se enquadra a cautela de Sam Altman nesta aceleração
O relatório da OpenAI foi divulgado no mesmo dia em que o CEO Sam Altman disse ao TechCrunch que a empresa poderá ter de “ritmar o avanço da IA para que o mundo esteja preparado para ela”. A tensão é real e merece ser explicitada.
Uma empresa que, em simultâneo, publica evidência de que os seus Agentes de Programação com IA estão a comprimir projetos científicos de 18 meses em uma semana e admite que o mundo pode não estar pronto para o que vem a seguir não está a ser contraditória.
Está a descrever a mesma realidade de dois ângulos.
O relatório de campo expõe a capacidade. O comentário de Altman reconhece as consequências.
Ambos são verdadeiros. A questão que nenhum dos dois resolve é onde reside, efetivamente, o poder de definir o ritmo — nos laboratórios, nos reguladores ou nos próprios investigadores que já executam estes agentes em pipelines genómicos em produção.
De curiosidade académica a infraestrutura científica
O ponto mais amplo é que os Agentes de Programação com IA na computação científica deixaram de estar em fase de ensaio; estão em fase de implementação.
O relatório da OpenAI é um relatório de campo, não um artigo académico. A distinção é relevante.
Um artigo de investigação descreve o que é possível em condições controladas. Um relatório de campo relata o que aconteceu quando cientistas reais usaram ferramentas reais em problemas reais e mediram os resultados.
A computação científica tem historicamente ficado atrás do software de consumo na adoção de novas ferramentas.
A compressão de 18 meses para uma semana que o relatório documenta sugere que esse fosso está a fechar‑se mais depressa do que a maioria das instituições antecipou. Laboratórios e universidades que ainda não avaliaram as suas bases de código legado para modernização assistida por agentes estão, de forma mensurável, atrás dos pares que já o fizeram.
O caso da genómica também não é exclusivo da biologia.
Química computacional, modelização climática, astrofísica e ciência de materiais assentam igualmente em bases de código envelhecidas, mantidas por comunidades pequenas e especializadas. As dinâmicas que fizeram da genómica um primeiro‑movente aplicam‑se a praticamente todas as disciplinas científicas intensivas em computação.
O que a OpenAI documentou num campo é, muito provavelmente, replicável em muitos outros.
Leia a seguir: A Sparrow Wallet na loja da Apple era falsa — e 1,8 milhões de dólares desapareceram