APREX · EST. 2026
En nesten autonom AI-kjemiker, bygget på OpenAIs nyeste modell GPT-5.4, har gjennomført en sentral optimalisering av en utfordrende kjemisk reaksjon brukt i legemiddelutvikling. Det melder OpenAI i samarbeid med det polsk-amerikanske kjemiteknologiselskapet Molecule.one.
Dette er ikke en simulering eller et kontrollert laboratorieforsøk med fasiten på forhånd — ifølge OpenAI er dette en reell fremgang i medisinsk kjemi, utført med svært begrenset menneskelig styring underveis.
Hva skjedde i eksperimentet?
AI-systemet ble satt til å løse en konkret utfordring knyttet til en kjemisk reaksjon som er kjent for å være vanskelig å kontrollere, men som er viktig i produksjonen av legemiddelkandidater. Systemet analyserte tilgjengelig kjemisk data, genererte hypoteser og justerte tilnærmingen sin iterativt — altså på en måte som ligner hvordan en erfaren kjemiker ville ha arbeidet.
Det bemerkelsesverdige er graden av autonomi. Betegnelsen «nesten autonom» antyder at menneskelig tilsyn var til stede, men at AI-en selv styrte de faglige valgene gjennom prosessen.
En nesten autonom AI-kjemiker styrte sine egne faglige valg gjennom optimalisering av en krevende legemiddelreaksjon — med minimal menneskelig inngripen.
Hvorfor er dette viktig for legemiddelutvikling?
Legemiddelutvikling er tidkrevende og kostbart. Det tar gjennomsnittlig ti til femten år og milliarder av dollar å bringe et nytt medikament til markedet. En av de største flaskehalsene er nettopp den kjemiske optimaliseringen tidlig i prosessen — å finne de riktige reaksjonsforholdene for å syntetisere lovende molekyler.
Om AI-systemer kan ta over deler av denne optimaliseringen på en pålitelig måte, kan det komprimere tidslinjene betydelig. Selskapet Exscientia, en av de ledende aktørene i feltet, rapporterer at de har kuttet tid brukt i tidlig utvikling med inntil 70 prosent ved hjelp av AI-støttet kjemidesign, ifølge bransjeanalyser.
Et konkurranseutsatt felt
OpenAIs inntreden i AI-assistert kjemiforskning skjer i et marked som allerede er tett befolket av spesialiserte aktører. Rekursjon Pharmaceuticals, Insilico Medicine, Exscientia, BenevolentAI, Atomwise og Isomorphic Labs — sistnevnte eid av Alphabet — er alle etablerte selskaper som jobber med å bruke maskinlæring og stordata for å fremskynde legemiddeloppdagelse.
Det som skiller OpenAI og Molecule.one-samarbeidet fra mange av disse, er bruken av en generell stor språkmodell — GPT-5.4 — som kjerne i et spesialisert vitenskapelig system. De fleste konkurrentene har bygget spesialiserte modeller og plattformer designet spesifikt for kjemi og biologi. Spørsmålet som bransjen nå stiller seg, er om en kraftig generalistmodell kombinert med domenespesifikke verktøy kan matche — eller overgå — skreddersydde systemer.
Insilico Medicine har for eksempel fremhevet at deres plattform Pharma.AI dekker hele kjeden fra målidentifikasjon til klinisk prediksjon, og at de har avansert verdens første AI-designede legemiddel til fase II kliniske studier. Det er en konkret milepæl som setter standarden for hva «gjennombrudd» betyr i dette feltet.
Hva vet vi ikke ennå?
OpenAIs bloggpost gir begrenset teknisk detalj om eksperimentet. Det er foreløpig uklart hvilken spesifikk reaksjon som ble optimalisert, i hvilken grad forbedringen kan reproduseres, og om resultatene er fagfellevurdert. Disse er viktige forbehold som bør tas med i vurderingen av betydningen av funnet.
Samarbeidet mellom et stort AI-laboratorium og et kjemiteknologiselskap er likevel et tydelig signal: OpenAI posisjonerer seg aktivt i det vitenskapelige AI-markedet, ikke bare i konsument- og enterprise-segmentene.
Hva skjer videre?
Om OpenAI og Molecule.one publiserer peer-reviewed forskning basert på dette arbeidet, vil det gi et langt klarere bilde av hva systemet faktisk presterer. Inntil da bør man lese dette som et lovende konseptbevis — men ikke som en ferdig løsning som er klar for industriell bruk i legemiddelindustrien.
Feltet beveger seg uansett raskt. Med en forventet markedsvekst på over 27 prosent årlig er det all grunn til å følge nøye med på hva som faktisk leverer resultater — og hva som er velformulert markedsføring.