Un informe de campo de OpenAI y socios académicos destaca que los agentes de codificación de IA pueden actualizar y acelerar software de investigación obsoleto, aunque la validación de resultados recae en los investigadores. Los estudios de caso, principalmente en biología, muestran cómo herramientas como Codex y Claude Code han facilitado desde el mantenimiento hasta reescrituras completas en lenguajes de programación modernos.
Entre los proyectos analizados, se encuentra la modernización de cyvcf2, una biblioteca de Python para datos genéticos, donde GPT-5.5 mejoró el proceso de construcción e instalación. Por otro lado, la migración de MHCflurry, un modelo de inmunología, implicó trasladar cerca de 10,000 líneas de código de TensorFlow a PyTorch, con Claude Code y Codex actuando como desarrolladores y revisores.
El proyecto más ambicioso, rustar-aligner, reconstruyó STAR desde cero en Rust, a pesar de que el original, con más de 20,000 líneas de C y C++, ya no recibe mantenimiento. Las pruebas comparativas revelaron que rustar-aligner obtuvo resultados idénticos al original en el 99.815 por ciento de los casos para lecturas de un solo extremo y un 99.883 por ciento para lecturas emparejadas, asegurando que ambos programas no omitieron lecturas que el otro no pudo mapear.