OpenAI flytter AI-agenten inn i laboratoriet

OpenAI har oppdatert GPT-Rosalind, selskapets modellserie for life science. Nyheten er ikke bare en bedre chatmodell for forskere. OpenAI kobler biologisk resonnering, agentisk koding, verktøybruk og auditerbare arbeidsflyter inn i samme arbeidsflate.

Modellen er fortsatt i research preview. Tilgangen går gjennom en trusted-access-modell for kvalifiserte organisasjoner. OpenAI sier målgruppen er aktører med legitim forskning, tydelig samfunnsnytte, sterk styring, sikker tilgangskontroll og enterprise-sikkerhet. Det er et viktig signal i seg selv: de mest sensitive AI-verktøyene innen biologi blir ikke rullet ut som vanlige SaaS-funksjoner. De pakkes inn i styring, tilgang og ansvar.

GPT-Rosalind bygger på GPT-5.5s agentiske koding og verktøybruk. OpenAI hevder at den nye versjonen er sterkere på medikamentkjemi, genomikk, kvantitativ biologi, analyse, eksperimentdesign og feilsøking i våtlab. Selskapet har også laget nye evalueringsløp, blant annet LifeSciBench, MedChemBench, GeneBench og LabWorkBench. Poenget er å måle arbeid som ligner forskernes faktiske hverdag, ikke bare isolerte spørsmål på en akademisk benchmark.

LifeSciBench skal dekke seks arbeidsområder: evidenshåndtering, analyse, design og optimalisering, vitenskapelig resonnering, validering og drift, samt vitenskapelig kommunikasjon. OpenAI oppgir at GPT-Rosalind får 63,4 prosent i samlet score, mot 58,8 prosent for GPT-5.5, 51,7 prosent for Gemini 3.1 Pro og 33,7 prosent for Grok 4.3. Tallene må leses som OpenAIs egne målinger, men de viser hvor selskapet vil konkurrere: ikke bare generell intelligens, men evnen til å gjennomføre lange, kildebaserte forskningsoppgaver med sporbarhet.

Det mest konkrete grepet er integrasjonen med Codex. OpenAI lanserer Life Sciences Research og Life Sciences NGS Analysis som plugins. De skal hente kilder, tolke biologisk evidens, kjøre bioinformatikk og bevare artefakter og provenance i arbeidsflyten. Alle Codex-brukere får tilgang til pluginene, mens kvalifiserte enterprise-kunder kan bruke GPT-Rosalind som modellmotor bak dem.

Dette er agentlogikk i et domene hvor feil ikke bare gir dårlig tekst. En modell som foreslår en svak analyse, overser en feilkilde i sekvenseringsdata eller blander evidens fra ulike studier, kan påvirke hvilke hypoteser forskere prioriterer. Derfor betyr revisjonsspor, kildegrunnlag og kontrollert arbeidsflate mer her enn i mange kontorprosesser.

OpenAI bruker selv et regulatorisk eksempel for å vise hva modellen skal gjøre. En evaluering handler om en AAV9-basert genterapi for Duchennes muskeldystrofi og ber modellen presse-testen av dokumentasjonen før et FDA-møte. Kandidatsvaret peker på assay-problemer, svakheter i biomarkører, ekstern kontrollgruppe, alderskonfundering, AAV-varighet, immunrespons og generaliserbarhet. Det er ikke en erstatning for regulatoriske eksperter. Men det viser ambisjonen: AI-agenten skal ikke bare oppsummere forskning. Den skal angripe dokumentasjonen som en fagperson ville gjort.

For norske ledere er dette først og fremst en styringssak. Life science, helse, sjømat, energi og offentlig sektor sitter på data som ofte er sensitive, komplekse og regulerte. Når agentene flyttes fra tekstproduksjon til analyse, design og operasjonelle forskningsløp, holder det ikke å spørre om modellen er «god nok». Man må vite hvilke data den får, hvilke verktøy den kan bruke, hvem som godkjenner handlinger, hvordan resultater logges, og hvor ansvaret ligger når output går inn i en beslutning.

Novo Nordisk er den navngitte kunden i lanseringen. Selskapet sier at avanserte AI-modeller må være forankret i betrodde vitenskapelige data, koblet til validerte verktøy og integrert i faktiske forskningsprosesser. Det er en ryddig formulering, og den treffer bredere enn legemiddelindustrien. AI-agenter får først virkelig verdi når de ikke står på siden av arbeidsflyten, men inne i den. Da øker også kravene til datastyring og leverandørkontroll.

Det er lett å avfeie dette som en nisjenyhet for farmasi. Det ville vært feil. OpenAI viser en modell for hvordan spesialiserte AI-agenter kan selges til regulerte bransjer: sterkere domeneevne, egne evalueringssett, pluginer for arbeidsflyt, enterprise-tilgang og eksplisitt sikkerhetsramme. Den samme oppskriften vil komme i finans, industri, jus, energi og offentlig forvaltning.

CIOer og CISOer bør lese lanseringen som et varsel om neste runde anskaffelser. De viktigste spørsmålene blir ikke pris per token eller hvilken modell som topper en generell test. De blir mer praktiske: Kan agenten dokumentere stegene sine? Kan den bruke interne verktøy uten å lekke data? Kan man avgrense farlige kapabiliteter? Kan revisjon, kvalitet og fagansvar følge arbeidsflyten helt ut?

GPT-Rosalind er ikke allment tilgjengelig. Det er nettopp derfor saken er interessant. Frontier-AI i sensitive fagområder går mot en modell der tilgang, governance og bransjespesifikke kontroller blir en del av produktet. For virksomheter som skal bruke AI i kjerneprosesser, er det et mer realistisk bilde av fremtiden enn åpne chatbot-lisenser til alle ansatte.

Kilder og medier

Primærkilde: OpenAI, «Introducing new capabilities to GPT-Rosalind», publisert 3. juni 2026. https://openai.com/index/introducing-new-capabilities-to-gpt-rosalind/

Kildekreditering: OpenAI. Benchmark-tall, beskrivelser av GPT-Rosalind, Codex-pluginer, trusted-access-modell og Novo Nordisk-sitat er hentet fra OpenAIs publiserte lansering.

Thumbnail: OpenAI Image 2 / hogby.ai