AI kimia menguji 10.080 reaksi, laboratorium tetap penentu

GPT-5.4 telah dipakai untuk menyusun dan menguji hipotesis kimia melalui laboratorium otomatis milik Molecule.one. Sistem itu tidak bekerja sendirian: kimiawan memilih proposal, mengoreksi rencana, menyiapkan bahan, dan mengulang eksperimen penting. OpenAI menyebut alur tersebut nyaris otonom (near-autonomous), bukan sepenuhnya otonom. Temuan ini lebih tepat dibaca sebagai peningkatan kapasitas eksperimen daripada penggantian peneliti.

Dari hipotesis model ke 10.080 reaksi fisik

Proyek ini menghubungkan GPT-5.4 dengan Maria, sistem agen kimia yang terintegrasi dengan laboratorium berkapasitas tinggi. Para ilmuwan menulis instruksi pengarah dan kriteria penilaian. Model lalu menghasilkan serta memberi peringkat pada ribuan proposal, sedangkan kimiawan memilih empat proposal untuk diuji. Maria menerjemahkan proposal terpilih menjadi instruksi laboratorium, menjalankan eksperimen, dan mengembalikan data terstruktur kepada model.

Proposal paling berhasil menargetkan kopling Chan–Lam pada sulfonamida primer. Reaksi berkatalis tembaga ini membentuk ikatan karbon–nitrogen, tetapi pasangan sulfonamida primer dan asam boronat sering menghasilkan rendemen rendah. Model mengusulkan oksidator ringan, termasuk TEMPO, sebagai bahan tambahan. Hipotesis itu kemudian diuji melalui dua rangkaian eksperimen berskala mikroliter.

Naskah pracetak (preprint) proyek mencatat 10.080 reaksi pada 12 sulfonamida primer dan delapan asam boronat. Matriks eksperimen mencakup 96 pasangan substrat pada setiap rangkaian. Kondisi yang diuji meliputi jenis oksidator, pelarut, basa, sumber tembaga, suhu, dan jumlah katalis. Skala ini memungkinkan tim menilai pola lintas substrat, bukan hanya satu contoh yang berhasil.

Rendemen membaik, tetapi belum tinggi

Rendemen rata-rata naik dari 16,6 persen menjadi 25,2 persen setelah optimasi. Bagian reaksi yang melampaui 30 persen bertambah dari 15,6 persen menjadi 37,5 persen. Hasil membaik pada 88 persen asam boronat dan 83 persen sulfonamida yang diuji. Angka tersebut menunjukkan pola perbaikan, bukan penyelesaian penuh atas reaksi dengan hasil rendah.

Rendemen 25,2 persen masih membatasi kegunaan praktis untuk banyak proses sintesis. Ambang 30 persen dalam studi berfungsi sebagai ukuran ketahanan penyaringan, bukan standar universal untuk manufaktur. Data juga berasal dari platform mikroliter yang memakai estimasi berbasis analisis LC-PDA-MS. Peralihan ke skala proses memerlukan pengujian ulang, pemurnian produk, dan penilaian biaya yang tidak dibahas dalam proyek ini.

Nilai utama berada pada kapasitas pencarian

Kontribusi sistem tidak berhenti pada usulan TEMPO. Laboratorium otomatis menguji sepuluh oksidator dan ribuan kombinasi kondisi dalam dua putaran. Data putaran pertama dipakai untuk menyusun eksperimen lanjutan yang lebih terarah. Alur tersebut mengubah literatur dan hipotesis menjadi pencarian fisik berskala besar dengan hasil yang terukur.

OpenAI membandingkan 10.080 reaksi dengan pekerjaan seorang kimiawan yang menjalankan tiga reaksi per hari selama lebih dari satu dekade. Perbandingan itu menjelaskan keunggulan kapasitas, bukan membuktikan model memiliki penalaran kimia yang melampaui manusia. Infrastruktur otomatis memperluas jumlah percobaan yang terjangkau dalam waktu proyek. Kimiawan tetap menentukan proposal mana yang layak memasuki laboratorium dan apakah hasilnya masuk akal.

Temuan ini melengkapi gambaran yang lebih luas tentang AI dalam pengembangan obat. Model bisa mempercepat pemilihan target, desain molekul, atau optimasi sintesis. Namun, bukti klinis tetap menjadi tahap terpisah setelah penemuan dan pembuatan kandidat. Kenaikan rendemen satu reaksi tidak menunjukkan keamanan atau manfaat suatu obat pada manusia.

Validasi manusia menjadi pengaman utama

Tim tidak hanya menerima keluaran dari platform otomatis. Kimiawan mengulang 14 pasangan substrat secara manual dan menemukan perbaikan pada 11 pasangan. Delapan pasangan menghasilkan kenaikan lebih dari dua kali lipat. Pengulangan skala meja mengurangi risiko bahwa perbaikan hanya muncul akibat karakter khusus platform mikroliter.

Validasi tersebut tetap memiliki batas. Empat belas pasangan hanya mewakili sebagian kecil matriks pengujian, sementara data mentah seluruh kampanye belum menjadi reproduksi independen. Empat ahli kimia dari luar proyek menelaah naskah pracetak sebelum publikasi. Penelaahan itu tidak menggantikan eksperimen ulang oleh laboratorium yang tidak terlibat.

Makalah juga menyebut TEMPO menekan deboronasi oksidatif, yaitu penguraian asam boronat sebelum ikatan yang diinginkan terbentuk. Penjelasan mekanistik tersebut masih berupa hipotesis berdasarkan pola produk samping. Para penulis meminta studi lanjutan untuk memastikan penyebabnya. Generalisasi ke reaksi, substrat, dan kondisi manufaktur lain belum dibuktikan.

Indonesia belum memiliki angka pembanding terbuka

Pembahasan resmi Indonesia tentang AI di laboratorium sudah muncul, tetapi konteksnya berbeda. Kementerian Kesehatan pada April 2026 membahas AI untuk memperkuat fungsi prediktif dan preventif laboratorium kesehatan. Dokumen itu berfokus pada layanan dan diagnosis, bukan eksperimen sintesis kimia untuk penemuan obat. Karena itu, pembahasannya tidak menyediakan ukuran kapasitas yang sebanding dengan Maria Lab.

Sampai artikel ini disusun, kami belum menemukan dokumen resmi Indonesia yang memetakan laboratorium kimia otomatis untuk alur penemuan seperti ini. Belum tersedia angka publik mengenai kapasitas reaksi, mutu data, biaya, atau akses industri terhadap fasilitas serupa. Kesenjangan informasi tersebut menghalangi perbandingan langsung dengan proyek OpenAI dan Molecule.one. Ketiadaan dokumen yang kami temukan juga tidak membuktikan bahwa fasilitas semacam itu tidak ada.

Investasi yang dibutuhkan melampaui model

Kasus ini menunjukkan empat komponen yang harus berfungsi bersama: model, sistem agen khusus, laboratorium otomatis, dan kimiawan. Model tanpa eksperimen hanya menghasilkan hipotesis yang belum teruji. Laboratorium tanpa data terstruktur sulit memberikan umpan balik yang konsisten. Otomasi tanpa pengawasan ahli juga berisiko memperbesar kesalahan dalam rancangan atau interpretasi.

Bagi perusahaan bioteknologi, ukuran kesiapan bukan sekadar akses ke model terbaru. Pertanyaan yang lebih relevan mencakup kemampuan menjalankan eksperimen berulang, menjaga mutu data, dan memeriksa hasil pada skala berbeda. Proyek ini memperpendek pencarian kondisi reaksi di bagian awal pengembangan. Ia belum menghapus tahapan optimasi proses, uji praklinis, uji klinis, maupun penilaian regulator.

Hasil Chan–Lam memberi contoh nyata tentang AI yang bekerja dalam lingkar eksperimen fisik. Namun, klaim terkuatnya tetap sempit: sistem menemukan kondisi yang lebih baik untuk kelas substrat tertentu dalam platform khusus. Replikasi independen akan menentukan ketahanan temuan kimianya. Penerapan yang lebih luas akan bergantung pada laboratorium, data, dan tata kelola manusia yang menopang model tersebut.