TL;DR
- Wat: OpenAI's GPT-5.4 heeft samen met Molecule.one's Maria AI een scheikundige reactie verbeterd — van literatuuronderzoek tot gevalideerd labresultaat.
- Waarom relevant: AI stuurt nu niet alleen analyses, maar ook fysieke experimenten aan. Dat raakt elke sector waar R&D tijd en geld kost.
- Wat je ermee kunt: Inventariseer waar in jouw bedrijf onderzoek of productontwikkeling maanden duurt — en of AI-gestuurde tools dat traject kunnen verkorten.
OpenAI maakte vandaag bekend dat GPT-5.4 een compleet geneesmiddelenchemie-project heeft aangestuurd: van het doorploegen van wetenschappelijke literatuur tot een experimenteel gevalideerd resultaat in het lab. Dat gebeurde in samenwerking met het Pools-Amerikaanse bedrijf Molecule.one en hun platform Maria AI. Ik vind dit interessant omdat het een stap verder gaat dan wat we tot nu toe van AI in de wetenschap zagen — hier heeft een model niet alleen iets voorspeld, maar ook het experiment laten uitvoeren.
Wat er precies is gebeurd
Het project draaide om de zogeheten Chan-Lam-koppelingsreactie. Dat is een chemische reactie die in de farmaceutische industrie veel wordt gebruikt om bepaalde moleculaire verbindingen te maken — denk aan de bouwstenen van medicijnen. Het bijzondere aan deze reactie is dat ze werkt met koper als katalysator in plaats van palladium, wat in de farma-industrie streng gereguleerd is. De reactie kan bovendien op kamertemperatuur en in open lucht worden uitgevoerd, wat het praktisch maakt voor laboratoriumwerk.
GPT-5.4 stelde volgens OpenAI een onverwachte manier voor om deze reactie te verbeteren. Het model deed meer dan alleen een suggestie doen: het koos het onderzoeksgebied, genereerde voorstellen, beoordeelde die voorstellen en liet de experimenten uitvoeren in het Maria Lab van Molecule.one. Dat lab is een geautomatiseerde faciliteit voor experimenten op microschaal met hoge doorvoersnelheid.
Molecule.one spreekt van "een primeur voor de organische chemie" — het zou de eerste keer zijn dat AI een open wetenschappelijk probleem in dit vakgebied van begin tot eind autonoom heeft aangepakt, inclusief het daadwerkelijk draaien van experimenten.
Wie is Molecule.one en wat is Maria AI?
Molecule.one is een AI-chemiebedrijf met kantoren in Warschau en San Francisco. Hun platform Maria AI bestaat uit drie onderdelen:
- Maria AI — de scheikundige modellen die in een zogenaamd "agentisch" raamwerk werken. Dat betekent dat de AI niet één taak uitvoert en stopt, maar zelfstandig een reeks stappen plant en doorloopt, vergelijkbaar met hoe een onderzoeker een project opzet.
- Maria Lab — een geautomatiseerd laboratorium waar experimenten op microschaal worden uitgevoerd, aangestuurd door de AI.
- Maria Data — een eigen dataset die wordt opgebouwd uit alle experimenten die Maria uitvoert.
Wat mij hier opvalt: dit is geen theoretisch platform. Er zit een echt lab achter met echte chemicaliën en echte resultaten. De AI denkt niet alleen na over scheikunde — ze voert het ook uit.
Waarom dit verder gaat dan eerdere AI-demo's
We hebben de afgelopen jaren veel voorbeelden gezien van AI die eiwitstructuren voorspelt (denk aan AlphaFold) of die moleculen ontwerpt op papier. Dat is indrukwekkend, maar het blijft vaak bij een digitale output: een voorspelling, een ontwerp, een lijst kandidaten.
Hier is iets anders aan de hand. GPT-5.4 heeft niet alleen een idee geopperd — het heeft dat idee door een volledig experimenteel traject geloodst. Literatuuronderzoek, hypothesevorming, experimentontwerp, uitvoering, en validatie. Dat is, als de claims kloppen, een wezenlijk andere stap.
Ik wil daar wel een kanttekening bij plaatsen: de aankondiging komt van OpenAI zelf, en er wordt verwezen naar een preprint — een wetenschappelijk artikel dat nog niet door vakgenoten is beoordeeld (peer review). Dat betekent niet dat het onwaar is, maar het betekent wel dat de resultaten nog onafhankelijk gecontroleerd moeten worden. Ik zou willen weten hoe de wetenschappelijke gemeenschap hierop reageert de komende weken.
Wat betekent dit voor ondernemers buiten de farma?
Je denkt misschien: leuk voor de farmaceutische industrie, maar wat heb ik eraan als ik een installatiebedrijf of een e-commerceplatform run? Ik denk dat het signaal breder is dan alleen scheikunde.
Wat hier eigenlijk gebeurt, is dat een AI-systeem een volledig onderzoekstraject overneemt — van "wat weten we?" via "wat zouden we kunnen proberen?" naar "dit hebben we getest en het werkt". Dat patroon bestaat in elke sector waar je iets ontwikkelt of optimaliseert:
- Productontwikkeling: Stel dat je als ondernemer een nieuw materiaal of een nieuwe formulering zoekt. Een AI-gestuurd traject zou literatuur kunnen doorzoeken, opties kunnen rangschikken en testprotocollen kunnen voorstellen.
- Procesinnovatie: Als je productieprocessen hebt die je wilt verbeteren, kun je je voorstellen dat een vergelijkbaar systeem varianten voorstelt en test — digitaal of in combinatie met fysieke tests.
- Marktonderzoek: Zelfs in minder technische domeinen is het patroon herkenbaar: data verzamelen, hypotheses formuleren, testen, valideren.
De technologie is er nog niet voor elke branche, maar het principe wordt steeds breder toepasbaar. Wat mij betreft is de relevante vraag niet "kan mijn bedrijf dit morgen gebruiken?" maar eerder: "welk deel van mijn R&D- of ontwikkelproces zou ik het liefst versnellen, en is daar al iets voor?"
De kosten- en tijdsfactor
In de farmaceutische industrie kost het ontwikkelen van een nieuw medicijn gemiddeld meer dan tien jaar en miljarden euro's. Als AI het vroege onderzoekstraject significant kan inkorten, heeft dat enorme financiële gevolgen. Voor het MKB zijn de bedragen anders, maar het principe is hetzelfde: tijd en geld die je in trial-and-error steekt, kun je mogelijk reduceren als een AI-systeem gerichter kan zoeken en testen.
Wat ik hiervan meeneem
Dit is voor mij vooral een signaal dat AI niet meer alleen een denktool is, maar steeds vaker ook een doe-tool wordt. De combinatie van een taalmodel als GPT-5.4 met een gespecialiseerd platform en een fysiek lab laat zien dat de grens tussen digitale analyse en fysieke uitvoering dunner wordt.
Tegelijkertijd is het goed om nuchter te blijven. Het gaat hier om één project, met één specifieke reactie, aangekondigd door de partijen die er belang bij hebben. De wetenschappelijke validatie door onafhankelijke onderzoekers moet nog volgen. Maar als die validatie standhoudt, dan kijken we naar iets dat de manier waarop we onderzoek doen fundamenteel kan veranderen — niet alleen in de scheikunde, maar overal waar experimenteren duur en tijdrovend is.