El equipo de investigación económica de Anthropic publicó el 5 de noviembre un informe que cuantifica para qué usan Claude los investigadores. La muestra son 207.049 sesiones etiquetadas como relacionadas con la investigación científica en los planes de consumo entre el 2 de agosto y el 30 de septiembre. De ellas, 128.914 corresponden a Claude (incluidos Chat y Cowork), 78.135 a Claude Code, además de una muestra complementaria de Claude Science.
La clasificación se apoya en SciNet, un sistema creado por el propio equipo que abarca 7.262 tareas, 34 disciplinas y 318 subáreas. Según el informe, el clasificador solo emite etiquetas de disciplina y de tarea, sin extraer el contenido de las investigaciones; los resultados se publican únicamente de forma agregada y no se comunican las celdas cuyo número de cuentas no alcanza el umbral.
Lo más habitual: procesar datos y redactar textos
Por proporción de sesiones, el análisis de datos supone el 33,7 % en Claude y el 48,1 % en Claude Code; la redacción y la comunicación suponen el 32 % en Claude y el 17,6 % en Claude Code. Entre las tareas individuales, la más frecuente es redactar manuscritos de artículos, con el 18,6 % de las sesiones de Claude.
Al comparar estas cifras con el reparto del tiempo de los investigadores, la brecha es evidente:
| Tarea | Claude | Claude Code | Proporción del tiempo de investigación |
|---|---|---|---|
| Análisis de datos | 33,7 % | 48,1 % | 27,6 % |
| Redacción y comunicación | 32,0 % | 17,6 % | 16,0 % |
| Recopilación de datos | 11,5 % | 11,9 % | 28,6 % |
| Ideación e hipótesis | 4,2 % | 2,1 % | 7,1 % |
La recopilación de datos ocupa casi tres décimas partes del tiempo de los investigadores, pero en las sesiones apenas supera una décima, en buena parte porque el muestreo y los experimentos exigen trabajo manual. La ideación y la formulación de hipótesis fueron valoradas por los científicos encuestados como la fase más importante (35,6 sobre 100), pero es la menos usada.
La distribución por disciplinas también está sesgada. Los investigadores de informática son solo el 4,3 % de los investigadores del mundo, pero el 32,7 % de las sesiones de Claude Code; la subárea de IA y aprendizaje automático supone el 1,2 % a escala global y el 15,2 % en Claude Code. Las disciplinas experimentales, como la química y la medicina, lo usan menos. El informe lo resume así:
"In short, scientists appear to use AI where it works best."
(En resumen, los científicos parecen usar la IA donde mejor funciona.)
Hacer la cuenta de la aceleración
El informe ofrece estimaciones en tres escenarios. El primero parte solo de las capacidades actuales con una adopción amplia: la IA podría asumir entre el 27 % y el 52 % del tiempo de investigación, con una mediana del 38 %, y acelerar la producción de las disciplinas entre aproximadamente 1,35 veces (artes) y 2,02 veces (estadística), con la informática en torno a 1,96 veces y la química en torno a 1,41 veces. El tercer escenario supone que la IA se encarga de todos los pasos no físicos: estadística, informática, economía y matemáticas podrían llegar a 15 o 16 veces, mientras que biología, química y materiales solo a 3 o 4 veces, porque los pasos físicos ocupan entre el 38 % y el 41 % del tiempo de investigación en estas áreas.
La hipótesis de costes que sustenta estos múltiplos es la siguiente: la IA cuesta 30 dólares por hora, el investigador 95 dólares por hora, y por cada hora que se ahorra del investigador la IA debe funcionar 0,2 horas. Con esos números, ahorrar una hora de trabajo humano cuesta aproximadamente 6 dólares de IA, así que el coste apenas es una limitación; el cuello de botella está en la parte manual del laboratorio. El propio informe escribe: "Physical bottlenecks remain powerful."
Los autores subrayan que el segundo y el tercer escenario son supuestos y no predicciones, y que la estimación no incluye equipos, reactivos ni capacidad de laboratorio. La clasificación y las estimaciones de tiempo las realizó un modelo de lenguaje de gran tamaño, por lo que las cifras a nivel de subárea tienen más ruido.
Cómo lo ven los propios científicos
La encuesta complementaria recogió las respuestas de 528 científicos, en su mayoría de ciencias de la vida y la salud, concentrados en Estados Unidos y Canadá, y solicitantes del programa de investigación científica de Anthropic, por lo que la muestra se inclina de forma natural hacia usuarios entusiastas. El 38 % de los encuestados cree que la IA ya puede alcanzar el nivel de los mejores investigadores en análisis de datos, y la expectativa para 2030 es del 94 %. Alrededor de cuatro de cada diez piensan que en 2030 la IA podrá completar por sí sola un proyecto de investigación entero, y el 16 % opina que nunca lo logrará.
El perfil de los usuarios de Claude Science es más especializado: biomedicina y biología suman más de la mitad, el 82,7 % de las sesiones alcanzan contenido de nivel de doctorado y el 73,3 % son de ejecución con alta autonomía. Estos usuarios son de por sí más especializados, así que las diferencias no se pueden atribuir por completo al producto, y el informe también lo señala.
Fuentes: CocoLoop, informe de investigación de Anthropic «How researchers use Claude»; la muestra de sesiones, la proporción de tareas, la distribución por disciplinas, los múltiplos de aceleración de los tres escenarios y las hipótesis de costes se contrastaron con el texto del informe, y las cifras de la encuesta son las que el informe publica.