Anthropic、研究会話20万件を分析　データ分析が最多

Anthropicの経済研究チームは11月5日、研究者がClaudeを何に使っているかを集計した報告書を公開した。対象は、8月2日から9月30日までの個人向けプランで研究関連とタグ付けされた20万7049件の会話。内訳はClaude（ChatとCoworkを含む）が12万8914件、Claude Codeが7万8135件で、これにClaude Scienceの補足サンプルが加わる。

分類にはチームが独自に構築した「SciNet」体系を使い、7262のタスク、34の学問分野、318の下位分野を網羅する。報告書によると、分類器が出力するのは分野とタスクのラベルのみで研究内容は抽出しない。結果は集計値でのみ公表され、アカウント数が基準に満たない区分は掲載されていない。

最も多いのはデータ処理と執筆

会話数の比率では、データ分析がClaudeで33.7%、Claude Codeで48.1%を占める。執筆・コミュニケーションはClaudeで32%、Claude Codeで17.6%。単一タスクで最も多いのは論文原稿の執筆で、Claude会話の18.6%に当たる。

これらの数字を研究者の時間配分と並べると、ずれがはっきりする。

データ収集は研究者の時間の3割近くを占める一方、会話では1割強にすぎない。サンプリングや実験など、手を動かす作業が多いためとみられる。構想と仮説の立案は、調査対象の科学者が最も重要な工程と評価した（100点満点で35.6点）が、利用量は最も少ない。

学問分野の分布にも偏りがある。コンピューターサイエンスの研究者は世界の研究者の4.3%にすぎないが、Claude Codeの会話では32.7%を占める。AI・機械学習分野の研究者は世界の1.2%に対し、Claude Codeでは15.2%。化学や医学といった実験系の分野は利用が少なかった。報告書は次のように述べている。

「要するに、科学者はAIが最も得意なところで使っているようだ」（原文："In short, scientists appear to use AI where it works best."）

高速化の試算

報告書は3段階のシナリオで試算している。第1段階は現在の能力が広く普及するだけの場合で、AIが担える研究時間は27～52%（中央値38%）。分野ごとの成果は約1.35倍（芸術）から2.02倍（統計）に加速し、コンピューターサイエンスは約1.96倍、化学は約1.41倍となる。第3段階はAIが身体作業以外の全工程を担うと仮定した場合で、統計、コンピューターサイエンス、経済、数学では15～16倍に達する。一方、生物、化学、材料は3～4倍にとどまる。これらの分野では身体作業が研究時間の38～41%を占めるためだ。

これらの倍率の前提となるコストは、AIが1時間30ドル、研究者が1時間95ドルで、研究者の作業を1時間減らすごとにAIが0.2時間稼働するというもの。この数字で単純計算すると、人手を1時間節約するためのAI費用は約6ドルで、コストはほぼ制約にならない。ボトルネックは実験室での手作業にある。報告書自身も「Physical bottlenecks remain powerful.」と書いている。

著者は、第2・第3段階は仮定であって予測ではないと強調している。試算には設備、試薬、実験室の容量も含まれていない。分類と所要時間の推定はいずれも大規模言語モデルが行っており、下位分野レベルの数値はノイズが大きい。

科学者自身の見方

併せて実施された調査には528人の科学者が回答した。大半はライフサイエンス・健康科学の研究者で、米国とカナダに集中している。Anthropicの科学者向けプログラムの応募者であるため、サンプルは積極的な利用者に偏る。回答者の38%は、AIはすでにデータ分析でトップ研究者の水準に達していると考えており、2030年にはこの割合が94%になると予想した。約4割は、2030年までにAIが研究プロジェクト全体を単独でやり遂げられると考え、16%は永遠にできないと答えた。

Claude Scienceのユーザー像はより専門的だ。生物医学と生物学で過半を占め、会話の82.7%が博士レベルの内容、73.3%が高度に自律的な実行に当たる。もともと専門性の高いユーザーであるため、差のすべてを製品の効果とみなすことはできず、報告書もそう記している。

参考資料：Anthropic研究報告書「How researchers use Claude」、CocoLoop、会話サンプル、タスク比率、分野分布、3段階シナリオの加速倍率とコスト前提は報告書本文で確認済み。調査の数字は報告書の開示に従う。