Nhóm nghiên cứu kinh tế của Anthropic đã công bố báo cáo vào ngày 5/11, thống kê xem các nhà nghiên cứu dùng Claude để làm gì. Mẫu dữ liệu gồm 207.049 phiên được gắn nhãn liên quan đến nghiên cứu khoa học trong các gói dành cho người dùng cá nhân, từ ngày 2/8 đến ngày 30/9. Trong đó Claude (gồm Chat và Cowork) có 128.914 phiên, Claude Code có 78.135 phiên, cùng một lượng mẫu bổ sung từ Claude Science.
Việc phân loại dùng hệ thống SciNet do chính nhóm xây dựng, bao phủ 7.262 tác vụ, 34 ngành và 318 lĩnh vực con. Theo báo cáo, bộ phân loại chỉ xuất ra nhãn ngành và nhãn tác vụ, không trích xuất nội dung nghiên cứu; kết quả chỉ được công bố dưới dạng tổng hợp, và những ô có số tài khoản chưa đạt ngưỡng sẽ không được báo cáo.
Dùng nhiều nhất là chạy dữ liệu và viết bài
Tính theo tỷ lệ phiên, phân tích dữ liệu chiếm 33,7% ở Claude và 48,1% ở Claude Code; viết lách và giao tiếp chiếm 32% ở Claude và 17,6% ở Claude Code. Trong các tác vụ riêng lẻ, phổ biến nhất là soạn bản thảo bài báo khoa học, chiếm 18,6% số phiên của Claude.
Đặt các con số này cạnh cách các nhà nghiên cứu phân bổ thời gian, khoảng chênh lệch khá rõ:
| Tác vụ | Claude | Claude Code | Tỷ lệ thời gian nghiên cứu |
|---|---|---|---|
| Phân tích dữ liệu | 33,7% | 48,1% | 27,6% |
| Viết lách và giao tiếp | 32,0% | 17,6% | 16,0% |
| Thu thập dữ liệu | 11,5% | 11,9% | 28,6% |
| Lên ý tưởng và đặt giả thuyết | 4,2% | 2,1% | 7,1% |
Thu thập dữ liệu chiếm gần ba phần mười thời gian của nhà nghiên cứu nhưng trong các phiên chỉ hơn một phần mười, phần lớn vì các việc như lấy mẫu hay làm thí nghiệm đòi hỏi phải trực tiếp thao tác. Lên ý tưởng và đặt giả thuyết được các nhà khoa học tham gia khảo sát đánh giá là khâu quan trọng nhất (35,6 trên thang 100), nhưng lại là khâu được dùng ít nhất.
Phân bố theo ngành cũng lệch. Các nhà nghiên cứu khoa học máy tính chỉ chiếm 4,3% số nhà nghiên cứu toàn cầu nhưng chiếm 32,7% số phiên Claude Code; lĩnh vực con AI và học máy chiếm 1,2% toàn cầu nhưng chiếm 15,2% ở Claude Code. Các ngành thực nghiệm như hóa học, y học dùng ít hơn. Báo cáo nhận định:
"In short, scientists appear to use AI where it works best."
(Nói gọn lại, các nhà khoa học dường như dùng AI ở nơi nó làm tốt nhất.)
Tính một phép tính tăng tốc
Báo cáo đưa ra ước tính theo ba kịch bản. Kịch bản thứ nhất chỉ dựa trên năng lực hiện có được triển khai rộng rãi: AI có thể đảm nhận 27% đến 52% thời gian nghiên cứu, trung vị 38%, giúp sản lượng của các ngành tăng tốc khoảng 1,35 lần (nghệ thuật) đến 2,02 lần (thống kê), trong đó khoa học máy tính khoảng 1,96 lần và hóa học khoảng 1,41 lần. Kịch bản thứ ba giả định AI đảm nhận toàn bộ các bước không đòi hỏi thao tác tay chân: thống kê, khoa học máy tính, kinh tế và toán học có thể đạt 15 đến 16 lần, còn sinh học, hóa học và vật liệu chỉ đạt 3 đến 4 lần, vì các bước thao tác thực tế chiếm 38% đến 41% thời gian nghiên cứu của những ngành này.
Giả định chi phí đằng sau các hệ số này là: AI tốn 30 USD mỗi giờ, nhà nghiên cứu tốn 95 USD mỗi giờ, và cứ mỗi giờ của nhà nghiên cứu được tiết kiệm thì AI phải chạy 0,2 giờ. Tính nhẩm theo bộ số này, tiết kiệm một giờ nhân công chỉ tốn khoảng 6 USD phí AI, nên chi phí gần như không phải là ràng buộc; điểm nghẽn nằm ở phần việc làm bằng tay trong phòng thí nghiệm. Chính báo cáo cũng viết: "Physical bottlenecks remain powerful."
Các tác giả nhấn mạnh kịch bản thứ hai và thứ ba chỉ là giả định, không phải dự báo, và ước tính chưa tính đến thiết bị, thuốc thử và công suất phòng thí nghiệm. Việc phân loại và ước tính thời gian đều do mô hình lớn thực hiện, nên các con số ở cấp lĩnh vực con có độ nhiễu cao hơn.
Các nhà khoa học tự nhìn nhận thế nào
Bảng khảo sát đi kèm thu được câu trả lời của 528 nhà khoa học, phần lớn thuộc khoa học sự sống và sức khỏe, tập trung ở Mỹ và Canada, và đều là người nộp đơn vào chương trình nghiên cứu khoa học của Anthropic, nên mẫu vốn thiên về nhóm người dùng tích cực. 38% người được hỏi cho rằng AI hiện đã đạt trình độ nhà nghiên cứu hàng đầu trong phân tích dữ liệu, và kỳ vọng tỷ lệ này là 94% vào năm 2030. Khoảng bốn phần mười cho rằng đến năm 2030 AI có thể tự hoàn thành một dự án nghiên cứu trọn vẹn, trong khi 16% cho rằng sẽ không bao giờ làm được.
Chân dung người dùng Claude Science chuyên sâu hơn: y sinh và sinh học cộng lại chiếm hơn một nửa, 82,7% số phiên có nội dung ở trình độ tiến sĩ và 73,3% thuộc dạng thực thi có mức tự chủ cao. Nhóm người dùng này vốn chuyên môn hơn, nên không thể quy toàn bộ khác biệt cho sản phẩm; báo cáo cũng viết như vậy.
Nguồn tham khảo: CocoLoop, báo cáo nghiên cứu của Anthropic «How researchers use Claude»; nội dung báo cáo đã được đối chiếu về mẫu phiên, tỷ lệ tác vụ, phân bố theo ngành, hệ số tăng tốc ba kịch bản và giả định chi phí, còn số liệu khảo sát lấy theo công bố của báo cáo.