Cuando se habla de IA en la ciencia se suele insistir en los grandes avances: estructuras de proteínas, nuevos cristales, problemas matemáticos resueltos. El nuevo estudio de Anthropic sobre cómo usan Claude los investigadores dibuja un panorama más cotidiano. Los científicos lo usan sobre todo para analizar datos y para escribir, y lo usan menos para las tareas que ellos mismos consideran más importantes para descubrir.
El estudio abarca 207.049 sesiones de investigación en planes de consumo entre el 2 de agosto y el 30 de septiembre de 2026: 128.914 en las interfaces de chat y Cowork de Claude y 78.135 en Claude Code. Un modelo de lenguaje clasificó cada sesión por disciplina y tarea según una taxonomía de 7.262 tareas de investigación en 34 campos, y solo se conservaron esas etiquetas; Anthropic dice que no se extrajo contenido de investigación y que los resultados solo se presentan agregados. El análisis de datos supuso por sí solo alrededor de un tercio de las sesiones en Claude y casi la mitad en Claude Code. La informática encabezó Claude con el 11,9% de las sesiones, seguida de la ingeniería con el 8,4% y la medicina con el 7,7%. En Claude Code el sesgo es mayor: la informática reúne el 4,3% de los investigadores del mundo pero el 32,7% de las sesiones.
El hallazgo más interesante es la coincidencia entre uso y capacidad. Anthropic elaboró una medida de lo bien que la IA podría, en teoría, realizar cada tarea de investigación. La quinta parte superior de tareas en esa medida recibió entre dos y cuatro veces más uso del que predeciría el tiempo que les dedican los investigadores, mientras que la quinta parte inferior, sobre todo trabajo físico de laboratorio, recibió muy poco. La generación de ideas y la recogida de datos, que los científicos encuestados sitúan como lo más importante, se usaron menos; en Claude Science, el producto de investigación especializado de Anthropic, la generación de ideas tiene aproximadamente el doble de peso que en Claude.
Para quien haya leído nuestras reseñas de Claude y Claude Code, esto encaja con aquello en lo que destacan esos productos: trabajar con datos, código y borradores con rapidez. También sugiere que las mayores ganancias llegan primero a los campos más computacionales, incluidos los que construyen la propia IA.
Las previsiones merecen cautela. Un modelo sencillo del informe sugiere que las capacidades actuales, si se adoptaran de forma amplia, podrían duplicar la producción investigadora en algunos campos, y que automatizar todo el trabajo de investigación no físico podría multiplicar por hasta 15 la producción en informática y estadística, mientras que las ciencias de laboratorio se quedarían en tres o cuatro veces por los cuellos de botella físicos. Son escenarios, no mediciones. Alrededor del 40% de los usuarios activos de IA encuestados espera que los modelos lleven a cabo proyectos de investigación completos por sí solos en 2030, lo que es una opinión. Y todo el estudio es Anthropic analizando a los usuarios de consumo de su propio producto, lo que deja fuera el uso empresarial y por API.