Quando se fala de IA na ciência, o foco costuma ficar nas grandes descobertas: estruturas de proteínas, novos cristais, problemas de matemática resolvidos. O novo estudo da Anthropic sobre como pesquisadores usam de fato o Claude mostra um quadro mais comum. Os cientistas o usam sobretudo para analisar dados e escrever, e menos para as tarefas que eles próprios consideram mais importantes para descobrir coisas novas.
O estudo cobre 207.049 sessões de pesquisa em planos de consumo entre 2 de agosto e 30 de setembro de 2026: 128.914 nas interfaces de chat e Cowork do Claude e 78.135 no Claude Code. Um modelo de linguagem classificou cada sessão por área e tarefa segundo uma taxonomia de 7.262 tarefas de pesquisa em 34 áreas, e só esses rótulos foram mantidos; a Anthropic diz que nenhum conteúdo de pesquisa foi extraído e que os resultados aparecem apenas de forma agregada. A análise de dados sozinha respondeu por cerca de um terço das sessões no Claude e quase metade no Claude Code. Ciência da computação liderou no Claude, com 11,9% das sessões, seguida de engenharia, com 8,4%, e medicina, com 7,7%. No Claude Code a distorção é maior: a ciência da computação reúne 4,3% dos pesquisadores do mundo, mas 32,7% das sessões.
O achado mais interessante é a correspondência entre uso e aptidão. A Anthropic criou uma medida de quão bem a IA poderia, em tese, executar cada tarefa de pesquisa. O quinto superior das tarefas nessa medida recebeu de duas a quatro vezes mais uso do que o tempo que os pesquisadores dedicam a elas indicaria, enquanto o quinto inferior, em geral trabalho físico de laboratório, quase não foi usado. Geração de ideias e coleta de dados, que os cientistas entrevistados apontam como o mais importante, foram menos usadas; no Claude Science, o produto de pesquisa especializado da Anthropic, a geração de ideias tem cerca do dobro da participação que tem no Claude.
Para quem leu nossas análises do Claude e do Claude Code, isso combina com aquilo em que esses produtos são bons: trabalhar dados, código e rascunhos com rapidez. Também sugere que os maiores ganhos chegam primeiro às áreas mais computacionais, incluindo as que constroem a própria IA.
As projeções pedem cautela. Um modelo simples do relatório sugere que as capacidades atuais, se amplamente adotadas, poderiam dobrar a produção de pesquisa em algumas áreas, e que automatizar todo o trabalho de pesquisa não físico poderia multiplicar a produção em ciência da computação e estatística por até 15, enquanto as ciências de bancada ficariam em três ou quatro vezes por causa de gargalos físicos. São cenários, não medições. Cerca de 40% dos usuários ativos de IA entrevistados esperam que modelos conduzam projetos de pesquisa inteiros sozinhos até 2030, o que é opinião. E o estudo todo é a Anthropic analisando os usuários de consumo do próprio produto, o que deixa de fora o uso corporativo e por API.