Anthropic analiza 200.000 conversaciones sobre investigación científica: la generalización de la IA podría duplicar la producción de investigación en estadística

$ANTHROPIC  $langosta #AI  #Anthropic 
El 5 de noviembre, Anthropic publicó un informe de investigación que analiza 207.049 conversaciones de Claude y Claude Code relacionadas con la investigación científica para averiguar qué hacen los científicos con la IA. El informe estima que, si las capacidades actuales de la IA se generalizaran, la producción de investigación en estadística e informática podría duplicarse aproximadamente, mientras que en arte, antropología y química solo aumentaría entre un 30 % y un 40 %.
La muestra comprende conversaciones de cuentas personales del 2 de agosto al 30 de septiembre de 2026: 128.914 con Claude y 78.135 con Claude Code. Anthropic afirma que, durante el análisis, un modelo asignó a cada conversación etiquetas sobre el campo y la tarea de investigación; el equipo de investigación solo recibió esas etiquetas y no pudo ver el contenido de las conversaciones.
Se usa sobre todo para analizar datos y escribir; se usa menos para proponer ideas
Por número de investigadores, las ciencias formales, como la informática, las matemáticas y la estadística, son las que más la utilizan; los campos que requieren trabajar en laboratorios o tratar con pacientes, como la medicina y la química, la usan menos. Los investigadores en informática representan solo el 4,3 % del total mundial, pero generan el 32,7 % de las conversaciones de investigación científica de Claude Code.
En cuanto a las tareas, el análisis de datos representa el 33,7 % de las conversaciones de Claude y el 48,1 % de las de Claude Code, por encima del 27,6 % del tiempo que los investigadores dedican a esta labor. La redacción y la comunicación representan el 32,0 % de las conversaciones de Claude, aunque los investigadores solo les dedican el 16,0 % de su tiempo.
Las tareas menos frecuentes son recopilar información y formular hipótesis. La recopilación de información representa el 28,6 % del tiempo de los investigadores, pero solo el 11,5 % de las conversaciones de Claude; proponer ideas e hipótesis ocupa el 7,1 % de su tiempo, pero solo el 4,2 % de las conversaciones de Claude y el 2,1 % de las de Claude Code.
Anthropic también encuestó a 528 científicos que usan la IA activamente, en su mayoría de las ciencias de la vida y de la salud. Los encuestados consideraron que los dos aspectos más decisivos para obtener resultados de investigación importantes eran precisamente proponer ideas y recopilar información. Según el informe, recopilar información suele requerir realizar experimentos. En cuanto a la escasa utilización de la IA para generar ideas, puede deberse a que los científicos prefieren pensar por su cuenta o a que la IA realmente tiene dificultades para elegir temas y diseñar estudios.
La situación es distinta con Claude Science, diseñado específicamente para la investigación científica: proponer ideas e hipótesis representa el 8 % de sus conversaciones, una proporción similar al tiempo que los investigadores dedican a esta tarea.
Difusión de las capacidades actuales: 2,02 veces en estadística y 1,35 veces en arte
Primero, el informe estima qué tan bien podría realizar la IA, en teoría, cada tarea de investigación y descubre una fuerte correlación entre las puntuaciones y el uso. En tareas con puntuaciones dentro del 20 % superior, como la visualización de datos y las pruebas estadísticas, el uso de Claude equivale al doble de la proporción de tiempo que les dedican los investigadores, y el de Claude Code, a cuatro veces. En el 20 % de tareas con las puntuaciones más bajas, como purificar mezclas de reacción, casi nadie usa Claude.
A continuación, el informe utiliza un modelo económico para estimar tres escenarios. El primero supone que las capacidades actuales se generalizan: la IA podría hacerse cargo de entre el 27 % y el 52 % del tiempo de los investigadores necesario para un nuevo estudio, con una mediana del 38 % entre las distintas disciplinas.
Traducido a la producción de investigación con el mismo presupuesto, esta se multiplica por 2,02 en estadística, 1,96 en informática, 1,41 en química, 1,36 en antropología y 1,35 en arte. Según el informe, el aumento es limitado porque la IA actual suele servir solo de apoyo y los investigadores todavía tienen que dedicar bastante tiempo a casi todos los pasos.
La brecha se debe principalmente a dos factores. En ciencias experimentales y de campo, como la agricultura, la biomedicina, la química y la ciencia de materiales, entre el 38 % y el 41 % del tiempo se dedica a tareas prácticas, mientras que la mediana entre las disciplinas es de solo el 4 %. En arte e historia hay pocas tareas prácticas, pero las puntuaciones de la IA son bajas para el trabajo que requiere reflexión.
Si la IA se encargara de todo el trabajo no experimental, la producción en estadística podría multiplicarse por 15
Los otros dos escenarios suponen que la IA se hace cargo por completo del 75 % o del 100 % de los pasos de investigación no físicos. El informe destaca que se trata de escenarios ilustrativos, no de predicciones.
En el escenario del 75 %, la producción aumentaría unas 8 veces en informática, 7 veces en estadística y 6 veces en economía; en las ciencias experimentales y médicas, unas 2 o 3 veces. En el escenario del 100 %, la producción en estadística, informática, economía, matemáticas, psicología y la mayoría de las ciencias sociales y humanidades aumentaría unas 15 o 16 veces. En cambio, en biología, química, ciencia de materiales, agricultura y biomedicina solo crecería entre 3 y 4 veces, porque alrededor del 40 % del tiempo se dedica a tareas experimentales y, sin laboratorios automatizados, estas se convierten en un cuello de botella.
El informe supone que los agentes de IA cuestan 30 dólares por hora y los investigadores, 95 dólares. Por tanto, el costo de las tareas totalmente automatizadas equivale aproximadamente a una dieciseisava parte del de los investigadores, lo que limita el aumento a unas 16 veces; si el costo de la IA se reduce a la mitad, el límite también se duplica. El informe señala además que el modelo no incluye el costo de los instrumentos ni de los materiales experimentales, y tampoco considera si la IA puede formular hipótesis mejores.
En la encuesta, el 38 % de los participantes opinó que la IA ya iguala a los mejores investigadores de su campo en el análisis de datos, y el 94 % prevé que los igualará antes de 2030. Cerca del 40 % espera que la IA pueda completar por sí sola un proyecto de investigación entero antes de 2030; la proporción asciende a alrededor del 64 % antes de 2035, mientras que otro 16 % cree que nunca podrá hacerlo.
Este artículo, «Anthropic analiza 200.000 conversaciones sobre investigación científica: la adopción de la IA podría duplicar la producción de investigación en estadística», apareció originalmente en 。
【Análisis complementario】
【Mi análisis complementario】
Este estudio revela el «efecto asimétrico» de la IA en el impulso de la investigación científica: los campos intensivos en código y datos, como la informática, la estadística y la economía, son los primeros en disfrutar de enormes beneficios de productividad, mientras que las ciencias físicas y de la vida están limitadas por los cuellos de botella de los experimentos en el mundo real. Esto indica que, por ahora, la IA acelera la eficiencia de la iteración de software y algoritmos. Sin embargo, para transformar por completo la biomedicina o la ciencia de materiales, será necesario combinar la IA con laboratorios automatizados (Robotic Labs). Además, el elevado uso de la IA para analizar datos y redactar informes muestra que está pasando de ser una herramienta auxiliar a convertirse en un «sistema que asume una carga de cómputo considerable». Pero el bajo porcentaje de uso para formular hipótesis confirma que, a corto plazo, la creatividad fundamental sigue en manos de las personas.
【Impacto en el mercado】
* **Mercado bursátil estadounidense (sesgo alcista):** Duplicar la eficiencia de la investigación impulsará una fuerte demanda mundial de capacidad de cómputo y servicios en la nube. Para los líderes en chips de cómputo (como NVDA) y los gigantes de la nube (como MSFT, AMZN y GOOGL), la perspectiva es **alcista a medio y largo plazo**. Los sectores con gran intensidad de I+D, como la conducción autónoma y la secuenciación genética, también podrían beneficiarse de una mayor eficiencia.
* **Mercado bursátil taiwanés (sesgo alcista):** A medida que los agentes de IA se generalicen en la investigación científica y el desarrollo de software, el consumo de capacidad de cómputo crecerá exponencialmente. Las perspectivas para la cadena de suministro de hardware (como TSMC 2330, Quanta 2382 y otras empresas de fundición de chips y ensamblaje de servidores) se mantienen **alcistas a medio y largo plazo**.
* **Mercado de criptomonedas (neutral con sesgo alcista):** Los sectores de capacidad de cómputo descentralizada (como Render y Akash) y las criptomonedas relacionadas con agentes de IA (como FET y NEAR) podrían verse impulsados por estas tendencias. Si más adelante los agentes de IA se aplican ampliamente a flujos de trabajo automatizados de investigación científica, es probable que aumente la demanda de capacidad de cómputo descentralizada y micropagos.
【Aspectos que conviene seguir】
1. El avance de la integración de agentes de IA con equipos de automatización biológica y química, y si esta puede superar los cuellos de botella de productividad de los experimentos físicos.
2. El crecimiento real del gasto de capital (CapEx) de empresas e instituciones de investigación en herramientas de IA para I+D.
【Aviso de riesgos】
Si el mercado sobreestima el impulso que la IA puede dar a corto plazo a la investigación experimental (como el desarrollo de nuevos fármacos), podría producirse una corrección de las valoraciones debido a que «el software avanza rápido, pero el mundo físico, despacio». Además, los posibles errores del contenido generado por IA y las controversias éticas también podrían acarrear riesgos regulatorios.