Anthropic درست 207,000 جلسة علمية مع Claude: تحليل البيانات يمثل 34%، وتوليد الأفكار في ذيل القائمة

عندما يقال إن الذكاء الاصطناعي سيسرع وتيرة العلم، يدور النقاش عادة حول المستقبل. لكن Anthropic قررت النظر إلى الحاضر: ماذا يفعل العلماء فعليا باستخدام Claude الآن؟ يستند التقرير إلى 207 آلاف جلسة خلال أغسطس وسبتمبر 2026، منها نحو 129 ألف جلسة من الدردشة وCowork، و78 ألف جلسة من Claude Code.

كيف قيس ذلك

يقرأ نموذج لغوي كل جلسة ويصنفها بعلامات تحدد المجال العلمي والمجال الفرعي والمهمة الدقيقة وفقا لتصنيف SciNet. ويضم هذا التصنيف 7,262 مهمة و34 مجالا و318 مجالا فرعيا. لا يتم الاحتفاظ بمحتوى المحادثات: لا البيانات ولا الفرضيات ولا الأساليب ولا الأوراق غير المنشورة. لا تبقى سوى العلامات، ولا تعرض النتائج إلا بصورة مجمعة للمجموعات التي تضم عددا كافيا من الحسابات المختلفة.

وهناك ملاحظة مهمة: أخذت العينة من الخطط المخصصة للمستهلكين فقط. ولم تشمل عمليات النشر المؤسسية والأكاديمية، ولذلك تظل الصورة غير مكتملة.

أين يستخدم Claude ولأي أغراض

تأتي النسبة الأكبر من الجلسات من علوم الحاسوب (11.9%)، ثم الهندسة (8.4%) والطب (7.7%). لكن الصورة تتغير عند مقارنة ذلك بعدد الباحثين في كل مجال. فالعلوم الشكلية، أي علوم الحاسوب والرياضيات والإحصاء، تستخدم Claude بمعدل أعلى بكثير من حصتها النسبية. في المقابل، تتخلف الكيمياء والطب، حيث يجري العمل في المختبر أو مع المرضى. ويزداد الاختلال وضوحا في Claude Code: لا يمثل باحثو علوم الحاسوب سوى 4.3% من الباحثين في العالم، لكنهم يولدون 32.7% من الجلسات.

وعلى مستوى المهام، يتصدر تحليل البيانات: 33.7% من الجلسات في Claude و48.1% في Claude Code، مع أنه يستحوذ على 27.6% من وقت عمل العلماء. وتمثل الكتابة والتواصل 32% من جلسات Claude، مقابل 16% من وقت العمل. أما جمع البيانات، فعلى العكس، لا يستخدم فيه Claude بالقدر المتوقع: إذ يستهلك 28.6% من الوقت، لكنه يمثل نحو 12% فقط من الجلسات. ويظهر ذلك خصوصا عندما تفرض الطبيعة المادية للعمل قيودا، كما في القياسات السريرية والكيميائية الحيوية.

وتكمن المفارقة في أن العلماء أنفسهم وصفوا، في الاستطلاع، توليد الأفكار وجمع البيانات بأنهما أهم مهمتين للاكتشافات، ومع ذلك يستخدمون الذكاء الاصطناعي فيهما بمعدل أقل من أي مهام أخرى. ويغير Claude Science المتخصص هذا التوازن: إذ تبلغ حصة توليد الأفكار فيه نحو ضعف حصتها في Claude العادي.

لماذا يحدث ذلك تحديدا

وضع المؤلفون تقييما لمدى قدرة الذكاء الاصطناعي، من حيث المبدأ، على تنفيذ كل مهمة. وتحظى المهام الواقعة ضمن أعلى 20% باستخدام يزيد بمرتين إلى أربع مرات عما يوحي به الوقت المنفق عليها. أما أدنى 20%، وهي في معظمها أعمال مادية، فلم تتأثر تقريبا. يتجه الذكاء الاصطناعي أساسا إلى المهام الإدراكية الملائمة للتعلم المعزز، حيث توجد نتيجة قابلة للتحقق.

ماذا يعني ذلك لسرعة التقدم العلمي

وفقا لنموذج مبسط، قد يؤدي التبني الواسع للقدرات الحالية إلى مضاعفة إنتاج الأبحاث في بعض المجالات. وإذا تولى الذكاء الاصطناعي جميع الأعمال غير المادية، فقد يصل النمو إلى 15 ضعفا في علوم الحاسوب والإحصاء، لكنه لن يتجاوز ثلاثة إلى أربعة أضعاف في الكيمياء والأحياء بسبب القيود المادية. ويتوقع نحو 40% من مستخدمي الذكاء الاصطناعي النشطين الذين شملهم الاستطلاع أن تتمكن النماذج بحلول عام 2030 من إدارة مشاريع بحثية بصورة مستقلة تماما.

وهناك أثر منفصل: المجالات ذات الإمكانات الأكبر تشمل تطوير الذكاء الاصطناعي نفسه. وينشئ ذلك حلقة تغذية راجعة، حيث تنتج الأبحاث الأسرع نماذج أقوى، ثم تسرع تلك النماذج الأبحاث بدرجة أكبر.

الخلاصة العملية

بالنسبة إلى المنتجات والمؤسسين، يكمن الدرس الأهم في الفجوة بين ما يفعله العلماء بالذكاء الاصطناعي وما يعدونه مهما. توجد مساحة غير مستغلة في توليد الأفكار والفرضيات وجمع البيانات، وخصوصا حيث يمكن الاعتماد على عمليات رقمية، مثل البحث في الوثائق الأرشيفية والنصوص. أما الرسالة للمطورين فهي أن الذكاء الاصطناعي يترسخ حيث يسهل التحقق من النتيجة. فإذا كنت تبني أداة للباحثين، فابدأ بتحليل البيانات وأضف قابلية التحقق، ثم انتقل لاحقا إلى توليد الفرضيات.

ومن الضروري تذكر القيود أيضا. فالعلامات يضعها نموذج تصنيف، والنمو بمقدار 15 ضعفا سيناريو افتراضي وليس توقعا، كما يشير المؤلفون أنفسهم إلى المخاطر: تراجع الرقابة البشرية، واحتمال إجراء أبحاث خطرة، وتغير المسارات المهنية للعلماء.