Anthropic estudou 207.000 sessoes cientificas do Claude: 34% foram de analise de dados, enquanto ideias ficaram na retaguarda

Quando se diz que a IA vai acelerar a ciencia, a discussao normalmente gira em torno do futuro. A Anthropic decidiu olhar para o presente: o que os cientistas realmente fazem com o Claude agora. O relatorio se baseia em 207.000 sessoes de agosto e setembro de 2026: cerca de 129.000 do chat e do Cowork e 78.000 do Claude Code.

Como isso foi medido

Um modelo de linguagem le cada sessao e atribui rotulos: area cientifica, subarea e tarefa especifica da taxonomia SciNet. Ela contem 7.262 tarefas, 34 areas e 318 subareas. O conteudo das conversas nao e armazenado: nem dados, nem hipoteses, nem metodos, nem artigos ainda nao publicados. Apenas os rotulos permanecem, e os resultados sao exibidos somente de forma agregada para grupos com um numero suficiente de contas distintas.

Ha uma ressalva importante: a amostra foi obtida apenas de planos para consumidores. Implantacoes empresariais e academicas nao foram incluidas, portanto o panorama e incompleto.

Onde e para que o Claude e usado

A maior parcela das sessoes esta em ciencia da computacao (11,9%), seguida por engenharia (8,4%) e medicina (7,7%). Mas o panorama muda quando o uso e comparado ao numero de pesquisadores em cada area. As ciencias formais—ciencia da computacao, matematica e estatistica—usam o Claude com uma intensidade muito superior a sua participacao entre os pesquisadores. Quimica e medicina, nas quais o trabalho ocorre em laboratorio ou com pacientes, ficam para tras. No Claude Code, a distorcao e ainda maior: a ciencia da computacao representa apenas 4,3% dos pesquisadores do mundo, mas responde por 32,7% das sessoes.

Por tarefa, a analise de dados lidera: 33,7% das sessoes no Claude e 48,1% no Claude Code, embora consuma 27,6% do tempo de trabalho dos cientistas. Redacao e comunicacao representam 32% das sessoes no Claude, contra 16% do tempo. A coleta de dados, por outro lado, e subutilizada: ocupa 28,6% do tempo, mas corresponde a cerca de 12% das sessoes. Isso ocorre especialmente onde existem barreiras fisicas, como em medicoes clinicas e bioquimicas.

O paradoxo e que, em uma pesquisa, os proprios cientistas apontaram a geracao de ideias e a coleta de dados como as tarefas mais importantes para descobertas, mas sao justamente aquelas em que menos usam IA. O Claude Science, especializado, muda esse equilibrio: nele, a parcela dedicada a ideias e aproximadamente duas vezes maior do que no Claude convencional.

Por que isso acontece

Os autores estimaram o quanto a IA e, em principio, capaz de executar cada tarefa. As tarefas nos 20% superiores recebem de duas a quatro vezes mais uso do que seria esperado com base no tempo gasto nelas. Os 20% inferiores, compostos principalmente por trabalho fisico, quase nao sao afetados. A IA e mais adotada onde as tarefas sao cognitivas, se adaptam bem ao aprendizado por reforco e produzem resultados verificaveis.

O que isso significa para a velocidade da ciencia

Segundo um modelo simples, a adocao ampla das capacidades atuais poderia dobrar a producao de pesquisas em algumas areas. Se a IA assumisse todo o trabalho nao fisico, o crescimento chegaria a 15 vezes em ciencia da computacao e estatistica, mas seria de apenas tres a quatro vezes em quimica e biologia, devido as limitacoes fisicas. Cerca de 40% dos usuarios ativos de IA entrevistados esperam que, ate 2030, os modelos sejam capazes de conduzir projetos de pesquisa de forma totalmente autonoma.

Ha ainda outro efeito: as areas com maior potencial incluem o proprio desenvolvimento da IA. Isso cria um ciclo de retroalimentacao no qual pesquisas mais rapidas produzem modelos mais poderosos, que, por sua vez, aceleram ainda mais as pesquisas.

Conclusao pratica

Para equipes de produto e fundadores, a principal licao esta na distancia entre o que os cientistas fazem com IA e o que consideram importante. Ha uma oportunidade ainda pouco explorada em ideias, hipoteses e coleta de dados, sobretudo quando essas atividades podem ser realizadas por processos digitais, como a busca em documentos e textos de arquivo. Para desenvolvedores, o sinal e claro: a IA ganha espaco onde o resultado e facil de verificar. Se voce esta criando uma ferramenta para pesquisadores, comece pela analise de dados e adicione mecanismos de verificacao antes de avancar para a geracao de hipoteses.

Tambem e importante lembrar as limitacoes. Os rotulos sao atribuidos por um modelo classificador, o crescimento de 15 vezes e um cenario hipotetico, nao uma previsao, e os proprios autores apontam riscos: menos supervisao humana, a possibilidade de pesquisas perigosas e mudancas nas carreiras dos cientistas.