Los científicos le dan a Claude los datos y la escritura — y se quedan con las preguntas
Anthropic clasificó 207.049 sesiones de investigación en Claude y Claude Code, y el balance es desigual: el análisis de datos y la escritura absorben la mayor parte del uso, mientras la ideación y la generación de hipótesis —la tarea que los científicos colocan primera para producir resultados importantes— representa apenas el 4,2 % de las sesiones.

Foto: Pavel Danilyuk / Pexels (licencia gratuita de Pexels).
La IA ya está dentro del laboratorio, pero no hace el trabajo que imaginan los titulares. En el mayor recuento realizado hasta ahora sobre cómo usan los científicos un modelo de frontera, Anthropic clasificó 207.049 sesiones de investigación en Claude y Claude Code y encontró el trabajo concentrado en lo más mecánico de la investigación: el análisis de datos absorbe el 33,7 % de las sesiones en Claude y el 48,1 % en Claude Code, y la escritura y la comunicación suman otro 32,0 % en Claude. La tarea que los propios científicos consideran la más importante del descubrimiento —generar ideas e hipótesis— representa apenas el 4,2 % de las sesiones.
El informe, «AI for Scientific Discovery: How Researchers Use Claude», lo publicó Anthropic el 5 de noviembre, con Johannes Hermle, Ben Jones y Lukas Althoff como autores principales. Su hallazgo no es que la IA haya entrado en la ciencia —eso ya está resuelto— sino dónde ha entrado: en el escritorio, en el análisis y en la redacción, y no en el punto en que un investigador decide qué vale la pena investigar. La máquina acelera el trabajo. Las preguntas siguen siendo humanas.
Qué contó Anthropic
El estudio mide uso, no resultados. Con una infraestructura que preserva la privacidad, Anthropic pasó cada sesión de los planes de consumo por un clasificador de lenguaje que le asignó un campo científico, un subcampo y una tarea de investigación de SciNet, una taxonomía de 7.262 tareas repartidas en 34 campos y 318 subcampos. Los clasificadores conservaron solo las etiquetas —no se extrajeron conjuntos de datos, hipótesis, métodos ni resultados sin publicar— y los resultados se comunicaron únicamente de forma agregada, para grupos que alcanzaran un mínimo de cuentas distintas.
La muestra principal cubre del 2 de agosto al 30 de septiembre de 2026: 128.914 sesiones de las interfaces de chat y Cowork de Claude y 78.135 de Claude Code, la herramienta agéntica que trabaja directamente sobre los archivos del usuario, escribiendo y ejecutando código. Una muestra suplementaria menor procede de Claude Science, el entorno de trabajo científico de Anthropic. Junto a los datos de sesiones, el equipo encuestó a 528 científicos —sobre todo de ciencias de la vida y la salud, en su mayoría de Estados Unidos y Canadá, reclutados entre solicitantes de sus programas de becas AI for Science— y los autores señalan sin rodeos que son adoptantes activos, probablemente usuarios de IA más intensos que el científico típico.
El trabajo que los científicos sí delegan
Entre las ocho categorías de tareas de investigación, dos dominan. El análisis de datos es el uso mayoritario en ambas interfaces: alrededor de un tercio de las sesiones de Claude y casi la mitad de las de Claude Code, frente a un 27,6 % estimado del tiempo de los investigadores. La escritura y la comunicación van segundas en Claude, con el 32,0 % de las sesiones, el doble de su peso en el tiempo de los investigadores (16,0 %). En Claude Code, la escritura baja al 17,6 % y el diseño y desarrollo —construir software, materiales y obras creativas— llega al 7,7 %: el perfil de una herramienta usada por gente que trabaja en código.

Lo que sale de las sesiones difiere por campo en la misma dirección: los productos escritos —documentos, informes, artículos— son más frecuentes en ciencias sociales y humanidades, mientras que los productos técnicos, como código, salidas de software y datos, predominan en las ciencias naturales y formales, y son aproximadamente el doble de comunes en Claude Code que en Claude.
Por debajo de las dos categorías líderes, el patrón se invierte. La recolección de datos consume un 28,6 % estimado del tiempo de los investigadores —el bloque individual más grande— pero solo el 11,5 % de las sesiones de Claude y el 11,9 % de las de Claude Code, y el déficit es mayor donde recolectar es un acto físico, como obtener datos clínicos o bioquímicos. La lectura y adquisición de conocimiento toma el 7,6 % de las sesiones de Claude; el análisis teórico, el 5,0 %; el diseño y desarrollo, el 4,7 %. Y la ideación y generación de hipótesis —formular la pregunta y la respuesta candidata— cierra la tabla con el 4,2 % de las sesiones de Claude y el 2,1 % de las de Claude Code, frente al 7,1 % del tiempo de los investigadores.
Las dos tareas del fondo son las dos que más importan
La encuesta convierte la tabla en una tensión. Preguntados qué categorías importan más para producir resultados de investigación importantes, los científicos colocaron primera la ideación y la generación de hipótesis y segunda la recolección de datos: exactamente las dos categorías donde el uso de la IA corre más por debajo del tiempo que los investigadores les dedican. Anthropic es cuidadoso con el porqué. Gran parte de la recolección de datos es trabajo físico que un modelo de lenguaje no puede tocar. La ideación es otra cosa: se entreteje con las demás tareas y es difícil de clasificar, así que el 4,2 % podría quedarse corto; también es posible que los científicos prefieran generar las ideas por sí mismos, o juzguen limitada la capacidad de la IA en ese terreno. El informe deja abierta la posibilidad más dura: que la IA sea genuinamente más débil en la ideación de alto nivel, «como elegir qué pregunta de investigación perseguir y diseñar un estudio para responderla».
Esa distinción es el verdadero tema del estudio. Las tareas que la IA absorbe son las que tienen un resultado comprobable: un conjunto de datos limpio, una prueba estadística, una sección redactada. La que apenas toca es la que decide de qué debería tratar el conjunto de datos. La propia discusión de Anthropic lo plantea como un cuello de botella: las preguntas de investigación determinan en gran medida el valor de un proyecto, y la capacidad de la IA para generar buenas preguntas sigue sin estar clara.
El uso sigue el mapa de lo que la IA hace bien
El mismo patrón se repite por campos. En relación con su proporción de investigadores en el mundo, las ciencias formales usan Claude con más intensidad: la informática es el campo mayor en Claude, con el 11,9 % de las sesiones, y absorbe el 32,7 % de todas las sesiones de Claude Code representando solo el 4,3 % de los investigadores del planeta; el subcampo de la inteligencia artificial y el aprendizaje automático reúne el 1,2 % de los investigadores pero el 5,0 % de las sesiones de Claude y el 15,2 % de las de Claude Code. La salud y las ciencias físicas de laboratorio, donde el trabajo ocurre en las mesas de laboratorio y con pacientes, quedan en el otro extremo.
Anthropic comprobó directamente si el uso sigue a la capacidad, construyendo una puntuación de cómo de bien puede la IA, en teoría, ejecutar cada tarea. Y la sigue. Las tareas del quinto superior de esa puntuación reciben alrededor del doble de uso en Claude, y unas cuatro veces más en Claude Code, de lo que predeciría el tiempo que los investigadores les dedican; las del fondo, en su mayoría físicas, no reciben casi nada. En la frase resumen del propio informe: «los científicos parecen usar la IA donde mejor funciona».
La excepción construida para el laboratorio
Un rincón de los datos apunta en la dirección contraria. En Claude Science —el entorno especializado que conecta Claude con las bases de datos y herramientas fragmentadas de las ciencias de la vida—, la biología y la investigación biomédica concentran más de la mitad de las sesiones, el trabajo es más largo y avanzado (se estima que más del 80 % del uso requiere formación de nivel doctoral) y más del 70 % de las sesiones corre con un alto grado de autonomía de la IA, frente al 23,7 % en Claude. Ahí, la ideación y la generación de hipótesis llegan al 8 % de las sesiones: aproximadamente el doble que en Claude y a la par con la proporción de tiempo que los investigadores le dedican. La lectura de Anthropic es medida: las herramientas construidas para el trabajo científico podrían estrechar la brecha entre aquello para lo que los científicos usan la IA y lo que consideran más importante. Es evidencia de dirección, todavía no de llegada.
Más rápido, pero solo hasta la mesa de laboratorio
El informe cierra con escenarios, y el propio Anthropic los etiqueta: ilustrativos, no pronósticos. Si las capacidades actuales se adoptaran en todas partes, el modelo estima que la IA podría asumir entre el 27 % y el 52 % del tiempo de investigador que hay detrás de un estudio nuevo —una mediana del 38 %— y elevar la producción de investigación en factores que van de 1,35× en las artes a 2,02× en estadística, con la informática en 1,96× y la química en 1,41×. A mitad de camino, con el 75 % de los pasos no físicos automatizados, el modelo sitúa la informática en torno a 8× y la estadística en 7×, con las ciencias de mesa y médicas en aproximadamente 2–3×. En el caso más especulativo, donde la IA automatiza cada paso no físico, los campos sin cuellos de botella físicos alcanzan una producción de 15 a 16 veces mayor, mientras que la biología, la química, la ciencia de materiales y la biomedicina —donde cerca del 40 % del tiempo del investigador es físico— llegan solo a tres o cuatro veces. La aritmética descansa en supuestos declarados, entre ellos un coste del tiempo de agente de IA de US$30 por hora frente a US$95 del investigador, y deja fuera deliberadamente la capacidad de las instalaciones, el coste de maquinaria e insumos experimentales y la calidad de las propias ideas.
Los científicos encuestados, por su parte, esperan que la curva siga subiendo: el 38 % afirma que la IA ya iguala a los mejores investigadores en análisis de datos, y para 2030 el 94 % espera que iguale a los mejores en análisis de datos, el 89 % en escritura y el 72 % tanto en ideación como en recolección de datos. Alrededor del 40 % espera que la IA ejecute proyectos completos de investigación por sí sola en 2030, y en torno al 64 % para 2035, mientras un 16 % dice que no ocurrirá nunca y aproximadamente la mitad espera descubrimientos científicos autónomos solo después de 2035, si es que llegan.
Lo que el estudio no puede ver
Los límites vienen declarados en el informe y conviene mantenerlos pegados a sus cifras. La muestra es solo de planes de consumo: el uso empresarial, institucional y por API —donde puede correr buena parte de la IA de laboratorio real— queda fuera. Las clasificaciones son las etiquetas de un modelo, no hallazgos observados; el estudio mide dónde se usó Claude, no si la ciencia mejoró. Y la encuesta habla por investigadores ya inclinados hacia la IA. Dentro de esos límites, la medición es inusualmente concreta y su imagen, consistente: la IA ha tomado una parte grande y real del trabajo analítico y de escritura del laboratorio, y casi nada de su capacidad de decisión.
Ahí deja el estudio la cuestión. Las sesiones muestran una herramienta que acelera el trabajo que los científicos le entregan —el análisis, el código, el borrador— mientras la elección de qué investigar, la hipótesis que vale un año de carrera, sigue siendo el paso que los investigadores se reservan y colocan por encima de todos los demás. Si esa división del trabajo es permanente o una fotografía de 2026 es lo que tendrá que medir el próximo estudio.
𝐂𝐎𝐍𝐒𝐈𝐆𝐔𝐄 𝐋𝐀 𝐑𝐄𝐕𝐈𝐒𝐓𝐀 𝐂𝐎𝐌𝐏𝐋𝐄𝐓𝐀 𝐆𝐑𝐀𝐓𝐈𝐒 𝐄𝐍 thebuyerspulse.com/es/
Fuentes
- Anthropic (5-nov-2026), «AI for Scientific Discovery: How Researchers Use Claude» — Hermle, Jones, Althoff y otros: la clasificación de 207.049 sesiones de planes de consumo (2-ago a 30-sep-2026); las proporciones por tarea y por campo; la encuesta a 528 científicos; el análisis de capacidad de la IA; los resultados de Claude Science; y los escenarios de aceleración con sus supuestos y límites declarados. anthropic.com/research/how-researchers-use-claude
- Foto: Pavel Danilyuk / Pexels: dos investigadores revisan datos en un monitor de laboratorio, en un laboratorio moderno; licencia gratuita de Pexels, vía pexels.com (foto 8442372).
- Gráfico: Anthropic, Figura 3 del informe — uso de Claude por categoría de tarea científica.