IA · Ciência

Os cientistas dão ao Claude os dados e a escrita — e ficam com as perguntas

A Anthropic classificou 207.049 sessões de pesquisa no Claude e no Claude Code, e o balanço é desigual: a análise de dados e a escrita absorvem a maior parte do uso, enquanto a ideação e a geração de hipóteses — a tarefa que os cientistas colocam em primeiro lugar para produzir resultados importantes — responde por apenas 4,2% das sessões.

THE BUYER'S PULSEIALeitura de 10 min
Dois pesquisadores de jaleco e óculos de segurança revisam dados em um monitor, em um laboratório moderno e iluminado
O trabalho onde o estudo encontra a IA: dois pesquisadores revisam resultados em um monitor de laboratório, a rotina diante da tela que preenche o registro do estudo da Anthropic. Foto de arquivo: Pavel Danilyuk / Pexels.

Foto: Pavel Danilyuk / Pexels (licença gratuita do Pexels).

A IA já está dentro do laboratório — mas não faz o trabalho que as manchetes imaginam. Na maior contagem já feita de como os cientistas realmente usam um modelo de fronteira, a Anthropic classificou 207.049 sessões de pesquisa no Claude e no Claude Code e encontrou o trabalho concentrado na parte mais mecânica da investigação: a análise de dados absorve 33,7% das sessões no Claude e 48,1% no Claude Code, e a escrita e a comunicação somam outros 32,0% no Claude. A tarefa que os próprios cientistas classificam como a mais importante da descoberta — gerar ideias e hipóteses — responde por apenas 4,2% das sessões.

207.049Sessões de pesquisa no Claude e no Claude Code classificadas pela Anthropic, de 2-ago a 30-set-2026
33,7%Das sessões do Claude são análise de dados — 48,1% no Claude Code
4,2%Das sessões vão para ideação e geração de hipóteses, a tarefa que os cientistas colocam em primeiro lugar em importância
528Cientistas entrevistados junto aos dados de sessões, em sua maioria das ciências da vida e da saúde

O relatório, “AI for Scientific Discovery: How Researchers Use Claude”, foi publicado pela Anthropic em 5 de novembro, com Johannes Hermle, Ben Jones e Lukas Althoff como autores principais. Sua descoberta não é que a IA entrou na ciência — isso já está resolvido —, mas onde ela entrou: na mesa de trabalho, na análise e na redação, e não no ponto em que um pesquisador decide o que vale a pena investigar. A máquina acelera o trabalho. As perguntas continuam humanas.

O que a Anthropic contou

O estudo mede uso, não resultados. Com uma infraestrutura que preserva a privacidade, a Anthropic passou cada sessão dos planos de consumo por um classificador de linguagem que lhe atribuiu um campo científico, um subcampo e uma tarefa de pesquisa da SciNet, uma taxonomia de 7.262 tarefas distribuídas por 34 campos e 318 subcampos. Os classificadores guardaram apenas os rótulos — nenhum conjunto de dados, hipótese, método ou resultado não publicado foi extraído — e os resultados foram divulgados somente de forma agregada, para grupos que atingissem um mínimo de contas distintas.

A amostra principal cobre de 2 de agosto a 30 de setembro de 2026: 128.914 sessões das interfaces de chat e Cowork do Claude e 78.135 do Claude Code, a ferramenta agêntica que trabalha diretamente nos arquivos do usuário, escrevendo e executando código. Uma amostra suplementar menor vem do Claude Science, o ambiente de trabalho científico da Anthropic. Junto aos dados de sessões, a equipe entrevistou 528 cientistas — sobretudo das ciências da vida e da saúde, em sua maioria nos Estados Unidos e no Canadá, recrutados entre candidatos aos seus programas de bolsas AI for Science — e os autores observam sem rodeios que são adotantes ativos, provavelmente usuários de IA mais intensos que o cientista típico.

O trabalho que os cientistas de fato delegam

Entre as oito categorias de tarefas de pesquisa, duas dominam. A análise de dados é o maior uso nas duas interfaces: cerca de um terço das sessões do Claude e quase metade das do Claude Code, diante de um tempo estimado dos pesquisadores de 27,6%. A escrita e a comunicação vêm em segundo no Claude, com 32,0% das sessões, o dobro do seu peso no tempo dos pesquisadores (16,0%). No Claude Code, a escrita cai para 17,6% e o design e desenvolvimento — construir software, materiais e obras criativas — chega a 7,7%: o perfil de uma ferramenta usada por quem trabalha com código.

Gráfico da Anthropic sobre o uso do Claude por categoria de tarefa científica: a análise de dados lidera com 33,7% das sessões do Claude e 48,1% das do Claude Code; a ideação e a geração de hipóteses fecham a lista de categorias nomeadas, com 4,2% e 2,1%
O balanço do próprio estudo: a análise de dados e a escrita absorvem a maior parte do uso; a ideação e a geração de hipóteses ficam perto do fundo. Gráfico: Anthropic.

O que sai das sessões difere por campo na mesma direção: os produtos escritos — documentos, relatórios, artigos — são mais frequentes nas ciências sociais e nas humanidades, enquanto os produtos técnicos, como código, saídas de software e dados, predominam nas ciências naturais e formais, e são aproximadamente duas vezes mais comuns no Claude Code do que no Claude.

Abaixo das duas categorias líderes, o padrão se inverte. A coleta de dados consome um tempo estimado de 28,6% dos pesquisadores — o maior bloco individual —, mas ocupa apenas 11,5% das sessões do Claude e 11,9% das do Claude Code, e o déficit é maior onde coletar é um ato físico, como obter dados clínicos ou bioquímicos. A leitura e a aquisição de conhecimento tomam 7,6% das sessões do Claude; a análise teórica, 5,0%; o design e desenvolvimento, 4,7%. E a ideação e a geração de hipóteses — formular a pergunta e a resposta candidata — fecham a tabela com 4,2% das sessões do Claude e 2,1% das do Claude Code, diante de 7,1% do tempo dos pesquisadores.

As duas tarefas do fundo são as duas que mais importam

A pesquisa com os cientistas transforma a tabela em tensão. Perguntados sobre quais categorias mais importam para produzir resultados de pesquisa importantes, eles colocaram em primeiro lugar a ideação e a geração de hipóteses e em segundo a coleta de dados: exatamente as duas categorias em que o uso da IA corre mais abaixo do tempo que os pesquisadores lhes dedicam. A Anthropic é cuidadosa quanto ao porquê. Boa parte da coleta de dados é trabalho físico que um modelo de linguagem não pode tocar. A ideação é outra coisa: ela se entrelaça às demais tarefas e é difícil de classificar, de modo que os 4,2% podem estar subestimados; também é possível que os cientistas prefiram gerar as ideias por conta própria, ou julguem limitada a capacidade da IA nesse terreno. O relatório deixa aberta a possibilidade mais dura: a de que a IA seja genuinamente mais fraca na ideação de alto nível, “como escolher qual pergunta de pesquisa perseguir e desenhar um estudo para respondê-la”.

Essa distinção é o verdadeiro assunto do estudo. As tarefas que a IA absorve são as que têm um resultado verificável: um conjunto de dados limpo, um teste estatístico, uma seção redigida. A que ela mal toca é a que decide sobre o que o conjunto de dados deveria tratar. A própria discussão da Anthropic coloca isso como um gargalo: as perguntas de pesquisa determinam em grande medida o valor de um projeto, e a capacidade da IA de gerar boas perguntas continua incerta.

O uso segue o mapa do que a IA faz bem

O mesmo padrão se repete por campos. Em relação à sua parcela de pesquisadores no mundo, as ciências formais usam o Claude com mais intensidade: a ciência da computação é o maior campo no Claude, com 11,9% das sessões, e absorve 32,7% de todas as sessões do Claude Code representando apenas 4,3% dos pesquisadores do planeta; o subcampo da inteligência artificial e do aprendizado de máquina reúne 1,2% dos pesquisadores, mas 5,0% das sessões do Claude e 15,2% das do Claude Code. A saúde e as ciências físicas de laboratório, onde o trabalho acontece nas bancadas e junto aos pacientes, ficam na outra ponta.

A Anthropic testou diretamente se o uso acompanha a capacidade, construindo uma pontuação de quão bem a IA pode, em teoria, executar cada tarefa. E acompanha. As tarefas do quinto superior dessa pontuação recebem cerca do dobro de uso no Claude, e umas quatro vezes mais no Claude Code, do que o tempo que os pesquisadores lhes dedicam preveria; as do fundo, em sua maioria físicas, não recebem quase nada. Na frase-resumo do próprio relatório: “os cientistas parecem usar a IA onde ela funciona melhor”.

A exceção construída para o laboratório

Um canto dos dados aponta na direção contrária. No Claude Science — o ambiente especializado que conecta o Claude aos bancos de dados e ferramentas fragmentados das ciências da vida —, a biologia e a pesquisa biomédica concentram mais da metade das sessões, o trabalho é mais longo e avançado (estima-se que mais de 80% do uso exija formação de nível de doutorado) e mais de 70% das sessões correm com alto grau de autonomia da IA, diante de 23,7% no Claude. Ali, a ideação e a geração de hipóteses chegam a 8% das sessões: aproximadamente o dobro do Claude e em par com a parcela de tempo que os pesquisadores lhe dedicam. A leitura da Anthropic é comedida: ferramentas construídas para o trabalho científico podem estreitar a distância entre aquilo para que os cientistas usam a IA e o que consideram mais importante. É evidência de direção, ainda não de chegada.

Mais rápido — mas só até a bancada

O relatório fecha com cenários, e a própria Anthropic os rotula: ilustrativos, não previsões. Se as capacidades atuais fossem adotadas em toda parte, o modelo estima que a IA poderia assumir entre 27% e 52% do tempo de pesquisador por trás de um estudo novo — uma mediana de 38% — e elevar a produção de pesquisa por fatores que vão de 1,35× nas artes a 2,02× na estatística, com a ciência da computação em 1,96× e a química em 1,41×. No meio do caminho, com 75% dos passos não físicos automatizados, o modelo coloca a computação em torno de 8× e a estatística em 7×, com as ciências de bancada e médicas em aproximadamente 2–3×. No caso mais especulativo, em que a IA automatiza cada passo não físico, os campos sem gargalos físicos alcançam uma produção de 15 a 16 vezes maior, enquanto a biologia, a química, a ciência dos materiais e a biomedicina — onde cerca de 40% do tempo do pesquisador é físico — chegam a apenas três ou quatro vezes. A aritmética repousa sobre premissas declaradas, entre elas um custo do tempo de agente de IA de US$30 por hora contra US$95 do pesquisador, e deixa de fora deliberadamente a capacidade das instalações, o custo de máquinas e insumos experimentais e a qualidade das próprias ideias.

Os cientistas entrevistados, por sua vez, esperam que a curva continue subindo: 38% afirmam que a IA já iguala os melhores pesquisadores em análise de dados e, até 2030, 94% esperam que ela iguale os melhores em análise de dados, 89% em escrita e 72% tanto em ideação quanto em coleta de dados. Cerca de 40% esperam que a IA execute projetos completos de pesquisa sozinha em 2030, e em torno de 64% até 2035 — enquanto 16% dizem que isso nunca acontecerá e aproximadamente metade espera descobertas científicas autônomas apenas depois de 2035, se é que virão.

O que o estudo não consegue ver

Os limites vêm declarados no relatório e convém mantê-los colados aos seus números. A amostra é só de planos de consumo: o uso empresarial, institucional e por API — onde pode rodar boa parte da IA de laboratório real — fica de fora. As classificações são os rótulos de um modelo, não achados observados; o estudo mede onde o Claude foi usado, não se a ciência melhorou. E a pesquisa fala por pesquisadores já inclinados à IA. Dentro desses limites, a medição é incomumente concreta — e sua imagem, consistente: a IA tomou uma parcela grande e real do trabalho analítico e de escrita do laboratório, e quase nada da sua capacidade de decisão.

É aí que o estudo deixa a questão. As sessões mostram uma ferramenta que acelera o trabalho que os cientistas lhe entregam — a análise, o código, o rascunho —, enquanto a escolha do que investigar, a hipótese que vale um ano de carreira, continua sendo o passo que os pesquisadores reservam para si e colocam acima de todos os outros. Se essa divisão de trabalho é permanente ou uma fotografia de 2026 é o que o próximo estudo terá de medir.

𝐋𝐄𝐈𝐀 𝐀 𝐑𝐄𝐕𝐈𝐒𝐓𝐀 𝐂𝐎𝐌𝐏𝐋𝐄𝐓𝐀 𝐆𝐑𝐀𝐓𝐔𝐈𝐓𝐀 𝐄𝐌 thebuyerspulse.com/pt/

Fontes

  • Anthropic (5-nov-2026), “AI for Scientific Discovery: How Researchers Use Claude” — Hermle, Jones, Althoff e outros: a classificação de 207.049 sessões de planos de consumo (2-ago a 30-set-2026); as parcelas por tarefa e por campo; a pesquisa com 528 cientistas; a análise de capacidade da IA; os resultados do Claude Science; e os cenários de aceleração com suas premissas e limites declarados. anthropic.com/research/how-researchers-use-claude
  • Foto: Pavel Danilyuk / Pexels: dois pesquisadores revisam dados em um monitor de laboratório, em um laboratório moderno; licença gratuita do Pexels, via pexels.com (foto 8442372).
  • Gráfico: Anthropic, Figura 3 do relatório — uso do Claude por categoria de tarefa científica.