Anthropic encontró que el análisis de datos y la escritura ocupaban una parte destacada de las sesiones de Claude y Claude Code clasificadas como investigación científica. Su informe, publicado el 5 de noviembre de 2026, analiza 207.049 sesiones de planes de consumo recogidas entre el 2 de agosto y el 30 de septiembre de ese año. Las cifras describen patrones de uso; los grandes multiplicadores de aceleración proceden de escenarios hipotéticos, no de resultados científicos observados. Anthropic explica el estudio y sus resultados.
Qué analizó Anthropic
La muestra principal reúne 128.914 sesiones de Claude Chat y Cowork y 78.135 de Claude Code. Anthropic empleó clasificadores para identificar el trabajo científico y asignarle un campo, un subcampo y una tarea según SciNet, una taxonomía con 7.262 tareas, 34 campos y 318 subcampos. La empresa afirma que el análisis conservó etiquetas de categoría, no el contenido abierto de las investigaciones.
El informe también incluye una encuesta a 528 investigadores, en su mayoría de ciencias de la vida y de la salud. Los participantes procedían principalmente de solicitantes a programas de subvenciones de Anthropic para investigación científica con IA; la compañía considera probable que usen IA con más intensidad que los investigadores habituales. Por ese reclutamiento, la encuesta no representa a toda la comunidad científica.
Análisis de datos y escritura destacan en las sesiones
La proporción de sesiones indica qué tareas aparecen con más frecuencia en el uso analizado. La estimación del tiempo de investigación es otra medida: no equivale al porcentaje de sesiones.
| Tarea | Sesiones de Claude | Sesiones de Claude Code | Tiempo de investigación estimado |
| Análisis de datos | 33,7 % | 48,1 % | 27,6 % |
| Escritura y comunicación | 32,0 % | 17,6 % | 16,0 % |
| Recogida de datos | 11,5 % | 11,9 % | 28,6 % |
| Ideación y generación de hipótesis | 4,2 % | 2,1 % | 7,1 % |
El análisis de datos fue la categoría más frecuente en ambos productos, sobre todo en Claude Code. La escritura y la comunicación también ocuparon una parte importante de las sesiones de Claude. En cambio, la recogida de datos y la ideación tuvieron menos peso en las sesiones que en la estimación del tiempo de investigación.
La distribución por campos también varió según el producto. La informática representó el 11,9 % de las sesiones de Claude y el 32,7 % de las de Claude Code. En la comparación de Anthropic, ese campo representaba el 4,3 % de los investigadores a escala mundial.
Claude Science y las ciencias de la vida
En el análisis complementario de Claude Science, las ciencias biomédicas representaron el 31,1 % de las sesiones científicas, la biología el 24,1 % y la medicina y las ciencias clínicas el 8,7 %. Para biología y ciencias biomédicas, Anthropic estimó un tiempo de tarea exclusivamente humano de 4,9 horas en las sesiones de Claude, 5,9 en Claude Code y 10,3 en Claude Science.
En esas mismas áreas, el contenido de nivel doctoral apareció en el 48,0 % de las sesiones de Claude, el 67,7 % de Claude Code y el 82,7 % de Claude Science. La autonomía alta se clasificó en el 23,7 %, el 64,1 % y el 73,3 %, respectivamente. Son características clasificadas de las sesiones, no medidas de calidad científica; Anthropic señala que las diferencias entre quienes adoptan cada producto podrían explicar parte de esos patrones.
Los multiplicadores son resultados de escenarios
Anthropic calculó tres escenarios de aceleración. El primero supone una adopción amplia de las capacidades actuales y estima que la IA podría asumir entre el 27 % y el 52 % del tiempo de investigación, con una mediana del 38 %. Bajo esos supuestos, la aceleración modelada de la producción va de 1,35× en artes a 2,02× en estadística.
Los otros escenarios suponen que la IA automatiza el 75 % o el 100 % de los pasos de investigación no físicos. En el segundo, el modelo estima una aceleración de unas 8× en informática. En el tercero, calcula entre 15× y 16× en muchos campos con pocas tareas físicas, pero entre 3× y 4× en ciencias experimentales como biología, química y ciencias biomédicas. En todos ellos, las personas siguen realizando los pasos físicos.
Estos multiplicadores son resultados ilustrativos del modelo, no pronósticos ni aumentos de productividad ya medidos. El análisis deja fuera restricciones como la capacidad de las instalaciones, el coste de maquinaria e insumos experimentales y la calidad de las ideas.
Al leer una cifra de uso, fíjate si cuenta sesiones, estima tiempo de trabajo o modela un escenario: cada medida responde a una pregunta distinta.
Cómo rastrear una afirmación bibliográfica
Para organizar el trabajo, Andy Stapleton muestra en un tutorial en inglés cómo separar Projects de Claude y añadirles archivos de referencia e instrucciones para distintos proyectos de investigación. Es un ejemplo de su flujo de trabajo, no una demostración de resultados uniformes.
En una conversación de Reddit, una persona recomienda pedir a Claude el pasaje exacto que respalda cada afirmación y cotejarlo con el artículo original. Otra advierte que el sistema puede atribuir un hallazgo al estudio equivocado o confundir una búsqueda infructuosa con una verdadera laguna bibliográfica. Son experiencias individuales, no una medición de la tasa de error; el cotejo directo permite comprobar si el pasaje citado respalda realmente la afirmación (conversación sobre flujos de investigación con Claude).
