Claude Science
El nuevo banco de trabajo Claude Science de Anthropic busca integrar sus modelos de IA directamente en flujos de trabajo científicos, especialmente en bioinformática y фарma, conectándolos con bases de datos de dominio, clústeres HPC y herramientas locales de análisis. Quienes comentan ven potencial para acelerar tareas como el análisis genómico y la manipulación de datos, pero expresan fuertes preocupaciones por referencias alucinadas, procedencia opaca y el riesgo de inundar sistemas de revisión por pares ya tensionados con artículos de baja calidad generados por IA. Muchos también señalan el enfoque estrecho del producto en ciencias de la vida, los obstáculos de privacidad y políticas para conectar datos institucionales, y la tensión más amplia entre acelerar la investigación y preservar la comprensión humana profunda y la reproducibilidad.
Alcance y posicionamiento del producto
- Se presenta como un banco de trabajo de IA para flujos de trabajo científicos y, especialmente, de ciencias de la vida, desde la manipulación de datos hasta el análisis y la redacción de artículos.
- Muchos lo ven como “Claude Cowork/Code para científicos”, pero algunos sostienen que va más allá gracias a conectores específicos del dominio e integración con HPC.
- Los conectores actuales están muy centrados en bio/farma (genómica, FDA, PubMed, visualización de proteínas/químicos) con poco soporte evidente para literatura de física, ciencias de la Tierra, ingeniería o informática.
Arquitectura e integraciones
- Se ejecuta como un servidor web local con una UI de navegador, diseñado para encajar en entornos de investigación restringidos y TREs donde las apps de escritorio o el acceso externo a la red están limitados.
- Puede conectarse a clústeres institucionales y plataformas especializadas de bioinformática (p. ej., HPC vía Biomni), ejecutar trabajos largos y reanudarlos tras completarse.
- Algunos consideran que esta capa de integración es el valor principal: estandarizar el acceso a bases de datos bio y recursos de cómputo fragmentados y heredados.
Capacidades y experiencias iniciales de usuarios
- Incluye Sonnet 5; algunos usuarios descubrieron el modelo a través de este producto.
- Un usuario informa de un análisis de genoma completo y faseo de variantes para un caso de enfermedad rara muy exitosos, en línea con los resultados del laboratorio clínico y un cribado previo de portadores.
- Otro informa de que puede diseñar biopesticidas de RNAi a un nivel competente pero de “junior PhD”, aunque su sistema de bioseguridad intervino.
- Otros vieron fallos, ausencia de opciones de empaquetado para Linux y confusión sobre los niveles de suscripción.
Alucinaciones, “review agent” e integridad científica
- El marketing afirma la existencia de un “standing reviewer agent” que comprueba citas, números y la coherencia entre código y figuras.
- Sin embargo, un evaluador encontró referencias alucinadas en una revisión bibliográfica generada automáticamente, pese a múltiples pasos de autocorrección.
- La reescritura automática para ocultar el “estilo LLM” (por ejemplo, “desliquidar” los guiones largos) se critica por facilitar ghostwriting con IA no declarado y posible fraude.
Impacto en la ciencia, la reproducibilidad y el slop
- Muchos temen que empeore la crisis de reproducibilidad y llene las revistas de artículos plausibles pero de baja calidad o falsos.
- Otros argumentan que herramientas similares podrían mejorar la reproducibilidad en campos computacionales al reimplementar métodos, verificar código y exigir la disponibilidad de datos/código o puntuaciones de reproducibilidad.
- Preocupaciones más amplias: incentivos de publicar o perecer, colapso de la revisión por pares y LLMs guiando la comprensión de los investigadores en lugar de apoyar un razonamiento profundo impulsado por humanos.
Adopción, política y privacidad de datos
- Las políticas institucionales, las restricciones legales y las normas de intercambio de datos (NIH, biobancos, I+D farmacéutico) pueden limitar las conexiones directas a datos; algunos ven el enrutamiento a través de plataformas existentes (p. ej., almacenes de datos) como soluciones parciales.
- Los usuarios están divididos entre el entusiasmo por las ganancias de productividad y la ansiedad por entregar datos genómicos sensibles a sistemas comerciales de IA.