El 5 de noviembre de 2026 el equipo de Economía del Anthropic Institute publicó el informe técnico «AI for scientific discovery: How researchers use Claude», con Johannes Hermle, Ben Jones y Lukas Althoff como autores principales entre nueve. El informe usa clasificadores LLM para etiquetar por campo y tarea 207.049 sesiones de planes de consumo entre el 2 de agosto y el 30 de septiembre de 2026, añade una encuesta a 528 científicos y una puntuación de «capacidad teórica de la IA», y termina con tres escenarios de aceleración. A fecha de nuestra revisión, 8 de noviembre de 2026, es el conjunto de datos público más completo de Anthropic sobre el uso científico de sus productos.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
Primero, la posición: se trata de una investigación que un proveedor realizó sobre los datos de uso de su propio producto, y sus conclusiones terminan donde terminan las sesiones de los planes de consumo de Anthropic que un clasificador reconoció como ciencia. La primera mitad del artículo verifica las cifras y marca dónde es fácil sobreinterpretar. La segunda toma la brecha que el informe deja al descubierto, entre aquello para lo que los investigadores más usan Claude y lo que consideran más importante, y la convierte en un flujo de trabajo que un investigador puede copiar: qué superficie para qué tarea, qué evidencia debe dejar cada sesión y cómo aceptar resultados con scripts en lugar de con la memoria. Todos los scripts funcionan sin conexión; no hicimos llamadas a la API.
1. Qué es esto: un informe técnico sobre los datos de uso del propio proveedor
La muestra principal son 207.049 sesiones en planes de consumo entre el 02-08-2026 y el 30-09-2026: 128.914 en Claude (el informe agrupa Chat y Cowork bajo ese nombre) y 78.135 en Claude Code. También se estudia una muestra complementaria de Claude Science, pero el texto no indica ni su tamaño ni su rango de fechas. Cada sesión pasa primero por un clasificador que decide si implica trabajo científico; un segundo clasificador asigna campo, subcampo y tarea de la taxonomía SciNet, que tiene 7.262 tareas, 34 campos y 318 subcampos.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
El diseño de privacidad determina qué puede sostener el dato. El informe afirma que etiquetas como «química» o «limpieza de datos» son la única información que se conserva de las conversaciones, que ningún clasificador extrae ni almacena contenido abierto de investigación y que los resultados se publican solo de forma agregada y solo para celdas que alcanzan un número mínimo de cuentas distintas. Los autores, por tanto, no pueden inspeccionar la calidad científica de ninguna sesión individual. Toda cifra sobre «contenido de nivel doctoral», «alta autonomía de la IA» u «horas que necesitaría un humano» es una estimación de un modelo, no una revisión humana.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
La encuesta cubre a 528 científicos, en su mayoría de ciencias de la vida y de la salud, reclutados entre solicitantes del programa AI for Science de Anthropic y programas de becas relacionados, afiliados a instituciones de Estados Unidos o Canadá. Los autores reconocen que quienes solicitaron créditos de IA para investigación probablemente usan la IA con más intensidad que el científico típico. Las cuotas de tiempo de los investigadores proceden de otro clasificador LLM de SciNet, validado con protocolos de laboratorio húmedo y frecuencias de publicaciones.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
En conjunto, el informe puede responder a esto: en los productos de consumo de Anthropic, qué hacen las sesiones reconocidas como investigación, de qué campos proceden y cómo se relacionan con una puntuación de capacidad. No puede responder cómo usan la IA los científicos del mundo y nada dice sobre productos de otros proveedores. Como el texto habla solo de planes de consumo, inferimos que Team, Enterprise y el uso directo de la API quedan fuera de la muestra; es una inferencia nuestra, porque el informe no detalla exclusiones. Para cada porcentaje que sigue, recuerda el denominador: sesiones de investigación en los productos de consumo de Anthropic.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
2. Cuotas de tareas frente a cuotas de tiempo: muchas sesiones no son muchas horas de investigador
La tabla más informativa del informe coloca la cuota de sesiones de cada categoría de tarea en Claude y Claude Code junto a la cuota de tiempo que los investigadores dedican a ella. Las cifras siguientes están copiadas del texto. Las cuotas de tiempo solo aparecen para cuatro categorías; las otras cuatro no tienen cifra desglosada en el texto y se muestran como «—» en lugar de estimarlas nosotros.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
| Categoría de tarea | Sesiones Claude | Sesiones Claude Code | Tiempo de investigadores |
|---|---|---|---|
| Análisis de datos | 33,7 % | 48,1 % | 27,6 % |
| Redacción y comunicación | 32,0 % | 17,6 % | 16,0 % |
| Recogida de datos | 11,5 % | 11,9 % | 28,6 % |
| Lectura y adquisición de conocimiento | 7,6 % | 3,7 % | — |
| Análisis teórico | 5,0 % | 4,7 % | — |
| Diseño y desarrollo | 4,7 % | 7,7 % | — |
| Ideación y generación de hipótesis | 4,2 % | 2,1 % | 7,1 % |
| Otros | 1,3 % | 4,2 % | — |
A nivel de tareas individuales, redactar manuscritos es la más común en ambos productos: 18,6 % en Claude y 11,1 % en Claude Code. En Claude le siguen revisar y sintetizar literatura (6,8 %) y responder a los comentarios de revisores (6,7 %); en Claude Code, diseñar, construir y refinar artefactos de investigación (4,8 %) y visualizar datos y resultados (4,6 %). En cuanto a productos, el 52 % de las sesiones de Claude generan artefactos escritos y el 21 % técnicos; los artefactos técnicos son aproximadamente el doble de frecuentes en Claude Code; biología es el único campo donde los artefactos técnicos superan a los escritos.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
Dos trampas al leer esta tabla. Primera: las cuotas de sesiones suman 100 %, así que una categoría «alta» obliga a otra a ser «baja»; la tabla describe una distribución relativa, no una carga de trabajo absoluta. Segunda: la recogida de datos ocupa el 28,6 % del tiempo de los investigadores pero solo del 11,5 % al 11,9 % de las sesiones. Eso puede significar que el modelo ayuda poco ahí, o que la recogida de datos ocurre en la poyata, en el instrumento y en el campo, donde no hay ventana de chat abierta. El propio informe advierte de que la ideación tiende a entrelazarse con otras tareas y puede estar infracontada.
3. Recalcular el ratio de uso en treinta líneas de Python
El informe mide la intensidad relativa con un «ratio de uso»: la cuota de uso de una tarea dividida por su cuota de tiempo de investigadores, donde 1 significa proporcional. Por quintil de capacidad, el quintil más bajo se sitúa en torno a 0,2 en ambos productos, el medio en torno a 1 y el superior en torno a 2,1 en Claude y 3,9 en Claude Code. El informe no imprime el ratio por categoría de tarea, así que lo calculamos a partir de las cuotas publicadas. El script siguiente solo necesita la biblioteca estándar de Python 3; guárdalo como use_ratio.py y ejecuta python3 use_ratio.py.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
# Recompute the use ratio (share of sessions / share of researcher time)
# from the task shares printed in Anthropic's 2026-11-05 report (Figure 2 / text).
SHARES = {
# task: (Claude sessions %, Claude Code sessions %, researcher time % or None)
"data analysis": (33.7, 48.1, 27.6),
"writing & communication": (32.0, 17.6, 16.0),
"data gathering": (11.5, 11.9, 28.6),
"reading & knowledge acquisition": (7.6, 3.7, None),
"theoretical analysis": (5.0, 4.7, None),
"design & development": (4.7, 7.7, None),
"ideation & hypothesis generation": (4.2, 2.1, 7.1),
"other": (1.3, 4.2, None),
}
def ratio(use, time):
return None if time is None else use / time
def flag(r):
if r is None:
return "no time share printed"
return "over-used (>1)" if r > 1 else "under-used (<1)"
def fmt(r):
return " n/a" if r is None else f"{r:6.2f}"
print(f"{'task':34} {'Claude':>8} {'Code':>8} reading")
for task, (c, cc, t) in SHARES.items():
rc, rcc = ratio(c, t), ratio(cc, t)
print(f"{task:34} {fmt(rc):>8} {fmt(rcc):>8} {flag(rc)} / {flag(rcc)}")
tot_c = sum(v[0] for v in SHARES.values())
tot_cc = sum(v[1] for v in SHARES.values())
tot_t = sum(v[2] for v in SHARES.values() if v[2] is not None)
print(f"\nsession shares sum to {tot_c:.1f}% (Claude) / {tot_cc:.1f}% (Claude Code)")
print(f"printed researcher time shares sum to {tot_t:.1f}%; the rest is not broken out in the text")
Salida: redacción y comunicación 2,00 (Claude) / 1,10 (Claude Code), análisis de datos 1,22 / 1,74, recogida de datos 0,40 / 0,42, ideación y generación de hipótesis 0,59 / 0,30. El script imprime además dos comprobaciones: las cuotas de sesiones de cada producto suman 100,0 %, mientras que las cuatro cuotas de tiempo publicadas suman solo 79,3 %. El 20,7 % restante se reparte entre lectura, teoría, diseño y otros, que el texto no desglosa, por lo que no puede calcularse su ratio. No rellenes ese hueco con un número de aspecto plausible.
Interpreta con mesura. Un ratio de 2,00 para la redacción en Claude refleja, ante todo, que una interfaz de chat está hecha para texto; no es evidencia directa de que el modelo escriba mejor que nada. El análisis de datos en 1,74 en Claude Code frente a 1,22 en Claude coincide con la herramienta: una superficie que ejecuta código recibe naturalmente más análisis. Lo que merece atención es la categoría por debajo de 0,6 en ambos productos, la ideación. Las secciones siguientes muestran que es exactamente el paso que los investigadores puntúan más alto en la encuesta.
4. Campos y el vínculo capacidad–uso: una correlación no es una causa
Por campos, las mayores cuotas de sesiones de Claude son informática 11,9 %, ingeniería 8,4 % y medicina 7,7 %. La informática representa el 4,3 % de los investigadores del mundo pero el 32,7 % de las sesiones de Claude Code; la inteligencia artificial y el aprendizaje automático, 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 correlación log-log entre la cuota de sesiones de un campo y su cuota de investigadores es 0,79 en Claude y 0,62 en Claude Code, y baja a 0,61 y 0,43 a nivel de subcampo. Las ciencias formales, las sociales y la economía muestran un uso relativo alto; las ciencias físicas de laboratorio, la medicina, la nutrición y la veterinaria, bajo; las artes y humanidades son especialmente bajas en Claude Code.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
La puntuación de «capacidad teórica de la IA» se construye haciendo que un LLM compare por pares IA frente a humano en cada paso de una tarea de investigación y agregando con un modelo Bradley–Terry. Es el juicio de un modelo sobre la capacidad de un modelo, no una tasa de éxito medida. El informe correlaciona después el percentil de capacidad con varias características de las tareas, copiadas abajo.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
| Característica de la tarea | Correlación con el percentil de capacidad | Patrón del ratio de uso que describe el informe |
|---|---|---|
| Idoneidad para aprendizaje por refuerzo (RL index) | +0,78 | tramo superior en torno a 2,2 (Claude) / 4,2 (Claude Code) |
| Componente cognitivo de la tarea | +0,69 | el ratio sube hasta ~1,4 / 1,5 con la cuota cognitiva |
| Componente físico | −0,57 | cae desde ~1,2 hacia cero |
| Restricción regulatoria | −0,38 | cae desde ~1,2 hacia cero |
| Componente interpersonal | −0,31 | cae desde ~1,2 hacia cero |
A nivel de subcampo, el uso por investigador se correlaciona con la capacidad media en 0,45 (Claude) y 0,57 (Claude Code), y la autonomía con la capacidad en 0,47 y 0,31; entre campos, la correlación ponderada entre el ratio de uso y la cuota de tiempo de la IA es +0,58. Los autores señalan que las ciencias de la salud se usan menos de lo que predice la capacidad y sugieren la regulación como motivo, mientras que las ciencias formales, las sociales y las humanidades se usan más, plausiblemente porque su material ya es texto y código. La dirección causal no puede decidirse con estos datos: la capacidad puede impulsar el uso, o el grado de digitalización del material de un campo puede impulsar a la vez la puntuación de capacidad y el uso.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
5. Tres escenarios de aceleración: lee los supuestos antes que los multiplicadores
La parte del informe que más se distorsiona al contarla es el multiplicador de aceleración. En palabras de los propios autores, son escenarios ilustrativos, no pronósticos. Los tres comparten un conjunto de supuestos de coste y una calibración de cuellos de botella; solo difieren en cuánta parte del trabajo no físico se supone que automatiza la IA.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
| Escenario | Supuesto central | Resultado indicado en el informe | Cómo leerlo |
|---|---|---|---|
| Escenario 1: capacidades actuales | Las puntuaciones de capacidad deciden qué pasos asume la IA | La IA asume del 27 % al 52 % del tiempo de investigación (mediana 38 %); aceleración de 1,35× (artes) a 2,02× (estadística); informática 1,96×, química 1,41× | Estimación de techo para hoy; el retraso de adopción sigue aplicando |
| Escenario 2: 75 % de los pasos no físicos automatizados | Futuro hipotético; pasos físicos sin cambios | Informática cerca de 8×; estadística y biblioteconomía cerca de 7×; economía cerca de 6×; la mayoría de ciencias sociales, matemáticas, física y astronomía 4–5×; ciencias de laboratorio y médicas 2–3× | Análisis de sensibilidad; cuota automatizada del tiempo no físico del 82 % (informática) al 28 % (artes) |
| Escenario 3: todos los pasos no físicos automatizados | Futuro hipotético; solo quedan pasos físicos y coordinación | Estadística, informática, economía, matemáticas, psicología, la mayoría de ciencias sociales, artes y humanidades cerca de 15–16×; biología, química, materiales, agricultura, biomedicina solo 3–4× | Los pasos físicos son cerca del 40 % del tiempo en esos campos: el cuello de botella duro |
Supuestos de coste: una hora de agente de IA a 30 dólares frente a una hora de investigador a 95 dólares, con la IA ejecutándose 0,2 horas por cada hora de investigador ahorrada. De ahí los autores derivan que una tarea totalmente automatizada cuesta alrededor de una dieciseisava parte del coste humano, y que reducir a la mitad el coste de la IA duplicaría ese techo. La estructura de cuellos de botella se calibra con Ahmadpoor y Jones (2019). El informe declara expresamente que no cuenta maquinaria ni insumos experimentales, restricciones a nivel de campo en lugar de equipo, sustitución del experimento por simulación ni la calidad de las ideas.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
Así que, antes de que «informática 8×» llegue a una diapositiva, confirma tres cosas: es aritmética sobre tiempo de equipo, no sobre artículos ni descubrimientos; los escenarios 2 y 3 suponen que la automatización ya ocurrió, no que los modelos puedan hacerla hoy; y en biología, química y materiales los pasos físicos ocupan aproximadamente del 38 % al 41 % del tiempo, de modo que el propio techo del informe allí es de 3× a 4× por fuerte que sea el modelo.
6. La muestra de Claude Science y la encuesta a 528 personas: leer datos autoseleccionados
La muestra complementaria de Claude Science se concentra en ciencias de la vida: ciencias biomédicas 31,1 %, biología 24,1 %, medicina y ciencias clínicas 8,7 %, todos los demás campos por debajo del 5 %, ciencias de la vida más de la mitad en total. Respecto a Claude, las hipótesis sobre estructura y función de proteínas son 6,0 veces más probables, los modelos mecanísticos de interacciones proteína–proteína y proteína–ligando 5,6 veces, las hipótesis fármaco–diana 5,6 veces; a la inversa, coordinar con colaboradores está en 0,15, presentar en congresos en 0,2 y el análisis de abundancia y diversidad de especies en 0,23. La ideación supone el 8 % de las sesiones de Claude Science.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
Para las sesiones de biología y biomedicina, el informe estima tres medidas de su propio marco de «primitivas económicas» (citando a Appel et al. 2026), en el orden Claude / Claude Code / Claude Science: tiempo humano sin IA 4,9 / 5,9 / 10,3 horas, contenido de nivel doctoral 48,0 % / 67,7 % / 82,7 %, alta autonomía de la IA 23,7 % / 64,1 % / 73,3 %. Reponderar Claude y Claude Code a la mezcla de tareas de Claude Science da 5,1 horas, 55,1 %, 25,2 % y 5,5 horas, 71,8 %, 61,4 %: la brecha se estrecha pero no se cierra. Los autores escriben que las diferencias pueden reflejar en parte quién usa el producto, un efecto de autoselección; el método de medición de los tres indicadores no se detalla en el informe.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
- Uso autodeclarado. Ideación: 17 % ninguno, 53 % asistido, 24 % compartido. Recogida de datos: 20 % ninguno, 31 % asistido, 30 % compartido, 14 % delegado. Análisis de datos: 20 % asistido, 44 % compartido, 28 % delegado. Redacción: 40 % asistido, 41 % compartido, 13 % delegado.
- Importancia para un resultado relevante, 100 puntos: ideación 35,6, recogida de datos 23,6, análisis de datos 23,3, redacción 17,5.
- Expectativa de que la IA sola iguale a los mejores investigadores: análisis de datos, 38 % dice que ya, 94 % para 2030; redacción 89 % para 2030; ideación y recogida de datos 72 % cada una para 2030.
- Proyectos de investigación completos sin participación humana: cerca del 40 % los espera para 2030, cerca del 64 % para 2035, el 16 % nunca.
Pon la encuesta junto a los datos de uso y aparece el hallazgo más aprovechable del informe: los investigadores puntúan la ideación como el paso más importante (35,6 puntos), pero la ideación tiene uno de los ratios de uso más bajos (0,59 / 0,30) y es el paso más difícil de verificar. Alto valor, bajo uso, baja verificabilidad: las seis secciones siguientes están diseñadas para esa combinación, no para producir un borrador más.
7. De la pregunta a la evidencia rastreable: seis eslabones de una sesión de investigación
La discusión del informe nombra dos presiones. Primera: a medida que crece el volumen de producción, la capacidad de verificar y absorber esa producción se convierte en el cuello de botella. Segunda, citando a Schneider et al. (2020): los investigadores principales de proyectos con financiación federal en Estados Unidos dedican cerca del 44 % de su tiempo de investigación a requisitos administrativos. El lugar correcto de la IA en un proceso de investigación no es, por tanto, «generar más páginas», sino «dejar en cada paso un rastro que alguien más pueda comprobar», de modo que el coste de verificación no crezca al ritmo de la producción.
La cadena siguiente es nuestra recomendación de ingeniería, no contenido del informe. Exige evidencia a nivel de archivo para cada flecha: una especificación escrita o un prerregistro en la fase de pregunta; registros de origen y hashes para los datos; un único punto de entrada reejecutable y un entorno fijado para el análisis; un registro de revisión independiente del autor para la verificación; una salida de comando detrás de cada número del texto; y para cada figura un camino de vuelta a script, commit y semilla aleatoria. La página de buenas prácticas de Claude Code dice lo mismo en su propio dominio: dale a Claude una comprobación que pueda ejecutar y pide el comando y su salida, o una captura de pantalla, en lugar de aceptar «todas las pruebas pasan».
- Pregunta: escribe la pregunta de investigación, los criterios de inclusión y exclusión y los análisis previstos en SPEC.md; todo lo que el modelo haga después se contrasta con él.
- Datos: registra la URL de origen o la fecha de recogida de cada archivo bruto, genera data/SHA256SUMS y mantén el directorio bruto en solo lectura.
- Análisis: un único run.sh regenera cada resultado; environment.lock fija las dependencias; las semillas aleatorias se imprimen explícitamente.
- Verificación: las pruebas cubren el código de análisis; un revisor que no lo escribió (un colega o un subagente de solo lectura) reejecuta y firma.
- Redacción: cada número del manuscrito corresponde a una salida de comando; lo mismo para las respuestas a revisores.
- Procedencia: figures/PROVENANCE.tsv registra script, commit y semilla de cada figura; REVIEW.md registra quién reejecutó qué y cuándo.
- Pregunta: SPEC.md con criterios de inclusión y exclusión
- Datos: registros de origen + SHA256SUMS
- Análisis: run.sh + environment.lock + semillas
- Verificación: pruebas + reejecución por revisor independiente
- Redacción: cada número apunta a una salida de comando
- Procedencia: PROVENANCE.tsv + REVIEW.md
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026) · Documentación de Claude Code: Best practices
8. Repartir el trabajo entre Claude, Claude Code y Claude Science
Los datos del informe ya muestran la tendencia natural de cada superficie: Claude asume redacción, literatura y respuestas a revisores; Claude Code, análisis de datos y artefactos técnicos; Claude Science se concentra en ciencias de la vida con la mayor autonomía. La página oficial claude.com/science, leída el 08-11-2026, describe Claude Science como una aplicación de escritorio en beta pública para macOS, Windows y Linux. La página dice expresamente que es una aplicación, no un modelo, y que funciona sobre los modelos Claude incluidos en tu plan. Está disponible en los planes Pro, Max, Ultra, Team y Enterprise; los administradores de Team y Enterprise deben activarla primero, salvo en el plan Claude Team para científicos, donde viene activada por defecto y que se dirige a científicos en activo de instituciones académicas y sin ánimo de lucro, con la elegibilidad verificada a través del investigador principal del grupo.
En funciones, la página enumera conexiones con más de 60 bases de datos científicas, especialistas de análisis para genómica, célula única, proteómica, biología estructural y quimioinformática, y un revisor en segundo plano que señala citas incorrectas, números no rastreables y figuras que no coinciden con el código que las generó. Cada artefacto conserva el código que lo generó, el entorno en que se ejecutó, una descripción en lenguaje llano y la conversación que condujo a él. El cómputo puede ejecutarse en kernels locales, en un clúster Slurm por SSH o en una cuenta de Modal. Los conjuntos de datos brutos y el cómputo permanecen en las máquinas, clústeres o cuentas en la nube que elijas, pero el contenido de prompts y respuestas lo procesa Anthropic bajo su retención estándar, y algunas solicitudes sensibles de ciencias de la vida pueden ser atendidas por un modelo Claude distinto. Todo esto es la descripción del proveedor; no instalamos ni probamos la aplicación.
| Superficie | Tareas de investigación adecuadas | Qué deja una sesión por defecto | Dónde están los datos | Características según el informe |
|---|---|---|---|---|
| Claude (Chat / Cowork) | Borradores de manuscritos, síntesis de literatura, respuestas a revisores, ordenar ideas | Texto de la conversación y artefactos escritos; el código y los datos no forman parte | Lo que pegues entra en la conversación | Redacción y comunicación 32,0 %; artefactos escritos 52 %; alta autonomía solo 23,7 % (biología) |
| Claude Code | Análisis de datos, visualización, construcción de pipelines, verificación ejecutable | Comandos, salidas, cambios de archivos; los Stop hooks y las reglas deny dan límites deterministas | Repositorio local; lo que el modelo lea entra en la conversación | Análisis de datos 48,1 %; artefactos técnicos cerca del doble que en Claude; alta autonomía 64,1 % |
| Claude Science (beta) | Análisis en ciencias de la vida, búsqueda en bases de datos, análisis multipaso con revisor | Según el proveedor, cada artefacto lleva código, entorno, descripción y conversación | Datos brutos y cómputo donde elijas; prompts y respuestas los procesa Anthropic | Ciencias de la vida más de la mitad; alta autonomía 73,3 %; contenido doctoral 82,7 % |
Elige primero por frontera de datos y después por necesidad de evidencia. Para proyectos bajo acuerdos de datos o revisión ética, confirma ante todo que «contenido de prompts y respuestas procesado por Anthropic» está permitido, y no leas «los datos brutos se quedan en local» como «no se sube nada». Usa Claude Code donde se necesite evidencia ejecutable: los Stop hooks, las reglas deny y --max-turns se clasifican como controles deterministas en su documentación y no dependen de que el modelo recuerde una regla. La redacción puede quedarse en el chat, pero cada número debe seguir rastreándose hasta una salida de comando en la carpeta de análisis. A nivel de plan, basta con saber qué planes enumera el proveedor; comprueba los detalles en tu propia cuenta. Este artículo no trata de precios.
Página oficial de Claude Science · Documentación de Claude Code: Best practices
9. Qué debe dejar una sesión de investigación: una puerta de aceptación offline
Comprimamos los seis eslabones de la sección 7 en cinco archivos que deben existir y comprobemos con un script que están presentes y son coherentes. La puerta no juzga si la ciencia es correcta; juzga si alguien más puede reejecutarla y rastrearla. Puede ejecutarse a mano o como Stop hook de Claude Code, donde el código de salida 2 devuelve a Claude al trabajo en lugar de dejarle declarar que ha terminado.
| Evidencia | Archivo | Comprobación |
|---|---|---|
| Código reejecutable | run.sh | existe; sobre una copia limpia regenera cada resultado |
| Entorno fijado | environment.lock | existe; versiones exactas exportadas por pip, conda o renv |
| Hashes de datos | data/SHA256SUMS | shasum -a 256 --check pasa para todos los archivos |
| Procedencia de figuras | figures/PROVENANCE.tsv | figura, script, commit y semilla de cada fila existen y no están vacíos |
| Revisión independiente | REVIEW.md | contiene una línea re-ran: con lo que ejecutó el revisor |
#!/usr/bin/env bash
# check_analysis.sh <folder> — offline acceptance gate for one analysis folder.
# ACCEPT only when code, pinned environment, data hashes, figure provenance
# and an independent reviewer note are all present and consistent.
set -u
dir="${1:?usage: check_analysis.sh <analysis-folder>}"
fail=0
need() { if [ -e "$dir/$1" ]; then echo "ok $1"; else echo "MISSING $1 — $2"; fail=1; fi; }
need run.sh "one entry point that regenerates every result"
need environment.lock "pinned environment (requirements.txt, renv.lock, conda export ...)"
need data/SHA256SUMS "hashes of the raw inputs the analysis read"
need figures/PROVENANCE.tsv "one row per figure: figure, script, commit, seed"
need REVIEW.md "independent reviewer pass: who, when, what was re-run"
if [ -f "$dir/data/SHA256SUMS" ]; then
if (cd "$dir/data" && shasum -a 256 --check --quiet SHA256SUMS); then
echo "ok data hashes match"
else
echo "FAIL raw data does not match SHA256SUMS"; fail=1
fi
fi
if [ -f "$dir/figures/PROVENANCE.tsv" ]; then
while IFS=$'\t' read -r fig script commit seed; do
[ "$fig" = "figure" ] && continue # header row
[ -f "$dir/$fig" ] || { echo "FAIL listed figure missing: $fig"; fail=1; }
[ -f "$dir/$script" ] || { echo "FAIL script for $fig missing: $script"; fail=1; }
[ -n "$commit" ] || { echo "FAIL no commit recorded for $fig"; fail=1; }
[ -n "$seed" ] || { echo "FAIL no seed recorded for $fig"; fail=1; }
done < "$dir/figures/PROVENANCE.tsv"
fi
if ! grep -qiE '^re-ran:' "$dir/REVIEW.md" 2>/dev/null; then
echo "FAIL REVIEW.md has no 're-ran:' line naming what the reviewer executed"; fail=1
fi
if [ "$fail" -eq 0 ]; then echo "ACCEPT"; else echo "HOLD — fix the lines above"; exit 2; fi
Uso: bash check_analysis.sh <carpeta-de-análisis>. Lo probamos con una carpeta sintética mínima: con los cinco archivos presentes, hashes coincidentes y todas las filas de PROVENANCE completas imprime ACCEPT; con una carpeta vacía enumera cada elemento ausente y termina con código 2. A propósito no analiza notebooks ni lee el contenido de los datos; eso es trabajo de las pruebas y del revisor. Depende solo de bash, shasum y grep, que vienen con macOS y la mayoría de distribuciones Linux.
10. Las reglas de evidencia en CLAUDE.md, respaldadas por un Stop hook
La página de buenas prácticas de Claude Code, leída el 08-11-2026, divide las instrucciones en dos clases. Las no deterministas las lee el modelo, que decide si las sigue: el prompt, CLAUDE.md, las skills. Las deterministas las ejecuta el propio Claude Code: hooks, reglas deny, ajustes gestionados. La regla práctica de la página es que una línea sin excepciones pertenece a un hook, no a CLAUDE.md, y que añadir énfasis una y otra vez a una línea de CLAUDE.md que Claude sigue ignorando es en sí la señal. CLAUDE.md debe contener solo lo que el modelo no puede ver en el código; la guía de memoria recomienda no superar las 200 líneas.
# Analysis conventions (loaded into every Claude Code session in this repo)
## Commands
- Reproduce everything: bash run.sh
- Tests on the analysis code: python3 -m pytest tests -q
- Acceptance gate: bash check_analysis.sh .
## Evidence rules
- Every number you report must come from a command you ran in this session.
Quote the command and the relevant output lines; never type a number from memory.
- Fix the random seed, print it, and record it in figures/PROVENANCE.tsv.
- When you change a figure, update its PROVENANCE row (figure, script, commit, seed).
- Raw data under data/raw/ is read-only. Derived data goes to derived/ and is
regenerated by run.sh, never edited by hand.
- If a check fails, say so. Never describe a result as confirmed without the output.
## Gotchas
- The environment is pinned in environment.lock; do not install packages ad hoc.
- A citation needs a DOI or URL that was actually opened; mark everything else "to verify".
El .claude/settings.json siguiente convierte tres reglas en controles deterministas. Las reglas deny rigen en todos los modos de permisos, incluidos auto y bypassPermissions; la documentación señala que una regla deny de Read también atrapa comandos de lectura habituales como cat, pero no un script que abra el archivo por sí mismo. Un Stop hook se ejecuta cuando Claude intenta terminar su turno; el código de salida 2 bloquea la parada y lo que el comando escribió en stderr vuelve al modelo como motivo por el que aún no puede terminar. La documentación de hooks añade un tope: tras ocho bloqueos consecutivos sin llamada a herramienta entre medias, Claude Code anula el siguiente bloqueo y termina el turno, ajustable con la variable de entorno CLAUDE_CODE_STOP_HOOK_BLOCK_CAP; la entrada del hook lleva un campo stop_hook_active para evitar bucles sobre una condición que nunca se cumplirá.
Documentación de Claude Code: Best practices · Documentación de Claude Code: Hooks
{
"permissions": {
"allow": [
"Bash(bash run.sh)",
"Bash(python3 -m pytest *)",
"Bash(bash check_analysis.sh *)"
],
"ask": ["Bash(git push *)"],
"deny": [
"Read(./.env)",
"Read(./secrets/**)",
"Edit(./data/raw/**)",
"Write(./data/raw/**)"
]
},
"hooks": {
"Stop": [
{
"hooks": [
{
"type": "command",
"command": "python3 -m pytest tests -q 1>&2 && bash check_analysis.sh . 1>&2 || exit 2"
}
]
}
]
}
}
La revisión independiente puede delegarse en un subagente de solo lectura. La documentación de subagentes sitúa las definiciones en .claude/agents/, con solo name y description obligatorios en el front matter YAML y tools aceptando una lista separada por comas; omitir Write y Edit produce un revisor que no puede cambiar archivos. También advierte de que, cuando la conversación principal corre en bypassPermissions, acceptEdits o auto, el permissionMode del subagente se ignora, por lo que restringir tools es el control más fiable. La sugerencia relacionada de la página de buenas prácticas es /code-review, que revisa el diff en un subagente nuevo que nunca vio tu conversación y no se deja influir por el razonamiento que produjo el código.
Documentación de Claude Code: Sub-agents · Documentación de Claude Code: Best practices
---
name: analysis-reviewer
description: Independent read-only reviewer for an analysis folder. Use after the main session says a result is done.
tools: Read, Glob, Grep, Bash
model: inherit
---
You review an analysis folder you did not produce. Do not edit files.
1. Run bash check_analysis.sh . and report the full output.
2. For every number in REPORT.md, find the command or script that produced it;
list numbers you cannot trace.
3. For every figure listed in figures/PROVENANCE.tsv, confirm the script, commit and seed
exist and that the figure is newer than the script.
4. Report "ACCEPT" only if every item passes; otherwise list each gap with the file name.
11. Cribado bibliográfico y referencias: fijar el esquema de salida y comprobar formatos offline
El informe muestra que la revisión de literatura es la segunda tarea más común en Claude (6,8 %). Un cribado auditable necesita dos cosas: que la salida del modelo siga una estructura fija y que cada decisión cite la frase del resumen que la decidió. La página de uso programático de Claude Code, leída el 08-11-2026, aporta el mecanismo: claude -p se ejecuta de forma no interactiva, --output-format json con --json-schema devuelve salida estructurada en el campo structured_output, y si el modelo rechaza o no produce nada válido ese campo falta, así que un script debe comprobarlo. --bare omite hooks, skills, plugins, servidores MCP y CLAUDE.md para que el mismo comando se comporte igual en cualquier máquina, pero no usa el inicio de sesión de la suscripción y requiere ANTHROPIC_API_KEY; --permission-mode dontAsk deniega cualquier cosa que de otro modo pediría confirmación; --max-turns limita la ejecución; la entrada por tubería está limitada a 10 MB.
Documentación de Claude Code: ejecución programática (claude -p)
# Screen one abstract against written criteria; the answer must match a fixed schema.
# --bare skips hooks, plugins and CLAUDE.md so the run is identical on every machine;
# it does not use a subscription login, so ANTHROPIC_API_KEY must be set (billed API use).
cat abstract-0001.txt | claude --bare -p \
"Decide whether this abstract meets every criterion in CRITERIA.md. For each criterion quote the sentence that decided it. Do not guess missing information: mark it unknown." \
--allowedTools "Read" \
--permission-mode dontAsk \
--max-turns 3 \
--output-format json \
--json-schema '{"type":"object","properties":{"include":{"type":"string","enum":["yes","no","unknown"]},"criteria":{"type":"array","items":{"type":"object","properties":{"name":{"type":"string"},"met":{"type":"string","enum":["yes","no","unknown"]},"quote":{"type":"string"}},"required":["name","met","quote"]}}},"required":["include","criteria"]}' \
| jq '.structured_output // {"error": "no structured_output: do not count this record"}'
La lógica del diseño: el campo quote permite al revisor contrastar cada decisión con el resumen en lugar de fiarse de un yes; unknown es un valor explícito que impide al modelo adivinar cuando falta información; una llamada por registro permite ejecuciones paralelas y repetir solo las fallidas. No ejecutamos este comando, pues necesita una clave de API y genera coste; comprobamos la existencia y el significado de cada flag en la documentación. Los nombres de los flags pueden cambiar entre versiones; confírmalos en las páginas actuales de uso programático y referencia de la CLI antes de ejecutarlo.
Documentación de Claude Code: ejecución programática (claude -p)
# verify_refs.py — offline format check of a bibliography CSV (columns: key,doi,year,title).
# It checks DOI syntax, duplicates and years only. It does NOT resolve DOIs or fetch
# anything; do that later as a separate, logged step and keep the HTTP status per DOI.
import csv, re, sys
from pathlib import Path
DOI = re.compile(r"^10\.\d{4,9}/\S+$")
path = Path(sys.argv[1] if len(sys.argv) > 1 else "references.csv")
seen, problems = {}, 0
def report(line, key, msg):
global problems
problems += 1
print(f"line {line}: {key}: {msg}")
with path.open(newline="", encoding="utf-8") as f:
for n, row in enumerate(csv.DictReader(f), start=2):
key = row.get("key") or f"row{n}"
doi = (row.get("doi") or "").strip().lower()
doi = doi.removeprefix("https://doi.org/").removeprefix("doi:")
if not doi:
report(n, key, "no DOI — mark 'to verify'; do not cite yet")
elif not DOI.match(doi):
report(n, key, f"malformed DOI {doi!r}")
elif doi in seen:
report(n, key, f"duplicate of {seen[doi]}")
else:
seen[doi] = key
year = (row.get("year") or "").strip()
if not re.fullmatch(r"(19|20)\d{2}", year):
report(n, key, f"year {year!r} is not a four-digit year")
print(f"{len(seen)} unique well-formed DOIs, {problems} problem(s)")
sys.exit(1 if problems else 0)
verify_refs.py trabaja solo a nivel de formato: un DOI empieza por 10. y un prefijo de registrante, es único tras quitar https://doi.org/ y doi: y pasar a minúsculas, y el año tiene cuatro dígitos. Se mantiene offline a propósito: resolver DOIs debe ser un paso separado y registrado que anote el estado HTTP y la fecha de cada uno. Lo probamos con un CSV sintético de cuatro filas: una válida, una duplicada de la primera que solo difiere en mayúsculas y prefijo, una sin DOI y una con DOI mal formado y año de dos dígitos. Informó de 1 DOI único bien formado y 4 problemas y terminó con código 1.
12. Cuatro decisiones para un investigador tras leer el informe
Primera: pilota la IA en ideación y recogida de datos, no en un borrador más. El informe muestra que son los pasos que los investigadores consideran más importantes (35,6 y 23,6 puntos) y los de ratios de uso más bajos; los experimentos ahí rinden más y necesitan más la cadena de evidencia de la sección 7, porque los errores son los más difíciles de detectar. Segunda: elige la superficie por frontera de datos; confirma que los acuerdos de datos de tu institución permiten que el proveedor procese el contenido de prompts y respuestas antes de hablar de funciones.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026) · Página oficial de Claude Science
Tercera: da a cada proyecto una puerta de aceptación y un revisor que no escribió el código, sea un colega o un subagente de solo lectura; los scripts de las secciones 9 y 10 funcionan sin ninguna cuenta. Cuarta: trata los multiplicadores del informe como aritmética sobre tiempo de equipo: el 1,35× a 2,02× del escenario 1 es una estimación de techo para la capacidad actual, los escenarios 2 y 3 son análisis de sensibilidad, y el techo de 3× a 4× en campos de laboratorio húmedo se deriva de que los pasos físicos ocupan cerca del 40 % del tiempo.
Anthropic: AI for scientific discovery — How researchers use Claude (05-11-2026)
Para lectores de instituciones académicas o sin ánimo de lucro, Anthropic tiene dos puntos de entrada públicos relacionados con el informe. El programa AI for Science, anunciado el 5 de mayo de 2025, ofrece créditos de API a investigadores vinculados a instituciones de investigación que trabajen en proyectos de alto impacto, con foco en biología y ciencias de la vida; las solicitudes se presentan mediante un formulario en línea y las revisa el equipo de Anthropic con expertos de la materia, y la página no indica importes de créditos ni plazos. La página anthropic.com/science reúne el blog científico de Anthropic, por ejemplo la estructura de la partícula vault del 04-11-2026 y la prueba formalizada del último teorema de Fermat del 04-09-2026. Son casos que el proveedor eligió mostrar, y la regla de lectura es la misma que para el informe.
Anthropic: anuncio del programa AI for Science (05-05-2025) · Página Anthropic Science e índice del blog científico
Lo que no verificamos: no reprodujimos los clasificadores del informe ni tenemos acceso a los datos subyacentes de sesiones, así que cada cifra es una transcripción o un recálculo del texto publicado; no instalamos ni probamos Claude Science y toda descripción de funciones procede de la página del proveedor; el ejemplo de claude -p no se ejecutó, solo se comprobó flag por flag con la documentación; los tres scripts corrieron solo sobre fixtures sintéticos locales, nunca sobre datos reales de investigación; la documentación de Claude Code se leyó el 08-11-2026 y los nombres de flags o valores por defecto pueden cambiar entre versiones.
Este artículo analiza un informe de investigación de Anthropic y documentación pública. Las suscripciones a Claude, los requisitos de plan de Claude Science y los productos de este sitio son libros contables distintos. No infieras ninguna relación entre este sitio y Anthropic, ni leas los multiplicadores del informe como una promesa sobre ningún producto.