# Учёные просят у ИИ гипотезы, а получают таблицы и вычитку

> 2026-11-08 · AI Release · @ai_release1

> #Anthropic #наука #Claude

Наука получила быстрого помощника — и пока не получила соавтора. Anthropic выложила отчёт о том, как исследователи на самом деле пользуются Claude. Цифры бьют ровно по главному обещанию ИИ в науке: мол, машина будет придумывать. ### 🔬 Что обнаружили Разрыв между словами и логами. В опросе учёные ставят генерацию гипотез на первое место среди того, без чего открытий не бывает. В реальных сессиях на гипотезы уходит около 4%. Остальное — анализ данных, код, вычитка, сборка текстов. То есть модель тащат туда, где надо быстро перелопатить массив и привести его в порядок. Туда, где надо придумать, её почти не зовут. ### ⚙️ Как это работает Anthropic не спрашивала, что учёные думают про ИИ. Компания взяла логи: 207 049 сессий в Claude и Claude Code с 2 августа по 30 сентября, разложила по типам задач и сверила с ответами 52 исследователей. Дальше арифметика. Сколько сессий на какой тип работы, что просят в чате, как это соотносится с тем, что сами учёные называют важным для открытия. Совпадения нет. ### 🧭 Чем отличается от существующих методов Обычные замеры «ИИ в науке» — это бенчмарки на задачах или подсчёт упоминаний в статьях. Здесь карта привычек: кто что печатает в чат в реальной работе. И честная деталь, которую надо держать в голове: отчёт пишет вендор о своём же продукте. Это не независимая экспертиза, это данные изнутри. ### 📊 Что удалось показать Главное — не процент, а сам разрыв. Гипотезы лидируют в опросе и плетутся в логах. Анализ данных и текст — наоборот. Отдельный слой — Claude Code. Его берут как инженерный инструмент: посчитать, собрать, прогнать. Идеи туда не заказывают. ### 🌍 Как это может повлиять на ИИ Если узкое место — гипотезы, следующий продукт для лабораторий будет не ещё одним чатом. Это будет цикл: литература, данные, черновик гипотезы, автоматическая проверка, отсев. Кто первым соберёт такую петлю, тот и заберёт науку. Пока ИИ оптимизирует то, что и так хорошо измеримо. Учёные это чувствуют — и потому не отдают машине самое ценное. ### ⚠️ Что пока не доказано Данные — один вендор, один продукт, два месяца. Опрос — 52 человека, это не выборка, а разговор. Рецензии нет. 4% — это доля сессий, а не приговор гипотезам. Может, учёные просто не умеют формулировать запрос так, чтобы модель выдала стоящее. И главное: никто не проверил, сколько гипотез, предложенных машиной, потом подтвердились. Без этого спор пустой. ### 💬 О чём спорить - Если гипотезы почти не заказывают, это провал ИИ или правильное разделение труда: придумывает человек, считает машина? - Что должно появиться раньше — продукт, который проверяет гипотезы, или правило, которое обязывает указывать вклад модели в статью? - Два месяца логов показывают привычку, а не предел. Что изменит картину сильнее: новая модель или новая культура работы в лаборатории? **Прогноз:** В течение года минимум один крупный инструмент для лабораторий будет продавать не чат, а замкнутый цикл «гипотеза — проверка». **Дисклеймер:** отчёт вендора о собственных данных, без рецензии Anthropic Blog · AI Times

[Источник](https://www.aitimes.com/news/articleView.html?idxno=217147)