科学的発見のためのAI：研究者はClaudeをどう活用しているか

科学的発見のためのAI：研究者はClaudeをどう活用しているか

Johannes Hermle extit{, Ben Jones extit{, Lukas Althoff extit{, Ryan Heller, Thomas Lyttelton, Carolyn Stein, Nathan Wilmers, Maxim Massenkoff, Peter McCrory

• extit{リード著者}

要約

• 測定するもの。 AIは科学的発見を加速する可能性があるが、その度合いはAIができることと科学者がそれをどう使うかに依存する。プライバシーを保護する方法を用いて、207,000件のClaudeおよびClaude Codeの研究セッションを調査し、Claudeが科学分野や研究タスク全体でどのように使用されているかを理解する。この研究は、今日の科学におけるAIの現状を一般の人々がより良く理解し、将来、科学的発見にAIがどのような影響を与えるかを評価するために実施している。
• 科学者がClaudeを使用する場所。 各分野の研究者数と比較して、Claudeはコンピュータサイエンス、数学、統計学などの形式科学でより多く使用され、健康科学や実験ベースの物理科学では少なく使用されている。科学者は主にClaudeをデータ分析と執筆に使用している。データ分析だけでも、Claudeでのセッションの約3分の1、Claude Codeでのセッションの約半分を占める。科学者は、アイデア生成やデータ収集にはあまり使用していないが、付随する調査では、それらのタスクを科学的発見にとって最も重要だとランク付けしている。とはいえ、科学的な作業のために設計された専門的なAIツールは、科学者がAIを使用するタスクと、最も重要だと考えるタスクとの間のギャップを縮める可能性がある。例えば、Claude Scienceでは、アイデア生成がClaudeでの利用シェアの約2倍を占めている。
• Claudeの使用がAI能力をどのように追跡するか。 各研究タスクをAIが理論的にどの程度実行できるかを示す尺度を作成する。AIが最も適しているタスク（この尺度で上位20%）は、研究者がそれらに費やす時間の予測値の2倍から4倍のClaude利用がある。AIが最も適していないタスク（下位20%）、これにはほとんどの物理作業が含まれるが、利用は非常に少ない。このパターンは分野を横断して観察される。AIがコンピュータサイエンスや統計学のように多くのタスクをうまく実行できる分野では、Claudeの利用が多い。
• これが科学的発見の速度に何を意味するか。 簡単なモデルを使用して、AIが研究をどの程度加速できるかのシナリオを探る。既存のAI能力が広く採用されれば、一部の分野で研究成果を倍増させることができる。AIがすべての非物理的な研究作業を実行できる場合、コンピュータサイエンスや統計学のような分野での成果は最大15倍になる可能性がある一方、化学や生物学のようなベンチサイエンス（物理的なボトルネックによって制約されている）での成果は3倍または4倍になるだろう。積極的にAIを使用している研究者の調査では、約40%が2030年までにAIモデルが単独で研究プロジェクト全体を実行できるようになると予想している。

序論

科学は「終わりのないフロンティア」（Bush 1945）と描写されてきた。しかし、そのフロンティアをどれだけ速く探求できるかは、歴史的に希少な資源、すなわち人間の研究者の時間と才能によって制限されてきた。人工知能は、研究者ができることを増幅することで、この限界を緩和し、発見のプロセスと探求のペースの両方を変革する可能性がある（Wang et al. 2023; Amodei 2024）。AIの応用の中で、この領域ほど人類の福祉にとって重要となる可能性のあるものは少ないだろう。経済のほとんどのセクターと比較して、研究は高度に認知的であるため、AIの影響はこの領域で特に大きく、早期に現れる可能性がある。

最近の例は、科学的発見におけるAIの役割が増大していることを示している。構造生物学では、AlphaFoldは2億以上のタンパク質の3次元構造を予測し（Jumper et al. 2021; Varadi et al. 2024）、その開発者は2024年のノーベル化学賞を受賞した。材料科学では、GNoMEが38万の安定した新しい結晶を予測した（Merchant et al. 2023）。数学では、研究者たちはAIシステムを使用して、数十年前のErdős問題の解決、ミレニアム懸賞問題の潜在的な証明の作成、および開かれた予想から画期的な証明の検証に至るまで、他の主要な問題の進歩を支援してきた（Anthropic 2026a, 2026b; OpenAI 2026a, 2026b; Tsoukalas et al. 2026）。

これらの進展を超えて、ほとんどの科学的進歩は、多くの専門的で相互に関連した研究タスクから成り立っており、分野によって大きく異なる可能性がある。AIが科学的発見をどれだけ加速するかは、AIの能力だけでなく、これらのタスク全体でどのように採用されるかにも依存する。本報告書では、プライバシーを保護するインフラストラクチャを使用して、Claude、Claude Code、およびClaude Scienceの科学的利用を調査する。分野やタスクごとの利用状況のばらつきを記録し、これらの利用パターンの説明要因を特定し、AIが研究をどのように加速できるかのシナリオを概説する。

科学分野におけるClaudeの利用は分野によって異なる。コンピュータサイエンス、数学、統計学などの形式科学は、研究者数と比較してClaudeをより多く利用している一方、健康科学や実験ベースの物理科学はより少なく利用している。研究タスク全体では、科学者はデータ分析と執筆にClaudeをより多く使用し、データ収集やアイデア・仮説生成にはより少なく使用している。これは、科学者の付随する調査における自己申告によるAI利用のパターンと一致する。

これらの違いを理解するために、理論的なAI能力の尺度を開発する。Claudeの利用は、この尺度でより高いスコアを持つタスクや分野で高くなる。これらはまた、より認知的であり、AIがフィードバックから学習する強化学習により適している傾向がある。要するに、科学者はAIが最もうまく機能する場所でそれを使用しているようだ。

これらの発見に基づき、AIが科学的進歩をどのように加速できるかのシナリオを概説する。現在の能力では、一部の分野の研究成果は、主にタスクレベルの拡張によって、最大で倍増する可能性がある。調査対象の研究者は、さらに大きな能力の向上が期待できると考えている。AIが非物理的な作業をすべて完全に自動化するという仮説的なシナリオでは、コンピュータサイエンスや統計学のような高度に認知的な分野では、成果が最大15倍になる可能性がある。加速の最大の可能性を持つ分野にはAI自体を生み出す分野も含まれるため、これらの増加は、より速いAI研究がより有能なAIを生み出し、それがさらに研究を加速するという追加のフィードバックループを生み出す可能性がある。

より速い科学的発見は人類に多大な利益をもたらす可能性がある一方で、AI主導の研究はリスクと不確実性も伴う。人間による監視が減ると、危険または非倫理的な研究の追求につながる可能性がある。AIは研究者のキャリアを再形成し、研究作業をよりやりがいのあるものにも、あるいはそうでないものにもする可能性があり、知識の人間による追求に伴う目的意識を変える可能性もある。

この研究の実施方法

この研究の目標は、研究の詳細を保護しながら、科学者がClaudeを使用するさまざまな方法を測定することである。これを行うために、プライバシーを保護するインフラストラクチャを使用して、コンシューマープランでのClaudeの科学的利用を分析する。言語モデルが「分類器」として使用され、各セッションのトランスクリプトを読み取り、定義済みの分類法（Alamos and Althoff 2026によるSciNet分類法）に従って、分野や研究タスクなどの固定されたカテゴリのセットでラベル付けする。結果として得られるラベル（例：「化学」または「データクリーニング」）は、この報告書のために研究チームが保持および分析する会話からの唯一の情報である。この研究で使用されるいかなる分類器も、研究データセット、仮説、実験方法、初期の発見、または未発表の論文などの、開かれた形式の情報や研究内容の詳細を抽出および保存しない。結果は集計でのみ報告され、最小数の個別のカウントを満たすセルに対してのみ報告される。この研究で導入されたすべての分類器は、付録に記載されている。

測定は2つのステップで行われる。最初の分類器は、セッションのトランスクリプトが科学的な作業に関わるかどうかを識別する。次に、2番目の分類器が、これらのトランスクリプトのそれぞれをSciNet分類法内の分野、サブフィールド、およびタスクに割り当てる。SciNetは、34の分野と318のサブフィールドにまたがる7,262のタスクを含む。分類法内のタスクの中には、原稿の作成のように、すべての分野に共通するものもある。他のタスクは、個々の分野またはサブフィールドに固有のものである。例えば、分類法では、光学吸収および放出スペクトルを予測するタスクは材料科学に固有のものである。これらのタスクは、新しい研究結果を生み出すプロセス全体をカバーしている。

主なサンプルは、2026年8月2日から9月30日までのコンシューマープランでの207,049セッションで構成されており、科学分野と研究タスクが割り当てられている。これらは、会話と知識作業のための汎用インターフェイスであるChatとCowork（以下、「Claude」と呼ぶ）から128,914セッション、ユーザーのファイルと直接連携し、コードを記述・実行するエージェント型コーディングツールであるClaude Codeから78,135セッションである。また、Claude Scienceの補足サンプルも調査する。サンプル構築の詳細については、付録を参照のこと。

利用データと研究タスクの構造化された分類法を組み合わせることで、どの分野がClaudeを採用し、研究プロセスのどの部分に使用しているかを調査できる。この研究は、科学的発見のためのAI技術の採用を測定しようとする、増え続ける研究分野に貢献している（Kobak et al. 2025; Liang et al. 2025; Hao et al. 2026; Codreanu et al. 2026）。

Claudeの利用が科学分野によってどのように異なるか

まず、Claudeの利用が科学分野によってどのように異なるかを説明する。図1は、各分野のセッションシェアと、その分野のグローバルな研究者数シェアを比較しており、分野ごとの相対的な利用状況を示している1。Claudeでは、セッションシェアで最大の3分野はコンピュータサイエンス（11.9%）、エンジニアリング（8.4%）、医学（7.7%）であり、これらはグローバルな研究者数でも上位に位置する2。全体として、研究者のシェアが大きい分野は、Claudeセッションのシェアも大きい傾向がある（対数-対数相関0.79）。

しかし、分野ごとのClaudeの利用は、研究者数だけでは説明できない。図1では、45度線より上の分野はサイズに対して利用率が高く、線より下の分野は利用率が低い。形式科学、特にコンピュータサイエンス、数学、統計学では、相対的な利用率が特に高い。社会科学でも利用率は高い。対照的に、実験室での作業が多い化学のような物理科学では、相対的な利用率が低い傾向がある。セッション数で3番目に大きい分野である医学でも、研究者の時間の多くが患者との関わりに費やされているため、利用率は低い。

Claude Codeでは、利用は分野のサイズとの相関が弱く（研究者数との対数-対数相関0.62）、より定量的な分野に集中している。世界の研究者のわずか4.3%を占めるにすぎないコンピュータサイエンスが、Claude Codeセッションの32.7%を占めている3。数学や統計学などの他の形式科学でも、相対的な利用率が高い。相対的な利用率は、芸術・人文科学や社会科学では低いが、比較的に定量的な分野である経済学は例外である。

34分野内の318サブフィールド全体で利用状況を比較しても、同様のパターンが観察される（図2）4。このより詳細なサブフィールドのビューは、人工知能と機械学習が際立っており、世界の研究者のわずか1.2%しか占めていないにもかかわらず、Claudeで5.0%、Claude Codeで15.2%のセッションシェアを占めていることを明らかにしている。より一般的に、広範な科学分野に関わらず、計算サブフィールドが最も強力な採用者の一部である。これらのサブフィールドには、計算生物学、計算言語学、計算神経科学が含まれる。ロボット工学も、物理システムに焦点を当てているにもかかわらず、計算方法に大きく依存しているため、相対的に高い利用率を示している。

Claudeの利用が研究タスクによってどのように異なるか

Claudeを利用している分野を理解することに加えて、科学者がそれを何のために使用しているのかを理解したい。研究には、仮説の生成、データの分析、研究論文での発見の執筆など、さまざまなタスクが含まれる。Claudeが科学的発見をどのように支援しているかをより明確に理解するために、これらのタスク全体での利用状況のばらつきを調査する。これを行うために、各セッションをSciNetの7,262のタスクの1つに割り当てる。これらのタスクは、原稿の作成のようにすべての分野に共通する場合もあれば、腫瘍サブタイプの比較のための差次的遺伝子発現分析の実行のように、個々の分野またはサブフィールドに固有の場合もある。この分類法は、研究者が新しい科学的発見を生み出すために実行する研究タスクと、教育、査読、部門または分野へのサービスなどの非研究タスクを区別する5。分析を、(1) データ分析、(2) 執筆とコミュニケーション、(3) データ収集、(4) 読書と知識獲得、(5) 理論分析、(6) 設計と開発（ソフトウェア、材料、およびクリエイティブワーク）、(7) アイデア出しと仮説生成、および(8) 研究管理などのその他の8つのカテゴリの研究タスクに限定する。

各タスクカテゴリについて、ClaudeとClaude Codeのセッションシェアをそれぞれ計算する。カテゴリの使用量が、研究者が通常そのカテゴリに費やす時間のシェアと比較して、高いか低いかを評価するために、SciNetによる推定値を使用する。これらの時間推定値は、LLM分類器に基づいており、ウェットラボの研究プロトコル（タスクごとの研究者の時間を記録したもの）と、数千の学術論文におけるタスクの頻度（付録を参照）の両方を使用して検証されている。これにより、異なるタスクカテゴリ間のClaude利用シェアが、研究者が時間を費やす方法と一致するか逸脱するかを評価するためのベンチマークが提供される。

タスクカテゴリ別の利用状況。 データ分析タスクは絶対的な利用量が最も多く、研究時間と比較して過大評価されている。データ分析は、Claudeでのセッションの33.7%、Claude Codeでのセッションの48.1%を占めるのに対し、研究時間の27.6%である。執筆とコミュニケーションのタスクも、特にClaudeで高い利用率を示している（32.0%、研究時間の16.0%と比較して）6。データ収集タスクは相対的な利用率が低く、研究時間の28.6%を占めるが、Claudeでは11.5%、Claude Codeでは11.9%にすぎない。データ収集の過小評価は、臨床データや生化学データの収集など、物理的な障壁があるタスクで特に顕著である。アーカイブ文書やテキストの取得など、よりデジタルなプロセスに依存できるデータ収集タスクは過小評価が少なく、オンラインデータの収集など、純粋にデジタルなデータ収集タスクは過大評価される可能性がある。アイデア出しと仮説生成タスクも利用率が低く、セッションの4.2%（Claude）、2.1%（Claude Code）を占めるのに対し、研究時間は7.1%である。

観測された利用状況と調査証拠の比較。 ClaudeおよびClaude Codeセッションの分析に加えて、528人の科学者を対象とした調査を実施した。その自己申告によるAI利用は、これらのセッションで観察されたパターンと一致している。サンプルは、主に生命科学および健康科学分野の研究者で、AIの積極的な採用者である7。図3に示すClaude利用パターンと一致して、調査参加者の自己申告によるAI利用は、データ分析と執筆・コミュニケーションで最も高く、アイデア出し・仮説生成とデータ収集では低い。参加者は、データ分析と執筆・コミュニケーションにおいて、AIの共有または委任された利用についても報告している（図4）。

調査では、どのカテゴリが重要な研究結果を生み出す上で最も重要かについても尋ねた。回答者は、アイデア出しと仮説生成を1位、データ収集を2位にランク付けした。注目すべきは、これらのカテゴリは自己申告による利用状況でもClaudeセッションでも過小評価されていることである。この過小評価の理由は異なる可能性が高い。データ収集の多くは物理的である一方、アイデア出しはそうではない。アイデア出しについては、科学者は自分でアイデアを生成することを好むかもしれないし、AIの能力が限定的だと認識しているかもしれない。私たちのデータは、アイデア出しが他の多くの研究タスクに織り込まれており、分類が困難であるため、アイデア出しを過小評価している可能性もある。しかし、AIは、どの研究問題を選択するか、それを解決するための研究を設計するかといった、より高次のアイデア出しにおいても、実際に弱い可能性がある。

Claude Scienceの生物学および生物医学的利用。 ClaudeとClaude Codeは汎用インターフェイスであるが、科学向けの専門的なAIツールがますます利用可能になっている。このようなツールがより専門的で要求の厳しい研究をどの程度サポートしているかを調査するために、プライバシーを保護する分析インフラストラクチャを使用して、Claude Scienceでの生物学および生物医学の研究をClaudeおよびClaude Codeでの研究と比較する。

Claude Scienceは、Claudeを多くの研究ツールやデータベースに接続し、それらは断片化されているが、科学的なワークフローを統合・加速する役割を果たす。生物学者は、特定のタンパク質に作用できる既存の薬剤を研究するために、通常、タンパク質の機能、構造、それに対してテストされた化合物、および関連する薬剤試験や論文に関する別々のデータベースを参照する必要がある。Claude Scienceは、これらを1つのワークフローに統合する。

Claude Scienceの利用は生命科学に集中している。上位2分野は生物医学科学と生物学であり、これらを合わせるとセッションの50%以上を占める。これらの分野内で、Claudeで実行されるタスクと比較して、どのタスクが最も過大評価されているかを評価する。

Claude Scienceは、Claudeよりも専門的なタスクに使用されていることがわかった（図5）。例えば、「タンパク質間またはタンパク質-リガンド相互作用のメカニズムモデルを提案する」というタスクは、ClaudeよりもClaude Scienceで出現する可能性が5.6倍高い。このタスクは、個々の分子接触レベルで、タンパク質が別のタンパク質または薬のような低分子とどのように結合するかを説明することを含む。Claude Scienceは、タンパク質構造と結合データを複数の接続されたデータベースから収集し、相互作用のテスト可能なモデルに組み合わせることができるため、このタスクに適している。対照的に、Claude Scienceは、原稿の作成や共同研究者との調整などの一般的なタスクには相対的にあまり使用されていない。さらに、アイデア出しと仮説生成はClaude Scienceセッションの8%を占めており、これらのタスクにかかる研究者の時間のシェアとほぼ同等であり、科学向けの専門的なAIツールがより複雑で創造的な作業を促進できることを示唆している。

生物医学科学と生物学に焦点を当て、以前の研究（Appel et al. 2026）で紹介された経済プリミティブフレームワークの尺度を使用して、Claude Scienceでのタスクは、ClaudeおよびClaude Codeでのタスクよりも長く、より洗練されており、より自律的に実行されることがわかった（図6）。これは、専門的なAIツールがより要求の厳しいタスクに使用されていることと一致する8。Claude Scienceでのセッションには、AIなしでは完了するのに人間の時間でほぼ2倍かかる作業が含まれており、ClaudeおよびClaude Codeでの作業と比較して、その作業はより高度である。これらのセッションの内容もより高度である。Claude Scienceの利用の80%以上は、他のインターフェイスでの約50〜70%と比較して、博士号レベルのトレーニング（20年の教育）を必要とすると推定されている。Claude Scienceセッションの70%以上は、Claude（23.7%）よりも大幅に高く、Claude Code（64.1%）よりもやや高い、高いレベルのAI自律性で実行されている。

Claude利用の成果物。 最後に、Claudeで生成された成果物は、分野によって明確な違いを示している（図7）9。文書、レポート、学術論文などの書面による成果物は、自然科学および形式科学と比較して、社会科学および人文科学でより一般的である。逆に、コード、ソフトウェア出力、データなどの技術的な成果物は、自然科学および形式科学でより頻繁である。健康科学全体は、生成される成果物の点で社会科学に似ている。技術的な成果物は、Claude CodeではClaudeよりも約2倍一般的であるが、分野間の広範なパターンは類似している（付録を参照）。

利用と能力の関係

AIの利用はAIの能力を追跡するか？分野のサイズはClaude利用のばらつきの一部を説明するが、すべてではない。例えば、コンピュータサイエンスの研究者は、その分野のサイズが予測するよりもはるかに多くClaudeを使用しているが、栄養学の研究者ははるかに少なくClaudeを使用している。同様に、研究者が自身の時間をどこに費やすかは、Claudeを最も多く使用する場所を完全に予測するものではない。データ分析や執筆などの一部の広範なタスクカテゴリは、研究時間よりも利用シェアがはるかに大きいが、データ収集やアイデア出し・仮説生成などの他のカテゴリは、シェアがはるかに小さい。ここでは、これらの利用の違いがAIが実際に何ができるかを反映しているかどうかをテストする。

タスク固有のAI能力を測定するために、まずLLM分類器を使用して能力スコアを構築する。各タスクについて、SciNetは、科学者がタスクを完了するために実行する必要がある個々のステップのリストを提供する。例えば、化学では、1つのタスクは反応混合物の精製を含み、そのタスクの1つのステップはクロマトグラフィーカラムの充填を含む。分類器は、分類法全体でステップのペアを表示され、どちらをAIがより良く実行できるかを尋ねられる。これらの比較をBradley–Terryモデル（チェスのプレイヤーを対戦結果に基づいてランク付けするEloレーティングの基盤となるモデル）を使用して集計する。ステップのスコアは、比較に勝つときに上昇し、負けるときに低下する。次に、各タスクのステップを平均して、タスクレベルのスコアを得る（詳細については付録を参照）。この尺度を理論的AI能力と名付ける。タスクの特定のスコアをAI能力スコアと呼ぶ。

タスク間の利用状況を比較するために、研究者がそのタスクに費やす時間と比較して、Claudeの利用がタスクごとに高いか低いかを尋ねる。例えば、研究者の時間の5%を要するタスクがClaudeセッションの10%を占める場合、それは予測の2倍の利用を表し、比率は2となる。比率1は、Claudeの利用がタスクに費やされる研究時間と一致していることを示す。比率が1未満の場合は、Claudeの利用がタスクにかかる研究時間の量に基づいて予想されるよりも少ないことを示す。

図8は、この利用比率がタスクのAI能力スコアとともに急激に上昇することを示している。能力スコアの最下位20%のタスク（例：反応混合物の精製、参加者観察の実施）では、Claudeはほとんど使用されない。中央値の能力スコアでは、比率は約1であり、利用は研究者の時間と一致している。能力スコアの上位20%のタスク（例：データの視覚化、統計的検定の適用）では、Claudeでの利用は、研究者がこれらのタスクに費やす典型的な時間と比較して、約2倍、Claude Codeでは約4倍高い。これらのパターンは、科学者のClaude利用がAI能力スコアを密接に追跡していることを示唆している。Claude Codeの勾配が急なのは、能力スコアが高い計算作業に焦点を当てていることを反映している。

理論的なAI能力は、多くの理由でタスク間で異なる可能性がある。これらの違いを理解するために、各タスクのAI能力スコアを、LLMから派生した3つのタスク特性グループに関連付ける。すなわち、強化学習（RL）への適合性、作業が主に認知的、対人的、または物理的であるかどうか、および規制上の制限がAIの使用を制限するかどうか（図9；定義とデータソースについては付録を参照）。

RLの適合性を考えてみよう。RLでは、AIモデルはタスクを繰り返し試行し、成功したときに報酬を受け取り、モデルがタスクの実行方法を学習できるようにする。タスクは、成功が検証しやすい場合、コンピューティング環境で多くの例をシミュレートできる場合、およびフィードバックを迅速に提供できる場合に、特にRLに適している（Lambert et al. 2024; Guo et al. 2025）。これらのRL関連の3つのコンポーネントについて、SciNetからタスク固有の尺度を使用し、単一のインデックスに要約する。タスクの能力スコアは、RLインデックススコアと強く相関している（相関0.78）。これは、AIがRLを最も容易に適用できる研究タスクで最も能力が高いことを示唆している。

他の重要なタスク特性は、作業の性質に関係する。一部の研究タスクは本質的に認知的であるが、他のタスクは物理的な行動や対人的な接触を必要とする。一般に、物理的なタスクは純粋に認知的マシンには手の届かないものである。AIの使用を制限する規制上の制限が含まれる場合もある。AI能力スコアは、認知的作業を特徴とするタスク（相関0.69）で高くなる。対照的に、より多くの物理作業を伴う研究タスクは、AI能力スコアが低くなる（-0.57）。スコアは、対人的作業（-0.31）を含む研究活動や、AI使用の規制上の制限（-0.38）がある活動でも低くなる傾向がある。

同じタスク特性が、研究者が特定のタスクでClaudeをどの程度使用するかを予測する（図10）。RL適合性の下位5分の1のタスクでは、Claudeはほとんど使用されない。上位5分の1のタスクでは、Claudeの利用は、それらに費やされる研究時間と比較して、Claudeで2倍、Claude Codeで4倍と、著しく高くなる。これは、Claudeの利用とAI能力スコア全体の関連性と似ており、上位20%のタスクも期待される利用の2倍から4倍の利用を引き出している。

Claudeの利用は、主に認知的タスクでも著しく高くなる。対照的に、Claudeの利用は物理的および対人的タスクでは低い。Claudeの利用は、規制上の障壁がAI支援を制限するタスクでも低くなる。全体として、高度に専門化された研究タスクのスペクトル全体にわたって、利用と能力の尺度は強く関連している。

異なる科学分野は、異なる研究活動の組み合わせに依存している。狭い研究タスクにおける利用と能力スコアの相関は、一部の分野が他の分野よりもClaudeを多く使用する理由を説明するのに役立つか？私たちのデータは、それが役立つことを示している。サブフィールドあたりの研究者あたりのClaude利用は、そのタスク全体の平均AI能力スコアとともに上昇する傾向がある（Claudeで0.45、Claude Codeで0.57の相関）、図11に示す通りである。

ドメイン間にもかなりのばらつきがあり、Claudeの利用はAIの能力を超える要因の影響を受けることを示唆している。健康科学の研究者は、タスクのAI能力スコアと比較してClaudeの利用が比較的少ないが、これは医療データと研究の規制がAIの使用を制限するか、統合を困難にする可能性があるためである。形式科学、社会科学、芸術・人文科学の研究者は、AI能力スコアが予測するよりも多くClaudeを使用している。これらの分野の作業の多くはテキストとコードを通じて行われており、AIツールの採用を促進する可能性が高い。物理科学および生命科学におけるClaudeの利用は、一般的にAI能力スコアに密接に追従しているが、個々のサブフィールドは逸脱する可能性がある。

理論的AI能力は、研究者がClaudeにどの程度自律的に作業を許可するかを予測する。図12は、自律的な利用がサブフィールドの理論的AI能力と相関していることを示している。つまり、理論的AI能力が高いサブフィールドは、AIをより多く利用するだけでなく、より自律的な方法でそれを使用しているということである。

AIによる研究加速シナリオ

科学技術の進歩のペースは、良いアイデアとそれを追求する手段にかかっている。歴史的に、両方とも人間の能力によって制限されてきた。研究者の数には限りがあり、それぞれが仮説を立て、適切なテストを設計し、分析を実行し、発見を統合するために費やすことができる時間も限られている。

AIは2つの方法でこれらの制約を緩和できる。第一に、AIは現在研究者が行っている作業を引き受けることができ、より多くのアイデアを追求できるようになる。第二に、AIは研究者がそうでなければ特定できないかもしれないアイデアに貢献できる。後者はおそらく最も重要になるだろうが、測定がはるかに難しいため、私たちの分析は前者を中心にしている。

アプローチ

AIによる科学的加速の3つのシナリオを検討する。シナリオ1は、現在のAI能力の広範な採用を仮定する（調査とAI能力スコアから推定）。シナリオ2と3は、AIが非物理的な研究ステップ（SciNetの各研究タスクを構成する個々の行動）の75%または100%を完全に自動化するという仮説的な未来であり、最もAI能力スコアの高いステップから始まる。すべての3つのシナリオで、研究者は物理的なステップを実行し続ける。これらは予測ではなく、例示的なシナリオである。これらは、物理的な作業、理論的なAI能力、およびAIのコストが科学研究の加速をどのように形成し、どの分野が最も加速できるかを示す。

各シナリオについて、2つの尺度を報告する。最初の尺度はAIシェアであり、研究者が研究に費やす時間のうちAIが引き受けることができる割合である。研究者が現在時間をどのように配分しているかを考慮すると、AIがどれだけの人的研究時間を解放できるかを測定し、上記の分析から直接導き出される。研究者は解放された時間を他の作業に振り向けることができ、研究成果を増加させることができる。2番目の尺度である加速は、この増加を推定する。固定された研究予算で研究成果が増加する割合（AIなしの研究成果に対する相対値）である。これは、同じ予算でどれだけ多くの研究結果が得られるかを示す。解放された時間は、そのままでは成果に1対1で変換されない。なぜなら、研究者はAIがあまり役立たないタスクに労力を振り向けるからであり、AI自体にもコストがかかるからである。

シナリオ1のAIシェアは、AIの使用レベル（なし、補助的、共有、委任、自律的）を記録した調査から計算する。これらのレベルは、AIが特定のタスクステップの研究者の時間の0%、25%、50%、75%、100%を引き受けることに対応すると仮定する。各タスクカテゴリ内で、AI能力スコアでタスクステップをランク付けする。次に、調査で報告されたのと同じ割合で各タスクステップにAI使用レベルを割り当て、最も高いレベルを最も高いスコアのステップに割り当てる。例えば、アイデア出しと仮説生成では、回答の17%がAIを使用しないと報告し、53%が補助的な使用を報告している。したがって、AI能力スコアが最も低いアイデア出しタスクステップの17%はAIシェアなし、次の53%は25%と割り当てられる。回答者はAIのヘビーユーザーである可能性が高いため、彼らが報告した使用状況を現在のAIの能力の代理と見なす。最後に、ステップから分野への研究者時間の解放を合計する（付録を参照）。

加速を計算するために、アイデア生産関数、すなわち研究入力（例：研究者の時間）が研究成果にどのように変換されるかを示す標準的な経済モデルを使用する。このモデルでは、論文は多くの研究タスクを必要とする（Jones 2026）。タスクは補完的であり、1つでの強さが他のものの弱さを完全に補うことはできない。AIが一部のタスクを安価にすることで、研究者はAIがあまり役立たないタスクに労力をシフトし、全体的な利益を制限するボトルネックを緩和する。例えば、研究者は新しい質問を考え出すのに時間を費やしたり、経験的証拠を拡大するために物理実験をさらに実行したりすることができる。ボトルのネックが全体的な利益をどの程度制限するかは、Ahmadpoor and Jones (2019) を使用して調整する。AIのコストについては、1時間のAIエージェントのコストを30ドル、1時間の研究者のコストを95ドルと仮定し、AIは研究者1時間あたり0.2時間実行されると仮定する。これらは例示的な仮定であり、AIコストは現在の公開リスト価格を使用している。これらのコストが小さいほど、所定の予算内でより多くの研究が可能になり、加速が大きくなる。これは以下で議論する。付録にモデルと仮定が記載されている。

シナリオ1：現在の能力

現在の能力で、広く採用されれば、AIは新しい研究を生成するために必要な研究者の時間の27〜52%を引き受けることができ、分野全体のメディアンは38%である（図13、左パネル）。これらのシェアは、芸術で1.35倍、人類学で1.36倍、化学で1.41倍から、コンピュータサイエンスで1.96倍、統計学で2.02倍の範囲の研究加速を示唆している（図13、右パネル）。加速は限定的である。なぜなら、現在のAI作業は主に補助的または共有的であり、自律的ではないため、研究者はほぼすべてのステップでかなりの時間を費やしているからである。最もAIに適した分野でさえ、その作業はほぼ完全に認知的であるが、約2倍の加速しか達成できない。これらの推定値は、AIが広く普及し、研究者が現在有用なすべてのステップにそれを適用すると仮定している。

2つの要因が分野間のほとんどの違いを説明している。最初の要因は物理的な作業であり、AIは物理的な統合なしには引き受けることができない。農業科学、生物医学科学、化学、材料科学などの実験室およびフィールドサイエンスでは、研究時間の38〜41%が物理的なステップに費やされているが、中央値の分野では4%である。物理的なシェアだけでも、AIシェアの変動の約3分の1を説明している。2番目の要因は、認知的作業内でのAI能力スコアの分布である。芸術と歴史は物理的なステップにほとんど時間を費やさない（それぞれ10%と4%）が、その認知的ステップはAI能力スコアが低い。これは、質的および解釈的な作業が強化学習にはあまり適していないためかもしれない。対照的に、コンピュータサイエンスと統計学は高いスコアと大きなAIシェアを持っており、分野全体でAI能力スコアが最も高いデータ分析によって推進されている。

Claudeでの利用比率が高い分野は、AIシェアも大きい傾向がある（図14）。AIシェアはClaudeの利用データなしで計算されるため、この関係はAI利用が理論的AI能力を追跡していることのさらなる証拠である。

シナリオ2と3：より高度な自動化

これらのより投機的なシナリオでは、AIの範囲とコストに関する仮定に大きく依存するが、より高度な自動化はAIシェアと加速の両方を急激に増加させ、分野間の違いを広げる。

シナリオ2では、非物理的なステップの75%がAIによって実行可能になると、コンピュータサイエンスで約8倍、統計学と図書館情報学で7倍、経済学で6倍の加速に達する。他のほとんどの社会科学、数学、物理学・天文学は4〜5倍、ベンチサイエンス（実験室科学）と医学科学は約2〜3倍に達する。ベンチサイエンスと芸術・人文科学は最も利益を得られないが、理由は異なる。ベンチサイエンスでは、作業の多くは物理的であり、依然として研究者によって実行される必要がある。芸術・人文科学では、作業は主に認知的であるがAI能力スコアが低いため、そのステップのいくつかは自動化されるものだけである。自動化されたステップは、コンピュータサイエンスでは非物理的な研究時間の82%を占めるが、芸術ではわずか28%である。歴史、人類学、芸術は、約2倍以下の加速となる。

シナリオ3では、芸術と人文科学が先行し、ベンチサイエンスは依然として制約を受ける。AIがすべての非物理的なステップを自動化すると、低いAI能力スコアはもはや認知的作業を制限せず、AIは多くの分野でほぼすべての研究作業を引き受けることができるようになる（図13、左パネル）。この投機的なシナリオでは、物理的なタスクが少ない統計学、コンピュータサイエンス、経済学、数学、心理学、およびほとんどの社会科学と芸術・人文科学は、約15〜16倍に達する。生物学、化学、材料科学、農業科学、生物医学科学など、かなりの実験室またはフィールドワークを伴う分野は、わずか3〜4倍に達する。自動化された実験室がない場合、研究時間の約40%を占める物理的なステップがボトルネックとして残る。

これらの計算から2つの教訓が得られる。第一に、物理的なボトルネックは依然として強力である。AIが物理的な統合なしには実行できないステップは、研究者の時間と予算を支配し、加速を上限とする。第二に、そのようなボトルネックが存在しない場合、異常な進歩率が可能になり、AIのコストが上限となる。私たちの仮定では、AIによって完全に自動化されたタスクは、研究者が実行するよりも約16分の1のコストで済むため、加速は約16倍に達し、そこで止まる。AIのコストがこれより低い場合、この上限は比例して上昇する。例えば、AIのコストが半分になれば、進歩率は倍増する。コストが急激に低下し、AIが後で自動化するより困難なタスクのコストも低下した場合、物理的なボトルネックのない分野はこれらの推定値をはるかに超えて加速する可能性がある。

これらの計算には、両方向に影響を与える重要な限界がある。フィールドレベルの制約ではなく、研究チームレベルの制約は考慮していない。例えば、大型ハドロン衝突型加速器のような施設で実行できる実験の数には限りがある。また、研究者とAIの時間コストのみを考慮しており、健康科学、物理科学、生命科学でかなりの費用がかかる可能性のある機械や実験の入力コストは考慮していない。また、一部の分野でボトルネックを緩和できる可能性のある、物理実験を置き換えるシミュレーションも考慮していない。さらに、アイデアの質も考慮していない。AIが成功の可能性が高いより良い仮説を特定した場合、研究はさらに加速する可能性がある。研究の好み（taste）がユニークに人間的であり続ける場合、加速はより緩やかになるだろう。

研究者の期待

上記のシナリオは、さまざまな可能性を特徴づけている。研究者自身の期待は、専門知識に基づいた独自の指針を提供できる。彼らの見解を収集するために、生命科学および健康科学分野の研究者を対象とした調査で、AIが単独で、さまざまな研究作業のカテゴリにおいて、その分野の最高の研究者に匹敵するようになるといつ予想するかを尋ねた（図15）。回答者の期待は短期的には高い。半数以上が2027年までにAIがデータ分析でトップ研究者に匹敵すると予想しており、38%がAIはすでにこのレベルに達していると述べている。2030年までに、94%がAIがデータ分析で、89%が執筆で、それぞれ72%がアイデア出しとデータ収集でトップ研究者に匹敵すると予想している。アイデア出しとデータ収集に対する期待は低く、これは現在これらのタスクでのClaudeの利用が低いことと一致している。人間が介入しないエンドツーエンドのAI研究に対する期待はより保守的であるが、研究者は依然として顕著な進歩を期待している。回答者の約40%が2030年までにAIが研究プロジェクト全体を実行できるようになると予想しており、約64%が2035年までにそうなるだろうと予想しているが、16%はそれが決して起こらないと述べている。AIが自律的に科学的ブレークスルーを生み出すという期待はさらに慎重であり、約半数の研究者が、もし起こるとしても2035年以降になると予想している。全体として、多くの研究者は、次の10年間で高いレベルの自動化を予想しており、これは私たちのより高度な自動化シナリオと広く一致している。これらの期待がどれだけ速く、どの程度実現するかは、ソフトウェア技術としてのAIの進歩だけでなく、物理的な障壁を克服する自動化された実験室を構築する努力にも依存するだろう。

過去の調査証拠と実現された結果を比較すると、AIの進歩はしばしば劇的に過小評価されてきたことが示唆されている（Rosenberg et al. 2026）。例えば、2022年半ばの調査では、AIが国際数学オリンピックで金メダルレベルのパフォーマンスを達成するまでの期間について、専門家は中央値で2030年、スーパーフォーキャスターは2035年と推定していた（Karger et al. 2023）。AIは2025年にこのマイルストーンを達成し、予測よりも5年から10年早かった。予測者はAI能力の進歩を体系的に過小評価してきたが、例外もいくつかある。主に、生物学におけるAI支援実験室タスクのように、物理世界での実行を必要とするドメインである。

考察

AIが科学的発見を加速するのを助けるならば、それはより高い生活水準と病気治療のより速い進歩に貢献する可能性がある。私たちの推定値は、その潜在的な利益が相当であることを示唆している。しかし、AIの研究能力の進歩は自動的に急速な進歩につながるわけではない。そのような加速を達成するには、いくつかの制約にどのように対応するかに依存するだろう。

第一に、採用は能力に比べて大幅に遅れる可能性がある。新技術の普及は通常遅く（Comin and Hobijn 2010）、生産性の向上は、組織がそれらの周りに再構築された後にのみ実現する傾向がある（David 1990; Brynjolfsson, Rock, and Syverson 2021）。個人の学習プロセス、組織的またはシステムレベルの摩擦、およびAIアクセスまたはインフラストラクチャの制約はすべて、採用を遅らせる可能性がある。

第二に、研究はAIが除去しないボトルネックに直面し続ける可能性がある。物理的な実験は、費用がかかり遅い場合があり、非常に有能なAIがあっても進歩を大幅に制限する可能性がある。これは、上記のシナリオで特にベンチサイエンスに見られる。何を研究するかを選択することもボトルネックになる可能性がある。研究の質問は研究プロジェクトの価値を大きく決定するが、AIが良い質問を生成する能力は不明なままである。アイデア出しがボトルネックである場合、特定の質問に答えることがはるかに安価になるとしても、それは加速を制限するだろう。逆に、AIが質の高い仮説を立てる上で人間を凌駕する場合、特に仮説のテストがコストがかかるドメインでは、加速はより大きくなる可能性がある。

第三に、AIによって可能になった研究は、研究成果の量または質を向上させる可能性があり、科学への影響は異なる。新しい研究論文の急増は、分野をより速く前進させるかもしれないが、科学者が結果を吸収または検証する能力を圧倒する可能性もある。一方で、顕微鏡や望遠鏡から統計ソフトウェアに至るまで、新しい技術は歴史的に科学的洞察の質を向上させてきた。AIも同様に、より包括的な分析とより野心的なプロジェクトを可能にする。論文の作成が容易になるにつれて、研究コミュニティは特に斬新または質の高い研究をますます評価するようになるかもしれない。より効率的な研究が量または質の向上につながるかは、研究者の選択と、ジャーナル、資金提供者、および機関によって設定されるインセンティブにかかっている。

第四に、研究の組織方法は予測が難しい方法で変化する可能性がある。AIがより有能で自律的になるにつれて、AIシステムは検証、査読、および重要な結果の伝達において主導権を握ることができ、上記で議論した吸収の問題を緩和するだろう。さらに将来、AI研究エージェントは、ロボット工学と自動化された実験室を使用して、人間とは独立して、それら自身の大きなコミュニティで科学の最前線を押し広げるかもしれない。そのような自律的なAI研究は、人間が新しい知識をどのように追跡するか、それを理解できるか、そしてそれがどのように生成されるかについての疑問を提起するだろう。

第五に、より自律的なAIシステムは、AI駆動の研究が人間の目標に沿ったままであることを保証するという課題を増大させる可能性がある。AIエージェントがより強力で創造的になるにつれて、どの質問を追求するか、そしてどのように追求するかといった主要な研究決定に人間を関与させ続けることは、安全性と人間の幸福にとって重要である可能性がある。発見自体、または研究の副産物もリスクを伴う可能性がある。特に生物学では、医学的進歩を加速するのと同じ能力が、危険な知識や材料を生み出す可能性もある。そのような場合、研究プロセスにおける意図的なチェックポイントが正当化される可能性があり、リスクを低減するために進歩を遅く受け入れる必要があるかもしれない。

最後に、研究者が行う作業は大幅に変化する可能性がある。1つの影響は、研究者の仕事への満足度の変化である。AIが楽しくやりがいのあるタスクを引き継ぐと、満足度が低下し、研究キャリアを選択する人が少なくなる可能性がある。代わりにAIが研究者が退屈だと感じるタスクを引き継ぐと、満足度が上昇する可能性がある。管理業務は1つの潜在的なターゲットである。米国では、連邦政府からの資金提供を受けたプロジェクトの主任研究者は、研究を行うのではなく、研究時間の約44%を管理要件を満たすために費やしていると報告しており（Schneider et al. 2020）、この負担を軽減することは、時間の節約と全体的な満足度の向上という大きな恩恵をもたらす可能性がある。最終的に、正味の効果は不確実であり、AIの能力が進化するにつれて変化する可能性がある。楽観的な見方としては、AIは発見の機会を拡大し、それが研究キャリアをやりがいのあるものにしている中核であるというものである。科学が「終わりのないフロンティア」への航海であるならば、AIは新しい船であり、研究者が広大な研究の質問と発見の広がりをさらに遠くまで旅することを可能にするだろう。

付録

こちらで入手可能。

参考文献

Ahmadpoor, Mohammad and Benjamin F. Jones, “Decoding Team and Individual Impact in Science and Invention,” Proceedings of the National Academy of Sciences, 2019, 116 (28), 13885–13890.

Alamos, Cristian and Lukas Althoff, “SciNet: The Anatomy of Science,” dataset, 2026. https://www.anatomyofscience.com/

Amodei, Dario, “Machines of Loving Grace: How AI Could Transform the World for the Better,” essay, October 2024. https://darioamodei.com/essay/machines-of-loving-grace

Anthropic, “Learning More about Claude’s Mathematical Capabilities,” research post, August 10, 2026a. https://www.anthropic.com/research/riemann-zeta

Anthropic, “Formalizing Fermat’s Last Theorem,” research post, September 4, 2026b. https://www.anthropic.com/research/formalizing-fermats-last-theorem

Appel, Ruth et al., “Anthropic Economic Index Report: Economic Primitives,” research post, January 15, 2026. https://www.anthropic.com/research/anthropic-economic-index-january-2026-report

Brynjolfsson, Erik, Daniel Rock, and Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” American Economic Journal: Macroeconomics, 2021, 13 (1), 333–372.

Bush, Vannevar, Science, the Endless Frontier: A Report to the President, Washington, DC: United States Government Printing Office, 1945.

Codreanu, Mihai et al., “AI in Science: Early Insights,” arXiv preprint arXiv:2609.28504, 2026. https://arxiv.org/abs/2609.28504

Comin, Diego and Bart Hobijn, “An Exploration of Technology Diffusion,” American Economic Review, 2010, 100 (5), 2031–2059.

David, Paul A., “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review, 1990, 80 (2), 355–361.

Eloundou, Tyna et al., “GPTs Are GPTs: Labor Market Impact Potential of LLMs,” Science, 2024, 384 (6702), 1306–1308.

Guo, Daya et al., “DeepSeek-R1 Incentivizes Reasoning in LLMs through Reinforcement Learning,” Nature, 2025, 645 (8081), 633–638.

Hao, Qianyue et al., “Artificial Intelligence Tools Expand Scientists’ Impact but Contract Science’s Focus,” Nature, 2026, 649 (8099), 1237–1243.

Jones, Benjamin F., “Artificial Intelligence in Research and Development,” in Ajay Agrawal, Erik Brynjolfsson, and Anton Korinek, eds., The Economics of Transformative AI, Chicago: University of Chicago Press, 2026, 37–61.

Jumper, John et al., “Highly Accurate Protein Structure Prediction with AlphaFold,” Nature, 2021, 596 (7873), 583–589.

Karger, Ezra et al., “Forecasting Existential Risks: Evidence from a Long-Run Forecasting Tournament,” Forecasting Research Institute Working Paper 1, 2023. https://forecastingresearch.org/research/existential-risk-persuasion-tournament

Kobak, Dmitry et al., “Delving into LLM-Assisted Writing in Biomedical Publications through Excess Vocabulary,” Science Advances, 2025, 11 (27), eadt3813.

Lambert, Nathan et al., “Tülu 3: Pushing Frontiers in Open Language Model Post-Training,” arXiv preprint arXiv:2411.15124, 2024. https://arxiv.org/abs/2411.15124

Liang, Weixin et al., “Quantifying Large Language Model Usage in Scientific Papers,” Nature Human Behaviour, 2025, 9 (12), 2599–2609.

Liu, Yinhong et al., “Aligning with Human Judgement: The Role of Pairwise Preference in Large Language Model Evaluators,” in Proceedings of the First Conference on Language Modeling (COLM), 2024.

Mantiuk, Rafał K., Anna Tomaszewska, and Radosław Mantiuk, “Comparison of Four Subjective Methods for Image Quality Assessment,” Computer Graphics Forum, 2012, 31 (8), 2478–2491.

Massenkoff, Maxim et al., “Anthropic Economic Index Report: Cadences,” research post, June 26, 2026. https://www.anthropic.com/research/economic-index-june-2026-report

Merchant, Amil et al., “Scaling Deep Learning for Materials Discovery,” Nature, 2023, 624 (7990), 80–85.

OpenAI, “An OpenAI Model Has Disproved a Central Conjecture in Discrete Geometry,” research post, May 20, 2026a. https://openai.com/index/model-disproves-discrete-geometry-conjecture/

OpenAI, “On the Navier–Stokes Millennium Prize Problem,” research post, September 8, 2026b. https://openai.com/index/navier-stokes-solution/

Parshall, Daniel and Andrea Lopez-Luzuriaga, “Measuring AI’s Economic Reach: A Multi-Dimensional Task Taxonomy,” George Washington University Center for Economic Research Working Paper 2026-005, 2026. https://www2.gwu.edu/~forcpgm/2026-005.pdf

Robinson-Garcia, Nicolas et al., “Meta-Research: Task Specialization Across Research Careers,” eLife, 2020, 9, e60586.

Rosenberg, Josh et al., “How Accurate Have AI Progress Forecasts Been So Far?” research post, Forecasting Research Institute, September 22, 2026. https://forecastingresearch.org/research/ai-progress-accuracy-update

Schneider, Sandra L. et al., “2018 FDP Faculty Workload Survey: Report of Primary Findings,” Federal Demonstration Partnership, 2020. https://thefdp.org/wp-content/uploads/FDP-FWS-2018-Primary-Report.pdf

Shah, Nihar B. et al., “When Is It Better to Compare than to Score?” arXiv preprint arXiv:1406.6618, 2014. https://arxiv.org/abs/1406.6618

Tomei, Philip Moreira and Bouke Klein Teeselink, “What Jobs Can AI Learn? Measuring Exposure by Reinforcement Learning,” arXiv preprint arXiv:2605.02598, 2026. https://arxiv.org/abs/2605.02598

Tsoukalas, George et al., “Advancing Mathematics Research with AI-Driven Formal Proof Search,” Science, 2026, 394 (6820), 234–239.

Varadi, Mihaly et al., “AlphaFold Protein Structure Database in 2024: Providing Structure Coverage for over 214 Million Protein Sequences,” Nucleic Acids Research, 2024, 52 (D1), D368–D375.

Wang, Hanchen et al., “Scientific Discovery in the Age of Artificial Intelligence,” Nature, 2023, 620 (7972), 47–60.