Anthropicが公開したClaude Scienceは、Claudeを科学者向けの対話AIから研究作業の実行環境へ広げるアプリである。研究者がすでに使っているデータベース、解析スクリプト、計算資源、論文作成の作業を、Claudeからまとめて扱えるようにする。発表で動いた前提は、生成AIが研究について答える道具から、研究の実行手順と証跡を残す作業環境へ近づいたことだ。
Claude ScienceはmacOSとLinux向けの公開ベータとして提供され、Pro、Max、Team、Enterpriseの各プランで利用できる。TeamとEnterpriseでは管理者による有効化が必要になる。Anthropicはこの製品を新しいモデルとは位置づけていない。利用者のプランに含まれるClaudeモデルを使い、その周囲に科学用ツール、データベース接続、計算環境の統合を加えたアプリとして説明している。
新しさはモデル性能ではなく、研究の手順をつなぐ点にある
Claude Scienceの核は、モデルそのものよりも、研究者が日々つまずく作業の接続部分を製品化している点にある。一般的なAIアシスタントは生物学について説明できても、実験データのパイプラインを走らせ、科学データベースをたどり、クラスタージョブを投入し、前回の解析で何が起きたかを保持するところまでは届きにくい。Anthropicはこの隙間を、科学用のレンダラー、実行環境、証跡管理で埋めようとしている。
アプリには、タンパク質、配列アラインメント、ゲノムトラック、化学構造、PDFをそのまま確認できる科学用レンダラーが入る。用途例としては、単一細胞RNA-seq解析、系統樹と進化解析、タンパク質構造、ケモインフォマティクス、分子設計などが示されている。研究者はClaudeへの質問から図表作成、構造の確認、解析結果を論文の草稿へつなぐ工程まで、同じアプリ内で進められる。
この設計は、AIを「回答の生成」で評価してきた見方を少しずらす。研究現場では、入力データの整形、専門ツールの呼び出し、ジョブ管理、図表の再生成、引用と根拠の確認に時間がかかり、あとから結果を説明できる形に戻す作業も残る。Claude Scienceは、その連続した作業をClaudeのセッション内で扱うことを狙っている。
HPCと永続カーネルで、解析と会話を切り離さない
計算環境の扱いも、Claude Scienceの中心にある。Anthropicによると、アプリはノートPC、Linuxマシン、HPCのログインノード、クラウドVMなど、データが置かれている場所へインストールできる。ジョブはローカルカーネル、SSH経由のSlurmクラスタ、またはModalアカウントを通じて実行できる。1枚のGPUから数百GPUへ広げる場合には、バッチスクリプトを書き、SSHで自分のマシンやHPCクラスタへ投入して管理する。
PythonとRの永続カーネルも用意される。変数、データフレーム、読み込んだモデルが解析全体を通じてメモリ上に残るため、毎回環境を作り直す負担を減らせる。探索的な解析ではこの差が大きい。小さな仮説を試し、失敗した図を直し、条件を変えて再実行する作業では、会話と実行環境が切れるたびに研究者が文脈を手で戻す必要があるからだ。
Claude Scienceは、生成した図、表、ノートブックに履歴を付ける。各成果物には、生成に使ったコード、実行環境、何をしたかの平易な説明、そこへ至る会話が含まれる。さらに、根拠をたどれない主張、追跡できない数値、元のコードと合わない図を背景のレビュー機能が警告する。科学向けAIで問題になりやすいのは、もっともらしい説明が正しいかではなく、後から同じ結果を再現し、別の研究者やチームが検証できるかである。Anthropicはここを製品の中心機能として前に出した。
60以上の科学データベースとBioNeMoを、既存ツールと組み合わせる
Claude Scienceは、主要な生命科学分野向けに初期設定された状態で提供される。対象として挙げられているのは、ゲノミクス、単一細胞解析、プロテオミクス、構造生物学、ケモインフォマティクスなどだ。アプリは文献を読み、60以上の科学データベースへ問い合わせられる。研究者にとっての価値は、各データベースの検索方法を個別に覚え直すことではなく、必要な根拠へ同じアプリから到達できる点にある。
NVIDIAのBioNeMo Agent Toolkitとの接続も、この方針を示している。Claude Scienceは、BioNeMoに含まれる生命科学向けモデルやライブラリへ接続するために同ツールキットのスキルを使い、Evo 2、Boltz-2、OpenFold3などを扱えるとしている。ここでClaudeが担うのは、専用モデルの置き換えではない。既存のモデル、データベース、解析コード、電子実験ノート、社内システムをコネクタやスキルとしてつなぎ、研究者がワークフロー全体を指示しやすくする役割である。
この位置づけは、FAQでも明確にされている。Anthropicは、Claude Scienceが専門ツールの代替ではなく、専門ツールが一緒に働くワークベンチだと説明する。既存のPython、R、シェルのワークフローは読み込み、実行し、その上に作業を重ねられる。研究機関や製薬企業では、すでに多くのツールと内部システムが存在するため、新しいAIアプリが価値を出すには、既存環境を壊さずにつなげることが条件になる。
生命科学向け展開は、監査可能なAIワークフローへ向かう
AnthropicはClaude Scienceを、生命科学向けの広い事業展開の中に置いている。Claudeの生命科学向けページでは、初期仮説から最終提出物まで、引用と監査証跡を伴って研究課題を進めるという説明が前面に出る。AstraZeneca、Genmab、Veeva、Broad InstituteとManifold、Sanofi、Benchling、Schrödinger、EvolutionaryScaleなどの企業・組織のコメントや事例も並び、研究開発、臨床、規制、商用部門までを含む企業導入の文脈が示されている。
この文脈で見ると、Claude Scienceは科学者向けチャットボットより、組織がAIを研究業務へ組み込むための基盤に近い。製薬やバイオテックの現場では、AIが答えを出すこと以上に、どのデータを使い、どのコードを走らせ、どの根拠で図表や文書が作られたかを説明できることが求められる。引用、監査証跡、再現性、管理者設定、社内システムとの接続は、研究者個人の便利機能というより、組織がAIを業務に入れるための条件になる。
一方で、公開情報からは価格の詳細や独立した性能評価は読み取れない。Claude Science自体の有効性は、Anthropicが示す機能表だけで決まるものではない。実際の研究チームでは、既存パイプラインをどこまで壊さずに接続できるか、社内のデータ管理ルールに合うか、生成された証跡が品質保証や監査の要求に耐えるかが確認点になる。
研究データはローカルに残るが、送信内容の扱いは別に見る必要がある
データの扱いには、期待と制約の両方がある。Anthropicは、Claude Scienceが利用者のインフラ上で動き、生データと計算処理はローカルに残ると説明する。これは、大規模な実験データや社内データをそのまま外部のクラウド環境へ移すことを避けたい研究組織にとって重要な設計である。
ただし、プロンプトとモデル応答に含まれる内容は、Anthropicの標準的な保持条件の下で処理される。データと計算が自分の環境に残ることと、Claudeに送る内容が外部処理を一切受けないことは別の話だ。研究チームが導入を考える際には、どのファイルをローカル実行にとどめ、どの要約やメタデータをClaudeへ渡すのかを、管理者設定や社内規程と合わせて決める必要がある。
安全面でも、Claude Scienceを高度な生物学モデルの全面公開と読むべきではない。Anthropicは別ページで、Claude Mythos 5をサイバーセキュリティと生物学研究に最も高い能力を持つモデルと説明し、デュアルユースのリスクから審査済みパートナー向けのアクセスに限る方針を示している。Claude Scienceは同じClaudeモデルを使うアプリであり、発表の焦点は危険な能力を広く解放することではなく、既存モデルを研究ワークフローへ組み込む実行環境にある。
Claude Scienceの成否を決めるのは、モデルの賢さよりも実務へのなじみ方だ。研究者が普段使うデータベース、コード、HPC、専門モデル、図表作成、論文草稿をどれだけ自然につなげられるか。そして、作られた結果を数カ月後に別の人がたどり直せるか。この二点が、導入を検討するチームにとって次の確認軸になる。
