Claude Science公開：AIは「研究室の作業台」になり始めた

まず、何が発表されたのか

今回取り上げるのは、Anthropicが2026年6月30日に発表した「Claude Science」です。これは新しいモデル名ではありません。科学者向けのAIワークベンチ、つまり、論文を読む、データを処理する、コードを走らせる、図を作る、結果の根拠を追跡する、そうした研究作業をひとつの環境にまとめるアプリです。ベータ版として、macOSとLinuxで、Claude Pro、Max、Team、Enterprise向けに提供されています。(anthropic.com)

何が新しいのか

ポイントは、「チャットで相談するAI」から一歩進んで、「実際に研究手順を動かすAI」になっていることです。Claude Scienceは、PubMed、Jupyter、R、HPCクラスタのように、研究者が普段行き来している道具をひとつの作業環境に寄せます。Python、R、shellコードをサンドボックスで実行し、許可したフォルダを読み、科学データベースから情報を取り、結果をバージョン付きの成果物として保存します。(anthropic.com)

しかも、事前設定された領域がかなり具体的です。ゲノミクス、single-cell、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に対応し、60以上の科学データベースや専門ツールにつなげられる設計になっています。さらにNVIDIAのBioNeMo Agent Toolkitとも接続し、Evo 2、Boltz-2、OpenFold3などの生命科学向けモデルやライブラリを使える、とされています。(anthropic.com)

いちばん大事なのは「再現性」

ここが今日の核心です。Claude Scienceの売りは、単に「賢い答えを返す」ことではありません。図や表、ノートブックに、その結果を生んだコード、実行環境、会話履歴、平易な説明をひもづけることです。つまり、あとから「この図はどう作ったの？」「この数字はどこから来たの？」を追えるようにする。研究では、ここがものすごく重要です。(claude.com)

さらに、背景で動くReviewerも用意されています。これはClaudeの直近の回答、承認済みの計画、保存された成果物、実行記録を読み直し、主張が実際に走った処理と一致しているかを確認する仕組みです。たとえば、実行されていない計算を「計算済み」と言っていないか、引用が主張を支えているか、DOIが別論文を指していないか、といった点をチェックします。(claude.com)

研究現場での意味

Anthropicの発表では、Manifold Bioが候補ターゲットの評価に使った例、Allen Instituteの神経科学者が約20個のカスタムスキルを組んだ長文レビュー作成パイプラインに使った例、UCSF Brain Tumor Centerでグリオーマの分子疫学研究を支援した例が紹介されています。特にAllen Instituteの例では、数千本の論文から主張や定量結果を取り出し、レビューエージェントで引用の正確性を確認する流れが示されています。(anthropic.com)

私はこの発表を、「AI for Science」がデモ段階から運用段階に近づくサインとして見ています。これまでのAI研究支援は、論文要約やコード生成のように、作業の一部分を助けるものが中心でした。Claude Scienceが狙っているのは、仮説、文献、データ、計算、図表、原稿、検証を一本の履歴でつなぐことです。モデル性能だけでなく、「研究の作業列をどこまで安全に束ねられるか」が競争軸になってきました。

ただし、注意点もあります

ここは冷静に見たいところです。ドキュメントでは、Claude Scienceはローカルファーストのアプリで、会話履歴や成果物は利用者の端末に保存される一方、モデル呼び出しに含まれるプロンプトと応答はAnthropicのサーバーで処理され、標準の保持ポリシーが適用されると説明されています。つまり、「ローカルで動く」イコール「何も外に出ない」ではありません。(claude.com)

また、Reviewerはエラーを減らす仕組みですが、分析を再実行して完全に正しさを保証するものではありません。公式ドキュメントも、研究・出版・下流判断に使う前に結果を検証する必要があり、臨床・診断用途を意図したものではないと明記しています。ここは過大評価せず、人間の査読、実験確認、統計レビューと組み合わせるべきです。(claude.com)

今日の結論

今日のニュースをひと言でまとめるなら、「AIが研究室のOSに近づいた」です。答えを出すAIではなく、作業をつなぎ、計算を走らせ、根拠を残し、検証係まで伴走させるAI。これはかなり大きな方向転換です。

ただし、導入時に見るべきポイントは明確です。データ境界はどこか。誰がリモート計算を承認するのか。Reviewerのチェック項目は研究室の基準に合っているか。成果物の履歴は共同研究者が本当に再現できるか。

AIが科学を速くする可能性はあります。でも、科学を強くするには、速さだけでなく、跡が残ること、疑えること、やり直せることが必要です。Claude Scienceの面白さは、まさにそこに踏み込んできた点だと思います。