Claude Science: Anthropic se adentra en el laboratorio, donde la IA puede cambiar más vidas pero los obstáculos son radicalmente distintos

Por Momentum IA · 30 de junio de 2026.

Anthropicintrodujo Claude Science, un entorno de trabajo unificado pensado para investigadores científicos. Lo primero que hay que entender —y que la propia empresa subraya— es que **no es un modelo**: es una capa de orquestación que consolida herramientas y bases de datos dispersas en un único entorno preconfigurado para genómica, análisis de célula única, biología estructural y quimioinformática. El sistema renderiza estructuras proteicas en 3D, genera figuras listas para publicación e incluye el código completo, los detalles de entorno y el historial de creación de cada resultado. Funciona sobre Opus 4.8 sin acceso especial, se integra con el BioNeMo Agent Toolkit de Nvidia y soporta el Model Context Protocol para extensiones personalizadas.

Esta es la última parada en una gira de verticales que Anthropic está realizando a buen ritmo: de la IA para código al derecho y las finanzas, de ahí a la ciberseguridad y ahora a la ciencia. No llega de la nada: tanto Fable 5 como Mythos 5 ya incorporan capacidades en biología molecular y genómica. Claude Science es, en este sentido, la cristalización de esas apuestas técnicas en una interfaz accesible para quien no quiere construir pipelines desde cero.

**Por qué la elección de «workbench» importa más de lo que parece**

La decisión de no presentar esto como un modelo especializado en ciencia es, a nuestro juicio, una de las más inteligentes de la propuesta. Chirag Shah, profesor de la Universidad de Washington, lo explica bien: los intentos previos de coger un modelo fundacional y ajustarlo finamente sobre un dominio como la biología «no han funcionado demasiado bien». El enfoque de workbench esquiva ese escollo: en lugar de reentrenar para una disciplina, orquesta capacidades ya demostradas en torno a los flujos de trabajo reales del científico —formulación de hipótesis, revisión bibliográfica, análisis de datos, visualización—. Es una lección de madurez: la IA no tiene que ser una bioquímica; tiene que ser una infraestructura que amplifique a quien sí lo es.

Eso también significa que la propuesta no es única. OpenAI tiene FrontierScience benchmark y Google ofrece Gemini for Science. Claude Science no inventa la categoría; aspira a ganar en conveniencia y profundidad de integración. En el mercado empresarial, eso no es poca cosa: quién más reduce la fricción del primer día gana la inercia del equipo.

**Los obstáculos de la ciencia son cualitativamente distintos a los del código**

La IA ha mostrado ganancias extraordinarias en programación porque el código es un entorno de feedback inmediato y casi infinito: ejecutas, fallas, corriges, en milisegundos. La ciencia no funciona así. John Thickstun, de Cornell, lo resume con precisión: «Con muchas aplicaciones científicas, tienes suerte si obtienes feedback una vez al año». Un experimento de biología estructural puede tardar meses; una réplica en genómica, semanas; la validación de un hallazgo clínico, años.

Esto no invalida la herramienta —acelerar la parte analítica y de síntesis bibliográfica ya es un avance enorme—, pero sí acota las expectativas. Claude Science puede hacer muy bien lo que ocurre *antes* del experimento (diseño, revisión de literatura, hipótesis) y *después* (análisis de datos, visualización, redacción). El bucle experimental físico sigue siendo dominio humano, y probablemente lo seguirá siendo durante años. Quien venda esto como «la IA que descubrirá la cura del cáncer sola» distorsiona la realidad; quien lo vea como un multiplicador del tiempo de los investigadores habla con más honestidad.

**Nuestra lectura: la apuesta más importante, aunque no la más rentable aún**

La tesis de fondo de Momentum IA es que el valor transformador de la IA a largo plazo no está en los chatbots corporativos ni en los asistentes de código —que son el negocio de hoy— sino precisamente aquí: en la aceleración del descubrimiento científico que puede llevar a erradicar enfermedades, prolongar la salud y, en último término, reconfigurar qué significa la condición humana. Claude Science es un paso en esa dirección.

Que Anthropic destine recursos a un vertical «más difícil» —como señala Thickstun— cuando podría concentrarse en las verticales ya rentables dice algo sobre la cultura de la empresa. No es filantropía: la ciencia es un mercado enorme con disposición de pago institucional alta. Pero sí implica un horizonte temporal más largo y una tolerancia al fracaso que los ciclos trimestrales típicamente castigan.

Como contexto del sector, la carrera hacia aplicaciones científicas se está acelerando en paralelo a los grandes laboratorios. Lo más relevante no es quién llegó primero (Google lleva años en DeepMind con AlphaFold, que demostró el potencial de forma contundente), sino quién construye la capa de uso que conecta el modelo con el flujo de trabajo real del investigador. Esa es la batalla que Claude Science pretende ganar, y en la que la integración con Nvidia BioNeMo, el soporte de MCP y la curation del entorno son más determinantes que la potencia bruta del modelo subyacente.

A corto plazo, el impacto será marginal y sectorial: equipos de investigación que adopten la herramienta ganarán eficiencia en análisis y síntesis, pero no se producirán saltos cuánticos en descubrimientos de la noche a la mañana. A medio y largo plazo, si los bucles de feedback se comprimen —con síntesis más rápida, diseño experimental más preciso, colaboración global más fluida—, estamos ante una de las palancas más poderosas que la humanidad haya construido para enfrentarse a sus problemas más duros. El camino es largo y los obstáculos son reales. Pero la dirección es la que importa.