科学者向けのAIが出た、と聞いて、多くの人は「また賢いモデルが出たのか」と身構える。だが2026年6月30日にAnthropicが配ったものは、新しい頭脳ではない。誰もが月額で借りているのと同じClaudeに、研究の現場を丸ごとつなぐ「作業台」だった。
Anthropic自身が、これは新しいAIモデルでもなければ、生物学に強い特別なモデルでもない、とはっきり書いている。動いているのは最新のClaude（Opus 4.8を含む）で、特別なアクセス権も、性能の上乗せもない。では何が新しいのか。モデルという「頭脳」を、科学研究という現場に接続するための足回り一式――データベース、コードの実行、記録、検証、計算資源――が新しい。この発想の転換こそが、この製品のいちばんの見どころである。
「賢さ」はもう足りている。足りないのは作業環境だった
ここ数年、AIの話題はほぼ「モデルがどれだけ賢くなったか」に集中してきた。しかし現場の研究者にとって、モデルの賢さはもう一番のボトルネックではない。困っているのは、賢さを実際の研究に流し込む配管がないことのほうだ。
生命科学の一つのプロジェクトを思い浮かべてほしい。論文データベースを検索し、その結果をノートブックに写し、Rでスクリプトを書き、遺伝子やタンパク質のデータベースから情報を引き、計算はクラスタに投げ、図を描き、最後に原稿にまとめる。ツールはそれぞれ独自の作法を持ち、ファイル形式もばらばらで、研究者は一日の多くを「ツールとツールの隙間を埋める作業」に溶かしている。
Claude Scienceは、この隙間を埋めることを狙う。頭脳は据え置きのまま、その周りに、データ接続・コード実行・来歴の記録・検証・計算資源という五つの部品を組み付けた。AIの世界では、こうした足回りを「ハーネス」と呼ぶ。汎用の頭脳を、実際に働く道具に変える骨組みのことだ。同じClaudeでも、裸のチャット窓に置くのと、研究の作業台に載せるのとでは、できる仕事の質がまるで変わる。
研究の律速は「答えを出すこと」から「答えを確かめること」へ移った
この作業台の核心は、賢く速く答えを出すことではない。出した答えを、後から確かめられる形で残すことにある。
Claude Scienceが生成する図や表には、それを作った正確なコード、実行した環境、何をしたのかの平易な説明、そしてそこに至る会話が丸ごと同梱される。数か月後に、チームの誰が見ても再現できる。「AIがそれっぽい図を作った」ではなく「この図には証拠の道筋がついている」という状態だ。研究の世界では「見た目が正しそう」では足りない。結果はデータとコードと環境までさかのぼれて初めて信用される。その当たり前を、成果物の側に最初から埋め込んだ。
さらに、引用や計算の食い違いを別のエージェントが背後で点検する仕組みがある。実際には計算していないのに「計算した」と書いていないか、示した数字が元ファイルと矛盾していないか、引用が主張を裏づけているか、示したDOIが別の論文を指していないか、図が背後のコードと合っているか。こうした典型的なミスを見つけ、警告し、直そうとする。AIが生成する文章でしばしば問題になる「もっともらしい捏造」に、機械の側から歯止めをかけようという発想である。
図の直しも、専門知識のいる作業から会話に変わる。「グリッド線を消して」「軸を対数目盛りにして」と話し言葉で頼めば、Claudeが背後のコードを書き換える。何がどう変わったかも記録に残る。図表は自然言語で編集でき、この点は研究の見た目づくりに追われてきた人ほど恩恵が大きい。
データはラボから出さない──「手元で動く」という設計思想
大きな計算、たとえばタンパク質の立体構造を折りたたむ計算や、巨大なゲノムデータのパイプラインは、これまで研究者の集中を奪ってきた。ジョブを組み、クラスタに送り、成否を確かめ、結果を引き戻す。この一連の雑務をClaude Scienceが肩代わりする。まず計画を立て、新しい資源に触る前に必ず確認を取り、研究者が承認や取り消しをしてから、ジョブを書いて投入する。単一のGPUから数百のGPUまで、必要に応じて規模を伸ばす。
接続先は三種類ある。手元のノートPCやLinux機、研究室のサーバー。既存の高性能計算クラスタへはSSHでつなぎ、SLURMのようなスケジューラにジョブを投げる。オンデマンドのクラウド計算にはModalを使う。公式ドキュメントによれば、既存のSSH設定をそのまま使い、接続先のマシンには何もインストールしない。しかも一つ重要な設計がある。生データや計算は、研究室が既に使っているインフラの上に留まり、Claudeには各手順で必要な文脈だけが送られる。巨大なデータや機微なデータを外に出さずに済む、という思想だ。
ただし「手元で動く」は「外部と完全に切れている」という意味ではない。この線引きは後で立ち返るべき論点として残しておく価値がある。生データは残せても、Claudeに送る指示や途中の結果はAnthropicが処理する。ここを混同すると、規制対象のデータを扱う組織は足をすくわれる。
2年が10本に、時間が10分の1に。現場で起きたこと
抽象論よりも、実際に使った研究者の話のほうが早い。Anthropicが公表した事例は、この作業台が何を変えるのかを具体的に示している。
ある神経科学者が率いるチームは、長文の総説を書くための多エージェントの仕組みを、約20の自作部品で組み上げた。子エージェントが数千本の論文を読み、中心的な主張と主要な数値を抜き出して証拠データベースに貯め、物語の筋を立て、節ごとに専門の子エージェントへ割り振って書かせる。作り手と評価役を分け、一方が書き、別の一方が正確さと引用の忠実さを点検する。以前なら一本の総説に最大二年かかっていたのが、いまや100ページを超えるものを含めて約10本を抱えるまでになった。
脳腫瘍の分子疫学を研究する疫学者は、グリオーマの生殖細胞系列バリアント解析にこの作業台を使った。数千の小さな影響を持つ遺伝的変異が、どう組み合わさって個人のかかりやすさを形づくるかを調べる仕事だ。従来の約10分の1の時間で、複数の手法にまたがる包括的な解析をやり切ったという。しかもチームが独立に結果を検証し、迅速でありながら堅牢な解析が可能だと確かめている。
創薬の現場でも動いている。ある新興バイオ企業は、組織を狙い撃つ医薬品の標的候補を選ぶのに、この作業台をひととおり使った。標的ごとに表面での出やすさ、細胞内での運ばれ方、安全性を評価し、自社が持つ独自データから学んだ基準に照らして候補をランク付けする。一般的なコード補助ツールと違い、過去のプログラムの文脈まで踏まえて、正しいデータ集めと判断をひとつながりで回せた点が決め手だったという。あるジャーナリストは自分の研究分野の論文490本を読み込ませ、たった26ドルの計算費で、その分野の「使われている語彙」が公式の分類より四倍豊かだと示してみせた。放置されがちな希少疾患の創薬から、感染症の広がりを追う疫学まで、応用の裾野は広い。
だが「自分の答えを自分で採点するAI」には限界がある
ここまで読むと万能に見えるかもしれない。だが冷静な評価こそ、この製品にふさわしい態度だ。誇張を削ぎ落とすと、無視できない限界がいくつも残る。
第一に、頭脳は賢くなっていない。これは新しいモデルではなく、誰もが借りているのと同じClaudeである。生物学の推論そのものが底上げされたわけではない。専用の生物モデルを出した競合とは、そもそも土俵が違う。
第二に、背後の点検役は「正しさの保証」ではない。Anthropicは明言している。Claudeは間違えることがあり、点検役は誤りを減らすが、なくしはしない。しかも点検役は解析を再実行しない。主張が実行の記録と合うかを照合するだけだ。さらに、選んだ手法がその問いにとって本当に適切だったのか、という科学的判断には踏み込まない。手法の当否は人間の責任のままである。
第三に、その点検役も同じモデルが担う。フォーブスの記者が的確に指摘したように、いまのところ同じAIが自分の答えを自分で採点しているのであって、独立した真実の源ではない。方向は正しいが、第三者の検証を置き換えるものではない。
第四に、「手元で動く」はセキュリティの保証ではない。会話と成果物は利用者の端末に残り、Anthropicはその保管庫を持たない。だが、モデルに送られる指示や補完はAnthropic側で処理され、標準の保持方針の下に置かれる。しかもベータ版ゆえに、組織の監査ログに記録が残らない、管理者が利用者の端末のデータを消せない、医療情報の取り扱い（HIPAA）への対応が部分的でベータ利用は事業者間契約の対象外、といった穴がまだある。規制対象のデータを扱うなら、自組織の統治ルールに照らした検証が欠かせない。
第五に、性能を第三者が比べた公開データがない。これはアプリケーションであって、一つの固定スコアを持つモデルではないため、他ツールとの横並び比較表が存在しない。根拠はワークフローの事例が中心だ。事例は「初期の製品証拠」であって「あなたのラボのデータで動く証明」ではない。図3で示した時間短縮も、研究者やAnthropicの自己申告値である点は正直に見ておくべきだ。
対応環境も限られる。動くのはmacOSとLinuxのみで、Windowsは対応が発表されていない。無料プランでは使えず、有料のPro・Max・Team・Enterpriseが対象で、組織向けは管理者が有効にする必要がある。学術機関や非営利研究組織の活動中のラボには割引プランも用意されている。Claude Science自体に追加課金はなく、使用量は既存プランの枠に数えられる。
誰が科学のプラットフォームを取るか──静かな三つ巴
この動きは、Anthropic一社の話ではない。AIの主戦場が「モデルの賢さ競争」から「特定産業に深く刺さる道具の競争」へ移りつつある、その象徴だ。これまで金融と法務が主戦場だったが、次は科学だという読みが各社に共通する。
競合の姿を並べると輪郭がはっきりする。OpenAIは、生物学の推論に特化したモデルを四月に出し、科学者向けの作業空間も用意した。専用モデルで正面から攻める路線だ。Googleは五月の開発者会議で「机上の科学ワークベンチ」を掲げ、30を超える生命科学データベースと、仮説を立てる「AI共同科学者」を束ねてみせた。DeepMindはこの分野で長い実績とノーベル賞まで持つ。三社三様だが、狙う場所は同じ――研究者が毎日を過ごす作業環境そのものを、自社の土俵にすることである。
Anthropicの賭けは、専用の生物モデルではなく、既存モデルを載せる作業台のほうに勝ち筋を見た点にある。頭脳の性能で殴り合うのではなく、頭脳と現場をつなぐ配管の質、成果物の再現性、検証の仕組みで差をつける。この選択が正しかったかは、これから研究者がどちらの土俵に長くとどまるかで決まる。ちなみにAnthropicは、最大50件の研究プロジェクトに一件あたり最大3万ドルの利用枠を出す支援も始めた。応募の締切は2026年7月15日と目前で、条件は変わりうるため、検討するなら公式ページで最新の状況を必ず確かめたい。
生成が安くなった世界で、人間に残る仕事
この製品がいちばん静かに、いちばん深く突きつけているのは、技術の話ではない。人間の仕事がどこに移るか、という問いだ。
論文を読むこと、コードを書くこと、図を描くこと、原稿をまとめること。かつては熟練を要したこれらの「生成」が、急速に安くなっている。生成が安くなった世界で最後に残る仕事は、判断である。監査し、検証し、間違いを正すこと――それこそが、画面を通るほとんどの仕事の、本当の律速になる。そしてそれは、良い科学がずっと昔からそうであったことの、言い換えにすぎない。Claude Scienceが点検役を積んでいることは、この方向を認めた証だ。まだ同じモデルが自分を採点している段階ではあるが、進む向きは合っている。
だからこの作業台の値打ちは、「速く答えを出せるか」ではなく、「後から守れる、再現できる結果をどれだけ増やせるか」で測るべきだ。速さと確からしさは別物である。前者だけを追えば、もっともらしい誤りを大量生産する装置にもなりうる。後者に寄与してこそ、科学の道具と呼べる。
放置されてきた病の薬、広がる感染症の把握、気候や環境をめぐる複雑な因果の解きほぐし。人手と時間の壁で止まっていた問いに、この作業台は一つの梃子を差し込む。だが梃子は、どこに力を込めるかを決めない。何が確かめるに値する問いなのか、出てきた答えを信じてよいのか。その判断だけは、これからも人間の手のなかに残る。生成が安くなればなるほど、判断の重みは増していく。それは脅威ではなく、むしろ、私たちの仕事が何であったかを思い出させる合図なのかもしれない。
参考文献・情報源