207.049 phiên Claude của nhà khoa học cho thấy AI đang gánh việc chạy còn việc nghĩ vẫn thuộc về con người

Báo cáo Anthropic 05/11/2026 đo 207.049 phiên Claude. Nghịch lý: nhà khoa học dồn Claude vào phân tích dữ liệu và viết lách, nhưng hỏi việc nào quan trọng nhất thì họ xếp nảy ý tưởng hạng 1 và thu thập dữ liệu hạng 2, đúng hai việc ít được dùng nhất.

Tóm tắt nhanh cho anh em. 207.049 phiên Claude, 02/08 đến 30/09/2026. Phân tích dữ liệu 33,7% phiên Claude và 48,1% phiên Claude Code, viết lách 32,0%. Nảy ý tưởng chỉ 4,2% dù xếp quan trọng hạng 1. 15 lần là kịch bản minh họa, kỳ vọng 40% vào 2030 là khảo sát 528 nhà khoa học đã dùng AI.

Phân tích dữ liệu và viết lách chiếm gần hai phần ba trong 207.049 phiên Claude của nhà khoa học

Mình đọc tới đây thì thấy đúng kiểu thuê người phụ bếp về chỉ để thái rau với rửa chén, rồi than sao đầu bếp chính vẫn phải nghĩ món. Nhắc lại: đây là số hãng tự đo, anh em nhé.

Mẫu chính: 207.049 phiên gói consumer từ 02/08 đến 30/09/2026, gồm 128.914 phiên Claude và 78.135 phiên Claude Code.

Phân tích dữ liệu chiếm 33,7% phiên Claude và 48,1% phiên Claude Code

Phân tích dữ liệu thì dùng nhiều nhất, 33,7% phiên Claude và 48,1% phiên Claude Code, so với 27,6% thời gian làm việc. Mình thấy hợp lý thôi, vì việc phân tích gắn với code và pipeline nên Claude Code hút mạnh hơn hẳn. Code và dữ liệu phổ biến hơn ở khoa học tự nhiên, tài liệu phổ biến hơn ở khoa học xã hội, nhân văn và sức khỏe, tài liệu kỹ thuật trên Claude Code nhiều gấp khoảng 2 lần Claude thường. Nhóm subfield tính toán dùng mạnh nhất, từ sinh học tính toán tới robotics.

Viết lách chiếm 32,0% phiên Claude

Viết và truyền thông chiếm 32,0% phiên Claude, gấp đôi 16,0% thời gian làm việc, mà chỗ này thì mình thấy đáng tiền ngay hôm nay, vì AI làm nhanh, kiểm chứng được bằng mắt thường. Khảo sát 528 nhà khoa học dùng thang 5 mức, không dùng, hỗ trợ, chia sẻ, giao phó, tự chủ. Viết nhiều chưa chắc đã quan trọng nhất đâu, anh em ạ.

Khoa học máy tính chiếm 32,7% phiên Claude Code dù chỉ là 4,3% nhà nghiên cứu toàn cầu

Chỗ này mới thấy AI đi theo bản chất việc, chứ không đi theo tên ngành.

Khoa học máy tính và AI/ML dùng Claude Code vượt xa dân số nghiên cứu

Khoa học máy tính chiếm 11,9% phiên Claude và 32,7% phiên Claude Code dù chỉ là 4,3% nhà nghiên cứu toàn cầu. AI/ML chỉ là 1,2% nhà nghiên cứu nhưng chiếm 5,0% phiên Claude và 15,2% phiên Claude Code, mình thấy chênh lệch này nói lên hết bản chất rồi. Tương quan log-log giữa số session và số nhà nghiên cứu là 0,79 trên Claude và 0,62 trên Claude Code.

Y học và hóa học dùng Claude ít vì việc gắn với lab

Kỹ thuật chiếm 8,4% phiên Claude, y học 7,7%, nhưng y học và hóa học dùng ít hơn tỉ trọng dân số. Cũng dễ hiểu thôi, anh em ạ, vì phần lớn thời gian của họ là bước vật lý, cùng rào cản quy định. Việc vật lý tương quan âm 0,57, việc vướng quy định âm 0,38, nên hai ngành này dùng ít.

Kinh tế là ngoại lệ trong khoa học xã hội

Kinh tế là ngoại lệ trong khoa học xã hội vì dùng Claude nhiều nhờ bản chất định lượng.

Nảy ý tưởng và thu thập dữ liệu được nhà khoa học xếp quan trọng nhất nhưng Claude ít được giao nhất

Chỗ lạ nhất cả báo cáo là đây, việc quan trọng nhất người ta giữ cho mình, còn việc nặng nhọc thì đẩy cho AI.

Nảy ý tưởng xếp hạng 1 nhưng chỉ chiếm 4,2% phiên Claude

Khảo sát 528 nhà khoa học xếp nảy ý tưởng và tạo giả thuyết hạng 1, nhưng việc này chỉ chiếm 4,2% phiên Claude và 2,1% phiên Claude Code, so với 7,1% thời gian làm việc. Mức dùng tự báo cáo cũng thấp, 17% không dùng AI cho việc này, 53% chỉ dùng ở mức hỗ trợ. Mình đọc tới đây thì thấy cũng dễ hiểu, việc khó nghĩ thì ai cũng muốn giữ lại tự làm, giao cho máy lại sợ nó nghĩ hộ thành nghĩ lệch.

Thu thập dữ liệu xếp hạng 2 nhưng chỉ chiếm 11,5% phiên Claude

Thu thập dữ liệu xếp hạng 2, chiếm tới 28,6% thời gian làm việc, nhưng chỉ chiếm 11,5% phiên Claude và 11,9% phiên Claude Code. Thiếu hụt nặng nhất ở task vật lý như dữ liệu lâm sàng và sinh hóa, còn dữ liệu online và tài liệu lưu trữ thì ít thiếu hơn. PI ở Mỹ được liên bang tài trợ dành khoảng 44% thời gian nghiên cứu cho yêu cầu hành chính theo Schneider et al. 2020.

Bốn lý do khiến nảy ý tưởng ít được giao cho Claude

Nhà khoa học thích tự nghĩ, thấy AI yếu ở việc này, ý tưởng bị đếm thiếu vì lồng trong task khác, và AI thực sự yếu ở chọn câu hỏi cùng thiết kế nghiên cứu.

Nghiên cứu DeepMind cũng ghi nhận gần một nửa nhà khoa học nói AI khiến họ chọn câu hỏi an toàn hơn, khoảng 30% nói AI giúp họ liều hơn. Tức là dùng AI nhiều có khi lại làm mình nhát tay hơn, cái này thì anh em làm thực chiến chắc cũng từng thấy rồi đấy.

Claude Science kéo AI vào việc quan trọng bằng skill chuyên biệt thay vì model mạnh hơn

Nghe tên thì tưởng model mới khủng lắm, cơ mà Claude Science không khoe model mới.

Hạt vault 40 năm rút khâu tách mẫu từ 3 ngày xuống 90 phút

Hạt vault công bố 04/11/2026, phát hiện năm 1986 bởi Nancy Kedersha và Leonard Rome, mà Claude Science tìm trong khoảng 15 tỉ protein dự đoán, thấy họ hàng ở 29 ngành vi khuẩn và 4 ngành cổ khuẩn, rồi nhóm chọn 44 ứng viên.

Khâu tách mẫu rút từ khoảng 3 ngày xuống 90 phút, mô hình 3D đầu tiên sau 34 giờ, bản cuối sau khoảng 1 tuần, toàn dự án dưới 4 tháng. Hạt mới có 96 bản sao protein L05 so với 78 ở vault người, độ phân giải cryo-EM 3,2 Å, preprint chưa peer-review và chưa tái lập độc lập.

Claude cũng mắc hai lỗi, protocol chứa chất phụ gia không phù hợp làm chậm 2 tuần, bỏ bước chuẩn khi xử lý ảnh hiển vi tạo ra bản đồ 3D sai do ghép ảnh với ảnh gương. Tới mức nhóm Anthropic phải dặn Claude, “Please let’s do normal things unless they don’t work”, mà đọc câu này thì mình bật cười.

Nảy ý tưởng trên Claude Science tăng lên khoảng 8%

Nảy ý tưởng trên Claude Science tăng gấp đôi lên khoảng 8% phiên, ngang với tỉ trọng thời gian thực tế. Task chuyên sâu kiểu đề xuất mô hình cơ chế cho tương tác protein-protein và protein-ligand xuất hiện gấp 5,6 lần so với Claude thường, y sinh cộng sinh học chiếm hơn 50% phiên Claude Science. Tăng gấp đôi nghe thì oách, mà thật ra mới ngang mức thời gian người ta vẫn bỏ ra, nên mình thấy đây mới chỉ là bắt kịp chứ chưa phải vượt lên.

App beta từ 30/06/2026 cho gói Pro, Max, Team và Enterprise, với hơn 60 skill và connector, trong đó có UniProt, PDB, Ensembl, Reactome, ClinVar, ChEMBL, GEO và skill NVIDIA BioNeMo với Evo 2, Boltz-2, OpenFold3, cộng agent reviewer riêng kiểm tra trích dẫn và số liệu.

Phiên Claude Science nặng gấp đôi, hơn 80% cần trình độ tiến sĩ

Phiên Claude Science chứa lượng việc tương đương gần gấp đôi số giờ con người so với Claude. Hơn 80% nội dung ước tính cần trình độ tiến sĩ, so với khoảng 50-70% ở giao diện khác, hơn 70% phiên tự chủ cao so với 23,7% ở Claude thường và 64,1% ở Claude Code.

Claude Science thì ít dùng cho việc chung chung, mà Jérôme Lecoq ở Allen Institute làm khoảng 10 review dài hơn 100 trang bằng pipeline 20 skill, việc từng mất tới 2 năm. Stephen Francis ở UCSF chạy germline workup glioma nhanh gấp khoảng 10 lần và đã tự kiểm chứng, Manifold Bio dùng Claude Science đề cử target thuốc.

Điểm năng lực Elo và tương quan RL 0,78 giải thích vì sao nhà khoa học dùng AI đúng chỗ AI giỏi

Anthropic đem Elo cờ vua ra đo task khoa học, và cứ việc nào đo được là dùng đúng chỗ đó.

Task top 20% điểm năng lực được dùng gấp 2 đến 4 lần

Anthropic đo điểm năng lực bằng classifier so sánh bước công việc trong SciNet, tổng hợp bằng mô hình Bradley-Terry giống Elo cờ vua. Task thuộc top 20% điểm năng lực được dùng gấp khoảng 2 lần trên Claude và khoảng 4 lần trên Claude Code so với thời gian dự đoán, mức trung vị khoảng 1 lần, còn task thuộc bottom 20% thì gần như không ai dùng. Đo kiểu gì người ta vẫn dùng đúng chỗ AI giỏi, anh em ạ.

Phù hợp với RL tương quan 0,78 kéo AI vào việc dễ kiểm chứng

Yếu tố dự báo mạnh nhất cho điểm năng lực là mức phù hợp với RL, tương quan 0,78, rồi việc nhận thức, tương quan 0,69. Việc vật lý tương quan âm 0,57, tương tác người âm 0,31 và rào cản pháp lý âm 0,38, thì RL dễ áp dụng khi kết quả dễ kiểm chứng, cơ mà việc nào chấm điểm được là AI chen vào ngay.

Nhắc lại, đây là số hãng tự đo: điểm năng lực trung bình của từng subfield tương quan 0,45 trên Claude và 0,57 trên Claude Code với mức dùng.

Con số 15 lần và kỳ vọng 40% vào 2030 là minh họa và khảo sát, không phải dự báo

Tới đây thì mình thắng phanh lại một chút, vì hai con số này đọc lướt là thành tin giả ngay.

Với năng lực hiện tại, nghiên cứu chỉ tăng tối đa khoảng 2 lần

Kịch bản 1 áp dụng rộng năng lực hiện tại, AI đảm nhận 27-52% thời gian nghiên cứu với trung vị 38%. Tăng tốc 1,35 lần ở nghệ thuật, 1,36 lần ở nhân học, 1,41 lần ở hóa học, lên tới 1,96 lần ở khoa học máy tính và 2,02 lần ở thống kê, vì AI hôm nay chủ yếu hỗ trợ và chia sẻ việc.

Giả định chi phí là 1 giờ AI 30 USD so với 1 giờ nhà nghiên cứu 95 USD, AI chạy 0,2 giờ cho mỗi giờ người tiết kiệm được, task tự động hoàn toàn vẫn tốn khoảng 1/16 chi phí người nên trần tăng tốc khoảng 16 lần. Đọc tới đây thì mình ghi nhớ mỗi con số 2 lần này thôi, vì nó là mức trần thực tế của AI hôm nay, còn 15 lần thì phải đợi một thế giới khác.

Kịch bản 15 lần chỉ xuất hiện khi tự động 100% bước phi vật lý

Kịch bản 2 tự động 75% bước phi vật lý, khoảng 8 lần ở khoa học máy tính, 7 lần ở thống kê và thư viện-thông tin, 6 lần ở kinh tế, 4-5 lần ở khoa học xã hội, toán và vật lý-thiên văn, bench và y tế chỉ 2-3 lần. Kịch bản 3 tự động 100% bước phi vật lý thì khoảng 15-16 lần ở thống kê, khoa học máy tính, kinh tế, toán, tâm lý và khoa học xã hội cùng nhân văn, cơ mà sinh học, hóa học, vật liệu, nông nghiệp và y sinh chỉ đạt 3-4 lần.

Nguyên nhân là tỉ trọng bước vật lý, 38-41% thời gian ở nông nghiệp, y sinh, hóa học và vật liệu so với 4% ở lĩnh vực trung vị.

Kỳ vọng 40% vào 2030 đến từ khảo sát 528 nhà khoa học

Khoảng 40% nhà khoa học được khảo sát kỳ vọng AI tự làm trọn vẹn dự án nghiên cứu vào 2030, khoảng 64% vào 2035 và 16% nói không bao giờ. Kỳ vọng lệch theo task, tới 2030, 94% tin AI sánh ngang chuyên gia ở phân tích dữ liệu, 89% ở viết lách, 72% ở nảy ý tưởng và thu thập dữ liệu.

Hơn 50% kỳ vọng AI sánh ngang chuyên gia ở phân tích dữ liệu ngay vào 2027, 38% nói AI đã đạt mức đó. Nhưng đây chỉ là kỳ vọng khảo sát trên nhóm đã tích cực dùng AI.

Báo cáo Anthropic về 207.049 phiên Claude đáng tin tới đâu và mặt trái của AI trong nghiên cứu khoa học

Anh em đừng vội tin hết, vì báo cáo này cũng có mặt trái, mà hãng tự nêu luôn, kể cũng hiếm đấy.

Tranh cãi enzyme ART, AI tự làm ra hay chỉ sắp xếp lại

Vụ enzyme ART công bố 23/09/2026, Anthropic nói 950 agent chạy 210 triệu token trong 21 giờ và phát hiện hệ ART giống CRISPR. Mario Rodríguez Mestre ở Đại học Copenhagen nói nhóm anh nghiên cứu cùng hệ từ 2022, gọi là Jumbotron, đã đưa luận án và dữ liệu chưa công bố vào Claude trong 3 năm, có bằng sáng chế 2023 liên quan.

Seth Shipman nói nhiều nhà nghiên cứu trong ngành đã quen hệ này, Aaron Engelhart nói kết quả rất thú vị nhưng sơ bộ, chưa chứng minh chỉnh sửa gen. Mà mình thấy vụ này đúng là vắc-xin hoài nghi cho cả bài, cứ nghe hãng nói AI tự phát hiện cái gì thì hỏi lại một câu, AI tự làm ra, hay chỉ sắp xếp lại thứ con người đã đưa vào.

Anthropic thì phủ nhận train trên log trò chuyện, chưa có bằng chứng trực tiếp dữ liệu của Mestre bị dùng, mà Dario Amodei viết trên X rằng AI cho sinh học đang tăng theo cấp số nhân, cơ mà hào hứng của CEO thì anh em biết rồi đấy. Tính đến 06/11/2026, mình chưa tìm thấy thread Hacker News, Reddit hay X nào bàn trực tiếp về chính báo cáo này, nên bài không trích phản ứng cộng đồng về báo cáo.

Mẫu báo cáo Anthropic chỉ gồm người dùng Claude

Bốn giới hạn: mẫu chỉ gồm người dùng Claude gói consumer cộng mẫu Claude Science, không đại diện toàn bộ giới khoa học. Nhãn lĩnh vực và task do classifier LLM gán nên có thể sai. Khảo sát 528 người là nhóm đã dùng AI, chủ yếu khoa học sự sống và sức khỏe. Mọi số liệu là của Anthropic về sản phẩm của chính mình, không có kiểm toán độc lập. Thí điểm 26/08/2026 cho 3 nhóm ngoài xem thông tin tổng hợp từ khoảng 250.000 cuộc trò chuyện Claude, Stanford thấy 56% task Claude đánh giá được là hệ trọng hoặc rủi ro cao.

Nghiên cứu DeepMind, 45,7% dành hơn 25% thời gian tiết kiệm để kiểm tra lại

Essay DeepMind Institute “Bending the Curve of Discovery” ngày 08/10/2026, 15 triệu lượt tương tác Gemini và khảo sát 637 nhà khoa học Mỹ và Anh. Gần một nửa dùng AI hàng ngày, tiết kiệm trung bình gần 7 giờ mỗi tuần, nhưng 45,7% dành hơn 25% thời gian tiết kiệm được để kiểm tra lại đầu ra AI.

43,5% nói nút thắt chính đã dịch xuống khâu sau trong 2 năm, 40,5% nói tồn đọng giả thuyết chưa kiểm chứng tăng. AlphaFold có hơn 200 triệu cấu trúc và hơn 4 triệu nhà nghiên cứu ở 190 quốc gia, nghiên cứu cơ bản dùng dự đoán AlphaFold tăng 15-40%. Hai nghiên cứu độc lập cùng kết luận nút thắt đang dịch từ tính toán xuống phòng thí nghiệm.

Bài học thực hành, dùng Claude mạnh tay cho phân tích dữ liệu và viết

Làm theo ngay: dùng Claude mạnh tay cho phân tích dữ liệu và viết lách, còn giữ lại cho mình việc đặt câu hỏi, nảy ý tưởng và kiểm chứng.

Cảnh báo nhỏ: Anthropic tự nêu mặt trái, rủi ro giám sát lỏng lẻo, nghiên cứu nguy hiểm đặc biệt sinh học, bùng nổ bài báo quá tải khả năng kiểm chứng, và câu hỏi AI lấy mất việc thú vị thì ai còn muốn làm nghiên cứu.

Báo cáo đe dọa tháng 09/2026 ghi 5 ca sinh học có thể hỗ trợ vũ khí và khoảng 35 nỗ lực liên quan tổ chức nhà nước trong đợt quét 30 ngày. Vụ cúm gia cầm thì Anthropic tự đánh giá mức hỗ trợ chủ yếu là hành chính và phân tích. Gregory Koblentz nói không có bằng chứng nào cho thấy nghiên cứu đó liên quan tới vũ khí sinh học, và Thomas Friedrich thì nói Claude không bổ sung đáng kể năng lực khoa học.

Nhà khoa học dùng Claude đúng chỗ AI giỏi thì đáng tiền nhất, còn việc nghĩ vẫn phải giữ lại cho mình

207.049 phiên Claude không kể chuyện AI thay nhà khoa học.

Thesis gốc của báo cáo, “Scientists appear to use AI where it works best”, được chứng minh bằng số liệu chính trong bài.

Nếu anh em đã dùng Claude cho nghiên cứu thật thì chia sẻ trải nghiệm của mình ở dưới.

Nguồn tham khảo

• Anthropic, How scientists use Claude: https://www.anthropic.com/research/how-researchers-use-claude
• Blockchain News, Anthropic AI scientific research Claude: https://blockchain.news/news/anthropic-ai-scientific-research-claude
• ExplainX, Catch up on AI 05/11/2026: https://www.explainx.ai/catch-up-on-ai/2026-11-05
• ExplainX, DeepMind Institute Bending the Curve of Discovery: https://explainx.ai/blog/deepmind-institute-bending-curve-of-discovery-ai-in-science-survey-2026
• MarkTechPost, Anthropic launches Claude Science beta: https://www.marktechpost.com/2026/07/04/anthropic-launches-claude-science-beta/
• NextAI Press, Anthropic Claude scientists AI for Science: https://nextaipress.com/anthropic-claude-scientists-ai-for-science/
• The Neuron, Claude Anthropic 40-year-old cell mystery: https://www.theneuron.ai/news/claude-anthropic-40-year-old-cell-mystery/
• CNN qua Finkelstein Lab, tranh cãi enzyme ART: https://finkelsteinlab.org/assets/pdfs/blog/harvesting-and-replenishment-in-biomedicine/cnn-hunt-2026-10-08.pdf
• ThePrint, Did Claude discover a new enzyme: https://theprint.in/science/did-claude-discover-a-new-enzyme-or-stole-a-biologists-work-anthropic-responds/3057122/
• Dong-A Science, ART enzyme controversy: https://dongascience.com/en/news/80107
• Science News, Claude bird flu research: https://www.sciencenews.org/article/claude-bird-flu-research-ai-biology
• Gadgets Now, Anthropic Claude biological weapons threat report: https://gadgetsnow.indiatimes.com/tech-news/anthropic-says-claude-was-used-in-research-that-could-aid-biological-weapons-the-bigger-risk-is-the-ai-supply-chain/articleshow/134059624.cms?frmapp=yes
• New Space Economy, Independent research on how people use Claude: https://newspaceeconomy.ca/2026/08/26/can-independent-research-on-how-people-use-claude-reveal-how-humans-actually-work-with-ai/
• OT Media TV, Anthropic Claude AI life sciences laboratories: https://otmediatv.com/articles/anthropic-claude-ai-life-sciences-laboratories-2026.html
• Hacker News, How Anthropic teams use Claude Code: https://news.ycombinator.com/item?id=44678535