La inteligencia artificial dejó de ser una promesa lejana para el trabajo académico y empezó a instalarse en el escritorio del investigador. A finales de junio de 2026, la empresa Anthropic dio un paso llamativo en esa dirección con el lanzamiento de Claude Science, una herramienta pensada específicamente para hacer ciencia. En Tutoeris seguimos de cerca estos movimientos, porque nuestra plataforma nace justamente de la convicción de que la IA, bien aplicada, puede acompañar el proceso de tesis sin sustituir el pensamiento de quien investiga.
En este artículo te explicamos qué es Claude Science, para qué sirve, cuál es su impacto y qué anticipa para la forma en que investigadores y tesistas trabajarán en los próximos años.
Claude Science es un entorno de trabajo (workbench) para científicos: una aplicación que integra, en un solo espacio, las herramientas y fuentes que un investigador utiliza a diario. Se lanzó en versión beta el 30 de junio de 2026 para los planes Pro, Max, Team y Enterprise, y funciona en computadoras con macOS y Linux. Opera sobre los modelos Claude que ya existían; la novedad está en el entorno construido alrededor de ellos, diseñado para el flujo real de una investigación.
La motivación es reconocible para cualquiera que haya hecho trabajo de campo o análisis de datos. Hoy el investigador salta entre docenas de bases de datos con estructuras distintas, lidia con formatos de archivo que exigen procesos técnicos particulares y alterna entre herramientas separadas: una para buscar literatura, otra para analizar, otra para los cálculos pesados. Claude Science busca reunir ese recorrido fragmentado en un mismo lugar.
Su enfoque inicial son las ciencias de la vida (biología, genómica, proteómica y química computacional), aunque la lógica de la herramienta apunta a expandirse. Estas son sus capacidades centrales.
Integra herramientas y fuentes. Viene preconfigurada con más de 60 bases de datos y conectores científicos. En lugar de consultar cada recurso por separado, el investigador formula su pregunta en lenguaje natural y la herramienta consulta y sintetiza esas fuentes.
Genera resultados reproducibles. Cuando produce una figura o un gráfico, incluye el código exacto que la generó, una descripción en lenguaje sencillo del procedimiento y el historial completo de la conversación. Así, cualquiera puede entender de dónde salió el resultado, validarlo y reproducirlo tiempo después.
Administra el cálculo. Para análisis grandes, planifica el proceso, pide autorización antes de usar nuevos recursos de cómputo y permite revisar o revocar cada decisión.
Revisa su propio trabajo. Incorpora un agente revisor que inspecciona los resultados, detecta citas incorrectas, números sin respaldo y figuras que no coinciden con su código, y se autocorrige.
Entre los casos que Anthropic compartió, uno resulta especialmente elocuente: un neurocientífico del Allen Institute construyó un sistema para redactar revisiones de literatura extensas, con subagentes que leen miles de artículos y extraen de cada uno la afirmación central y el hallazgo cuantitativo clave. Según su testimonio, un trabajo de ese tipo antes podía tomar hasta dos años.
Claude Science forma parte de una tendencia más amplia. Otras empresas trabajan en herramientas parecidas, y todas comparten una misma apuesta: reducir el tiempo dedicado a tareas repetitivas (rastrear literatura, preparar datos, generar figuras, montar análisis) para que el investigador concentre su energía en lo que ninguna máquina hace, que es plantear buenas preguntas e interpretar hallazgos con sentido.
Para el mundo de la investigación, esto sugiere un cambio en el reparto del esfuerzo más que un reemplazo de las personas. El instrumento amplía lo que se puede hacer; la dirección la sigue poniendo el investigador. Vale mantener la mesura: se trata de una herramienta en fase beta, enfocada por ahora en un dominio específico, y sus propios ejemplos vienen acompañados de validación humana.
En Tutoeris pensamos que la mejor manera de mirar estas noticias es preguntarse qué significan para el investigador que hoy está empezando su tesis. Tres ideas nos parecen clave.
La IA acelera tareas; el criterio metodológico lo pones tú. Una herramienta puede consultar fuentes o preparar borradores a gran velocidad, pero la definición de qué vas a investigar sigue siendo tuya. Delimitar tu evento de estudio, operacionalizarlo, formular tu objetivo general y determinar el holotipo que corresponde a tu investigación (exploratorio, descriptivo, comparativo, analítico, explicativo, predictivo, proyectivo, interactivo, confirmatorio o evaluativo) son decisiones metodológicas que ninguna herramienta toma por ti. Es exactamente el punto donde una plataforma como Tutoeris acompaña: no para pensar en tu lugar, sino para guiarte a tomar esas decisiones con claridad.
La reproducibilidad se vuelve un estándar. Que Claude Science ligue cada resultado al procedimiento que lo produjo confirma una tendencia: documentar el camino deja de ser opcional. Traducido a tu tesis, significa acostumbrarte desde ya a registrar cómo llegas a cada dato y a cada conclusión, de modo que tu trabajo sea verificable. Ese hábito te servirá uses o no una IA.
La revisión crítica sigue siendo humana. Que la propia herramienta incluya un agente que verifica citas y detecta números sin respaldo revela algo importante: incluso sus creadores asumen que los resultados generados por IA necesitan verificación. En los casos presentados, los equipos validaron de forma independiente los resultados antes de confiar en ellos. La lección para tu tesis es directa: toda fuente, dato o afirmación que incorpores debe pasar por tu criterio, porque eres tú quien responde por tu trabajo ante tu jurado.
