Anthropic lancerer Claude Science — AI der dokumenterer hvert eneste resultat
Vores analyse
Den 30. juni lancerede Anthropic Claude Science i beta — en samlet arbejdsbænk til forskere, tilgængelig på Pro-, Max-, Team- og Enterprise-abonnementer. Det er ikke en ny model, men et lag oven på de eksisterende Claude-modeller. Opbygningen er multi-agent: en generalist-agent modtager en forespørgsel i almindeligt sprog og uddelegerer til specialist-agenter, mens en separat reviewer-agent overvåger arbejdet undervejs og markerer citationsfejl, talfejl og uoverensstemmelser mellem figur og kode. Systemet rummer over 60 færdige fagmoduler inden for genomik, single-cell-analyse, proteomik, strukturbiologi og cheminformatik, integrerer NVIDIA BioNeMo-værktøjer som Evo 2, Boltz-2 og OpenFold3 og kobler på databaser som UniProt, PDB og Ensembl. Det kører lokalt på Mac og Linux eller mod HPC-servere via SSH, og skalerer fra én GPU til hundreder — men beder om lov, før det tager nye ressourcer i brug. Anthropic afsætter desuden op til 30.000 dollar i kreditter til hver af op til 50 udvalgte forskningsprojekter.
Det vigtige er ikke, at Claude nu kan folde proteiner. Det er arkitekturen. Hvert resultat — hver figur — leveres med den præcise kode, miljøbeskrivelsen, en forklaring i klar tekst og hele beskedhistorikken bag. Man kan redigere en figur i almindeligt sprog, hvorefter systemet selv opdaterer koden, og man kan forgrene en session for at sammenligne to tilgange side om side. Kombineret med reviewer-agenten, der løbende tjekker arbejdet for fejl, er det et konkret bud på, hvordan AI kan udføre konsekvensfuldt arbejde, uden at man skal tage resultatet på tro. Sporbarhed og selv-kontrol er bygget ind fra bunden, ikke klistret på bagefter.
For danske virksomheder er mønsteret her værd at hæfte sig ved — også langt uden for laboratoriet. Retningen er tydelig: AI bevæger sig fra en chat, man copy-paster ud af, til fagspecifikke arbejdsbænke, hvor arbejdet er reproducerbart og kan revideres. I regulerede brancher som medico, pharma, fødevarer og finans er dokumentation og audit trail ikke en luksus, men et krav. Når I vurderer en AI-løsning til noget, der har konsekvenser, så stil det samme krav, som Claude Science indfrier: kan den vise, hvordan den nåede frem til svaret, og har den et lag, der fanger dens egne fejl? Kan den ikke det, hører den ikke til i en arbejdsgang, der skal kunne stå for en kontrol.