Claude Scienceは文献探索、multi-step分析、figure・manuscript作成、local・SSH・HPC・on-demand computeを一つの研究workbenchへ統合するbetaである。code、environment、message historyをartifactへ残し、reviewer agentがcitationや計算を確認する。研究速度を上げる可能性は大きいが、再現性は「履歴がある」だけでは成立しない。data lineage、package固定、権限、独立検証を研究protocolへ組み込む必要がある。
何が変わったか
Claude ScienceはmacOS・LinuxでPro、Max、Team、Enterprise向けbetaとして提供された。Team・Enterpriseではadminが有効化する。generalist coordinating agentが60超の科学skills・connectorsを使い、specialist agentやuser作成agentを組み合わせる。figureには生成code・environment・説明・message historyが付き、reviewer agentがcitation、untraceable number、codeとfigureの不一致を検査する。local machine、SSH先、HPC login node、Modal computeを利用できる。
変更前後の差
一般的なchatやcoding assistantでは、PubMed、Jupyter、R、cluster terminal、domain databaseを利用者が個別に接続し、結果のprovenanceを自分で管理する必要があった。Claude Scienceはこれを統合し、session forkやreusable skillも持つ。一方reviewer agentは独立した人間・統計reviewを置き換えず、beta品質、connector version、model updateの影響を受ける。
誰に影響するか
genomics、single-cell、proteomics、structural biology、cheminformaticsなどで大量dataと専門toolを扱うlabが対象である。研究者だけでなくHPC管理者、data steward、IRB・倫理、research integrity、publication ownerに影響する。proprietary・patient・export-controlled dataを扱う場合、どのcontextがClaudeへ送られるかを明確にする必要がある。
対応期限
beta利用の強制期限はない。AI for Science projectのapplication期限は2026年7月15日で既に終了しているため、新規応募可能とは扱わない。Team・Enterpriseではadmin enablement前にpilot範囲、data class、compute resource、利用者、停止条件を決める。
必要な対応
研究dataをpublic、internal、sensitive、regulatedに分類し、Claudeへ送信可能なcontextを定める。SSH・HPC accountは専用のleast-privilege identity、read-only directory、job quota、network boundaryを使う。artifactにはinput hash、dataset version、package lock、container、random seed、model・tool versionを追加する。citationと計算は原典・independent script・domain expertで再確認する。
実装・移行手順
- 非機密・小規模datasetでpilot taskを選ぶ。
- adminが限定groupへenableする。
- dedicated workspace・SSH identity・compute quotaを設定する。
- Golden workflowをmanual実行し結果を比較する。
- artifactを別environmentで再実行する。
- 成功条件を満たしたdomainだけ段階拡大する。
失敗しやすい点
raw datasetがlab infraに残る説明を「dataがClaudeへ一切送られない」と解釈してはいけない。各stepに必要なcontextは送信されるため、何が含まれるかを確認する。reviewer agentがself-correctした結果を独立検証とみなすのも誤りである。latest packageやremote databaseを使い、後日同じ結果を再現できないこともある。
リスク
patient・genomic・proprietary dataの漏えい、HPCでの過剰resource消費、誤citation、statistical error、hallucinated mechanism、unlicensed database利用がある。agentがjob submissionやfile writeを行うため、誤ったpath・parameterでdatasetやoutputを上書きする可能性もある。publicationへ直接流す前に人間approvalを置く。
評価方法
既知結果を持つ研究taskでaccuracy、citation fidelity、calculation再現率、figure-code一致、runtime、compute cost、人手時間を測る。別研究者・別environmentでartifactを再実行し、hash・number・figureが一致するか確認する。reviewer agentが見つけたerrorだけでなく見逃したerrorをblind reviewで数える。
ロールバック
admin enablementを限定groupから外し、新規sessionを停止する。HPC credential・connector・Modal accessをrevokeし、running jobを管理者が確認する。研究artifactは標準repositoryへexportし、manual Jupyter・R・pipelineで継続できるようにする。Claude Science固有skillへ業務logicを閉じ込めない。
編集部の見解
重要点は科学用chatではなく、tool・compute・artifact履歴を一つのagent workflowへまとめたことにある。再現性を改善する機会だが、同じagentが作成とreviewを担うだけでは独立性が不足する。betaでは限定data、限定権限、別environment再実行を導入条件にすべきだ。
実務チェックリスト
- admin enablementを限定した
- data classificationと送信contextを定義した
- 専用SSH identityとcompute quotaを使う
- input hashとdataset versionを保存する
- package・container・seedを固定する
- citationを原典で確認する
- 別environmentでartifactを再実行する
- 停止時にcredentialをrevokeできる