A Anthropic ampliou a atuação do Claude na área científica com a criação de um grupo de pesquisa em ciências da vida e de um laboratório próprio de biologia na região da Baía de São Francisco, nos Estados Unidos. A estrutura combina análise computacional de dados genéticos, geração de hipóteses e validação experimental conduzida por cientistas, em uma estratégia que leva o desenvolvimento de inteligência artificial para uma etapa mais próxima da pesquisa aplicada.
A companhia afirma que o laboratório foi criado na primavera de 2026 para investigar até que ponto modelos de IA podem sistematizar e acelerar descobertas em biologia. O primeiro resultado divulgado foi a identificação de um sistema enzimático até então não caracterizado, associado a sequências repetitivas de DNA e batizado pela empresa de array-associated reverse transcriptases (ART). A função biológica do sistema ainda está sendo investigada.
A mudança ocorre depois de quase um ano de expansão deliberada da Anthropic em ciências da vida. Em outubro de 2025, a companhia já havia anunciado recursos específicos para pesquisadores, incluindo ferramentas para descoberta inicial de medicamentos, desenho experimental, bioinformática e análise de literatura científica. Em junho de 2026, lançou o Claude Science, uma plataforma voltada ao trabalho científico e integrada a ferramentas, bases de dados e recursos computacionais utilizados por pesquisadores.
Da ferramenta de texto ao fluxo completo de pesquisa
A nova estrutura muda a posição do Claude dentro do processo científico. Em vez de limitar o uso da IA a tarefas como redação de código, síntese de artigos ou interpretação de dados, a Anthropic passou a testar uma cadeia que começa com a formulação de uma pergunta, percorre grandes volumes de dados biológicos, produz candidatos para investigação e termina com testes físicos realizados no laboratório.
No projeto que resultou na identificação do ART, a companhia relata que cerca de 950 agentes trabalharam durante 21 horas sobre uma grande base de sequências de DNA. Nesse período, foram utilizados aproximadamente 210 milhões de tokens, o equivalente, numa divisão simples pelo tempo, a uma utilização agregada de cerca de 10 milhões de tokens por hora. O sistema reuniu mais de 200 mil transcriptases reversas, selecionou 3,5 mil candidatos considerados novos e reduziu o conjunto a 20 sistemas avaliados como mais promissores para análise aprofundada.
A filtragem mostra a função que a Anthropic pretende atribuir aos agentes. Dos mais de 200 mil elementos inicialmente analisados, cerca de 1,75% chegaram à etapa de candidatos novos. Apenas 20, ou 0,01% do conjunto original, foram levados ao estágio final de análise aprofundada. O processo não elimina a participação humana: os cientistas avaliam as hipóteses, selecionam o que será testado e realizam os experimentos físicos.
Na etapa experimental, a Anthropic afirma que os pesquisadores trabalham com linhagens laboratoriais padronizadas, caracterizam proteínas bioquímica e estruturalmente e usam o Claude para auxiliar a interpretação dos dados. O laboratório opera apenas nos níveis de biossegurança BSL-1 e BSL-2 e, segundo a empresa, não manipula patógenos capazes de infectar seres humanos.
O ponto econômico dessa arquitetura está na possibilidade de reduzir a distância entre o modelo de IA e o resultado pelo qual uma empresa paga. A inteligência artificial deixa de ser apenas uma camada de software vendida de forma horizontal e passa a ser incorporada a fluxos profissionais completos, com conhecimento setorial, ferramentas específicas e, em determinados casos, execução de tarefas que antes dependiam de equipes especializadas.
Biologia vira uma frente de especialização
Para Álvaro Machado Dias, especialista em inteligência artificial e colunista da CNN Brasil, o movimento da Anthropic está relacionado à busca por novos caminhos de monetização em um mercado no qual a diferença de desempenho entre modelos concorrentes tende a diminuir. Na avaliação apresentada por ele, a pressão por rentabilidade incentiva as empresas a desenvolver aplicações especializadas, capazes de capturar valor diretamente em setores como biologia, direito e outras atividades profissionais.
A própria evolução dos produtos da Anthropic sustenta a mudança de foco. Em agosto, a empresa informou que seus modelos já haviam sido usados em tarefas de desenho de proteínas e química analítica. Em um dos experimentos, modelos da companhia projetaram ligantes proteicos para 15 alvos e obtiveram sucesso em 14 deles, com taxas de ligação superiores às consideradas típicas em campanhas convencionais de desenho de proteínas, segundo a própria empresa.
No fim de agosto, a Anthropic também abriu 10 mil vagas para pesquisadores utilizarem versões do Claude gratuitamente ou com desconto durante um ano e ampliou o programa AI for Science, oferecendo créditos computacionais para projetos científicos. Para profissionais de biologia e desenvolvimento de medicamentos, a empresa criou mecanismos específicos de acesso a modelos mais avançados, mantendo restrições para determinadas consultas consideradas de maior risco de uso indevido.
Esse conjunto de iniciativas indica uma estratégia que vai além de colocar um chatbot à disposição de cientistas. A companhia está construindo uma camada de infraestrutura para pesquisa, com produto, créditos computacionais, suporte a laboratórios, ferramentas especializadas e agora capacidade experimental própria.
A aposta também acompanha uma transformação maior na indústria de inteligência artificial: o modelo generalista continua sendo o núcleo tecnológico, mas a captura de valor pode ocorrer em aplicações verticais. No setor jurídico, por exemplo, a OpenAI apresentou em 17 de setembro o Astra for Law, configuração do GPT-6 Astra voltada ao trabalho profissional de escritórios e empresas de tecnologia jurídica. A solução incorpora busca jurídica especializada, contexto e ferramentas para análise e redação, inicialmente com acesso direcionado a escritórios selecionados nos Estados Unidos.
A diferença entre esses movimentos está no grau de integração. No direito, a IA é adaptada ao fluxo documental e de pesquisa. Na biologia, a Anthropic está avançando também sobre a etapa física da ciência, em que uma hipótese precisa ser submetida a um experimento para ser confirmada ou rejeitada.
Descoberta científica ainda depende do laboratório
A identificação do ART também delimita o que a Anthropic considera possível automatizar. Os agentes conseguem percorrer volumes de dados muito superiores aos que um pesquisador conseguiria examinar manualmente no mesmo período, encontrar padrões, comparar literatura e propor hipóteses. Isso não significa, porém, que a hipótese produzida pela IA seja automaticamente uma descoberta consolidada.
No caso divulgado em setembro, os cientistas ainda investigam a função principal do sistema encontrado pelo Claude. A companhia descreve os resultados como iniciais e afirma que experimentos adicionais são necessários para determinar como o ART funciona. O próprio processo demonstra a diferença entre geração de hipótese e validação científica: o algoritmo seleciona uma anomalia relevante, mas a comprovação depende de experimentação, análise e revisão humana.
Esse limite é particularmente importante em biologia porque erros de interpretação podem produzir custos elevados. A Anthropic já havia identificado essa dificuldade em estudos anteriores com agentes voltados a bioinformática. Em uma pesquisa publicada em junho, a empresa mostrou que modelos de IA tinham dificuldade para recuperar de forma consistente determinados dados de bases biológicas; a precisão melhorou significativamente quando foram adicionadas ferramentas determinísticas de recuperação de informação.
A empresa também reconhece que um agente capaz de executar uma tarefa não necessariamente é a melhor solução para repeti-la continuamente. Custo computacional, velocidade, auditabilidade e confiabilidade continuam sendo restrições para a adoção em larga escala. Essa ressalva é relevante porque a promessa econômica da automação depende não apenas da capacidade do modelo, mas da relação entre custo, qualidade e responsabilidade pelo resultado.
Expansão cria novas exigências para profissionais
O movimento também pode alterar a divisão de trabalho em ocupações altamente especializadas. Na avaliação de Machado Dias apresentada pela CNN Brasil, os profissionais em início de carreira estão entre os mais expostos porque parte das tarefas tradicionalmente atribuídas a estagiários e profissionais juniores pode ser automatizada por ferramentas de IA.
A mudança, nesse caso, não significa necessariamente o desaparecimento de uma profissão inteira. Ela pode modificar a composição das equipes e a quantidade de trabalho necessária para produzir determinado resultado. No direito, por exemplo, sistemas que aceleram pesquisa, análise documental e produção de peças podem reduzir a quantidade de horas necessárias para determinadas etapas, ao mesmo tempo em que preservam tarefas que exigem responsabilidade profissional.
Esse ponto aparece também no desenho regulatório brasileiro. O Projeto de Lei 2.338/2023, em tramitação na Câmara dos Deputados, permanece aguardando parecer do relator em comissão especial. O texto em análise classifica como usos de alto risco determinadas aplicações de IA em áreas como recrutamento, triagem e avaliação de candidatos, decisões sobre promoção ou encerramento de relações de trabalho, avaliação de desempenho e gestão de trabalhadores.
Portanto, a regulamentação discutida no Brasil já alcança justamente uma das áreas em que a expansão da IA pode produzir efeitos econômicos mais diretos: a tomada de decisões sobre pessoas no mercado de trabalho. O projeto ainda não constitui uma regra definitiva. Sua tramitação na Câmara envolve análise de uma comissão especial e continua sujeita a alterações antes de eventual votação.
A discussão regulatória também passa a envolver a própria arquitetura dos sistemas. Quanto mais uma IA deixa de responder perguntas genéricas e passa a participar de processos de pesquisa, contratação, diagnóstico ou produção técnica, maior tende a ser a importância de rastrear fontes, registrar decisões e definir quem responde pelo resultado.
A Anthropic, por sua vez, está posicionando a biologia como uma das áreas em que pretende levar os agentes para tarefas de maior complexidade. O laboratório próprio não transforma a empresa em uma farmacêutica nem significa que a companhia esteja conduzindo ensaios clínicos. O que muda é a escala da intervenção: Claude passa a atuar sobre dados científicos, formular hipóteses e participar de um ciclo que termina no laboratório físico.
A trajetória desde outubro de 2025 mostra uma sequência clara de especialização: primeiro, ferramentas para apoiar cientistas; depois, uma plataforma integrada para pesquisa; em seguida, experimentos de desenho de proteínas e química; e agora um laboratório dedicado a produzir e testar hipóteses biológicas.
A estratégia coloca a pesquisa científica entre as frentes em que as empresas de IA tentam transformar capacidade computacional em serviços especializados. Na prática, o valor econômico do modelo passa a depender menos apenas de produzir uma resposta e mais de conseguir participar de processos completos, com ferramentas, dados, conhecimento setorial e mecanismos de validação. No caso da biologia, a etapa decisiva continua sendo a comprovação experimental — mas a quantidade de hipóteses que a IA consegue gerar e filtrar já altera a escala em que essa pesquisa pode ser conduzida.
Fontes:
Anthropic – anúncio da criação do grupo de pesquisa em ciências da vida e do laboratório de biologia, com os resultados iniciais sobre o sistema ART
Anthropic – lançamento do Claude Science e integração de ferramentas, bases de dados e recursos computacionais para pesquisa científica
Anthropic – avanços do Claude em desenho de proteínas e química analítica
Anthropic – expansão do programa de apoio a cientistas e oferta de créditos e assentos para pesquisa
Anthropic – desenvolvimento do Claude para ciências da vida e aplicações em pesquisa, descoberta de medicamentos e bioinformática
OpenAI – apresentação do Astra for Law e adaptação de modelos de fronteira para o trabalho jurídico profissional
Câmara dos Deputados – tramitação do PL 2338/2023 e situação do projeto na Comissão Especial sobre Inteligência Artificial
Câmara dos Deputados – texto do PL 2338/2023 com classificação de usos de alto risco em recrutamento, gestão e relações de trabalho
