Claude відкрив новий фермент: AI як вчений

Коли AI-агент стає вченим

Думка про те, що AI прискорює науку, давно стала кліше. Те, що сталося 23 вересня 2026 року, — інше. AI-агент не допомагав вченому — він сам був вченим. Сформував гіпотезу, дослідив її, звірив із наявною літературою і подав звіт про відкриття. Людська команда дала стартовий запит і провела лабораторні експерименти. Все між цими двома точками належало машині.

Наслідки для фармацевтичних і біотехнологічних R&D — і для будь-якого бізнесу, що конкурує швидкістю роботи зі знаннями, — ще не повністю враховані ринком. Цифри за цим відкриттям і те, що вони говорять про нову економіку досліджень, варті уважного розгляду.

23 вересня 2026 року Anthropic оголосила, що її модель Claude самостійно виявила раніше не описану ферментну систему, архітектура якої разюче нагадує CRISPR — механізм редагування генів, що вже змінив медицину. Систему назвали array-associated reverse transcriptases, або ART. Її знайшли в ДНК бактеріофагів — вірусів, що інфікують бактерії. Це перший публічно задокументований випадок, коли велика мовна модель виступила повноправним учасником наукового відкриття, а не просто дослідницьким асистентом.

Це не розповідь про чат-бот, що реферує статті. Це розповідь про те, що відбувається, коли AI-агентів розгортають у масштабі проти задачі, яка в іншому разі зайняла б у досвідчених людей тижні або місяці.

Що саме зробив Claude — і як

Механіка відкриття важлива, бо вона розкриває відтворювану архітектуру, що виходить далеко за межі біології.

Науковці Anthropic дали Claude єдиний запит на високому рівні: знайти в масивній базі ДНК-послідовностей цікаві нові приклади зворотних транскриптаз — ферментів, що копіюють РНК у ДНК. На цьому людська участь у обчислювальному етапі закінчилася. Далі приблизно 950 агентів Claude працювали паралельно протягом 21 години, витративши близько 210 мільйонів токенів. Вони переглянули понад 200 000 зворотних транскриптаз, відібрали близько 3 500 кандидатних систем і звузили поле до 20 кандидатів, гідних детальних звітів.

Один агент помітив те, що інші пропустили: повторюваний патерн ДНК-послідовностей поруч із геном незвичайної зворотної транскриптази. Далі відбулося не просте «позначити і передати». Агент порахував повтори, виміряв відстані між ними, порівняв структуру з відомими біологічними системами і пошукав у науковій літературі будь-який попередній опис цього патерну. Не знайшовши нічого, він дійшов висновку, що виявив нову біологічну систему, і подав звіт на розгляд людям.

Знайдена система ART має три компоненти: сама зворотна транскриптаза, сусідній партнерський ген і довгий масив рівномірно розташованих ДНК-повторів. Ця структура повторів нагадує CRISPR-масив — те, що робить CRISPR-Cas системи програмованими як біотехнологічний інструмент. Anthropic відкрито визнає: біологічна функція ART залишається невідомою, а результати ще не пройшли рецензування. Але структурна новизна виявилася достатньою, щоб привернути увагу Фена Чжана — піонера CRISPR і професора MIT та Broad Institute. Він назвав виявлення РНК-повторних масивів, пов'язаних із зворотними транскриптазами, «справді інтригуючим» і заявив, що це заслуговує на подальше дослідження.

Агенти самостійно дослідили дуже великий простір пошуку, виявили аномалію, вивчили її характеристики, порівняли з наявними науковими знаннями і відібрали для подальших лабораторних експериментів — без жодних інструкцій щодо того, як саме це робити.

Розподіл праці варто назвати прямо: людські вчені визначили початковий напрямок дослідження і провели всі лабораторні експерименти. Claude взяв на себе все між цими точками — аналіз баз даних, генерацію гіпотез, оцінку кандидатів і синтез результатів. Anthropic описує це як модель співпраці дослідників і AI-агентів на всіх етапах дослідницького процесу — від аналізу біологічних даних до експериментальної перевірки.

Аргумент про швидкість — не перебільшення

Anthropic зазначила, що такий геномний пошук зазвичай займає у досвідченого вченого тижні або місяці. Агенти впоралися за 21 годину. Стенлі Ці, професор біоінженерії Стенфорду, прокоментував це прямо: AI здатен значно розширити нашу здатність досліджувати біологічні патерни «ефективніше і швидше — у цьому випадку всього за 21 годину».

Цей коефіцієнт стиснення — тижні експертної роботи в менш ніж добу — і є цифрою, яка має зупинити будь-якого R&D-директора посеред речення. Це не маргінальне покращення. Це структурна зміна у вартості та швидкості генерації наукових гіпотез.

Що таке ART — і чим воно поки що не є

Тут важлива чіткість, бо бізнес-наслідки залежать від чесного прочитання ситуації. ART — це щойно ідентифікована молекулярна система. Її біологічна функція ще не встановлена. Anthropic прямо заявила: система не продемонструвала здатності до редагування генів, і дослідники ще з'ясовують, чи може вона колись знайти застосування в біотехнологіях.

Що встановлено: система існує, має незвичайну архітектуру, раніше не була описана в науковій літературі і була знайдена AI-агентом, що діяв із мінімальним людським керівництвом. Це нижня межа твердження — і вона вже значуща.

Економіка R&D змінюється

Фармацевтична та біотехнологічна галузі живуть за жорсткою арифметикою: більшість кандидатів у ліки зазнають невдачі, терміни розробки розтягуються на десятиліття, а вартість виведення однієї терапії на ринок вимірюється мільярдами. Вузьке місце — зазвичай не лабораторія, а попередня робота з визначення того, які біологічні мішені взагалі варті уваги.

Саме цю попередню роботу Claude щойно продемонстрував здатність стискати.

Традиційна модель геномних відкриттів виглядає приблизно так: вчений із глибокою предметною експертизою тижнями вручну шукає в базах даних, перехресно перевіряє літературу і будує гіпотези про те, які молекулярні патерни можуть бути біологічно значущими. Процес послідовний, залежний від експертизи і дорогий. Час старшого дослідника обмежений. Його здатність одночасно утримувати в голові тисячі кандидатних систем — ні.

Рій із 950 AI-агентів не має таких обмежень. Він паралельно переслідує тисячі гіпотез, застосовує однакові аналітичні критерії до всіх них і виносить найперспективніших кандидатів на людське судження — і все це за один робочий день. Людський експерт тоді робить те, в чому він справді найкращий: проектує експерименти, інтерпретує неоднозначні результати і приймає рішення в умовах невизначеності, що вимагають контекстуальних знань, яких у моделі немає.

AI не замінює вчених. Він перебудовує те, на що вчені витрачають час — виводить їх із фази пошуку в базах даних і переміщує у фазу експериментів та інтерпретації, де їхня експертиза створює найбільшу цінність.

Питання для будь-якого бізнесу, що конкурує на знаннях, — не чи настане цей зсув. А чи будете ви готові скористатися ним, коли він прийде у вашу галузь.

Для фармацевтичних і біотехнологічних компаній наслідки розгортаються швидко. Якщо AI-агенти можуть генерувати якісні біологічні гіпотези за частку нинішніх витрат і часу, конкурентна перевага переходить до організацій, що здатні найшвидше оцінювати ці гіпотези і діяти на їх основі. Вузьке місце зміщується нижче за течією — до потужностей вологих лабораторій, регуляторної стратегії та дизайну клінічних досліджень. Компанії, що вже інвестували в ці можливості, отримають новий вид важеля. Ті, що не інвестували, побачать, як розрив збільшується.

Інфраструктура за відкриттям

Anthropic не просто розгорнула Claude проти наявного робочого процесу. Компанія створила спеціалізовану дослідницьку групу в галузі наук про життя — сформовану навесні 2026 року — і відкрила молекулярно-біологічну лабораторію в районі затоки Сан-Франциско, що працює на рівнях біобезпеки BSL-1 і BSL-2 (без людських патогенів). Лабораторія існує спеціально для перевірки кандидатів, знайдених у ході обчислювальних пошуків. Інструменти, якими користуються вчені Claude, — Claude for Science і Claude Code — доступні будь-якому досліднику, а не є власністю внутрішньої команди Anthropic.

Цей останній момент заслуговує на увагу. Інфраструктура для такого виду AI-підтриманих відкриттів не замкнена за корпоративною стіною. Вона, принаймні в принципі, доступна будь-якій дослідницькій організації, готовій побудувати навколо неї робочий процес.

Що це означає для керівників поза біотехом

Відкриття ART — це біотехнологічна історія. Але архітектура, яку вона демонструє, — великий флот AI-агентів із високорівневою метою, що паралельно шукає у величезному просторі задач і виносить аномалії на людський розгляд, — не специфічна для біології.

Той самий патерн застосовується до будь-якої галузі, де ключове вузьке місце — пошук значущих сигналів у великому складному масиві даних: конкурентна розвідка, юридичний дискавері, фінансовий due diligence, оцінка ризиків у закупівлях, моніторинг регуляторної відповідності. У кожній із цих галузей нинішня модель виглядає приблизно так само, як геномні дослідження до ART: дорогі експерти роблять послідовну ручну роботу, яку AI-агенти могли б виконувати швидше, дешевше і в більшому масштабі.

Фреймворк вбудованої оцінки AI від Anthropic та Accenture вказує в той самий бік: організації, що рухаються найшвидше, — це ті, що розглядають AI-агентів не як інструменти для окремих працівників, а як паралельну робочу силу, що одночасно виконує різні завдання.

Організаційний зсув

Тут є управлінський висновок, що виходить за межі технологічного впровадження. Коли AI-агенти можуть виконувати фазу пошуку і синтезу в роботі зі знаннями, організаційна цінність зміщується до людей, здатних формулювати правильні питання, критично оцінювати результати і приймати рішення в умовах невизначеності. Це інший профіль навичок, ніж той, під який більшість організацій, що працюють зі знаннями, традиційно оптимізувалися.

Для CEO або COO, що думає про розвиток компетенцій, це і є правильна рамка: не «як автоматизувати те, що ми вже робимо», а «що стає можливим, якщо фаза пошуку і синтезу нашої найдорожчої роботи зі знаннями коштує вдесятеро менше і виконується вдесятеро швидше?»

Чесна відповідь на це питання зазвичай дає іншу стратегічну дорожню карту, ніж та, що більшість організацій виконує зараз.

Якщо потрібен фреймворк для вимірювання того, скільки цей зсув коштує у фінансових термінах, AI ROI: як довести цінність бізнесу пропонує структурований підхід для розрахунків до того, як вкладати в інфраструктуру.

Чесні межі — і чому вони не скасовують сигнал

Скептицизм щодо відкриття ART законний і варто розглянути його прямо. Комп'ютерний вчений Дімітрі Перрін, що керує проектами CRISPR і AI в Квінслендському технологічному університеті, зазначив: сам фермент зворотної транскриптази вже був відомий — нове полягає у визнанні того, що він може бути частиною більшої системи. Це суттєве розрізнення. Відкриття — структурне спостереження, а не доведена функція.

Результати не пройшли рецензування. Біологічна роль ART невідома. Чи матиме вона колись застосування в біотехнологіях — відкрите питання.

Жодне з цього не змінює ключового сигналу для керівників бізнесу. Питання не в тому, чи стане ART наступним CRISPR. Питання в тому, чи є процес, що знайшов ART, — 950 агентів, 21 година, один запит на високому рівні — стійким зсувом у тому, як відбуваються наукові та аналітичні відкриття. Відповідь на це питання, схоже, ствердна — незалежно від того, чим виявиться сама ART.

Паралель із математичними міркуваннями Claude показова: в обох випадках значущість полягає не стільки в конкретному результаті, скільки в демонстрації того, що AI-агенти тепер здатні бути справжніми учасниками складної інтелектуальної роботи, а не просто прискорювачами людських завдань.

Що рецензування не змінює

Препринт опубліковано. Методологія задокументована. Інші дослідницькі групи тепер можуть спробувати відтворити робочий процес, поширити його на інші біологічні домени або оскаржити структурну інтерпретацію ART. Саме так і має працювати наука — і той факт, що це взагалі відбувається, що відкриття, зроблене AI, входить у науковий процес рецензування як законний внесок, сам по собі є маркером того, наскільки багато змінилося.

Для керівників бізнесу відповідний висновок — не чекати рецензування, щоб сформувати позицію. Робочий процес реальний. Масштаб задокументований. Стиснення часу підтверджено. Стратегічне питання — що робити з цією інформацією зараз.

FAQ

Чи є система ферментів ART підтвердженим інструментом редагування генів, як CRISPR? Ні. Anthropic прямо заявила, що біологічна функція ART залишається невідомою і що система не продемонструвала здатності до редагування генів. Значущість відкриття — у структурній новизні та AI-процесі, що його знайшов, а не в будь-якому підтвердженому терапевтичному застосуванні.

Скільки AI-агентів було задіяно і скільки тривав пошук? Приблизно 950 агентів Claude працювали паралельно протягом 21 години, використавши близько 210 мільйонів токенів для перегляду понад 200 000 зворотних транскриптаз, перш ніж ідентифікувати ART як кандидата.

Яку роль відіграли людські вчені у відкритті? Людські вчені надали початковий запит на високому рівні і провели всі лабораторні експерименти. Обчислювальний процес відкриття — пошук у базах даних, генерація гіпотез, оцінка кандидатів і синтез результатів — виконували агенти Claude, що діяли за власним судженням.

Чи потребує цей робочий процес власної інфраструктури Anthropic? Не повністю. Anthropic зазначила, що інструменти, якими користуються її вчені, — Claude for Science і Claude Code — доступні будь-якому досліднику. Побудова робочого процесу навколо них вимагає організаційних інвестицій, але самі інструменти не замкнені на внутрішню команду Anthropic.

Що це означає для фармацевтичних компаній? Це вказує на те, що початкова фаза розробки ліків — виявлення біологічно значущих мішеней у великих геномних масивах — може бути стиснута драматично за часом і вартістю. Конкурентна перевага переходить до організацій, що здатні найшвидше оцінювати і використовувати AI-генеровані гіпотези, — а це підвищує цінність потужностей вологих лабораторій, регуляторної готовності та дизайну клінічних досліджень.

Чи повинен цей розвиток хвилювати бізнес поза біотехом? Так. Архітектура агентів, продемонстрована тут, — паралельний пошук у величезному просторі задач, виявлення аномалій, синтез гіпотез, людський розгляд — застосовується до будь-якої галузі, де ключове вузьке місце — пошук значущих сигналів у великих складних масивах даних. Юридичні, фінансові, комплаєнс- і закупівельні функції — всі підходять під це визначення.

---

Відкриття ART буде обговорюватися, уточнюватися і врешті або підтверджено, або переглянуто науковою спільнотою. Цей процес займе час. А от поширення базового робочого процесу в кожну галузь, де масштабний пошук і синтез створюють цінність, — не займе. Організації, що розуміють це зараз і будують внутрішні можливості для цього, не чекатимуть дозволу від рецензованого журналу, щоб діяти.

Керівники, що сприймуть це як біологічну історію, будуть здивовані. Ті, що сприймуть це як операційну — будуть готові.