Исследование Anthropic: как социальные науки внедряют ИИ-...

Anthropic опубликовала результаты масштабного опроса среди социологов, экономистов и политологов. Главный вывод: базовые языковые модели применяют почти все, но по-настоящему автономные инструменты для работы с кодом пока остаются уделом узкой группы ранних последователей.

Долгое время обсуждение ИИ в академической среде сводилось к помощи в написании текстов. Ученые опасались потока сгенерированных статей и галлюцинаций в обзорах литературы. Однако появление автономных агентов для написания кода (coding agents), таких как Claude Code, сместило фокус. Эти системы способны самостоятельно принимать идею, писать скрипты для анализа данных, запускать их, интерпретировать результаты и автономно вносить исправления.

Изображение из источника

Опрос 1260 исследователей выявил четкую картину. 81% респондентов уже используют генеративный ИИ для помощи в исследованиях. При этом лишь 20% регулярно применяют интегрированные в командную строку агенты. Основная задача ИИ в науке — не написание статей. Вопреки стереотипам, тексты с помощью нейросетей пишет лишь треть опрошенных. Зато 97% пользователей агентов применяют их именно для генерации аналитического кода.

Внедрение новых технологий происходит крайне неравномерно. Экономисты и политологи используют агентов чаще коллег из других дисциплин. Аспиранты и молодые ученые применяют их вдвое чаще, чем профессора с постоянной позицией. Наблюдается и серьезный разрыв в демографии: исследователи с типично мужскими именами используют агентов в два раза чаще, чем с женскими. Кроме того, представители ведущих университетов обгоняют коллег на 40%.

Изображение из источника

Эти данные показывают, что ИИ-агенты могут непреднамеренно усилить существующее неравенство в академической среде. Те, кто уже имеет доступ к ресурсам ведущих институтов, первыми осваивают инструменты, многократно ускоряющие рутинную работу с массивами данных. Пользователи агентов уже сейчас публикуют больше препринтов и подают больше заявок на гранты. Пока рано утверждать, что именно ИИ является прямой причиной такой продуктивности, но корреляция очевидна.

Автоматизация эмпирических исследований неизбежно снизит стоимость проверки научных гипотез. Это может привести к росту числа смелых открытий, но одновременно усилит нагрузку на систему экспертной оценки (peer review). Время покажет, насколько глубоко машинная логика повлияет на то, как мы изучаем экономику и общество, когда все больше аналитических решений будет делегироваться алгоритмам.