Claude Science: Anthropic vil utvikle egne medisiner med AI

Claude Science er ikke bare enda et Claude-produkt med hvit frakk. Den interessante delen er at Anthropic nå sier høyt at selskapet vil utvikle egne medisiner, ikke bare selge AI-verktøy til forskere og legemiddelselskaper.

Det er et ganske stort skifte. En ting er å lage en “AI-arbeidsbenk for forskere”, slik Anthropic lanserte 30. juni 2026. Noe annet er å gå fra verktøyleverandør til aktør i selve legemiddelløpet. Da blir spørsmålet ikke bare hva Claude kan hjelpe forskere med, men hva Anthropic faktisk prøver å bli.

The Verge skrev 3. juli 2026 at Anthropic vil fokusere på behandlinger for “neglected” diseases, altså sykdommer som ofte ikke er kommersielt fristende nok for tradisjonell legemiddelindustri. Det høres både nobelt og strategisk ut. Og ja, begge deler kan være sant samtidig.

Hva er Claude Science?

Claude Science er en beta-app for forskere som samler databaser, kode, beregninger, visualiseringer og spesialiserte agenter i ett arbeidsmiljø. Ifølge Anthropic kjører den på macOS og Linux, er tilgjengelig for Pro, Max, Team og Enterprise, og er laget for arbeid innen blant annet genomikk, proteomikk, strukturell biologi og kjemiinformatikk.

Poenget er ikke at Claude plutselig ble en egen biologi-modell. Anthropic presiserer selv at dette er et arbeidsmiljø. Forskere kan bruke Claude Science til å hente data fra mange kilder, kjøre analyser, lage figurer og manusutkast, og samtidig få en sporbar historikk over hvordan resultatet ble laget. Det siste er viktig. I forskning holder det ikke at noe “ser riktig ut”. Du må kunne gå tilbake og se hvilke data, hvilket miljø og hvilken kode som faktisk produserte figuren.

Anthropic skriver at appen kommer med mer enn 60 ferdige skills og connectors for vitenskapelige arbeidsflyter, og at den kan koble seg på eksisterende verktøy og infrastruktur i laboratoriet. Den kan også jobbe med HPC-miljøer og compute on demand, men med brukerens kontroll før den når nye ressurser. Det er en ganske annen type produkt enn en vanlig chatbot med “last opp PDF”-knapp.

Hvorfor vil Anthropic utvikle egne medisiner?

Anthropic sier at egen legemiddelutvikling skal gi selskapet tettere tilbakemeldinger fra virkelige forskningsprosesser. Life sciences-sjef Eric Kauderer-Abrams sa ifølge The Verge at selskapet vil se på behandlinger for forsømte sykdommer. CNBC-saken The Verge viser til beskriver dette som et internt preklinisk legemiddelprogram.

Det gir mening fra et produktperspektiv. Hvis du skal selge AI-verktøy til forskere, lærer du mer av å være i forskningsløpet selv enn av å stå på utsiden og gjette. Det er den samme logikken som gjør at gode kodeverktøy ofte blir best når de brukes hardt internt før de selges til andre. Anthropic har allerede vist hvor sterkt selskapet satser på arbeidsflyter med Claude Code og kodegjennomgang. Nå prøver de samme type agentisk arbeidsflyt i forskning.

Men det gjør også rollen mer uklar. Anthropic kan ende med å selge verktøy til legemiddelselskaper samtidig som de bygger egne programmer som i teorien kan konkurrere med kundene. Det trenger ikke være et problem, men det er en spenning. Når AI-selskapene går fra å levere spader til gullgraverne til å grave selv, bør vi legge merke til det.

Det er også derfor dette passer bedre som en bransjesak enn som en ren produktnyhet. Claude Science er produktet, men strategien er nyheten. Anthropic prøver å komme nærmere de faktiske forskningsbeslutningene: hvilke hypoteser som prioriteres, hvilke datasett som teller, hvilke kandidater som får videre oppfølging, og hvilke problemer som ikke får oppmerksomhet fordi markedet er for lite.

Hva kan AI faktisk gjøre i legemiddelutvikling?

AI kan hjelpe i mange deler av legemiddelutvikling: finne mulige molekyler, foreslå nye mål i kroppen, analysere forskningslitteratur, sammenligne datasett, planlegge eksperimenter og prioritere kandidater. Anthropic nevner selv eksempler som single-cell RNA-sekvensering, CRISPR-design, proteinstruktur og kjemiinformatikk i sin egen lansering av Claude Science.

Det er her dette blir praktisk interessant også for folk uten laboratoriefrakk. Den samme retningen vi ser i koding – der AI ikke bare svarer, men orkestrerer verktøy, sjekker resultater og lager ferdige arbeidsprodukter – flytter seg inn i fagmiljøer med mye data og mange trinn. Jeg skrev nylig om hvordan Anthropic selv stadig havner i større bransjekonflikter. Denne saken er et annet kapittel: samme selskap prøver å bli mer enn modell-leverandør.

Samtidig må vi ikke late som om dette er “trykk på en knapp, få en medisin”. Ekspertene The Verge snakket med peker på at AI allerede brukes bredt i legemiddelutvikling, men også at begrepet “AI drug discovery” kan bety nesten alt fra litteraturanalyse til molekyldesign. Det er et ganske stort spenn. Markedsføringen liker det ene uttrykket. Virkeligheten består av mange små, trege og dyre trinn.

Hvor stopper hypen?

Hypen stopper i laboratoriet. Og i dyreforsøk. Og i kliniske studier. Og i produksjon, lagring, toksikologi, dosering og regulatoriske krav. AI kan gjøre deler av søket raskere, men et legemiddel må fortsatt fungere i kroppen til ekte mennesker.

The Verge siterer forskere som sier at feltet fortsatt er langt unna en AI-designet medisin som faktisk blir godkjent etter kliniske studier og når markedet. Det er ikke fordi AI er ubrukelig. Det er fordi biologi er rotete på den måten virkeligheten pleier å være rotete. Et molekyl kan se lovende ut i en modell og likevel feile på toksisitet, opptak, stabilitet, bivirkninger eller ren praktisk produksjon.

Det er derfor jeg liker denne saken best når den leses nøkternt. Ikke som “Claude skal kurere sykdom”, men som “Anthropic vil inn i en bransje der AI kan gjøre forskningsarbeid raskere, men der den harde valideringen fortsatt skjer utenfor modellen”. Det er mye mindre sexy. Det er også mye mer sant.

Hvorfor betyr dette noe utenfor legemiddelindustrien?

Dette handler om mer enn helse. Det handler om hvor AI-selskapene beveger seg. Først bygget de modeller. Så bygget de chatprodukter. Så kom kodeagenter, kontoragenter og spesialiserte arbeidsflater. Nå begynner noen av dem å gå inn i selve domenene de tidligere bare leverte verktøy til.

Google DeepMind har allerede Isomorphic Labs, som jeg har skrevet om i saken om AI som vil løse sykdommer. OpenAI har hatt egne biologisatsinger, blant annet GPT-Rosalind for biologi og legemiddeloppdagelse. Anthropic kommer altså ikke inn i et tomt rom. De går inn i et kappløp der modellene, dataene, laboratoriene og kundene begynner å gli over i hverandre.

For vanlige brukere er lærdommen enkel: de mest interessante AI-produktene i 2026 er ikke nødvendigvis de som scorer høyest på en benchmark. Det er de som klarer å flytte AI fra tekstboksen og inn i en ekte arbeidsflyt. Claude Science er et eksempel på akkurat det. Ikke fordi alle skal bruke det. De fleste skal ikke det. Men fordi det viser hvor AI-verktøyene er på vei.

Hva er den riktige lesningen av Anthropic-planen?

Den riktige lesningen er todelt. På den ene siden er det en seriøs satsing på et område der AI faktisk kan gi verdi. Forskere drukner i databaser, kode, filformater, analyser og dokumentasjon. Et verktøy som kan holde tråden, hente riktig kontekst, lage reproduserbare resultater og få en reviewer-agent til å sjekke sitater og beregninger, kan spare mye tid.

På den andre siden er dette også en posisjonering. Anthropic vil være tett på kundene innen life sciences. De vil vise at Claude ikke bare er for kode, kundeservice og dokumenter, men for forskningsarbeid med høy verdi. Og ved å utvikle egne medisiner får de både produktdata, troverdighet og en fortelling som er mye sterkere enn “enda en enterprise-integrasjon”.

Det mest interessante blir hva de faktisk gjør videre. Hvilke sykdommer velger de? Hvem gjør labarbeidet? Samarbeider de med biotek eller pharma? Tar de kandidater inn i dyreforsøk og kliniske studier, eller stopper de ved preklinisk oppdagelse? Akkurat nå er det mange åpne spørsmål. Men selve signalet er tydelig nok: Anthropic vil ikke bare lage AI som hjelper forskere. De vil selv inn i forskningen.

Og der er vi i 2026. AI-selskapene vil ikke bare skrive teksten, koden og analysen. De vil etter hvert eie mer av prosessen også. Det kan bli enormt nyttig. Det kan også bli litt rotete. Som regel er det nettopp der de interessante sakene ligger, særlig når verktøyet begynner å endre hvem som faktisk tar beslutningene.

Ofte stilte spørsmål