Anthropic ha puesto una cifra a algo que hasta ahora solo se intuía: Claude ya "lidera" el 26% del trabajo de I+D de IA dentro de la propia Anthropic, y más del 90% de ese trabajo se hace con la IA al menos como colaboradora. Que sepamos, ningún otro laboratorio de frontera había publicado cuánto de su siguiente modelo lo construye el modelo actual.
El documento propone tres mediciones que cualquier laboratorio podría publicar de forma periódica, y da la foto de Anthropic en cada una. Llega en plena discusión sobre si hay que frenar el ritmo de la IA, y en la misma semana en que a Anthropic, OpenAI, Google y SpaceXAI les ha caído una demanda precisamente por hablar de frenar.
Puntos clave
- 26% de la I+D de IA de Anthropic la lidera Claude (datos de agosto de 2026). Ninguna parte funciona todavía en modo totalmente autónomo.
- Unos 30.000 agentes trabajan a la vez en su plataforma interna más usada, y el 100% de sus acciones pasa por un monitor antes de ejecutarse.
- 0,002% de más de 1.000 millones de decisiones de agentes fueron bloqueadas en agosto, una de cada 47.000.
- 6% del cómputo de I+D se dedicó a seguridad en la semana del 13 al 20 de julio. Si se mira solo la I+D que hace la IA, sube al 12%.
Qué significa que Claude "lidere" un trabajo
Anthropic usa una escala de automatización de Epoch AI que va de AL0 (la IA no interviene) a AL5 (la IA trabaja sola, sin ningún humano en el circuito). Las dos que importan aquí son AL3 y AL4.
En AL3 la IA "colabora": hace bloques grandes de trabajo con un humano encima dirigiendo. En AL4 la IA "lidera": recibe una instrucción de alto nivel, resuelve casi toda la tarea de principio a fin y el humano supervisa.
El ejemplo que dan es muy terrenal. Se rompe de madrugada un pipeline de datos que tiene que estar listo para la ejecución de mañana. En AL3, el ingeniero llega con los logs, ya tiene una hipótesis, Claude le pregunta, investiga, arregla, y si aparece un segundo problema se para y espera a que el humano decida. En AL4, el ingeniero le pasa la alerta y se olvida: Claude revisa los logs, encuentra la etapa que falla, escribe y prueba el arreglo, lo ejecuta sobre una copia de los datos, compara con la última ejecución buena y deja un informe. No despliega. Etiqueta al ingeniero, que lee, pregunta un par de cosas y decide si sale esa noche.
Ese segundo escenario es ya uno de cada cuatro trabajos de I+D en Anthropic.
Cómo lo han medido
Aquí está lo interesante para cualquiera que gestione un equipo. Para saber qué hace la gente, Anthropic miró el rastro que deja el trabajo. Cada semana de julio de 2026 cogieron al azar al 20% de la plantilla de cada departamento que toca el desarrollo de modelos, y un agente de Claude revisó su semana en Slack y en la documentación interna para listar en qué tareas había trabajado.
Salieron unas 15.000 tareas. Claude las agrupó en un árbol de 542 nodos, con 378 hojas del tipo "diagnóstico y arreglo de fallos de la plataforma de evaluación" o "postmortems de incidencias en producción". Ese árbol se congela para que cada medición futura se haga contra la misma cesta de trabajo, igual que un índice de precios.
Luego, para cada nodo, un agente investiga cómo se hace ese trabajo en la empresa y otro Claude, independiente, le pone nota de automatización. El peso de cada tarea sale del tiempo de personas que se le dedica.
¿Y quién vigila al juez? Pidieron a los responsables de cada área que puntuaran su propia automatización sin ver lo que había dicho el modelo. El modelo coincidió con los humanos el 59% de las veces. Los humanos entre sí, solo el 35%. Y el 97% de las veces modelo y humano quedaron a un nivel de distancia como mucho. Anthropic reconoce que la frontera entre "colabora" y "lidera" es discutible en los casos límite, que es la honestidad que uno espera en un documento así.
30.000 agentes y quién los vigila
La segunda medición va de supervisión. En agosto había unos 30.000 agentes haciendo investigación e ingeniería a la vez en la plataforma interna más usada de Anthropic. Todos pasan por dos tipos de monitor.
El monitor en línea revisa cada acción antes de que se ejecute, normalmente en segundos, y bloquea lo que no tiene vuelta atrás (el ejemplo que ponen es un agente intentando copiar los pesos del modelo fuera de sus sistemas). Los humanos revisan cualquier acción bloqueada en menos de una semana.
El monitor fuera de línea lee todo después, buscando lo que se cuece despacio, como señales de desalineación. Marca unas 100.000 transcripciones por semana, varios clasificadores filtran falsos positivos y unas 50 por semana acaban delante de una persona.
Dos decisiones de diseño llaman la atención. Cada agente tiene identidad propia, que sobrevive aunque cambie el modelo que lo mueve, así que todo lo que hace queda atado a su historial. Y los agentes se hablan por un canal abierto donde cualquiera puede leer lo que dicen los demás, en vez de por mensajes privados. Así se corrigen entre ellos y la supervisión puede seguir la conversación completa.
Cuánto cómputo va a seguridad
La tercera cifra es la más incómoda de publicar. En una semana de julio, un 6% del cómputo de I+D se fue a trabajo de seguridad. Dentro de la I+D que hace la propia IA, un 12%.
Anthropic avisa de que el número es conservador: si un cálculo ayudaba tanto a capacidades como a seguridad, se contó como capacidades, y los clasificadores de salvaguardas que corren en producción van aparte. Y avisa también de que el porcentaje puede bajar por buenas razones, por ejemplo si un clasificador de seguridad se vuelve más eficiente. Lo útil del dato es compararlo entre laboratorios y a lo largo del tiempo.
De dónde viene esto
Es la tercera pieza de un mismo movimiento. Primero, el ensayo de Dario Amodei pidiendo acompasar la frontera, que ya contamos cuando Altman, Hassabis y Musk le dieron la razón. Después, el acuerdo con Accenture para meter evaluadores dentro de la empresa. Y ahora, las métricas que esos evaluadores van a vigilar. Anthropic dice que espera que las cifras se muevan si hay coordinación entre laboratorios para frenar.
El contrapunto está en los juzgados. Cuatro suscriptores han demandado a Anthropic, OpenAI, Google y SpaceXAI por pactar en público un frenazo que, según ellos, viola las leyes antimonopolio. Publicar métricas propias, y proponer que las publique cualquiera con metodología abierta, es una forma de defender que el debate va de transparencia.
Por qué importa
Para una empresa española que usa Claude o ChatGPT, lo más aprovechable del documento es el método. Anthropic ha medido cuánto trabajo hace la IA en su casa con una receta que se puede copiar: muestrear la semana de una parte del equipo, listar tareas, clasificarlas por nivel de automatización y pesarlas por tiempo. Cualquier director de operaciones puede hacer esa foto de su departamento con las mismas herramientas y saber, con un número, dónde está.
Y el ejemplo del pipeline roto dice hacia dónde va esto. El salto de "colabora" a "lidera" está en que el humano deja de estar pendiente y pasa a revisar un informe al final. Si eso ya ocurre en uno de cada cuatro trabajos del laboratorio que fabrica Claude, lo normal es que llegue antes de lo que creemos a los equipos que lo usan.
Fuente original: Anthropic
Relacionado
