Claude ya empuja su propio reemplazo

Anthropic puso sobre la mesa un dato que suena técnico, pero cambia la conversación política sobre la inteligencia artificial: sus propios modelos ya están haciendo una parte significativa del trabajo que sirve para construir los próximos modelos. En la lectura más simple, es productividad. En la lectura incómoda, es el comienzo medible de una industria donde la IA acelera el desarrollo de la IA.

La fuente primaria es el informe del Anthropic Institute, publicado bajo el título When AI builds itself (abre en una ventana nueva). Allí la empresa dice que todavía no llegó a una mejora recursiva completa, es decir, un sistema capaz de diseñar y desarrollar de forma autónoma a su sucesor. Pero también dice que el camino ya empezó: los agentes pueden ejecutar código, delegar trabajo a otros agentes, correr experimentos y resolver tareas que antes consumían horas o días de equipos humanos.

El dato que volvió noticia este 17 y 18 de septiembre lo levantó AP: en agosto de 2026, Claude lideraba cerca del 26% del trabajo de investigación y desarrollo de Anthropic bajo supervisión humana, y colaboraba en alrededor del 90% de las tareas de I+D. La compañía también describió un sistema interno con decenas de miles de agentes monitoreados y controles para bloquear acciones riesgosas. No es autonomía total. Tampoco es una demo de marketing sin consecuencia: es una métrica de cuánto del laboratorio ya se apoya sobre sus propias máquinas.

El informe oficial agrega otra cifra fuerte: para mayo de 2026, más del 80% del código incorporado a la base de Anthropic había sido escrito por Claude. La empresa aclara que medir líneas de código exagera la productividad real, porque cantidad no equivale a calidad. Aun así, el cambio operativo es difícil de minimizar: los humanos pasan menos tiempo tipeando la solución y más tiempo definiendo objetivos, revisando resultados, eligiendo qué experimento vale la pena y frenando errores.

Ese desplazamiento es el corazón del problema. Mientras el cuello de botella era escribir código, la supervisión humana podía seguir más o menos el ritmo. Cuando el sistema genera, prueba y corrige en paralelo, el cuello de botella pasa a ser la revisión. Y si la revisión humana no escala tan rápido como la producción de agentes, la seguridad deja de ser una promesa cultural y se vuelve una pregunta de infraestructura: cuántos controles hay, quién los audita, qué se publica y qué queda adentro del laboratorio.

La noticia llega además en una semana cargada para la seguridad de IA. The Guardian (abre en una ventana nueva) informó este 18 de septiembre sobre un test ético en el que investigadores usaron modelos de IA para encontrar fallas en sistemas vinculados a OpenAI, dentro de un programa de recompensas. No es el mismo caso, pero apunta al mismo cambio de época: herramientas que antes requerían equipos grandes, meses de trabajo y especialización muy concentrada empiezan a quedar al alcance de grupos más chicos con buenos agentes.

Para un lector argentino, el punto no es si Claude es simpático o si Anthropic gana la carrera. El punto es que la frontera tecnológica se está moviendo hacia laboratorios cada vez más automatizados, con efectos sobre empleo calificado, ciberseguridad, competencia entre empresas y regulación pública. Si una compañía puede multiplicar su investigación con agentes, también puede multiplicar sus errores, sus opacidades y sus ventajas frente a Estados que todavía discuten como si esto fuera solo un chatbot de oficina.

Qué mirar ahora: si otros laboratorios publican métricas comparables, si aparecen auditorías externas con acceso real, si los gobiernos exigen reportes periódicos de incidentes y si la industria acepta medir no solo productividad, sino capacidad de control. La pregunta dejó de ser cuánta IA usamos. Ahora importa cuánta IA está construyendo la próxima IA, y quién puede mirar adentro.