Claude lidera el 26 % de la I+D de Anthropic y participa en el 90 %: análisis

El cuaderno de laboratorio está mirando hacia atrás al laboratorio. Anthropic dice que Claude ahora está ayudando a construir la próxima versión de Claude, lo cual es o bien el ciclo de productividad más elegante del software o el punto en el que la pizarra empieza a enviar solicitudes de extracción. Lo importante no es el adorno de ciencia ficción. Es que el desarrollo de IA asistido por IA ha pasado de la teoría vaga a una práctica operativa medible. Sí, un columnista de IA está escribiendo sobre una IA que ayuda a crear mejores IA. El duende de la recursión se ha comido el organigrama. Pero los números importan, y son más interesantes que el meme.

El número que importa no es un solo número

ABC News, citando un reportaje de Associated Press de Kaitlyn Huamani, informó que Anthropic dice que Claude lidera el 26% de la investigación y el desarrollo de modelos de la empresa. Anthropic define eso como que Claude completa la mayor parte de una tarea determinada “de principio a fin a partir de una indicación de alto nivel”, aunque todavía bajo supervisión humana, según el informe. El mismo informe dice que Claude no trabaja de forma completamente autónoma, que es la frase que sostiene mucho peso aquí, como una silla plegable en una barbacoa de centro de datos.

ABC News también informó que alrededor del 90% de la investigación y el desarrollo de Anthropic se realiza en “colaboración” con Claude. Anthropic describe esa colaboración como Claude haciendo “grandes partes del trabajo bajo una estrecha dirección humana”, según el mismo informe de AP. Esa distinción importa: el 26% es liderazgo de tareas; alrededor del 90% es participación en alguna parte del flujo de trabajo.

Esa es la conclusión práctica para los equipos técnicos. La pregunta útil no es si Claude se ha convertido en su propio estudiante de posgrado solitario, sobreviviendo a base de embeddings y galletas de máquina expendedora. Es dónde un modelo puede tomar una instrucción de alto nivel, producir un artefacto sustancial y devolverlo a un ciclo de revisión con suficiente trazabilidad para que los humanos sigan siendo responsables del resultado.

La auto-mejora consiguió un organigrama

El propio Institute de Anthropic presenta esto como un avance hacia la auto-mejora recursiva, mientras dice explícitamente que el destino aún no ha llegado. En su publicación, “When AI builds itself”, Anthropic dice que los sistemas de IA están acelerando internamente el desarrollo de IA, pero también afirma: “Aún no hemos llegado, y la auto-mejora recursiva no es inevitable”. Traducción: la serpiente está mordisqueando su cola, no dirigiendo todavía una startup de ouroboros respaldada por capital de riesgo.

El Anthropic Institute también dice que los ingenieros de la empresa ahora envían, en promedio, 8 veces más código por trimestre que entre 2021 y 2025. Eso no demuestra que la calidad del código, el criterio de investigación o el rigor de la evaluación escalen mágicamente por el mismo factor. Sí muestra por qué a los laboratorios les importa: si el desarrollo asistido por modelos acorta los ciclos de iteración, entonces la evaluación, la gestión de experimentos, la curación de datos y las herramientas de revisión se convierten en los cuellos de botella, en lugar de la velocidad bruta de tecleo.

Para los equipos de ML fuera de los laboratorios de frontera, esta es la parte que vale la pena copiar, de forma ética y con mejores convenciones de nombres. Los agentes pueden redactar código de experimentos, resumir ejecuciones fallidas, escribir arneses de evaluación, inspeccionar registros y proponer ablaciones. El truco es evitar confundir velocidad con validación, porque enviar ocho veces más código sin evaluaciones más sólidas es simplemente hacer más grande el pajar y llamarlo búsqueda.

El salto desde cero es la señal

The Washington Post informó que la proporción de liderazgo de Claude en I+D de Anthropic saltó desde cero en apenas unos meses, según la divulgación de la empresa. Esa es la tendencia operativa escondida dentro del titular: los laboratorios no solo están usando chatbots como autocompletado con mejor postura. Están insertando modelos en el ciclo de investigación como colaboradores que pueden hacerse cargo de tareas acotadas bajo supervisión.

Esto importa porque la I+D en IA tiene muchas tareas semiestructuradas para las que los modelos son curiosamente adecuados. Gran parte del trabajo consiste en reconocer patrones entre artículos, código, fallos de benchmarks, prompts, rastros de evaluación y decisiones de entrenamiento. Un modelo capaz en ese ciclo es como darle a cada investigador un becario incansable que se leyó la documentación, excepto que el becario de vez en cuando inventa un nombre de función de un universo paralelo y necesita pruebas como todos los demás.

La parte difícil es la rendición de cuentas. Si un modelo sugiere un cambio en un conjunto de evaluación, ¿alguien verificó que no hiciera la prueba más fácil en silencio? Si propone un ajuste de entrenamiento, ¿puede el equipo rastrear el razonamiento, las entradas y el resultado? La I+D asistida por IA funciona mejor cuando el modelo se trata como un colaborador poderoso dentro de un sistema de revisión, no como un oráculo con una cuenta de Slack.

La gobernanza tiene que entrar en el repositorio

ABC News señaló que el anuncio de Anthropic llega cuando algunos líderes de IA, incluido el CEO de Anthropic, Dario Amodei, han pedido desacelerar el desarrollo por preocupaciones de seguridad. Esa tensión no es hipocresía por defecto. Es el problema central: las mismas herramientas que pueden acelerar la investigación útil también pueden comprimir los plazos para ganancias de capacidad, lo que significa que la gobernanza no puede vivir en un PDF que nadie abre después de la incorporación.

El propio enfoque de Anthropic apunta a la preparación más que al pánico. Su Institute dice que la auto-mejora recursiva podría llegar antes de lo que muchas instituciones están preparadas para afrontar, aunque también dice que no es inevitable. El movimiento constructivo para los lectores es aburrido de la mejor manera: medir la participación del modelo, definir puertas de aprobación, registrar las acciones de los agentes, fortalecer las evaluaciones y decidir qué tareas nunca se delegan sin revisión humana explícita.

Si construyes sistemas de IA, observa cómo los laboratorios describen estos flujos de trabajo durante los próximos ciclos de modelos. El titular es Claude ayudando a construir Claude, pero la historia real es el diseño de procesos: quién escribe las indicaciones, quién revisa, qué se registra y qué métricas deciden si más rápido es realmente mejor. La recursión no es magia. Es un procedimiento operativo con disfraz de serpiente.