Índice de contenidos
Claves de la noticia
- Anthropic afirma que Claude ya lidera el 26% de sus tareas de I+D de modelos, frente a menos del 1% en febrero.
- La principal plataforma interna de la empresa mantiene unos 30.000 agentes de investigación e ingeniería activos a la vez.
- Los monitores bloquearon el 0,002% de más de 1.000 millones de decisiones y la compañía asignó a seguridad el 6% del cómputo de I+D medido.
Anthropic ha puesto cifras a una pregunta que hasta ahora se respondía con demostraciones y anécdotas: cuánto participa la inteligencia artificial en la construcción de la siguiente generación de modelos. Su primer índice interno indica que Claude lidera el 26% de la I+D de modelos de la compañía, aunque todavía no trabaja de forma totalmente autónoma en ninguna de las áreas medidas. El documento también abre una ventana poco habitual a la escala de sus agentes, a los filtros que vigilan sus acciones y al reparto del cómputo entre capacidades y seguridad.
Del 1% al 26% en medio año
Anthropic adoptó una escala de automatización propuesta por Epoch AI que va de AL0, sin intervención de IA, a AL5, autonomía completa sin una persona en el circuito. En AL3 el modelo colabora: ejecuta partes grandes bajo dirección humana cercana. En AL4 lidera: recibe un objetivo de alto nivel, completa la mayor parte del trabajo de principio a fin y una persona supervisa.
Con esa definición, Claude pasó de liderar menos del 1% de las tareas de I+D en febrero a un 26% en agosto de 2026. La proporción en la que al menos colabora supera el 90%. Es una diferencia importante: colaborar no equivale a decidir el rumbo de una investigación, y liderar tampoco elimina la supervisión. Por eso el dato no demuestra una inteligencia que se mejora sola, pero sí una aceleración rápida del trabajo que produce futuros modelos.
La medición parte de unas 15.000 tareas granulares reconstruidas a partir de una muestra del 20% del personal de cada departamento durante las semanas de julio. Anthropic las organizó en un árbol de 542 nodos, con 378 categorías finales, y las ponderó mediante el tiempo de trabajo humano. Un modelo evaluó el grado de automatización y responsables humanos contrastaron el resultado: coincidieron exactamente el 59% de las veces y quedaron a un nivel de distancia en el 97%.
| Área | Dato principal | Límite de interpretación |
|---|---|---|
| Automatización | 26% de la I+D en nivel «lidera» | La evaluación usa modelos propios y una cesta de tareas fijada en julio |
| Supervisión | 30.000 agentes simultáneos; 0,002% de decisiones bloqueadas | Solo cubre la plataforma interna más utilizada |
| Cómputo | 6% de la I+D destinado a seguridad | Una semana y una clasificación conservadora de cargas |
La tabla deja una conclusión: las tres cifras tienen denominadores distintos y no pueden fundirse en un único «porcentaje de seguridad». Sirven como serie temporal si Anthropic repite el método, y ganarían valor comparativo si otros laboratorios publicaran el mismo desglose.
Treinta mil agentes convierten una tasa diminuta en volumen real
En agosto había alrededor de 30.000 agentes activos simultáneamente en la plataforma interna de investigación e ingeniería más usada. Todas sus acciones pasaban por un monitor en línea antes de ejecutarse y se incorporaban después a un sistema de revisión fuera de línea. El primer control puede bloquear o redirigir una acción en segundos; el segundo busca patrones que solo aparecen al observar muchas conversaciones.
Anthropic analizó más de 1.000 millones de decisiones durante ese mes. El monitor en línea bloqueó el 0,002%, aproximadamente una de cada 47.000. Aplicar la tasa publicada al mínimo declarado arroja al menos unas 20.000 decisiones bloqueadas. Es un cálculo de orden de magnitud, no un total exacto, porque la empresa dice «más de mil millones» y redondea el porcentaje. Aun así, muestra por qué una tasa aparentemente residual importa cuando los agentes operan a gran escala.
El sistema fuera de línea marca entre una y dos transcripciones por cada mil, genera cerca de 100.000 avisos semanales y eleva unos 50 casos prioritarios a revisión humana. Esa cascada filtra ruido, pero introduce tiempo: los bloqueos se revisan por personas en el plazo de una semana. La cobertura completa declarada mide si una acción atraviesa el filtro; no prueba por sí sola que el filtro detecte todos los comportamientos peligrosos.
El 6% de cómputo necesita un contexto preciso
Para medir recursos, la empresa tomó una fotografía del 13 al 20 de julio y clasificó las cargas de aceleradores. Aproximadamente el 6% del cómputo dedicado a I+D de IA correspondió a seguridad. Si el denominador se restringe al trabajo de I+D realizado por IA, la proporción sube al 12%. Anthropic dejó fuera las tareas que beneficiaban por igual a capacidades y seguridad, además del cómputo de clasificadores de salvaguarda, de modo que presenta la estimación como conservadora.
El cómputo tampoco equivale a esfuerzo humano. Diseñar una evaluación puede consumir muchas horas de especialistas y pocos ciclos de GPU, mientras que entrenar un modelo de frontera concentra enormes recursos informáticos. La utilidad de publicar ese 6% no es convertirlo en una nota automática, sino comprobar si la proporción cambia y si otros laboratorios aceptan categorías auditables. Ese enfoque complementa los informes de incidentes, como los seis casos de comportamiento inesperado divulgados por OpenAI, porque mide la capacidad preventiva antes de que ocurra un fallo visible.
Una referencia pública, todavía no un estándar
La propuesta llega mientras el sector debate cómo frenar o supervisar sistemas cada vez más capaces. Anthropic pide que los desarrolladores de frontera repitan estas mediciones con metodología pública y verificación externa. La empresa reconoce dos problemas: cada laboratorio puede definir de forma interesada qué cuenta como seguridad y el uso de Claude para evaluar trabajo de Claude puede compartir sesgos con el sistema observado.
El salto desde menos del 1% hasta el 26% es el dato más llamativo, pero el hallazgo más duradero es operativo: automatizar I+D obliga a medir conjuntamente autonomía, cobertura de supervisión y recursos de seguridad. Una cifra aislada puede mejorar mientras otra empeora. Si la automatización crece más deprisa que la capacidad de revisión humana, el cuello de botella no será cuántos agentes se ejecutan, sino cuántas excepciones pueden entenderse y resolverse a tiempo.
Anthropic no demuestra que Claude pueda construir por sí solo a su sucesor. Sí documenta que una parte sustancial del ciclo ya funciona con dirección humana de alto nivel y que miles de agentes producen un caudal de decisiones imposible de inspeccionar una a una. La transparencia será comprobable cuando el índice se repita, conserve su cesta de tareas y pueda auditarse fuera de la empresa; hasta entonces, estas cifras son una línea base valiosa, no una certificación independiente.
