Anthropic ha revelado métricas internas que muestran cómo su modelo Claude lidera el 26% de las tareas de investigación y desarrollo de IA en la compañía a agosto de 2026, un salto significativo desde menos del 1% seis meses antes. Este dato subraya la creciente participación de la inteligencia artificial en la creación de su propia siguiente generación, aunque siempre bajo supervisión humana y sin alcanzar autonomía completa.
Imaginen un equipo de ingenieros y científicos donde una parte creciente del trabajo de diseño, experimentación y análisis es asumida por la propia tecnología que están construyendo. Este escenario, que hasta hace poco se consideraba ciencia ficción, es la nueva realidad en laboratorios de frontera como Anthropic. La reciente publicación de sus métricas internas no es solo un gesto de transparencia; es una ventana crucial a la verdadera velocidad y profundidad con la que la inteligencia artificial se está integrando en su propio proceso de gestación.
El anuncio, fechado el 17 de septiembre de 2026, revela que Claude, el modelo estrella de Anthropic, pasó de liderar menos del 1% de las tareas de I+D en febrero a un sorprendente 26% en agosto del mismo año. Esta aceleración en la IA en el desarrollo de modelos de IA plantea preguntas fundamentales sobre el futuro de la innovación, la supervisión y la autonomía de los sistemas inteligentes.
El ascenso de Claude: de asistente a líder en I+D
La métrica que más resalta en el informe de Anthropic es el drástico aumento en la proporción de tareas de investigación y desarrollo (I+D) que Claude, su modelo insignia, ha llegado a liderar. Este salto de menos del 1% en febrero a un 26% en agosto de 2026 no es solo una cifra; representa un cambio fundamental en cómo se está realizando la investigación de IA en una de las empresas líderes del sector.
Para contextualizar este "liderazgo", Anthropic adopta un marco de clasificación de la automatización en I+D desarrollado por Epoch AI, una organización sin fines de lucro independiente. Este sistema define varios niveles de implicación de la IA, desde la ausencia total de asistencia hasta la autonomía completa:
- AL0 (Nivel de Automatización 0): La tarea no implica ninguna asistencia de IA. Es completamente realizada por humanos.
- AL3 (Nivel de Automatización 3): La IA colabora en la tarea bajo una estrecha supervisión humana. Funciona como un asistente avanzado.
- AL4 (Nivel de Automatización 4): La IA lidera la tarea a partir de una instrucción de alto nivel, completando la mayor parte del flujo de trabajo específico. Un humano supervisa y toma las decisiones finales.
- AL5 (Nivel de Automatización 5): La IA completa la tarea sin intervención humana en el bucle, es decir, con autonomía total.
Cuando Anthropic afirma que Claude lidera el 26% de las tareas, se refiere específicamente al nivel AL4. Esto significa que en una cuarta parte de sus tareas de I+D, Claude es capaz de tomar la iniciativa, generar soluciones, ejecutar experimentos o analizar datos con una supervisión humana que se centra en dar directrices de alto nivel y validar los resultados, en lugar de microgestionar cada paso.
Un dato aún más revelador es que, a agosto de 2026, más del 90% del trabajo de I+D medido en Anthropic se encontraba en el nivel AL3 o superior. Esto indica una profunda integración de la IA en casi todos los aspectos de su proceso de investigación, transformando la metodología de trabajo de sus científicos e ingenieros.
La velocidad de esta transformación es notable. Pasar de menos del 1% de tareas lideradas por IA a un 26% en solo seis meses es una tasa de aceleración sin precedentes, que sugiere una curva de aprendizaje exponencial tanto para los modelos de IA como para los equipos humanos que los entrenan y supervisan. De hecho, Anthropic ha proyectado que, si esta tendencia continúa, el porcentaje de trabajo de I+D liderado por IA podría alcanzar el 80% para finales de 2026, lo cual, si bien es una previsión y no un objetivo o resultado garantizado, ilustra la magnitud del cambio que anticipan.
La metodología detrás de las métricas de Claude
Para medir este "Índice de Automatización de I+D", Anthropic empleó un enfoque innovador: utilizar un agente de investigación de Claude para revisar el trabajo de los empleados. Este agente examinó mensajes de Slack y documentos internos durante una semana de trabajo de empleados muestreados. A partir de esta revisión, identificó aproximadamente 15.000 tareas distintas, organizándolas en una taxonomía de 542 nodos. Luego, asignó cada tarea a su correspondiente nivel de automatización según la escala de Epoch AI (AL0-AL5).
Esta metodología subraya un punto crucial: la IA no solo está participando en el desarrollo, sino que también está ayudando a medir y comprender su propia participación. Es un metanálisis que la propia tecnología facilita, ofreciendo una capa adicional de objetividad y granularidad en la evaluación de su impacto.
La estrategia de transparencia de Anthropic
La publicación de estas métricas no es un mero ejercicio técnico; es una declaración estratégica por parte de Anthropic. La empresa ha expresado su objetivo de reducir la brecha de información entre lo que sucede en los laboratorios de IA de vanguardia y lo que el público puede observar y comprender.
Anthropic cree que "a medida que el mundo se enfrenta a cómo controlar el ritmo del desarrollo de la IA de frontera, se debe hacer todo lo posible para ayudar a los forasteros a comprender la rapidez con la que la IA participa en el desarrollo de modelos de IA de próxima generación".
Esta iniciativa se enmarca dentro de un esfuerzo más amplio de Anthropic por promover la transparencia y la responsabilidad en el campo de la IA, lo cual se alinea con su "Política de Escalamiento Responsable". Al compartir estos datos, Anthropic busca no solo informar sino también sentar un precedente para otras organizaciones de IA de frontera, invitándolas a adoptar métricas similares y contribuir a un debate público más informado sobre el progreso y los riesgos de la inteligencia artificial avanzada.
Tres métricas clave para la evaluación de la IA
Junto con los datos sobre el liderazgo de Claude en I+D, Anthropic ha propuesto un conjunto de tres métricas de desarrollo que los laboratorios de IA de frontera podrían publicar para ofrecer una visión más completa de su progreso y su gestión del riesgo. Estas métricas buscan informar a reguladores, formuladores de políticas y evaluadores independientes sobre cómo los modelos están automatizando la investigación, cómo se supervisan los agentes internos y cuántos recursos se dedican a la seguridad.
- Índice de Automatización de I+D (R&D Automation Index): Mide cuánta responsabilidad asume la IA durante la investigación y el desarrollo. (Ya detallado, con Claude liderando el 26% de las tareas de I+D a agosto de 2026).
- Supervisión de agentes (Agent Oversight): Cuantifica la cobertura de monitorización, la latencia de revisión y las tasas de escalada para los sistemas de agentes de IA.
- Cómputo dedicado a la seguridad (Safety Compute): Indica la proporción de los recursos de cómputo de investigación asignados a trabajos de seguridad de la IA.
Supervisión de agentes: el control en el ecosistema de IA
La segunda métrica, la supervisión de agentes, aborda una preocupación crítica: ¿cómo se gestiona y controla la actividad de miles de agentes de IA operando simultáneamente? Anthropic reveló que aproximadamente 30.000 agentes de IA se ejecutan concurrentemente en su plataforma interna, realizando diversas tareas de investigación e ingeniería. Más allá del volumen, lo importante es el sistema de control:
- El 100% de las acciones de estos agentes pasan por monitores en línea y fuera de línea. Esto significa que cada decisión y cada acción es revisada, ya sea en tiempo real o mediante análisis post-ejecución.
- De más de mil millones de decisiones tomadas por los agentes en agosto de 2026, solo aproximadamente el 0.002% fueron interceptadas por la monitorización en línea. Esta cifra, aunque pequeña, es crucial, ya que representa las instancias en las que el sistema de supervisión detectó una acción potencialmente indeseable o que requería intervención humana.
La existencia de un sistema de monitorización tan robusto es esencial a medida que la IA asume roles más autónomos. Demuestra un compromiso con la seguridad y el control, asegurando que los "guardarraíles" estén en su lugar para prevenir comportamientos no deseados y mantener la alineación de los agentes con los objetivos humanos.
Cómputo dedicado a la seguridad: una inversión crítica
La tercera métrica se centra en la asignación de recursos. Anthropic informó que aproximadamente el 6% de sus recursos de cómputo total para I+D se destinaron a trabajos de seguridad de la IA durante una semana de julio de 2026. Sin embargo, este porcentaje se eleva al 12% cuando se considera solo el cómputo utilizado en las tareas de I+D que son lideradas por la propia IA.
Este desglose es significativo. Muestra que Anthropic está duplicando la inversión en seguridad precisamente en aquellos escenarios donde la IA tiene un papel más prominente y potencial de impacto. La mayor proporción de cómputo de seguridad en las tareas lideradas por IA es un indicador de que la compañía reconoce la complejidad inherente y los riesgos potenciales asociados con la auto-mejora de la IA y está invirtiendo proactivamente para mitigarlos.
Implicaciones de la IA en la creación de IA
La tendencia revelada por Anthropic no es solo un avance técnico; tiene profundas implicaciones para el futuro de la innovación, el mercado laboral y la gobernanza de la IA. El concepto de "IA en el desarrollo de modelos de IA" o "auto-mejora recursiva" (aunque Claude aún no alcanza autonomía completa) es central para estas discusiones.
El bucle de retroalimentación y la auto-mejora recursiva
Cuando la IA comienza a liderar tareas en su propio desarrollo, se crea un potente bucle de retroalimentación. Un sistema de IA que puede escribir código, diseñar experimentos, analizar resultados y proponer nuevas arquitecturas puede acelerar drásticamente el ciclo de desarrollo. Cada mejora que realiza la IA en sí misma puede, a su vez, permitirle realizar mejoras aún más significativas en el futuro. Este proceso, si se descontrola o si la IA no está perfectamente alineada con los valores humanos, podría llevar a un desarrollo exponencial con consecuencias impredecibles.
La aceleración del ritmo de desarrollo plantea preguntas críticas:
- Velocidad de Innovación: ¿Podrían los ciclos de desarrollo acortarse a semanas o incluso días, superando la capacidad humana de supervisión y comprensión?
- Brecha de Comprensión: ¿Se volverían los sistemas tan complejos que incluso sus creadores tendrían dificultades para entender completamente su funcionamiento interno y sus motivaciones?
- Riesgo de Desalineación: Si la IA optimiza su propio desarrollo para objetivos que no están perfectamente alineados con los humanos, ¿podría conducir a resultados indeseables o peligrosos?
Anthropic, al enfatizar que Claude "no ha logrado aún la autonomía completa en ninguna tarea medida y los humanos siguen siendo parte integral del proceso de I+D", subraya que estamos en una etapa de colaboración avanzada, no de sustitución total. Sin embargo, el rápido progreso sugiere que el límite entre la colaboración y la autonomía podría volverse cada vez más difuso.
El nuevo rol de los investigadores humanos
El aumento de la participación de la IA en la I+D redefine fundamentalmente el rol de los investigadores humanos. Ya no son meros ejecutores de tareas rutinarias o experimentales. Su función evoluciona hacia la de arquitectos de alto nivel, supervisores estratégicos y formuladores de preguntas fundamentales.
- Supervisión y Gobernanza: Los humanos se centran en establecer los objetivos generales, proporcionar orientación de alto nivel y, crucialmente, supervisar la actividad de la IA para garantizar que se mantenga dentro de los parámetros de seguridad y ética.
- Diseño de Sistemas y Herramientas: Desarrollan las plataformas y herramientas que permiten a los agentes de IA operar de manera efectiva y segura, incluyendo los sistemas de monitorización y las interfaces de interacción.
- Análisis Crítico y Conceptualización: Se dedican a la interpretación de resultados complejos, la formulación de nuevas teorías, la identificación de sesgos y la dirección de la investigación hacia áreas de mayor impacto o riesgo potencial.
- Asignación de Recursos y Toma de Decisiones Finales: Deciden cómo asignar los recursos computacionales y humanos, y tienen la última palabra en la implementación de los resultados de la investigación liderada por la IA.
Este cambio exige nuevas habilidades por parte de los investigadores, enfocadas en la colaboración humano-IA, la ingeniería de prompts avanzados, la evaluación crítica de la IA y una profunda comprensión de las implicaciones éticas y sociales de su trabajo.
Desafíos éticos y de gobernanza
La creciente capacidad de la IA para desarrollar su propia especie plantea desafíos éticos y de gobernanza sin precedentes. La rápida evolución requiere un marco regulatorio ágil y bien informado que pueda mantenerse al día con el progreso técnico. La propuesta de Anthropic de métricas estandarizadas es un paso en esta dirección, buscando proporcionar a los reguladores una "base común para examinar el proceso".
Temas como la alineación de la IA (asegurar que la IA actúe de acuerdo con los valores e intenciones humanas), la seguridad (prevenir daños accidentales o maliciosos) y el control (mantener la capacidad de supervisar y detener sistemas avanzados) se vuelven más urgentes que nunca. La transparencia que Anthropic promueve es fundamental para fomentar un debate público informado y para que la sociedad en su conjunto pueda participar en la dirección futura del desarrollo de la IA.
Además, la publicación de estas métricas pone de manifiesto una carrera tácita entre los laboratorios de IA de frontera. Empresas como OpenAI, Microsoft y otras, están desarrollando capacidades similares. La competencia por el avance puede ser un motor de innovación, pero también exige un escrutinio constante y una colaboración en materia de seguridad para evitar una "carrera armamentista" de IA desregulada.
