Anthropic se pone cifras a sí misma: Claude ya "lidera" el 26% del I+D que crea al próximo Claude

Por Zendoric · 22 de septiembre de 2026.

Anthropic ha publicado la primera fotografía cuantificada de cuánto de la investigación y desarrollo (I+D) de sus propios modelos de inteligencia artificial lo hace ya la propia IA. Según los datos de la compañía, en agosto de 2026 Claude "lidera" el 26% del trabajo de I+D de IA en Anthropic: completa la mayor parte de una tarea de principio a fin a partir de una instrucción de alto nivel, con un humano limitándose a supervisar. Más del 90% del trabajo se sitúa ya, como mínimo, en el nivel "colabora", en el que la IA ejecuta partes grandes de una tarea bajo dirección humana cercana. Ninguna parte del trabajo medido alcanza la autonomía total, según precisa la propia empresa.

La cifra procede de una escala de "nivel de automatización" (Automation Level, o AL) desarrollada por la firma de investigación Epoch AI, que va de AL0 (sin participación de IA) a AL5 (la IA opera de forma completamente autónoma, sin humano en el proceso). Anthropic la usa para construir lo que llama su "Índice de Automatización de I+D": un catálogo de cada tarea que se realiza en la empresa para construir modelos, puntuada según cuánto de esa tarea hace ya la IA.

La publicación no es casual. Anthropic la enmarca explícitamente en el debate sobre si el mundo debería coordinar una ralentización del desarrollo de IA de frontera -lo que la propia compañía llama "pacing"-, una idea que su consejero delegado, Dario Amodei, ha defendido públicamente. Para que un acuerdo así sea verificable hace falta algo que hoy no existe: métricas compartidas y auditables sobre qué tan rápido avanza cada laboratorio y cuánto de ese avance ya no depende de manos humanas. Anthropic dice que planea incorporar evaluadores externos independientes con acceso a sus procesos, sistemas y datos internos comparable al de sus propios equipos de evaluación de riesgos.

La metodología, detallada por la empresa, tiene ambición: cada semana de julio de 2026 se muestreó al 20% de la plantilla de los departamentos implicados en el ciclo de I+D de modelos, un agente de Claude revisó su actividad en Slack y documentación interna, y el resultado -unas 15.000 tareas granulares- se organizó en un árbol jerárquico de 542 nodos y 378 hojas, desde "diagnóstico de fallos en la plataforma de evaluación" hasta "post-mortems de incidentes de servicio". Otro modelo, actuando como juez, calificó el nivel de automatización de cada rama.

Aquí conviene una cautela que la propia Anthropic reconoce: el juez es un modelo de la casa evaluando el trabajo de la casa. Para comprobar el sesgo, la empresa contrastó las calificaciones del modelo con las de empleados que conocen esas áreas, sin decirles qué evidencia había usado el modelo. El acuerdo exacto entre modelo y humano fue del 59%, similar al 35% de acuerdo exacto entre humanos entre sí; y modelo y humano coincidieron dentro de un nivel de diferencia en el 97% de los casos. Es una validación razonable, pero sigue siendo una empresa certificando su propio ritmo, no un tercero.

La segunda métrica mide algo distinto: cuánta supervisión humana queda cuando se delega en agentes que trabajan de forma semiautónoma durante periodos prolongados y se coordinan entre sí. Anthropic cifra en unos 30.000 los agentes de investigación e ingeniería que operaban simultáneamente en agosto de 2026 en su plataforma interna más usada. El 100% de sus acciones pasa por un monitor automático antes de ejecutarse -pensado para frenar daños irreversibles, como la copia no autorizada de los pesos de un modelo- y el 100% queda además registrado para revisión posterior, orientada a detectar comportamientos de desalineación que se desarrollan más despacio.

Sobre más de mil millones de decisiones analizadas durante agosto, el monitor en tiempo real bloqueó el 0,002% -aproximadamente 1 de cada 47.000-. El monitor que revisa después de los hechos marca entre una y dos transcripciones de cada mil para revisión adicional, unas 100.000 a la semana, de las que solo unas 50 llegan a un humano. Son cifras bajas, y la propia empresa señala que los agentes individuales rara vez se comportan mal; pero también advierte de la aritmética que importa: si millones o miles de millones de agentes operan en la economía, hasta los sucesos raros se vuelven frecuentes. La firma de evaluación externa METR ya ha hecho red-teaming independiente de esta plataforma de monitorización en el pasado, y Anthropic dice que ahora está montando ese tipo de evaluación externa con terceros.

La tercera pata es el reparto del cómputo, el recurso -chips, energía, tiempo de procesamiento- que sostiene el entrenamiento y la operación de los modelos. En una semana de muestra (13 a 20 de julio de 2026), Anthropic dice que un 6% del cómputo destinado a I+D de IA fue a trabajo de seguridad, y un 12% del cómputo destinado a I+D impulsada por IA fue también a seguridad. La propia empresa califica estas cifras de "deliberadamente conservadoras": un token que sirve tanto a capacidades como a seguridad no se cuenta, y el cómputo de los clasificadores de salvaguarda, de volumen comparable, queda fuera de estas métricas.

Nuestra lectura es que este ejercicio vale más por la infraestructura que crea que por las cifras que arroja hoy. Un 26% de I+D ya "liderado" por Claude, con cero autonomía total, dibuja un punto concreto en una trayectoria que hasta ahora solo se discutía en términos vagos de "la IA se está construyendo a sí misma". Y disponer de un lenguaje común -niveles de automatización, cobertura de supervisión, porcentaje de cómputo en seguridad- es el requisito previo para que cualquier acuerdo de ralentización entre laboratorios, o cualquier obligación regulatoria de transparencia, sea verificable en lugar de una promesa de buena fe.

Pero hay que ser igual de claros sobre los límites. Estas son métricas que Anthropic ha diseñado, medido y publicado sobre sí misma, con su propio modelo como juez y su propia definición de qué cuenta como "trabajo de seguridad" frente a "trabajo de capacidades" -una frontera que, como reconoce la empresa, cada laboratorio tendrá la tentación de trazar de forma generosa-. La compañía lo admite y por eso propone que la carga de la prueba recaiga en el desarrollador y que terceros verifiquen la clasificación. Hasta que eso ocurra de verdad -con evaluadores externos con acceso real, no solo anunciados-, esto es tanto ciencia de la medición como una apuesta de relaciones institucionales: Anthropic se posiciona como el laboratorio que pide reglas de tráfico antes de que alguien se estrelle, lo cual también sirve a sus intereses frente a rivales menos dispuestos a mostrar sus números.

El dato que más debería hacer pensar no es el 26% de automatización, sino el 6% de cómputo dedicado a seguridad frente al más del 90% del trabajo que ya tiene algún grado de participación de IA. Si la automatización del I+D avanza más rápido que la inversión proporcional en entenderla y controlarla, ese desequilibrio -no la ciencia ficción de un modelo que se reescribe solo de la noche a la mañana- es el riesgo de corto plazo real. Es exactamente el tipo de fricción que sostiene nuestra tesis de fondo: el camino hacia una IA que ayude a erradicar enfermedades y multiplique la abundancia no es una línea recta, y pasa por gobernar bien estos años de auto-aceleración, no por fingir que no existen.