Cómo está cambiando el empleo en Anthropic: agentes de IA que trabajan seis veces más horas que las personas

El artículo, publicado por Anthropic en su sección de investigación económica el 16 de octubre de 2026, analiza cómo la IA ha reorganizado el trabajo y el empleo dentro de la propia compañía. Los autores plantean que Anthropic, por estar en la frontera de la adopción de IA, puede funcionar como indicador adelantado de lo que ocurrirá en otras empresas. Conviene aclarar que el texto recibido está cortado a mitad de una frase, hacia el final, así que este resumen cubre solo lo que aparece en el material disponible.

El estudio se basa en datos internos de la empresa: empleo, uso de IA, métricas de producción, encuestas a empleados, patrones de comunicación interna, calendarios y registros de decisiones de contratación. Esos datos se complementan con 17 entrevistas a empleados. Es un análisis de una sola empresa, que además fabrica la tecnología que estudia, y los propios autores reconocen limitaciones metodológicas, como que la adopción de herramientas no es aleatoria.

Un primer hallazgo es que Anthropic ha contratado una proporción menor de puestos técnicos junior. Según el artículo, la proporción de empleados junior en los departamentos técnicos bajó del 21% al 14% desde principios de 2025, y la proporción de contrataciones junior técnicas cayó del 27% al 9%. Las ofertas para perfiles junior descendieron con especial intensidad desde diciembre de 2025. La discusión interna sobre una menor demanda de perfiles junior técnicos surgió en enero de 2026. En abril, los equipos de ingeniería e investigación habían dejado de priorizar las contrataciones de las bandas inferiores. En una encuesta de ese mes, una mayoría de los responsables dijo estar buscando un conjunto distinto de habilidades por la IA. Alrededor de un tercio de los responsables de aprendizaje automático y una quinta parte de los de ingeniería de software dijeron contratar menos por esa causa.

El peso de los departamentos técnicos en el empleo total también bajó, del 61% al 56% en el último año. Según el texto, la contratación técnica sigue creciendo en términos absolutos, pero la contratación en ventas, finanzas y selección de personal ha crecido más rápido. Los autores atribuyen parte de esto a la expansión natural de las funciones de negocio y parte a que las herramientas de programación permiten a empleados no técnicos crear software. Las sesiones de agentes centradas en código de empleados no técnicos pasaron de 2 al mes en agosto de 2025 a 90 en mayo de 2026. Un comercial, por ejemplo, contó que montó un panel y un flujo de trabajo propios en tres o cuatro horas.

Dentro de los equipos técnicos, la proporción de empleados que no programan activamente (sin commits en los 30 días previos) cayó casi a la mitad en el año hasta abril de 2026. La relación entre ingenieros y product managers ronda los 17 a 1 y ha subido desde 2025. Los commits de los directivos se han duplicado. En cambio, las funciones administrativas que suelen crecer con el tamaño de una empresa no se han ampliado al mismo ritmo, gracias a agentes asistentes, revisión automatizada y externalización de tickets. Según el texto, Anthropic sigue siendo una empresa con poco personal administrativo pese a su rápido crecimiento.

También hay más movilidad interna. Los empleados con al menos un año de antigüedad tenían en 2026 un 50% más de probabilidad mensual de cambiar de departamento que en 2025. El artículo describe el caso de un equipo de diseño de producto que escribía textos para Claude.ai, como los saludos de la interfaz. Desarrolló un grafo de contexto que guiaba a los agentes a escribir ese contenido, y después pasó a redactar prompts y evaluaciones para Claude.

En cuanto a la productividad, los datos de telemetría indican que en marzo de 2026 las horas de trabajo de los agentes, autónomos e interactivos, superaron por primera vez a las horas humanas. Limitándose a los agentes dirigidos por empleados individuales, en agosto los agentes trabajaron seis veces más horas que sus supervisores humanos. Las horas humanas se calculan por número de empleados y 40 horas semanales, y el tiempo de los agentes cuenta ejecución efectiva, sin esperas superiores a 30 minutos. La mayor parte de los tokens se gasta en producir código, pero también hay agentes personales que gestionan calendarios y mensajes y preparan resúmenes de reuniones.

Los commits de código por ingeniero son 5 veces más rápidos que hace seis meses. Los científicos de datos consultan más datos, y también subió la producción en funciones no técnicas: los abogados procesaron más contratos, cuentas por pagar tramitó más facturas y los comerciales cerraron más ventas. Como la empresa vive un crecimiento de negocio explosivo, los autores intentan aislar el efecto de la IA comparando a 192 ingenieros que adoptan agentes de programación con 74 que no los adoptan durante el periodo, con efectos fijos por persona y por mes. El código añadido sube con fuerza tras la adopción. Para evaluar la calidad, comparan el código escrito por agentes con el escrito directamente por la misma persona, en el mismo mes y directorio. No encuentran diferencias en la proporción de líneas eliminadas o revertidas posteriormente, aunque advierten de que hay muchas dimensiones de calidad y de que los errores de la IA pueden ser más difíciles de detectar. Los autores señalan además que quienes adoptan agentes totalmente autónomos ya seguían una trayectoria ascendente antes de hacerlo.

En ventas, tras adoptar agentes los representantes cierran operaciones con más clientes, aunque los autores admiten que podría haber un sesgo de selección. Un ejecutivo de cuentas dijo que las automatizaciones sustituían alrededor del 20% de sus tareas, y otro dijo que le permitían hablar con un 30% más de clientes. También se describen un abogado que automatizó el triaje de consultas legales y un reclutador que usó Claude para un análisis que habría llevado un par de semanas. De forma descriptiva, el empleo junior crece más despacio en los puestos que usan Claude para las tareas más complejas.

El texto dedica una sección a los cuellos de botella. En una encuesta interna, el 44% de los empleados estaba de acuerdo en 2024 con que los procesos les hacían tan productivos como era posible, y el 58% en noviembre de 2025. En abril de 2026 subió al 75%, pero la pregunta se había suavizado al eliminar el «como sea posible». En agosto, los empleados esperaban que la IA pudiera hacer el 75% de su trabajo en 2030, frente al 28% de otros estadounidenses. Cuando sale un modelo nuevo, los empleados abordan problemas más difíciles: la proporción de tareas por encima del percentil 90 de dificultad del modelo anterior sube alrededor de un 30%, del 10% al 13%.

La atención humana es el cuello de botella. Alrededor del 80% del tiempo de las sesiones interactivas los agentes esperan una respuesta humana. Un ingeniero comparó la situación con cuidar niños que reclaman atención a la vez. En la encuesta de abril, el 27% describió ganancias de productividad y el 20% dijo que su papel había pasado de hacer el trabajo a gestionar Claudes. Leer toda la salida de las sesiones interactivas llevaría más de media semana laboral incluso a grupos no técnicos, con una conversión de 0,75 palabras por token y 250 palabras por minuto.

Como respuesta, crece el «metatrabajo»: construir herramientas, paneles y supervisión de los agentes. Las instrucciones permanentes escritas para agentes pasaron de unos cientos en julio de 2025 a 8.500 un año después. El metatrabajo pasó del 10% de las sesiones interactivas del empleado medio en otoño de 2025 al 22% en primavera de 2026. Un abogado, por ejemplo, empezó a escribir marcos que los agentes de sus clientes puedan descubrir.

Sobre las decisiones de contratación, los responsables dan más importancia a la autonomía y el criterio que a la experiencia técnica específica y la implementación. El artículo dice que Anthropic ha creado un sistema de alerta temprana para vigilar los puestos en riesgo de disrupción y que prioriza las reasignaciones internas a medida que los empleos evolucionan. También señala que la compañía obtiene entre 2 y 4 veces más ingresos por empleado que Meta y Google en su fase de crecimiento rápido. Los autores concluyen que estos compromisos organizativos pueden moldear el impacto de la IA sobre el empleo, pero plantean preguntas difíciles sobre cuáles deberían ser exactamente. El texto se interrumpe al empezar a tratar la confianza y la responsabilidad humanas, que según el artículo siguen siendo críticas pese a la mayor fiabilidad de los agentes.